JP2019514448A - 患者の動きを追跡するシステムおよび方法 - Google Patents

Abstract

携帯型医療デバイスが提供される。携帯型医療デバイスは、患者の動きを記述したセンサデータを取得するように構成される少なくとも１つのセンサと、少なくとも１つのセンサに結合された少なくとも１つのプロセッサとを含む。少なくとも１つのプロセッサは、センサデータから患者の動きを検出し、患者の動きを分類するように構成される。

Description

［関連出願］ 本願は、２０１６年３月３１日に出願された米国仮出願第６２／３１６，１９６号の米国特許法第１１９（ｅ）条に基づく優先権を主張する。上記出願に記載されている全ての主題は、ここに、参照により、本明細書に完全に記載されているかのように、その全体が本願に組み込まれる。

本開示は、患者の動きを追跡するシステムおよび方法に関する。

臨床現場における医療的成果は、患者の健康状態にいくつかの変化があることを示すイベントを迅速に検出することにより改善され得る。病院内の入院患者エリアなどの臨床現場では、変化を検出するために、患者の様々なバイタルサイン（例えば、血圧、脈拍、呼吸数）をモニタリングしている。モニタリングされたバイタルサインは、医療提供者がバイタルサインを評価し、さらなる調査を正当化するあらゆる変化に応答する中央ステーションに送信されることが多い。

いくつかの携帯型医療デバイスは、患者の動きを追跡できるコンポーネントを含む。これらのコンポーネントは、例えば、加速度計、ジャイロスコープおよび磁気計などの１または複数の慣性計測ユニット（ＩＭＵ）を含み得る。病院現場において、携帯型医療デバイスによる患者の動きおよび患者の向きの詳細で連続したリアルタイムの追跡は、従来技術を介して対処し得ない様々な状況に対処することにより、患者の介護を改善し得る。本開示において説明される様々な実装において、動きパラメータは、向きパラメータを含む。従って、明確に示されない限り、患者の身体または患者の身体の部位の動きについての言及は、患者の身体または患者の身体の部位の空間における向きを含む。

故に、本開示のいくつかの例に従って、ＩＭＵを含む医療デバイスが提供される。医療デバイスは、特定の種類の動きについて患者をモニタリングし、動きの種類に関連するアクションを取ることによりいくつかの種類の動きの検出に応答するように構成され、患者の動きの種類の結果を防止するか、またはそれに対処するように設計される。いくつかの例で検出および対処するように構成される患者の動きの種類は、発作、震え、咳、方向感を失った動き、意識の回復に関連する動き、転倒、夢中歩行、躓きおよび気絶を含む。いくつかの例において、医療デバイスは、ベースライン期間または訓練（すなわち、患者固有の動き認識訓練）期間に基づいてこれらおよび他の種類の患者の動きを検出するように構成される。これにより、動きセンサ／向きセンサは、患者の身体の適切な部位に取り付けられ、患者は、一連の予め定められた動きまたは行為を行うよう指示される。例えば、そのようなベースラインおよび／または訓練は、患者への医療デバイスの初回フィッティング中に記録され得る。使用中の患者の動きの挙動をデバイスが学習するので、そのデータは、経時的に改善され得る。代替的に、または追加的に、いくつかの例による医療デバイスは、特定のベースライン情報または訓練情報を参照することなしにだが、代わりに、患者の動きによりもたらされる、患者に作用する力の大きさおよび／または患者の動きの頻度など、より一般的ではあるが特有の、患者の動きの種類の特性を参照して、患者の動きの種類を検出する。

少なくとも１つの例において、患者の動きをモニタリングするための携帯型医療デバイスが提供される。携帯型医療デバイスは、複数の動きセンサと、少なくとも１つのプロセッサとを含む。複数の動きセンサは、患者の身体上の１または複数の解剖学的位置に位置し、患者の身体の部位の動きに対応する複数の動きパラメータを検出するように構成される。少なくとも１つのプロセッサは、複数の動きセンサに通信可能に接続され、患者の身体の部位の動きに対応する複数の動きパラメータを受信し、複数の動きパラメータをデータストアに格納し、データストアに格納された複数の動きパラメータを処理して患者の身体の部位の動きを判断し、複数の予め定められた動きセンテンス特徴に基づいて患者の身体の部位の動きを分類するように構成される。複数の予め定められた動きセンテンス特徴は、少なくとも１つの予め定められた動きプリミティブを含み、類型に基づく１または複数の通知アクションを開始する。

携帯型医療デバイスにおいて、複数の動きパラメータは、患者の身体の部位の向きに対応する少なくとも１つの向きパラメータを含み得る。複数の動きセンサは、加速度計、ジャイロスコープおよび磁気計のうちの少なくとも１つを含み得る。複数の予め定められた動きセンテンス特徴は、複数の予め定められた動きプリミティブと、少なくとも１つの予め定められた動き修飾子と、少なくとも１つの予め定められた動きオブジェクトと、少なくとも１つの予め定められた動きセンテンスと、少なくとも１つの予め定められた一連の動きセンテンスとを含み得る。少なくとも１つのプロセッサは、第１の位置に取り付けられた第１の動きセンサから取得される第１のセンサデータと、第２の位置に取り付けられた第２の動きセンサから取得される第２のセンサデータとを参照して患者の動きを分類するように構成され得る。患者の身体上の１または複数の解剖学的位置は、患者の身体の頭、胸、脚、首、肩、肘、膝、手首、顎、前腕、二頭筋、足首および足のうちの１または複数を含み得る。第１の位置は患者上の解剖学的位置を含み得、第２の位置は患者以外の物理的な対象物の位置を含み得る。物理的な対象物は、ベッドおよび車椅子のうちの少なくとも一方を含み得る。少なくとも１つのプロセッサは、予め収集された動き情報のデータベースから導出される１または複数の動き検出ルールに基づいて動きを分類するように構成され得る。

携帯型医療デバイスにおいて、少なくとも１つのプロセッサは、動き認識処理を用いて動きを分類し、複数の患者から測定された予め定められた動きと、ベースライン期間中に導出された患者固有の動きとのうちの少なくとも一方を用いて動き認識処理を訓練するように構成され得る。ベースライン期間中に導出された患者固有の動きは、睡眠期間中および６分間の歩行試験期間中のうちの少なくとも一方で記録され得る。１または複数の通知アクションは、患者の動きについて介護者に通知することを含み得る。１または複数の通知アクションは、患者の動きに基づいて患者に警告することを含み得る。少なくとも１つのプロセッサは、患者に近接する携帯型医療デバイスから離れた別の医療デバイスを識別し、アラートを発するよう医療デバイスに指示するように構成され得る。少なくとも１つのプロセッサは、現在時刻を識別し、現在時刻に関連するアクションを実行するように構成され得る。少なくとも１つのプロセッサは、患者の動きを、方向感を失った動き、転倒、躓き、気絶、発作、震えおよび咳のうちの少なくとも１つとして分類するように構成され得る。携帯型医療デバイスはさらに、ウェアラブル除細動器を備え得る。携帯型医療デバイスはさらに、モバイル心臓モニタリングデバイスを備え得る。

別の例において、患者の動きをモニタリングするためのシステムが提供される。システムは、心臓モニタリングデバイスを含む。心臓モニタリングデバイスは、複数の動きセンサと、少なくとも１つのプロセッサとを含む。複数の動きセンサは、患者の身体上の１または複数の解剖学的位置に位置して患者の身体の部位の動きに対応する複数の動きパラメータを検出するように構成される。少なくとも１つのプロセッサは、複数の動きセンサに通信可能に接続される。少なくとも１つのプロセッサは、患者の身体の部位の動きに対応する複数の動きパラメータを遠隔サーバに送信するように構成される。遠隔サーバは、患者の身体の部位の動きに対応する複数の動きパラメータを受信し、複数の動きパラメータをデータストアに格納し、データストアに格納された複数の動きパラメータを処理して患者の身体の部位の動きを判断し、少なくとも１つの予め定められた動きプリミティブを含む複数の予め定められた動きセンテンス特徴に基づいて患者の身体の部位の動きを分類し、類型に基づく１または複数の通知アクションを開始するように構成される。システムはさらに、遠隔サーバと通信する少なくとも１つのクライアントデバイスを含み得る。少なくとも１つのクライアントデバイスは、１または複数の通知アクションに基づいて、患者の動きについて介護者および患者のうちの少なくとも一方に通知するように構成される。

一例において、携帯型医療デバイスが提供される。携帯型医療デバイスは、少なくとも１つのセンサと、少なくとも１つのプロセッサとを含む。少なくとも１つのセンサは、患者の動きを記述したセンサデータを取得するように構成される。少なくとも１つのプロセッサは、少なくとも１つのセンサに接続される。少なくとも１つのプロセッサは、センサデータから患者の動きを検出して、例えば、測定および検出された動き特徴が、複数の患者または他のユーザから測定された動きの予め収集されたデータベースから導出されたか、または患者固有のベースライン期間または訓練期間中に導出された患者固有のテンプレートから導出されたテンプレートと比較される、当業者に知られているテンプレートマッチングを用いて患者の動きを分類し、少なくとも１つの予め定められたテンプレートに関連する通知コンポーネントを実行するように構成される。

携帯型医療デバイスにおいて、少なくとも１つのセンサは、加速度計、ジャイロスコープおよび磁気計のうちの少なくとも１つを含み得る。少なくとも１つのプロセッサは、患者の動きを少なくとも１つの動きプリミティブを含む少なくとも１つの動きシーケンスとして分類するように構成され得る。少なくとも１つのセンサは、複数のセンサを含み得る。少なくとも１つのプロセッサは、第１の位置に取り付けられた第１のセンサから取得された第１のセンサデータと、第２の位置に取り付けられた第２のセンサから取得された第２のセンサデータとを参照して患者の動きを分類するように構成され得る。第１の位置および第２の位置は、患者上の解剖学的位置であり得る。第１の位置および第２の位置は、患者の関節により分離され得る。関節は、患者の膝および肘のうちの少なくとも一方であり得る。第１の位置は患者上の解剖学的位置であり得、第２の位置は患者以外の物理的な対象物の位置であり得る。物理的な対象物は、ベッドおよび車椅子のうちの少なくとも一方を含み得る。ベースライン情報および／または訓練情報（例えば、以下の図５を参照のこと）は、睡眠中および６分間の歩行試験中のうちの少なくとも一方で記録され得る。患者の動きを記述したセンサデータは、動き（向きを含む）を示し得ない。

携帯型医療デバイスにおいて、通知コンポーネントは、患者の動きについて介護者に通知するように構成され得る。通知コンポーネントは、患者に警告するように構成され得る。少なくとも１つのプロセッサは、患者の状態に関連付けられ、患者に近接する医療デバイスを識別し、アラートを発するよう医療デバイスに命令するように構成され得る。状態は、患者の動きに関連付けられ得る。少なくとも１つのプロセッサは、患者の年齢に関連するアクションを実行するように構成され得る。少なくとも１つのプロセッサは、現在時刻を識別し、現在時刻に関連するアクションを実行するように構成され得る。携帯型医療デバイスは、日中モードと夜間モードとの間で設定可能であり得る。少なくとも１つのプロセッサは、現在のモードを日中モードまたは夜間モードのいずれかとして識別し、現在のモードに関連するアクションを実行するように構成され得る。少なくとも１つのプロセッサはさらに、一連の動きを実行するよう患者に促し、一連の動きの各々を実行する患者のテンプレートを記録するように構成され得る。

別の例において、携帯型医療デバイスが提供される。携帯型医療デバイスは、少なくとも１つの慣性計測ユニットと、少なくとも１つの慣性計測ユニットに結合された少なくとも１つのプロセッサとを含む。携帯型医療デバイスは、一連の測定値を識別することにより患者の転倒を少なくとも部分的に検出するように構成される。一連の測定値は、第１の閾値未満の第１の加速度と、第２の閾値よりも大きい第２の加速度と、閾値の範囲内の第３の加速度とを含む。

携帯型医療デバイスにおいて、第１の閾値は０．５Ｇ_０と等しいことがあり得、第２の閾値は８Ｇ_０と等しいことがあり得、これらの閾値の範囲は［０．９５Ｇ_０、１．０５Ｇ_０］と等しいことがあり得る。少なくとも１つのプロセッサは、信頼度メトリックを計算し、信頼度メトリックが第４の閾値を超える場合に患者の転倒を検出するように構成され得る。少なくとも１つのプロセッサは、患者の転倒が検出されると動作するように構成され得る。動作は、転倒を確認するよう患者に促すこと、転倒について傍観者に通知すること、および転倒について病院職員に通知することのうちの少なくとも１つを含む。

別の例において、病院ベースの携帯型除細動器が提供される。病院ベースの携帯型除細動器は、患者を記述したデータを取得するように構成される少なくとも１つの接着型電極と、少なくとも１つの慣性計測ユニットと、少なくとも１つの接着型電極および少なくとも１つの慣性計測ユニットに結合された少なくとも１つのプロセッサとを含む。少なくとも１つのプロセッサは、少なくとも１つの慣性計測ユニットを介して患者の動きをモニタリングするように構成される。

病院ベースの携帯型除細動器において、少なくとも１つのプロセッサは、患者の動きを、方向感を失った動き、転倒、躓きおよび気絶のうちの少なくとも１つとして分類するように構成され得る。ある実装において、少なくとも１つのプロセッサは、患者の動きを、複数の患者または他のユーザから測定された動きの予め収集されたデータベースから導出されたか、または患者固有のベースライン期間または訓練期間中に導出される患者固有のテンプレートから導出されたテンプレートと比較することにより、患者の動きを少なくとも部分的に分類するように構成され得る。例えば、患者固有のテンプレートは、６分間の歩行試験中に記録され得る。少なくとも１つのプロセッサは、患者の動きを発作、震えおよび咳のうちの少なくとも１つとして分類するように構成され得る。少なくとも１つのプロセッサは、患者の動きの大きさを第１の閾値と、患者の動きの頻度を第２の閾値と比較することにより、患者の動きを少なくとも部分的に分類するように構成され得る。少なくとも１つのプロセッサは、患者の動きを、方向感を失った動き、転倒、躓き、気絶、発作、震えおよび咳を含む群から選択される少なくとも１つの動きの種類として分類し、患者の動きの分類に応答して少なくとも１つのアクションを実行するように構成され得る。少なくとも１つのアクションは、患者の動きが少なくとも１つの動きの種類のものであることを確認するよう患者に促すこと、患者の動きについて傍観者に通知すること、患者の動きについて病院職員に通知することのうちの少なくとも１つを含み得る。少なくとも１つのプロセッサは、病院ベッドからの患者の距離を計算し、当該距離が閾値を超えていることに応答して少なくとも１つのアクションを実行するように構成され得る。少なくとも１つのアクションは、応答するよう患者に促すこと、患者の動きについて傍観者に通知すること、および患者の動きについて病院職員に通知することのうちの少なくとも１つを含む。

別の例において、医療デバイスのシステムが提供される。システムは、病院ベースの携帯型除細動器および病院ベッドを含む。病院ベースの携帯型除細動器は、少なくとも１つの接着型電極と、少なくとも１つの慣性計測ユニットと、少なくとも１つの接着型電極および少なくとも１つの慣性計測ユニットに結合された少なくとも１つのプロセッサとを含む。少なくとも１つのプロセッサは、少なくとも１つの慣性計測ユニットを介して患者の動きをモニタリングするように構成される。病院ベッドは、１または複数の慣性計測ユニットと、１または複数の慣性計測ユニットに結合された１または複数のプロセッサとを含み得る。１または複数のプロセッサは、１または複数の慣性計測ユニットを介して患者の動きをモニタリングするように構成される。

医療デバイスのシステムにおいて。病院ベースの携帯型除細動器はさらに、第１のネットワークインタフェースを含み得る。病院ベッドは、第１のネットワークインタフェースと通信するように構成される第２のネットワークインタフェースを含み得る。１または複数のプロセッサは、患者の動きデータを少なくとも１つのプロセッサに送信するように構成され得る。少なくとも１つのプロセッサは、患者の動きデータを処理することにより、病院ベッドを少なくとも部分的に離れている患者を検出するように構成され得る。

別の例において、病院ベースの携帯型除細動器が提供される。病院ベースの携帯型除細動器は、患者を記述したデータを取得するように構成される少なくとも１つの接着型電極と、少なくとも１つの慣性計測ユニットと、少なくとも１つの接着型電極および少なくとも１つの慣性計測ユニットに結合された少なくとも１つのプロセッサとを含む。少なくとも１つのプロセッサは、睡眠中の患者の動きを少なくとも１つの慣性計測ユニットを介してモニタリングするように構成される。

病院ベースの携帯型除細動器において、少なくとも１つのプロセッサは、患者の動きを過剰である、または過剰ではない、のいずれかとして分類するように構成され得る。少なくとも１つのプロセッサは、患者の動きを、複数の患者または他のユーザから測定された動きの予め収集されたデータベースから導出されたか、または患者固有のベースライン期間または訓練期間中に導出された患者固有のテンプレートから導出されたテンプレートと比較することにより、患者の動きを少なくとも部分的に分類するように構成され得る。例えば、患者＝特定のテンプレートは、標準的な患者の睡眠中に記録され得る。少なくとも１つのプロセッサは、患者の動きの大きさを第１の閾値と、患者の動きの頻度を第２の閾値と比較することにより、患者の動きを少なくとも部分的に分類するように構成され得る。

病院ベース携帯型除細動器において、患者を記述したデータは、心電図データを含み得る。少なくとも１つの慣性計測ユニットは、患者の心音を取得するように構成され得る。少なくとも１つのプロセッサは、患者の動きと心電図データおよび心音のうちの少なくとも一方とを分析して、患者の状態を判断するように構成され得る。

病院ベースの携帯型除細動器はさらに、少なくとも１つのプロセッサに結合されたネットワークインタフェースを含み得る。患者を記述したデータは、心電図データを含み得る。少なくとも１つのプロセッサは、患者の動きおよび心電図データを異なる医療モニタリングデバイスに送信するように構成され得る。

病院ベースの携帯型除細動器において、少なくとも１つのプロセッサは、患者の動きが過剰であると分類されたことに応答して不整脈治療プロトコルを変えるように構成され得る。少なくとも１つのプロセッサは、病院職員に対する触覚アラートおよびアラートを既定の不整脈治療プロトコルの先頭に追加することにより不整脈治療プロトコルを変えるように構成され得る。

さらに他の態様、例、およびこれらの態様および例の利点が以下に詳細に述べられる。その上、前述の情報および以下の発明を実施するための形態の両方は、様々な態様および特徴の例示的な実施例であるに過ぎず、特許請求の範囲に記載される態様および実施例の性質および特徴を理解するための概要または枠組みを提供するよう意図されていることが理解されるべきである。本明細書において開示される例または特徴はいずれも、いかなる他の例または特徴とも組み合わされ得る。異なる例についての言及は、必ずしも互いに排他的ではなく、当該例に関連して説明される特定の特徴、構造または特性が少なくとも１つの例に含まれ得ることを示すよう意図されている。本明細書に現れるそのような用語は、必ずしも全てが同じ例に言及しているわけではない。

少なくとも１つの例の様々な態様が、添付図面を参照して以下に述べられる。当該図面は、原寸に比例して描写されることは意図されていない。 図は、実例と、様々な態様および例についてのさらなる理解とを提供するために含まれており、本明細書に組み込まれ、本明細書の一部を構成しているが、いかなる特定の例の限定の定義としても意図されていない。図面は、本明細書の残りの部分と共に、説明され、特許請求される態様および例の原理および作用を説明するのに役立つ。図では、様々な図に示される同一またはほぼ同一の各コンポーネントは、同様の符号により表されている。明確性の目的で、全てのコンポーネントが全ての図において表示されているとは限らない。

本開示の例による、患者に近接して配置され、動き追跡ユニットと通信する複数の動きセンサ／向きセンサを含むセンサ配置の概略図である。

本開示の例による携帯型医療デバイスの概略図である。

本開示の例による医療デバイスコントローラの概略図である。

本開示の例による、図３の医療デバイスコントローラの動き情報データストアの概略図である。

本開示の例による、動き認識コンポーネントまたは動き分類コンポーネントがベースラインモード／訓練モードで動作する場合に実行するように構成されるベースライン／訓練処理を示すフロー図である。

本開示の例による、患者の動きを検出し、検出された動きを、動きプリミティブまたは一連の複数の動きプリミティブに対応するものとして分類する方法を示すフロー図である。

地面への患者の支えられていない状態での転倒中の患者の力ベクトル対時間のグラフである。

地面への患者の支えられていない状態での転倒中および地面との患者の衝突の後の患者の動きベクトル対時間のグラフである。

地面への患者の支えられていない状態での転倒中およびその後の患者の動きの段階の概略図である。

患者の震えの発現中の患者の動きのベクトル和を示すグラフである。

患者の咳の発現中の患者の動きのベクトル和を示すグラフである。

患者の発作の発現中の患者の動きのベクトル和を示すグラフである。

本開示の例による、病院環境内の分散コンピュータシステムの一例の概略図である。

本明細書において説明される例は、患者の動きを記述したデータを含む動きパラメータを取得するために用いられる少なくとも１つのセンサを有する携帯型医療デバイスを含む。以下にさらに詳細に説明されるように、様々な実装において、動きパラメータは、患者の向きパラメータを含む。従って、本開示において、患者の身体の動きまたは患者の身体の部位の動きについての言及は、空間における患者の身体または患者の身体の部位の向きを含む。センサは、いくつかの取り外し可能な連結手段によって、例えば、バンド、または人間の皮膚もしくは衣服と適合する一時的な接着剤によって、患者により着用されている衣服に取り付けられ得るか、または患者自身に取り付けられ得る。患者のどの部位（例えば、頭、腕、脚、胸郭）にセンサが取り付けられているかに拘らず、患者のその部位の動き（向きを含む）が測定される。携帯型医療デバイスは、取得されたデータを用いて、患者の動きを検出し、いくつかの例においては患者の動きを分類する。その特定のセンサ位置での動き（空間における向きを含む）を推定するために、測定された動きに対応するデータが収集および処理される。動きまたは向きの測定値は、一連の１または複数の予め定められた動きまたは向きの種類（「動きプリミティブ」）を検出するために、また、動きプリミティブを、動きの波形の特徴に基づいて、１または複数の予め定められた動きプリミティブに対応するものとして分類するために処理される。動きプリミティブのいくつかの例は、「横になる」、「座る」、「立つ」、「足を置く」、「転倒する」、「転がる」、「歩く」、「走る」、「向きを変える」、「屈む」、「直立する」であり得る。

追加的に、動きの速度を説明する「速く」もしくは「ゆっくり」、または、例えば、方向を説明する「上」、「下」、「左」、「右」など、動きプリミティブの動き修飾子が存在し得る。追加的に、例えば、センサが位置している身体上の位置についての「脚」もしくは「腕」または「胴体」といった動きオブジェクトが存在し得る。追加的に、例えば、どちらの腕または脚が動いているかを説明する「左」もしくは「右」、または、胴体、腕、脚または他の身体の部分のどの部位が動いているかを説明する「上方」もしくは「下方」といった動きオブジェクト修飾子（すなわち、動き形容詞）が存在し得る。いくつかの場合において、許容可能な検出された一連の動きプリミティブまたは動き修飾子についての予め定められたルールの関連セットが存在し得る。予め定められたルールは、動き文法を構成する。検出された動きプリミティブおよび動き修飾子を用いて、かつ、動き文法に基づいて、例えば、「踏み出す」、「ベッドから起き上がる」、「ドアを開ける」、「廊下を早足で歩く」または「地面に転倒する」といった動きセンテンスが構成され得る。

動きプリミティブ、動き修飾子、動きオブジェクト、動き形容詞および動き文法構造の検出のこの動き認識処理は、「ベースライン」期間または訓練（すなわち、患者固有の動き認識訓練）期間で実現され得る。これにより、動きセンサ／向きセンサは、患者の身体の適切な部位に取り付けられ、患者は、例えば、横たわる、座る、座っている状態から起き上がる、横たわっている状態から起き上がる、歩く等の一連の予め定められた動きまたは行為を行うよう指示される。次に、システムは、患者の固有の動きまたは行為を分析し、それを用いてその患者の動きの認識精度を上げる。代替的に、動き認識処理は、いかなるベースライン期間または訓練期間も利用しないことがあり、ルールの生成より前に収集された動きのデータベースから全て導出される動き検出ルールに完全に依存していることがある。

次に、動き認識（ＭＲ）処理の出力（例えば、動きプリミティブ、動き修飾子、動きオブジェクト、動き形容詞および動き文法構造）が、ＭＲ出力が患者の健康または安全に対する脅威をもたらすかどうか、または、そうでない場合には初期障害を構成するかどうかを判断するために分析され得る。次に、検出動作の分類に応答して、（医療提供者または他の介護者に対するアラームまたは通知などの）通知コンポーネントが実行され得る。

その特定のセンサ位置での推定される動き（空間における向きを含む）は、動きに関連するパラメータ、例えば、１または複数の軸（例えば、ｘ軸、ｙ軸、ｚ軸）に沿った加速度、速度、位置および回転のベクトルであり得る。動きベクトルは、時刻、位置（例えば、ＧＰＳシステムを介して認識される地理的位置、または、寝室、階段、玄関通路などの屋内での位置、屋外）または天気など、動き認識処理に関連する他の情報も含み得る。いくつかの実施例において、加速度計または他の種類の動きセンサもしくは向きセンサの軸は、胸骨上に、またはその近くに配置され得、身体の主軸、例えば、長手軸（縦軸、例えば、加速度センサの「ｚ」軸）、横断軸（横軸、例えば、加速度センサの「ｘ」軸）または矢状軸と位置合わせされる。

いくつかの実施例において、動き認識は、一連の動きパラメータのベクトルを入力とした隠れマルコフモデル（ＨＭＭ）に基づき得る。状態遷移行列が、当業者に知られているＨＭＭ技術を用いて作成され得る。特に、一連の動きパラメータ推定値、動きプリミティブおよび動きセンテンスは、隠れマルコフモデル（ＨＭＭ）としてモデル化され、状態Ｑ、出力アルファベットＯ、遷移確率Ａ、出力確率Ｂおよび初期状態確率Πのセットを有する有限ステートマシンの変数として定義される。現在状態は観察可能ではない。代わりに、各状態により、特定の確率（Ｂ）で出力が生成される。通常、状態Ｑおよび出力Ｏは理解されるので、ＨＭＭは３つ組λ＝（Ａ， Ｂ， Π）になると言われている。出力アルファベットＯの各値には、一意の閾値および係数のセットが与えられ得る。例えば、ＨＭＭは、データベースまたは患者固有の訓練のいずれかの結果として、ＨＭＭに格納された遷移確率を有することになる。ＨＭＭは、そのような理解された「事実」（すなわち、動き文法）を示す。例えば、ある人が「立って」いた状態のすぐ後に「起き上がる」確率は非常に低い。ノイズの中で失われ得る中間動きプリミティブ、または、代替的に、「起き上がる」および「転倒する」の両方、「屈む」または「倒れ込む」の全てが患者の胸郭の順回転を伴い得るので、「転倒する」、「屈む」または「倒れ込む」のいずれかへの遷移の確率が「起き上がる」への遷移の確率よりも高くなる中間動きプリミティブのいずれかが存在していたはずである。

別の実施形態において、「立つ」という動きセンテンスの文法構造の後に患者の胸郭の検出または屈曲が続き、その後、「立って」いる向きに戻ること（例えば、「立ち」、「屈み」、「立ち」、「屈む」）が２回またはそれより多く続く場合、文法センテンス構造は、患者がバランスを失って転倒して負傷するリスクが高く、ＭＲ出力が患者の健康または安全に対する脅威をもたらすか、またはそうでない場合には初期障害を構成することを意味するように検出される。次に、検出動作の分類に応答して、（医療提供者または他の介護者に対するアラームまたは通知などの）通知コンポーネントが実行され得る。

アルゴリズムの作成中、ＨＭＭは、複数の患者または他の被験者による複数の動きの種類（例えば、座る、立つ、歩く、横たわる）のデータベースに対して訓練される。いくつかの実施例において、患者固有の訓練期間が無い基本的なアプローチの結果を改善するために、患者固有のベースライン期間または訓練期間が提供される。例えば、訓練期間は、動きパラメータを患者のサイズ、例えば胴体または四肢の長さへと正規化すること、例えば、ベッドから起き上がり、ベッドで転がり、ベッドに入り、ベッドから出て、階段を上がり、歩くといった、特定の患者による特定の動きシーケンスを訓練すること、異なる文脈において複数種類の動きを実行して文脈依存性を持たせること（例えば、異なる部屋もしくは異なるベッドにおいて、または異なる時刻に行われる同じ試験）、患者の強度依存訓練（例えば、患者が同じアクションを異なる強度レベルで実行する場合）をすることなど、改良のために用いられ得る。

ＨＭＭ分類の分野において知られている他の技術が利用され得る。例えば、ＨＭＭパラメータ推定に対する純粋に統計学的なアプローチを無くし、代わりに訓練データのいくつかの分類関連の測定値を最適化する、判別的な訓練技術である。例としては、最大相互情報量（ＭＭＩ）、最小分類誤り（ＭＣＥ）および最小音素誤り（ＭＰＥ）がある。また、最良の経路を見出すためのビタビアルゴリズムの使用がある。他の技術は、単に最良の候補を保持する代わりに良好な候補のセットを保持し、より良好なスコアリング機能（再スコアリング）を用いてこれらの良好な候補を格付けするためのものである。候補のセットは、リスト（Ｎ‐ｂｅｓｔリストアプローチ）またはモデルのサブセット（格子）のいずれかとして保持され得る。ベイズリスクを最小化するために、再スコアリングが行われ得る。

いくつかの実施例において、動きの速度に起因する認識精度への影響を最小化するために、動的時間伸縮法などの技術が利用され得る。例えば、患者が訓練セッションにおけるよりもゆっくり脚を動かしている場合であっても、歩行パターンにおける類似点が検出されるであろう。シーケンスが、互いに一致するよう非線形的に「伸縮され」る。このシーケンスアライメント方法は、ＨＭＭに関連して用いられることが多い。

いくつかの実施例において、いわゆる深層学習（ディープラーニング）ネットワークが動き認識のために利用され得る。Ｄｅｎｇ ＬｉとＹｕ Ｄｏｎｇの共著による「ディープラーニング：方法および応用」信号処理における基礎および動向：（７ （３‐４）： １９７‐３８７）（２０１４年）においてＤｅｎｇとＹｕにより説明されるように、ディープラーニングネットワークは、以下の３つの主なクラスとして分類され得る。

１． ターゲットクラスラベルについての情報が利用可能ではない場合にパターン分析用または合成目的の観察データまたは可視データの高次相関を捕捉することが意図されている、教師なし学習または生成学習のためのディープネットワーク。この文献における教師なし特徴学習または教師なし表現学習は、ディープネットワークのこのカテゴリを指している。生成モードで用いられる場合、可視データおよび（利用可能であり、可視データの一部として扱われている場合には）それらの関連クラスの結合統計分布を特性評価することも意図されていることがある。後者の場合、ベイズルールを用いることにより、この種類の生成ネットワークを学習用の判別ネットワークにし得る。

２． 判別能力をパターン分類の目的で（多くの場合、可視データを条件とするクラスの事後分布を特性付けることにより）直接提供することが意図されている、教師付き学習のためのディープネットワーク。ターゲットラベルデータは、そのような教師付き学習において、直接または間接的な形式で常に利用可能である。それらは、判別ディープネットワークとも呼ばれる。

３． 判別が目標であるハイブリッドディープネットワーク。この判別は、生成ディープネットワークまたは教師なしディープネットワークの成果を用いることにより、多くの場合は顕著な態様で補助される。これは、カテゴリ（２）のディープネットワークのより良い最適化および／または正則化により実現され得る。この目標は、上記カテゴリ（１）の生成ディープネットワークまたは教師なしディープネットワークのいずれかにおいてパラメータを推定するために教師付き学習のための判別基準が用いられる場合にも実現され得る。

他の一般的な類型は、ディープニューラルネットワーク（ＤＮＮ）および再帰型ニューラルネットワーク（ＲＮＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、制限ボルツマンマシン（ＲＢＭ）、ディープビリーフネットワーク（ＤＢＮ）、ディープボルツマンマシン（ＤＢＭ）等である。

いくつかの実施例において、当業者に知られているテンプレートマッチングなど、より単純なＭＲ技術が利用され得る。当該技術において、測定および検出された動き特徴は、複数の患者または他のユーザから測定された動きの予め収集されたデータベースから導出されたか、または患者固有のベースライン期間または訓練期間中に導出された患者固有のテンプレートから導出されたテンプレートと比較される。

［例示的なセンサ配置］ 図１は、患者の身体上の特定のセンサ位置での患者の向きおよび動きを検知するように構成されるセンサ配置１００の概略図である。その特定のセンサ位置での動きまたは向きを推定するために、測定された動きまたは向きに対応するデータが、収集および処理される。動きまたは向きの測定値は、一連の１または複数の予め定められた動きまたは向きの種類（「動きプリミティブ」）を検出するために、また、動きプリミティブを、動きの波形の特徴に基づいて、１または複数の予め定められた動きプリミティブに対応するものとして分類するために処理される。動きプリミティブのいくつかの例は、「横になる」、「座る」、「立つ」、「足を置く」、「転倒する」、「転がる」、「歩く」、「走る」、「向きを変える」、「屈む」、「直立する」であり得る。

追加的に、動きの速度を説明する「速く」もしくは「ゆっくり」、または、例えば、方向を説明する「上」、「下」、「左」、「右」など、動きプリミティブの動き修飾子が存在し得る。追加的に、例えば、センサが位置している身体上の位置についての「脚」もしくは「腕」または「胴体」といった動きオブジェクトが存在し得る。追加的に、例えば、どちらの腕または脚が動いているかを説明する「左」もしくは「右」、または、胴体、腕、脚または他の身体の部分のどの部位が動いているかを説明する「上方」もしくは「下方」といった動きオブジェクト修飾子（すなわち、動き形容詞）が存在し得る。いくつかの場合において、許容可能な検出された一連の動きプリミティブまたは動き修飾子についての予め定められたルールの関連セットが存在し得る。予め定められたルールは、動き文法を構成する。検出された動きプリミティブおよび動き修飾子を用いて、かつ、動き文法に基づいて、例えば、「踏み出す」、「ベッドから起き上がる」、「ドアを開ける」、「廊下を早足で歩く」または「地面に転倒する」といった動きセンテンスが構成され得る。

動きプリミティブ、動き修飾子、動きオブジェクト、動き形容詞および動き文法構造の検出のこの動き認識処理は、「ベースライン」（すなわち、動き認識訓練）期間で実現され得る。これにより、動きセンサ／向きセンサは、患者の身体の適切な部位に取り付けられ、患者は、例えば、横たわる、座る、座っている状態から起き上がる、横たわっている状態から起き上がる、歩く等の一連の予め定められた動きまたは行為を行うよう指示される。次に、システムは、患者の固有の動きまたは行為を分析し、それを用いてその患者の動きの認識精度を上げる。代替的に、動き認識処理は、いかなるベースライン期間または訓練期間も利用しないことがあり、ルールの生成より前に収集された動きのデータベースから全て導出される動き検出ルールに完全に依存していることがある。

次に、動き認識（ＭＲ）処理の出力（例えば、動きプリミティブ、動き修飾子、動きオブジェクト、動き形容詞および動き文法構造）が、ＭＲ出力が患者の健康または安全に対する脅威をもたらすかどうか、または、そうでない場合には初期障害を構成するかどうかを判断するために分析され得る。次に、検出動作の分類に応答して、（医療提供者または他の介護者に対するアラームまたは通知などの）通知コンポーネントが実行され得る。

示される例示的なセンサ配置１００は、複数の動きセンサ／向きセンサ１０４および動き追跡ユニット１０６を含む。それらの全ては、患者１０２に取り付けられるか、または患者１０２により装着される。センサ配置１００の動きセンサ／向きセンサ１０４は、１または複数の慣性運動ユニットセンサ（「ＩＭＵ」）を含み得る。当該ＩＭＵは、１次元加速度計、２次元加速度計、３次元加速度計、ジャイロスコープおよび磁気計のうちの１または複数を含むが、それらに限定されない。例えば、動きセンサ／向きセンサ１０４の例は、ＡＮＡＬＯＧ ＤＥＶＩＣＥＳ（登録商標）のＡＤＩＳ１６３６２ ｉＳｅｎｓｏｒ（登録商標）慣性システムまたはＳＴＭｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓ（登録商標）により製造されているｉＮＥＭＯ（登録商標）Ｍ１動き検知システムなど、多軸加速度計および多軸ジャイロスコープを含む（多軸磁気計も含む）。動きセンサ／向きセンサ１０４の別の例は、Ｆｒｅｅｓｃａｌｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒの３軸低ｇ超微小加速度計であるＭＭＡ７３６１ＬＣ（計測レンジ±１．５ｇ、±６ｇ）を含む。

動きセンサ／向きセンサ１０４により収集されたデータの計算は、動きセンサ／向きセンサ１０４自体の内部に配置されたマイクロプロセッサ、または動きセンサ／向きセンサ１０４と通信する、他の場所に配置されたマイクロプロセッサにより実行される。マイクロプロセッサは、動きセンサ／向きセンサ１０４により収集されたデータ（例えば、直線加速度、力、向き）を用いて、３次元空間における動きセンサ／向きセンサ１０４の位置および向きを判断する。

概して、１または複数のＩＭＵは、患者の身体の部位の位置の変化を少なくとも３つの軸、つまり、ピッチ（横断面に対して上／下）、ヨー（矢状面に対して左／右）およびロール（前頭面に対して時計回り／反時計回り、例えば、後方向または前方向）において測定し得る。これらの軸における測定値の各々により、１または複数のＩＭＵは、これら１または複数のＩＭＵが取り付けられている患者の身体の部位に対応する一連の動きパラメータを生成することになる。例えば、６自由度（ｘ、ｙおよびｚならびにθｘ、θｙおよびθｚなど）毎に、ＩＭＵは、検知された加速度を重力の推定値と共に時間で積分して、現在の速度を計算し得る。次に、ＩＭＵは、この速度を積分して、現在の位置を計算し得る。位置情報に基づいて、ＩＭＵは、動き認識／分類処理において用いるために、患者の身体の部位についての１または複数の向きパラメータを導出し得る。

動きセンサ／向きセンサ１０４のために用いられるセンサの種類に応じて、３次元空間の１または複数の次元における向き（すなわち、デカルト座標系のｘ方向、ｙ方向およびｚ方向）を含む動きが検出される。この動きに対応するデータ（加速度データ、向きデータまたは他の測定データのいずれであるかを問わない）が、動きセンサ／向きセンサ１０４により検出され、動き追跡ユニット１０６に提供される。このデータは、動きを示さない（すなわち、患者が動いていない）こともあり得る。さらに、データを提供する各センサに対応する識別子（ＩＤ）が、検出時の状態で動き追跡ユニットに送信される。次に、これらのデータは、動きを分類するために用いられる。このことは、図４から図６に関連して以下でより詳細に述べられる。

示される例示的なセンサ配置１００において、動きセンサ／向きセンサ１０４は、患者１０２の末端箇所で終端する別個の経路に沿って、互いに連続して接続されている。示されるように、これらの様々な例示的な接続経路は、動き追跡ユニット１０６を起点としている。１つの経路が、患者１０２の右腕で終端する第１の経路に沿って、いくつかのセンサを接続している。別の経路が、患者１０２の頭蓋冠で終端する第２の経路に沿って、いくつかのセンサを接続している。他の類似の経路が、患者１０２の左腕と、患者１０２の右脚および左腕とへ延びている。必要に応じて、その他の経路が、患者１０２の身体の他の部位に配置された１または複数のセンサを動き追跡ユニット１０６に接続し得る。追加的に、いくつかの例では、センサ１０４のうちのいくつかを省略していることがある。

患者１０２の身体上での個々の動きセンサ／向きセンサ１０４の位置は、対応する動きセンサ／向きセンサ１０４が取り付けられている患者１０２の部位の動きを検出する意図で選択される。示される例において、動きセンサ／向きセンサ１０４は、腕、脚、頭、または胴体の異なる部分の特定の区域の動きを検出するように、患者の身体の解剖学的部位に取り付けられるか、または、概して患者１０２上の解剖学的位置に位置し、任意選択的に関節（例えば、肘、膝、手首、首、顎）により分離される。本明細書において説明される解剖学的位置は、患者の身体の基礎的な部位の向きを含む動きをモニタリングするために１または複数の動きセンサが配置され得る患者の身体上のあらゆる位置を含み得る。例えば、そのような解剖学的位置は、患者の身体の頭、胸、脚、首、肩、肘、膝、手首、顎、前腕、二頭筋、足首および足のうちの１または複数を含み得る。

動きセンサ／向きセンサ１０４をこのように構成することは、患者の全身の動きを検出するために有益であるが、患者１０２の身体の全ての部位の動き、さらには、患者１０２の１つの部位の他の部位に対しての動きを検出するためにも有益である。また、動きセンサ／向きセンサ１０４は、患者１０２の部位の動きが無いことを示すデータを送信するようにも構成され得る。例として、胴体に取り付けられた（または胴体に装着された）動きセンサ／向きセンサ１０４は、患者１０２が地面に転倒したと判断するのに役立ち得る。別の例において、１または複数の脚に取り付けられた動きセンサ／向きセンサは、患者１０２が歩いていると判断するのに役立ち得る。他の類似の例が、先述の例および本開示に照らして明らかになろう。

他の例において、センサ配置の１または複数のセンサ１０４が、ベッドもしくは椅子（またはさらには、患者の動きから区別され得る一様な直線運動を示す車椅子）などの静止している物体に取り付けられる。これにより、患者の動きが、既知の静止している物体に対して検出される。例えば、少なくとも１つの動きセンサ／向きセンサ１０４を装着している患者１０２が、別の動きセンサ／向きセンサ１０４が取り付けられたベッドから出た場合、これら２つのセンサ間のこの相対的な動きが検出される。これは、ハイリスクの患者の動きを介護者に通知するために特に有益であり得る。例えば、そのようなセンサ構成を用いることで、看護師は、転倒のリスクが高い患者１０２がベッドから出る過程にあることについて、即座に警告を受け得る。故に、看護師は、患者を支援すべく介入し得る。同様に、この構成（および本明細書において説明されるその他のもの）は、ハイリスクの動きが検出された場合に患者自身に警告すべくアラートを発するために用いられ得る。故に、患者は、助けを待つこと、および／またはハイリスクの動きを止めることが可能になる。

例示的なセンサ配置１００は、ワイヤを介して、ある経路上で他のセンサに、最終的には動き追跡ユニット１０６に接続された複数の動きセンサ／向きセンサ１０４を示しているが、これは必須ではない。他の例において、動きセンサ／向きセンサ１０４は、動き追跡ユニット１０６、または無線接続を介して患者には配置されない分散コンピューティングシステムの送受信器に接続し得ることが理解されよう。

［例示的な携帯型医療デバイス］ いくつかの場合において、本明細書において説明される例は、実質的な中断なしに長時間、患者により装着され得るか、患者に取り付けられ得るか、またはそうでない場合には、患者に接続され得る。例えば、デバイスは、数時間、数日間、数週間またはより長い期間、患者により装着され得るか、患者に取り付けられ得るか、またはそうでない場合には、患者に接続され得る。例えば、携帯型デバイスは、少なくとも２４時間という期間、少なくとも１週間および少なくとも１ヶ月間を含む様々な期間にわたって実質的に連続したモニタリングおよび／または治療用に構成され得る。例えば、そのような医療デバイスは、特定の病状について長期間にわたって患者を連続的にモニタリングするように構成されるモニタリングデバイスおよび／または治療デバイスを含み得る。長期間とは、例えば、４時間（例えば、睡眠時無呼吸デバイスなどの治療デバイスおよびモニタリングデバイス）、１２時間（例えば、モバイル心臓モニタリングデバイス、ウェアラブル除細動器デバイスなどの治療デバイスおよび／またはモニタリングデバイス）および２４時間またはさらには数日の期間にわたる実質的に連続したモニタリング期間などである。そのようなデバイスは、シャワーを浴びる、再装着する、デバイスのコンポーネントを変えるなどのために患者がデバイスを定期的に取り外し得る期間を別にすれば、患者を実質的に連続的にモニタリングし得る。

図２は、ＺＯＬＬ（登録商標）Ｍｅｄｉｃａｌ Ｃｏｒｐｏｒａｔｉｏｎから入手可能なウェアラブル除細動器であるＬｉｆｅＶｅｓｔ（登録商標）など、外部携帯型の、患者１０２により装着可能な例示的な医療デバイス２００を示す。示されるように、医療デバイス２００は、ガーメント２１０と、複数の検知電極２１２と、複数の治療電極２１４と、医療デバイスコントローラ２２０と、接続ポッド２３０と、患者インタフェースポッド２４０と、ベルト２２２とを含む。動きセンサもしくは向きセンサ（またはより一般的には慣性計測ユニット）２５０も、医療デバイス２００の一部であり、この場合、ベルト２２２に取り付けられている。

複数の検知電極２１２は、患者の身体の周りの様々な位置に配置され得る（例えば、適切な位置にガーメント２１０により保持され得るか、または患者の皮膚に接着するよう取り付けられ得る）。示されるように、検知電極２１２は、接続ポッド２３０を通じて医療デバイスコントローラ２２０に電気的に結合される。いくつかの実装において、ウェアラブル医療デバイス２００のコンポーネントのうちのいくつかは、患者の胴体に装着され得るガーメント２１０に取り付けられる。例えば、図２に示されるように、コントローラ２２０と、検知電極２１２のうちの少なくともいくつかと、任意選択的に、接着剤を介して患者に取り付けられ得る１または複数の治療電極２１４が、患者１０２により装着されているベルト２２２に搭載され得る。検知電極２１２および接続ポッド２３０は、示されるように、ガーメント２１０に集められ得るか、またはガーメント２１０に統合され得る。検知電極２１２は、患者の心機能を示す信号を取得するように構成される。これにより、コントローラ２２０は、患者の１または複数の心臓信号をモニタリングし得る。複数の治療電極２１４は、接続ポッド２３０を通じてコントローラ２２０に電気的に結合され得る。治療電極２１４は、１または複数の治療用除細動ショックを、そのような治療が正当化されるとコントローラ２２０が判断した場合に患者の身体に加えるように構成される。接続ポッド２３０は、電子回路、および、患者の行為をモニタリングするように構成される１または複数のセンサ（例えば、動きセンサまたは向きセンサ、加速度計等）を含み得る。

ウェアラブル医療デバイス２００は、医療デバイスコントローラ２２０に結合された任意選択的な患者インタフェースポッド２４０を含み得る。例えば、患者インタフェースポッド２４０は、スピーカ、患者の入力に応答するマイク、ディスプレイ、患者の入力に応答する対話型タッチスクリーンおよび／または入力用の物理的ボタンなどの患者インタフェース要素を含み得る。いくつかの実装において、これらの要素は、コントローラ２２０のハウジングに組み込まれる。患者インタフェースポッド２４０は、例えばネットワークインタフェースを通じて、コントローラ２２０と無線接続され得、故に、心電図データを別個の異なる医療モニタリングデバイスに送信する。患者インタフェースポッド２４０は、他の形態を取り得、追加の機能を含み得る。例えば、患者インタフェースポッド２４０は、スマートフォン、タブレットまたは患者により持ち運ばれる他の携帯デバイスに実装され得る。別の例において、患者インタフェースポッド２４０は、腕時計として患者の手首の周りに装着され得るか、またはバンドとして患者の上腕の周りに装着され得る。いくつかの実装において、コントローラ２２０は、特定のアラートおよび情報を通信し得、および／またはコントローラ２２０および／または患者インタフェースポッド２４０に含まれる患者インタフェース要素を介して患者の入力に応答し得る。患者および／または介護者は、タッチディスプレイまたは患者インタフェースポッド２４０と情報をやり取りして、医療デバイス２００を制御し得る。

心音および患者の他の行為を検出するためにウェアラブル医療デバイス２００上に任意選択的に存在し得る加速度計に加えて、動きセンサまたは向きセンサ２５０も、いくつかの例において、ウェアラブル医療デバイス２００に取り付けられる。いくつかの例において、動きセンサまたは向きセンサ２５０自体が、患者の心音を検出するように構成され得、故に、心機能をモニタリングし、心音および肺音を介して患者の生理状態を測定するためのセンサとしても動作し得る。いくつかの場合において、これらの測定値は、患者の治療（例えば、除細動、心臓ペーシング、ＣＰＲ、呼吸困難の治療、心臓障害等）に用いられる。図２における例は、ベルト２２２に取り付けられた動きセンサまたは向きセンサ２５０を示しているが、動きセンサまたは向きセンサ２５０は、ウェアラブル医療デバイス２００の他の部分に取り付けられ得る。動きセンサまたは向きセンサ２５０は、３次元加速度計およびジャイロスコープのうちの少なくとも一方を含み得る。これにより、患者１０２の向きが、ベースラインデータまたは訓練データを記録して（図４を参照して以下に説明される）データ構造をポピュレートする目的および患者１０２の動きを検出および分析する目的の両方で判断され得る。３次元加速度計およびジャイロスコープのうちの少なくとも一方を用いることにより、ウェアラブル医療デバイス２００は、患者１０２の胴体（例えば、胸）または身体の他の一部（例えば、頭、脚、肩、頭、前腕、二頭筋、足首、首）が加速したか、または向きを変えた動きプリミティブまたは動きセンテンスを検出することが可能になる。胴体の動きおよび／または向きの変化を含む動きプリミティブまたは動きセンテンスの例は、ベッドから起き上がる、向きを変える、いくつかの種類の足取り、転倒、気絶および／または躓きを含み得る。

他の例において、ウェアラブル医療デバイス２００は、睡眠中の患者の動きをモニタリングするために検知電極２１２および動きセンサもしくは向きセンサ（または慣性計測ユニット）に結合された（またはそうでない場合にはそれらと通信する）プロセッサを含み得る。睡眠中の患者の動きのモニタリングにおいて、プロセッサは、本明細書において説明される方法およびシステムを用いて、患者の動きが過剰であるかどうかを判断し得る。例えば、患者がウェアラブル医療デバイス２００を装着した初めての夜などのベースライン期間または訓練期間中、患者が寝ている間に、通常の睡眠中の動きが記録され得る。テンプレートベースの動き認識またはヒューリスティックなロジックベースの動き認識を利用する場合、「寝る」という動きセンテンス（すなわち、「十分な時間静かに横になる」ことであり、これは、特徴、つまり、「横になる」という動きプリミティブならびに「静かに」および「十分な時間」という動き副詞をさらに有する）という動きセンテンスを決定付けているものについての訓練期間中に取得されたこのデータに基づいて、閾値および／またはルールが確立され得る。例えば、患者の胴体の角度位置の閾値が、例えば、追加の枕を用いて寝るか、またはベッドの頭側を上げて寝るのを患者が好むことに注意するように、１５度またはそれより小さいものとして予め定められ得るか、または患者の固有の状況に合うように、ベースライン処理中に介護者により調整され得る。同様に、睡眠中の行為に基づいて、およびいくつかの場合においては訓練期間中の測定値を検証する介護者または他の人による分類に基づいて、行為のレベルが、例えば、「熟睡」「賦活睡眠」または「覚醒睡眠」と判断され得る。ＨＭＭまたはディープラーニングネットワークが動き認識のために用いられる場合、ベースライン期間または訓練期間中にその特定の患者のためにデータを記録することにより、動き認識の精度が改善される。精度を高めるために、時刻もデータ要素として動きベクトルに含まれ得る。なぜなら、ほとんどの個人は、夜間に睡眠中である可能性がより高くなるからである。

モニタリングおよび分類される動きの種類は、脚、腕、頭および胴体の動き、動きの方向およびパターンを含むが、それらに限定されない。通常の睡眠中の動きの閾値（例えば、動きの頻度、動きの振幅）が確立され得、患者の動きを分類するために、および／またはアクションをトリガするために用いられ得る。これらの用途に加え、プロセッサは、患者の動きが過剰であるとの分類に応答して心臓不整脈治療プロトコルを変えるようにも構成され得る。例えば、いくつかの実装において、治療プロトコルは、信頼度スコアを、検出された不整脈状態に関連付け得る。患者の動きが過剰である（例えば、動きが、動きおよび／またはそのような動きの持続時間の予め定められた閾値を超えている）とプロセッサが判断した状況において、治療プロトコルは、そのような動きが無ければプロトコルが関連付けるであろうよりも低い信頼度スコアを、検出された不整脈状態に関連付け得る。いくつかの実装において、患者に印加されるべき除細動電流は、信頼度スコアの改善を可能にするために、ある期間遅らされ得る。代替的に、または追加的に、変更された除細動電流は、プロセッサにより判断されるとおりに、睡眠中の過剰な動きの種類または程度に基づいて患者に印加され得る。さらに、プロセッサは、１または複数の追加のアラート、警告および／または通知（例えば、患者に対する触覚アラート、病院職員に対するアラート等）を既定の不整脈治療プロトコルの先頭に追加することにより、不整脈治療プロトコルも変え得る。

患者の動きは、本明細書において説明される方法およびシステムを用いて、いくつかの例においては閾値を用いて、過剰である、または過剰ではない、のいずれかとして分類され得る。言い換えると、身体の部位の動きの頻度、大きさ、持続時間、およびそれらの組み合わせは、ベースライン期間または訓練期間中に患者が睡眠を取っている間に取得される動きデータに照らして分類され得る。例えば、患者の動きの大きさは、医療提供者により、設定された対応する閾値と比較され得る。別の例において、患者の動きの頻度は、医療提供者により、設定された対応する閾値と比較され得る。さらに別の例において、患者の動きの持続時間は、医療提供者により、設定された対応する持続時間の閾値と比較され得る。これらの例示的な閾値のいずれかまたは全ては、それらを超えた場合、例えば、通知コンポーネントを介して過剰な動きについて医療提供者に警告するといったアクションをトリガし得る。

図３は、本明細書において説明される方法およびシステムに従って、動きセンサデータまたは向きセンサデータを受信し、分類のためにこのデータを格納する医療デバイスコントローラ３００の例の概略図を示す。医療デバイスコントローラの任意選択的なコンポーネントが、破線を用いて図３に描写されている。医療デバイスコントローラ３００は、いくつかの例において、動き追跡ユニット１０６またはコントローラ２２０に組み込まれる。

医療デバイスコントローラ３００は、任意選択的な治療実施インタフェース３０２と、（図４を参照して以下に説明される動き情報データストア３３０を含む）データストレージ３０４と、任意選択的なネットワークインタフェース３０６と、任意選択的なユーザインタフェース３０８と、センサインタフェース３１２と、任意選択的な動き認識分類コンポーネント３１６と、任意選択的な通知コンポーネント３１７と、少なくとも１つのプロセッサ３１８と、任意選択的なバッテリ３３２とを含む。

治療実施インタフェース３０２（含まれる場合）は、例えば、１または複数の除細動電極３２０、ペーシング電極３２２および／またはＴＥＮＳ電極３２４など、患者に治療を提供するように構成される１または複数の電極に結合され得る。センサインタフェース３１２および治療実施インタフェース３０２は、センサ２１２と、検知電極３２８と、動きセンサ３３４と、治療実施デバイス３２０、３２２および３２４と、医療デバイスコントローラ３００との間でのデータの交換を容易にする様々な連結技術および通信技術を実装し得る。いくつかの例において、１または複数の動きセンサ／向きセンサ３３４は、動きセンサ／向きセンサ１０４および／または動きセンサまたは向きセンサ２５０のうちの１または複数を含む。また、いくつかの例において、治療実施デバイス３２０、３２２および３２４は、治療電極２１４に含まれる。

データストレージ３０４は、例えば、フラッシュメモリ、ソリッドステートメモリ、磁気メモリ、光メモリ、キャッシュメモリ、それらの組み合わせなどの非一時的コンピュータ可読媒体のうちの１または複数を含む。データストレージ３０４は、様々な例において、医療デバイスコントローラ３００自体の動作だけでなく、センサ配置１００、動き追跡ユニット１０６およびウェアラブル医療デバイス２００のうちの１または複数の動作のために用いられる実行可能な命令およびデータを格納するように構成される。さらに、以下により詳細に説明されるように、データストレージ３０４は、動き情報データストア３３０を含む。動き情報データストア３３０は、１または複数の動きセンサ／向きセンサ３３４により収集され、１または複数の動きセンサ／向きセンサ３３４から送信される患者の動きのデータを含む。動き情報データストア３３０は、動きの測定ならびに動きプリミティブ、動き修飾子、動きオブジェクト、動き文法および動きセンテンスのうちの少なくとも１つの検出および推定のために必要な情報を含む。動きプリミティブ、動き修飾子、動きオブジェクト、動き文法は全て、「動きセンテンス特徴」と呼ばれる。テンプレートベースの動き認識システムまたはヒューリスティックな動き認識システムの場合、これは、閾値ならびに他のロジックベースの要素およびデータ構造を含み得る。ディープラーニングネットワークの場合、これは、ノード係数であり得る。ＨＭＭアプローチの場合、これは、状態遷移確率の形式であり得る。動き情報データストア３３０は、ベースライン期間または訓練期間中に取得されたデータ、またはベースライン期間または訓練期間中に取得されたデータから少なくとも部分的に導出されたデータも含み得る。医療デバイスコントローラの動き分類コンポーネントがモニタリングモードで動作している間に１または複数の動きセンサ／向きセンサ３３４からのインバウンド動きデータを分類するために用いられる予め定められた動きセンテンス特徴および動きセンテンスに対応する動きデータは、以下でさらに説明される。

いくつかの例において、ネットワークインタフェース３０６は、通信ネットワークを介した、医療デバイスコントローラ３００と１または複数の他のデバイスまたはエンティティとの間の情報通信を容易にし得る。例えば、コントローラ３００が（医療デバイス２００などの）携帯型医療デバイスに含まれる場合、ネットワークインタフェース３０６は、図１３を参照して以下にさらに説明される病院用医療デバイス１３１６などの病院用医療デバイス内に含まれる医療デバイスコントローラ３００と通信するように構成され得る。別の例において、ネットワークインタフェース３０６は、図１３を参照して以下にさらに説明されるプログラマブルデバイスなど、プロセッサを含む遠隔デバイスと通信するように構成され得る。介護者は、遠隔デバイスで、患者に関連する情報にアクセスし得る。

いくつかの例において、任意選択的なユーザインタフェース３０８は、入力デバイス、出力デバイスおよび入力デバイス／出力デバイスの組み合わせなどの１または複数の物理的インタフェースデバイスと、これらのデバイスの動作を引き起こすように構成されるソフトウェアスタックとを含む。これらのユーザインタフェース要素は、位置固有の処理に関連するコンテンツなど、視覚コンテンツ、音声コンテンツおよび／または触覚コンテンツを表示し得る。故に、ユーザインタフェース３０８は、入力を受信し得るか、または出力を提供し得、それにより、ユーザは、コントローラ３００と情報をやり取りすることが可能になる。

センサインタフェース３１２は、１または複数の動きセンサ／向きセンサ３３４に結合されることに加え、患者のパラメータを示す他の患者データを受信するための検知電極／他のセンサのうちのいずれか一方またはそれらの組み合わせに結合され得る。センサからのデータが一度センサインタフェース３１２により受信されると、ソースセンサは、プロセッサ３１８により識別され、データは、医療デバイスコントローラ３００内の適切なコンポーネントに送信される。例えば、心臓データが心臓検知電極２１２により収集され、センサインタフェース３１２に送信された場合、センサインタフェース３１２は、データをプロセッサ３１８に送信し、次に、プロセッサ３１８は、データを心臓イベント検出器３２６に中継する。

いくつかの実装において、プロセッサ３１８は、１または複数のプロセッサを含む。１または複数のプロセッサの各々は、操作されたデータをもたらす、および／またはコントローラ３００の他のコンポーネントの動作を制御する一連の命令を実行するように構成される。いくつかの実装において、本明細書において提供される特定の処理（例えば、図５および図６）を実行する場合、プロセッサ３１８は、受信された入力データに基づいて特定のロジックベースの判断を行うように構成され、さらに、１または複数の出力を提供できる。１または複数の出力は、プロセッサ３１８および／もしくは他のプロセッサまたはプロセッサ３１８が通信可能に結合された回路により実行されるべき後続の処理を制御するために、またはそうでない場合には通知するために用いられ得る。故に、プロセッサ３１８は、特定の入力刺激に特定の態様で反応し、その入力刺激に基づいて対応する出力を生成する。この意味で、一例によるプロセッサ３１８の構造は、図５および図６に示されるフローチャートにより定義される。いくつかの例示的な場合において、プロセッサ３１８は、一連の論理遷移を経る。この論理遷移において、様々な内部レジスタの状態および／またはプロセッサ３１８の内部または外部の他のビットセルの状態が、ロジックハイまたはロジックローに設定され得る。この特定の一連の論理遷移は、プロセッサ３１８への電気入力信号の状態により判断され、図５および図６に示されるソフトウェア処理の各ソフトウェア命令を実行する場合、特定用途向けの構造が、プロセッサ３１８により効果的に想定される。具体的には、それらの命令は、受信される様々な刺激を予想し、関係するメモリの状態をそれに応じて変える。このように、プロセッサ３１８は、有用な出力信号を生成および格納し得るか、またはそうでない場合には提供し得る。プロセッサ３１８は、処理の実行中、各ソフトウェア命令の実行中に実行される１または複数の論理演算に基づいて、特定の入力信号を処理し、特定の出力信号を表示できることが理解されよう。本明細書において言及されるように、プロセッサ３１８は、プロセッサ３１８に結合されたデータストアにソフトウェアが格納されている場合にある機能を実行するように構成され、ソフトウェアは、この機能の実行をもたらす一連の様々な論理判断をプロセッサ３１８に経させるように構成される。プロセッサ３１８により実行可能であると本明細書において説明される様々なコンポーネントは、専用のハードウェア、ソフトウェアまたはそれらの組み合わせという様々な形態で実装され得る。

いくつかの例において、コントローラ３００は、患者の心臓の活動をモニタリングし、患者が直面した心臓イベントを受信された心臓信号に基づいて識別し、また、必要な場合には患者の身体に１または複数の除細動ショックを結果的に加えることになり得る治療プロトコルを実行することにより患者を治療するための心臓イベント検出器３２６を含む。

いくつかの例において、任意選択的な動き認識コンポーネントまたは動き分類コンポーネント３１６は、１つの動きセンサ／向きセンサ３３４により取得される動き情報を受信および処理するように構成される。いくつかの例において、動き認識コンポーネントまたは動き分類コンポーネント３１６は、ベースラインモード／訓練モードおよび／またはモニタリングモードで動作するように設定可能である。図５は、動き認識コンポーネントまたは動き分類コンポーネント３１６がベースラインモード／訓練モードで動作している場合に実行するように構成されるベースライン処理／訓練処理の一例を示す。図６は、動き認識コンポーネントまたは動き分類コンポーネント３１６がモニタリングモードで動作している場合に実行するように構成される動き分類処理の一例を示す。動き認識コンポーネントまたは動き分類コンポーネント３１６は、任意選択的なものとして示される。なぜなら、いくつかの例（例えば、図１３に示される例）において、動き認識コンポーネントまたは動き分類コンポーネント３１６は、異なるプログラマブルデバイス（例えば、サーバ１３０２）に実装されるからである。動き認識コンポーネントまたは動き分類コンポーネント３１６は、医療デバイスコントローラ３００以外のデバイスにより実装されている場合、プロセッサ３１８は、例えばネットワークインタフェース３０６を介して遠隔動き分類コンポーネントにセンサデータを送信する前に、インバウンドセンサデータを動き情報データストア３３０に（例えば、センサデータ構造４００に）格納する。いくつかの例において、動き認識コンポーネントまたは動き分類コンポーネント３１６は、医療デバイスを用いて位置を判断するシステムおよび方法という発明の名称の米国特許出願第１５／０７７，９９５号において説明される技術を用いて医療デバイスの位置を判断するように構成される。当該出願は、２０１６年３月２３日に出願され、米国特許出願公開第ＵＳ２０１６０２７８６５２Ａ１号として公開されており、ここに、参照により、その全体が本明細書に組み込まれる。

いくつかの例において、任意選択的な通知コンポーネント３１７は、検出された一連の患者の動きに応答してアラート、警告または他の通知が正当化されると動き認識コンポーネントまたは動き分類コンポーネント３１６が万一判断した場合に動き認識コンポーネントまたは動き分類コンポーネント３１６から１または複数の通知要求を受信および処理するように構成される。通知コンポーネント３１７は、その構成に従って実行する場合、ネットワークインタフェース３０６および／またはユーザインタフェース３０８を介して通知を発し得る。例えば、通知コンポーネント３１７は、プログラマブルデバイス（例えば、図１３を参照して以下に説明されるクライアントデバイス１３０４）および／または医療デバイス（例えば、図１３を参照して以下に説明される医療デバイス１３１６、１３１４、１３１２、１３１０、１３０８のうちのいずれか）に対して、プログラマブルデバイスのユーザインタフェースを介して、介護者（例えば、図１３を参照して以下に説明される介護者１３１９）にアラートを発するよう１または複数の命令を送信し得る。代替的に、または追加的に、通知コンポーネント３１７は、ユーザインタフェース３０８を介して、患者１０２に通知を示し得る。これらの通知は、視覚要素、音声要素および触覚要素を含み得る。

いくつかの実装において、通知アクションに加えて、または通知アクションの代替手段として、通知コンポーネント３１７は、動き認識処理または動き分類処理の出力を１または複数のデータベースに格納するように構成され得る。そのような場合、このデータは、情報の分析に基づいて、動きデータの種類、このデータが収集された日時および／またはこのデータの注釈毎にグループ化され得る。介護者または支援員など、権限を有する者が、医療デバイスに、このデータに基づく１または複数のレポートを生成させ得る。例えば、そのようなレポートは、データの種類およびデータが収集された日時により順序付けられ得る。

様々な実装において、コントローラ３００は、ファイルシステムおよびネットワークサポートを供給する組み込みオペレーティングシステムを実装する。一例において、コントローラ３００は、リレーショナルデータベース機能、タッチスクリーンディスプレイドライバ、音声生成、Ｂｌｕｅｔｏｏｔｈ（登録商標）無線ネットワーク、（アクティブＮＦＣビーコンまたはパッシブ、非接触ＲＦＩＤタグなどのｉＢｅａｃｏｎまたは近距離通信方法を含むがそれらに限定されない）Ｂｌｕｅｔｏｏｔｈ（登録商標）低エネルギー（ＢＬＥ）ビーコン技術、ネットワークセキュリティ、ファイアウォールおよびデータ暗号化サービスを提供するソフトウェア機能を含む。

動き情報は、病院などの施設内の連結部分、例えば、玄関通路の端、病院の階段室、カフェテリアおよび入口内ならびに患者の部屋のドア内の中間通路的な位置に配置された位置ビーコンにより増強され得る。位置ビーコンは、ｉＢｅａｃｏｎなどの近距離ビーコンと共に実装され得る。近距離ビーコンは、患者に装着されているデバイスと、患者が歩いている時に通信し、その位置を較正するためにデバイスが用い得る絶対ロケーション位置データを提供するだけでなく、その実際の位置を介護者に送信する。動きセンサ／向きセンサをビーコンシステムと組み合わせることにより、ビーコンの数が低減され得、故に、実装のコストおよび複雑さが減る。

図４は、医療デバイスコントローラ３００のデータストレージ３０４のコンポーネントとして示される、複数の動きパラメータを格納するための動き情報データストア３３０の例を示す。動き情報データストア３３０は、センサデータ構造４００と、センサマスター構造４０２と、動きプリミティブマスター構造４０４と、動きプリミティブデータ構造４０６と、動きシーケンスマスター構造４０８と、動きシーケンス構造４１０とを含む。いくつかの例において、データ構造４０２、４０４および４０８は、ベースラインモード／訓練モードで動作している間（例えば、医療デバイスコントローラ３００を含む医療デバイスの初回フィッティング中に）、動き認識コンポーネントまたは動き分類コンポーネント３１６によりポピュレートされる。いくつかの例において、データ構造４００、４０６および４１０は、モニタリングモードで動作している場合、動き認識コンポーネントまたは動き分類コンポーネント３１６によりポピュレートされる。

センサマスター構造４０２は、動きセンサ／向きセンサ（例えば、動きデータを取得し、センサインタフェース３１２を介してプロセッサ３１８に送信する１または複数の動きセンサ／向きセンサ３３４）のリストを格納する。センサマスター構造４０２において表されるセンサの種類の例は、１次元加速度計、２次元加速度計、３次元加速度計、ジャイロスコープおよび磁気計のうちの１または複数を含むが、それらに限定されない。図４に示されるように、センサマスター構造４０２は、センサ＿ＩＤフィールドおよび位置フィールドを含む少なくとも２つのパラメータを含む。センサ＿ＩＤフィールドは、１または複数の動きセンサ／向きセンサ３３４の各々の識別子を格納するように構成される。これらの識別子は、識別されたセンサにデータを関連付けるために、図４に示されるデータモデルの全体にわたって用いられる。位置フィールドは、センサ＿ＩＤにより識別されたセンサが配置されている患者１０２の身体上の解剖学的位置を記述したデータを格納するように構成される。故に、位置フィールドに格納されたデータにより、患者１０２の身体上の位置（例えば、左前腕、右前腕、左向こう脛、右腿、頭冠、胸郭）とセンサが関連付けられる。次に、この位置データは、動きプリミティブと、任意選択的に、患者１０２により実行される動きセンテンスとを識別するために、動き情報データストア３３０および医療デバイスコントローラ３００の他の要素（例えば、動き認識コンポーネントまたは動き分類コンポーネント３１６）により用いられる。センサマスター構造４０２により、医療デバイスコントローラ３００の計算効率が改善される。なぜなら、頻繁には変わらない情報（例えば、センサ位置）は、動きデータの各データ項目と共には送信されないからである。いくつかの例において、センサマスター構造４０２は、センサ配置（例えば、センサ配置１００）または携帯型医療デバイス（例えば、携帯型医療デバイス２００）の初回フィッティング中に、実際のセンサＩＤおよび解剖学的位置と共にポピュレートされる。

動きプリミティブマスター構造４０４は、患者１０２により実行されている時に医療デバイスコントローラ３００により記録される様々な予め定められた動きプリミティブを記述したベースラインデータを格納する。上述のように、動きプリミティブは本質的に、動きセンテンス特徴を含む動きセンテンスの「動詞」である。動きプリミティブは、対応する患者固有のベースラインデータをベースライン期間／訓練期間中に収集するように、コマンドが出されると患者１０２により実行され得る程度に、十分単純であることが多いか、または十分に一般的である予め定められた動きである。動きプリミティブは、１または複数の動きセンテンスにおける他の予め定められた動きセンテンス特徴を含む、より複雑な動きのコンポーネントとも識別され得る。臨床医療現場（例えば、病院または入院患者用診療所）において特に役立つ動きセンテンスの例は、数ある中でも特に、１）「ベッドから立ち上がる」＝「ベッドから起き上がる」＋「両脚をベッドの縁にもっていく」＋「両足を床に置く」＋「屈んで立ち上がる」、２）「ベッドに座る」、３）「仰臥位からベッドから起き上がる」、４）「座位からベッドに横たわる」、５）「左足を踏み出す」、６）「右足を踏み出す」、７）「ドアを開ける」、８）「適切な位置に立ちながら向きを変える」、９）「熟睡する」および１０）「立位から椅子またはトイレに座る」である。これらの例示的な動きプリミティブおよび動きセンテンスまたは本明細書において明示的に識別されていない他の動きプリミティブ、動きセンテンスおよび動きセンテンス特徴のうちのいずれか１つまたは複数は、動きセンサアセンブリもしくは向きセンサアセンブリ１００または携帯型医療デバイス２００を装着している（患者１０２などの）個々の患者について記録される。これにより、個々の患者および個々の動きセンサ／向きセンサに固有の動きまたはそれらの位置のばらつきおよび特徴が、ベースライン期間／訓練期間中に記録されたベースラインデータに反映される。

数ある中でも特にこれらの動きプリミティブは、図５において以下に説明されるように、医療デバイスコントローラ３００がベースラインモード／訓練モードで動作している間、個々の患者の各々について記録および分析され得、故に、ベースラインデータのライブラリを生成するだけでなく、その特定の患者の動き認識アルゴリズムの精度の改善を生じさせる。動きセンサ／向きセンサからのデータは、医療デバイスコントローラ３００がモニタリングモードで動作している間、測定され、動き認識アルゴリズムに入力される。動き認識アルゴリズムは、動きが予め定められた動きプリミティブまたは動きセンテンス特徴に最も良く対応するように動きを分類する。次に、動き認識（ＭＲ）処理の出力（例えば、動きプリミティブ、動き修飾子、動きオブジェクト、動き形容詞および動き文法構造）が、ＭＲ出力が患者の健康または安全に対する脅威をもたらすかどうか、または、そうでない場合には初期障害を構成するかどうかを判断するために分析され得る。次に、検出動作の分類に応答して、（医療提供者または他の介護者に対するアラームまたは通知などの）通知コンポーネントが実行され得る。適切な信号が患者１０２、医療提供者または医療デバイスシステムのコンポーネントのうちの１または複数に提供され得、それらのうちのいずれか１つがアクションを開始し得る。一連の動きプリミティブが、患者の動きが危険な結果を招くと万一予想している場合には、これらのアクションは保護的措置を含み得る。

図４に示されるように、動きプリミティブマスター構造４０４は、プリミティブ＿名前フィールドと、プリミティブ＿ＩＤフィールドと、位置フィールドと、パラメータ＿ＩＤフィールドと、時間フィールドと、値フィールドとを含む。プリミティブ＿名前フィールドは、患者１０２について記録されるべき各動きプリミティブ用の人間が読み取り可能な名前を記述したデータを格納するように構成される。プリミティブ＿ＩＤフィールドは、各動きプリミティブの識別子を格納するように構成される。これらの識別子は、他のデータを識別された動きプリミティブに関連付けるために、図４に示されるデータモデルの全体にわたって用いられる。残りの４つのフィールド、つまり、位置フィールド、パラメータ＿ＩＤフィールド、時間フィールドおよび値フィールドは、各動きプリミティブの記録中に取得されるセンサデータを格納するように構成される。より具体的には、各動きプリミティブは、（時間フィールドにおいて指定される）特定の時刻に（位置フィールドにおいて指定される）解剖学的位置で記録された（パラメータ＿ＩＤフィールドにおいて識別される）パラメータの（値フィールドにおいて指定される）１または複数のセンサ値から成り得る。動きプリミティブマスター構造は、動きオブジェクトおよび動き修飾子を記述した情報も含む。

動きシーケンスマスター構造４０８は、動きセンテンス（単一の動きセンテンスおよび一連の動きセンテンスの両方）を記述したデータを格納する。動きセンテンスの名前の例は、「右足を踏み出す」、「ベッドから起き上がる」、「（立ちながら）向きを変える」、「（立位から）座る」および他のそのような例を含む。一連の動きセンテンスが、患者のより複雑な動きを説明し得る。そのようなシーケンスの例は、患者がベッドを出て浴室に行く、患者が自分の部屋を離れて廊下を歩いている、患者が（安定した歩みが経時的に徐々に少なくなっていることを識別するためにベースライン期間／訓練期間中に取得される患者固有のベースラインデータとして用いられ得る）６分間の歩行試験を実行している、を含む。図４に示されるように、動きシーケンスマスター４０８は、シーケンス＿名前フィールド、シーケンス＿ＩＤフィールド、プリミティブ＿ＩＤフィールドおよびアクションフィールドを含む。シーケンス＿名前フィールドは、医療デバイスコントローラ３００を含む医療デバイスにより患者がモニタリングされている間、患者１０２に関連付けられた各動きセンテンス用の人間が読み取り可能な名前を記述したデータを格納するように構成される。一連の動きセンテンスの名前の例は、「浴室に行く」、「６分間の歩行試験を実行する」、「ナースステーションに行く」および他のそのような例を含む。故に、各シーケンスは、一連の行為の全体を共に記述した２つまたはそれより多くの動きセンテンスから成る。

シーケンス＿ＩＤフィールドは、各動きシーケンスの識別子を格納するように構成される。これらの識別子は、他のデータを識別された動きシーケンスに関連付けるために、図４に示されるデータモデルの全体にわたって用いられる。プリミティブ＿ＩＤフィールドは、シーケンス＿ＩＤフィールドにおいて識別された動きシーケンスを共に構成する１または複数のプリミティブ＿ＩＤを格納するように構成される。アクションフィールドは、シーケンス＿ＩＤにより識別された動きシーケンスの識別に応答してトリガされるべき１または複数のアクションを識別するデータを格納するように構成される。いくつかの例においてこのフィールドを介して識別可能なアクションは、通知コンポーネントの実行を含む。当該実行は、検出された動きの結果に対処するよう設計された自動化である。例えば、図１３を参照して以下にさらに説明されるように、通知コンポーネントは、プロセッサにより実行可能であり得、ユーザに関連するか、または特定の位置に配置されたデバイスに対してアラートを発するように構成される。

アクションフィールドは、１または複数のアクションのうちのどれがいつトリガされるかに影響を及ぼす様々な条件を含むようにも構成され得る。例えば、患者の年齢、動きに関連する１日における（日中／夜間の指定時刻および時間を含む）現在時刻、動き分類コンポーネントの動作モードおよび／または実行されるべきアクションがアクションフィールドに含まれ得る。例えば、９０歳の患者のための巡回を行っている専門の看護師のページャに、その患者がベッドを出ている昼間の時間中、アラートが送信される。職員がより少ない夜間帯中は、類似のアラートがトリガされ、ナースステーションに送信され得る。代替的に、２０歳の患者については、この患者がベッドを出ている時刻に拘らず、アラートはトリガされない。

センサデータ構造４００は、医療デバイスコントローラ３００がモニタリングモードを実行している間に各動きセンサまたは向きセンサにより取得された患者の動きを記述した様々なデータを格納する。図４に示されるように、センサデータ構造は、センサ＿ＩＤフィールド、パラメータ＿ＩＤフィールド、時間フィールドおよび値フィールドを含む。センサ＿ＩＤフィールドは、センサマスター構造４０２において定義される、動きセンサまたは向きセンサの識別子を格納するように構成される。パラメータ＿ＩＤフィールドは、センサ＿ＩＤフィールドにおいて識別されたセンサにより取得されたデータ値により測定されたパラメータの識別情報を指定するデータを格納するように構成される。例えば、ｘ軸方向、ｙ軸方向およびｚ軸方向における力データは各々、力の方向を指定する異なるパラメータＩＤを有する。同様に、ジャイロスコープにより送信される向き（例えば、傾き、回転）データは、そのデータに対応する測定を識別するために用いられる１または複数のパラメータＩＤを有する。時間フィールドは、測定された各値が１または複数の動きセンサ／向きセンサにより取得された時点および／または動きが起こっている持続時間を示すデータを格納するように構成される。センサデータ構造４００の時間フィールドは、患者１０２について収集されたセンサデータを順序に応じて配置するためのインデックスとして用いられる。これにより、１つの動きセンテンスまたは複数の動きセンテンスが１つの動きシーケンスに配置され得ることを判断するために、また、動きの持続時間（例えば、動きが始まってから止まるまで）を測定するために、複数の動きが分析され得る。値フィールドは、動きセンサ／向きセンサにより取得された値パラメータの測定値を格納するように構成される。これらの値は、例えば、患者１０２の動きを記述したものとして動きセンサまたは向きセンサにより測定されるスカラ値またはベクトル値であり得る。スカラ値は、センサ＿ＩＤ、パラメータ＿ＩＤおよび他のデータ構造および／または動き情報データストア３３０の要素のうちの１または複数と共に分析される場合、１または複数のベクトル成分に関連し得ることが理解されよう。

動きプリミティブデータ構造４０６は、センサデータ構造４０４に格納されたセンサデータ内に示される動きプリミティブおよび他の動きセンテンス特徴を記述したデータを格納する。図示されるように、動きプリミティブデータ構造４０６は、プリミティブ＿ＩＤフィールド、位置フィールド、パラメータ＿ＩＤフィールド、時間フィールドおよび値フィールドを含む。いくつかの例において、これらのフィールドに格納されたデータは、センサデータ構造４００に格納されたデータをセンサマスター構造４０２に格納されたデータと結合し、関連付けられた位置、パラメータ＿ＩＤ、位置と一致する時間および値、パラメータ＿ＩＤ、時間および結合されたデータ内の値を有する、動きプリミティブマスター構造４０４からのプリミティブ＿ＩＤを識別することにより判断される。一致を見つけるために必要な信頼度は、例の間で異なり得る。

動きシーケンス構造４１０は、動きプリミティブデータ構造４０６に格納された動きプリミティブ内に示される動きセンテンスおよび一連の動きセンテンスを記述したデータを格納する。図示されるように、動きシーケンス構造４１０は、シーケンス＿ＩＤフィールドおよびプリミティブ＿ＩＤフィールドを含む。いくつかの例において、これらのフィールドに格納されたデータは、動きプリミティブデータ構造４０６に格納されたデータを動きシーケンスマスター構造４０８に格納されたデータと結合し、結合されたデータ内のプリミティブ＿ＩＤと一致する関連付けられたプリミティブ＿ＩＤを有する動きシーケンスマスター構造４０８からシーケンス＿ＩＤを識別することにより判断される。一致を見つけるために必要な信頼度は、例の間で異なり得る。いくつかの例において、動きプリミティブデータ構造４０６および動きシーケンスデータ構造４１０は、データのコピーを含むデータストアではなくセンサデータ構造４００へのビューとして実装され得ることが理解されよう。

２つまたはそれより多くの関連する患者の動きの状態がある場合、状態空間が定義され得る。これらの患者の動きの状態は、本明細書において説明される１または複数の動きプリミティブに対応し得る。例示的な患者の動きの状態が、説明目的でのみ以下に示される。述べられる測定値のうちのいくつかの偏差が、様々な例において予想され得る。

患者が座っている：非アクティブ―患者の胴体は、１５度よりも大きい角度で傾斜しているが、５秒の連続期間において１フィート／秒（または例えば０．２５、０．５、２、４、８または１６フィート／秒といった他の適切な閾値）未満の移動速度がある。他の例において、座っている患者：非アクティブの定義は、二乗平均平方根（ＲＭＳ）の動き、加速度等またはそれらの多元的な組み合わせなど、他の動きの測定値に基づき得る。患者が座っている状態も、移動速度が「非アクティブ」状態について定義されるものよりも大きい「アクティブ」というサブ状態を有し得る。

患者が睡眠中である：非アクティブ―患者は、１５度未満傾斜しているが、１０分間持続する０．２５フィート／秒（または上記のように測定される他の閾値、範囲、パラメータ）未満の移動速度がある。

患者が睡眠中である：アクティブ―患者は、１５度未満傾斜しているが、直近の１０分間の連続期間において０．２５フィート／秒（または上記のように測定される他の閾値、範囲、パラメータ）超の移動速度がある。

患者がベッドを出ている―この状態は、患者が睡眠中である：非アクティブまたは患者が睡眠中である：アクティブのいずれか一方が前にある。患者は、１５度よりも大きく傾斜している。患者がベッドを出ている状態は、胴体が垂直位に向かって上方に傾斜する過程である「起き上がる」という状態、患者の足または足首上に位置する動きセンサ／向きセンサ１０４が下方に６インチ超下がる「両足を下に置く」という状態にさらに細分化され得る。いくつかの例において、「患者が床に足を下ろす」は、患者の腿または胴体のいずれかに位置する動きセンサまたは向きセンサが足のセンサに対して０．５フィート未満垂直に位置合わせされたようになった場合に示される。

患者が睡眠中である：寝返り―患者の寝返りサブ状態：「睡眠中である」は、（水平方向に対して依然として１５度未満の角度のままでありながら）胴体の角回転運動が回転角度２０度を超える場合に定義される。患者が睡眠中である：寝返りが検出された場合、デバイスは、生理的モニタリングセンサ（例えば、ＥＣＧ、ＳｐＯ２等）が現在、患者の下側にあり、患者とマットレスとの間で圧縮されている可能性があると判断し得る。これに応答して、患者の生理的メトリックをより正確にモニタリングすることを容易にする位置を有するセンサの異なるセットが有効化され得る（例えば、それらが患者とベッドとの間で圧縮されていないことがその理由である）。例えば、ＺＯＬＬ ＬｉｆｅＶｅｓｔ（登録商標）ウェアラブル除細動器は、２つのＥＣＧリード、つまり、前後（ＦＢ）リードおよび左右（ＳＳ）リードのペアに接続されたＥＣＧ電極ペアの２つのセットを含む。患者が一方の側を下にして横になっていると判断された場合、プロセッサは、ＦＢリードではなく、ＳＳリードのモニタリングに切り替わるであろうし、または代替的に、ＦＢリード上でより大きい圧縮および動きアーティファクトが生じることを予想したうえでの信号フィルタリングなど、いくつかの追加の処理を実行し得る。

患者が立ち上がっている―患者がベッドを出ている状態と類似しているが、患者が睡眠中である状態ではなく、患者が座っている状態が前にある。

患者が立っている―患者の胴体は、鉛直方向に対して５度未満であるが、水平方向の動きの移動速度は、直近の連続した５秒という期間において１フィート／秒（または他の適切な閾値、例えば、０．２５、０．５、２、４、８または１６フィート／秒）未満である。

患者が転倒している―前の状態は、患者が立っている、または患者が座っているであり、これらの状態において、水平方向に対する角速度は、毎秒１０度超である。

患者が歩いている―患者の胴体は、鉛直方向に対して５度未満であるが、水平方向の動きの移動速度は、５秒という直近の連続期間において１フィート／秒（または他の適切な閾値、例えば０．２５、０．５、２、４、８または１６フィート／秒）超である。ゼロ速度更新（ＺＵＰＴ）またはゼロ速度検出（ＺＶＤ）など、当業者にとって既知の技術が用いられ得る。これにより、患者上の特定の動きセンサ／向きセンサ１０４が較正を実行するのに十分な時間にわたって動きを止めたのがいつなのかをステートマシンが判断する。間隔は規則的または不規則であり得る。例えば、較正は、「患者が歩いている」といった既知の動きの状態に基づき得る。この場合、較正は、患者の足または足首上に位置する動きセンサ／向きセンサ１０４に主に依拠する動き推定に基づき得、患者が各々の踏み出しで特定の足を地面に置いた場合にゼロ速度が検出されると、Ｓｋｏｇ他により説明されるもの（ここに、参照により、全体が本明細書に組み込まれるＩ． Ｓｋｏｇ、Ｐ． Ｈａｎｄｅｌ、Ｊ．−Ｏ． ＮｉｌｓｓｏｎおよびＪ． Ｒａｎｔａｋｏｋｋｏ著「ゼロ速度の検出―アルゴリズム評価」（２０１０年１１月、ＩＥＥＥ Ｔｒａｎｓ． Ｂｉｏｍｅｄ． Ｅｎｇ．第５７巻第１１号２６５７頁‐２６６６頁））などのアルゴリズムを用いて行われ得る。Ｓｋｏｇ他によると、「足付き慣性センサにより提供される動き情報が歩行分析および歩行者ナビゲーションにおいて異なる目的で用いられるとしても、両方の応用分野で、質の高い動き情報が必要である。」

Ｓｋｏｇ他はさらに、「慣性航法システム（ＩＮＳ）について低コストのセンサを利用することにより、位置誤差が動作時間の三乗に比例する。従って、現在入手可能な低コストの慣性センサの性能だと、自由慣性航法は、数秒の範囲内の期間についてのみ実現可能である。しかしながら、三次誤差成長は、ナビゲーションソリューションに対して、システムのダイナミクスについての情報を用いて制約を課すことにより、低減され得る。この目的で一般に用いられる情報の種類は、システムが静止局面にある時間、すなわち、システムが一定の位置および姿勢を有している時間についての知識である。誤差成長を制限するためにこの情報を用いることは、ゼロ速度更新の利用と称される。通常の歩行中に足は定期的に静止状態に戻るので、ゼロ速度更新は、足付きＩＮＳの誤差成長を制限するのに十分適している。」と説明している。

Ｓｋｏｇ他はさらに、「数歩にわたる足の累積移動距離が対象である足付き慣性センサベースの歩行者ナビゲーションシステムにおいては、「ソフトな」ゼロ速度更新が一般に用いられる。つまり、最後のゼロ速度更新からの累積誤差の推定値を提供するために、システムがゼロ速度をいつ有しているかについての知識は、位置誤差、速度誤差および姿勢誤差がどのように経時的に生じるかについてのモデルと共に用いられる。次に、ナビゲーションソリューションを補正するために、かつ、ナビゲーションアルゴリズムを較正するために、累積誤差の推定値がフィードバックされる。」と説明している。

Ｓｋｏｇ他は、「ハードな」ゼロ速度更新を「いくつかのサイクルにわたる足の累積移動距離ではなく、個々の歩行サイクル中の足の動きが対象である歩行分析においては、「ハードな」ゼロ速度更新が一般に用いられる。システムがゼロ速度更新を課した場合、位置、速度およびヨーがゼロにリセットされ、ロールおよびピッチが加速度計の重力加速度の測定値から直接初期化されるという点で更新はハードである。」と説明している。

ユーザの視点からデバイスが非アクティブであるように見えるが、実際には、ユーザまたは患者による介入を必要としない様々なセルフテストを実行している間（例えば、（「患者が睡眠中である：非アクティブ」または「患者が静止している：非アクティブ」のような）非アクティブなサブ状態のいずれかの間）にも動きセンサ／向きセンサ１０４の較正が実行され得る。これらの非アクティブ期間中、較正の間隔は、１ミリ秒毎程度の頻度で行われ得るが、１分毎に１回程度または３時間毎に１回程度でも行われ得る。較正は、１秒、１分、１時間等といったいくつかの期間にわたって持続し得、これらの期間中、オフセットされたドリフトなどの時間依存型因子が推定され得る。

これらの較正中、ＲＭＳノイズ、オフセットおよびドリフトなどの動き特徴が推定され得る。ＲＭＳノイズの更新された推定値は、ゼロ速度状態の検出のための閾値を判断するために用いられ得る。オフセットおよびオフセットされたドリフトの更新された推定値は、最終的な位置精度を合計移動距離のおよそ１％まで減らすために用いられ得る（例えば、３０フィートの移動毎に、誤差はおよそ３．５インチになるであろう）。

例示的な動き分類処理 図５は、動きプリミティブ、動きセンテンス特徴、動きセンテンスおよび特定の一連の動きセンテンスに対応するベースラインデータを収集するための患者固有のベースライン処理／訓練処理５００を示すフロー図である。患者固有のベースライン処理／訓練処理５００は、医療デバイスコントローラ３００を含むか、または動き認識コンポーネントまたは動き分類コンポーネント３１６を含む別のプログラマブルデバイスを含む医療デバイスにより実行され得る。動き認識コンポーネントまたは動き分類コンポーネント３１６は、患者固有のベースラインモード／訓練モードで動作し得る。患者固有のベースライン処理／訓練処理５００は、１または複数の動きセンサ／向きセンサ（例えば、１または複数の動きセンサ／向きセンサ３３４）を患者（例えば、患者１０２）に配置し（５０２）、センサマスター構造４０２における１または複数のセンサの各々の位置を記録することにより始まる。この記録は、デフォルトで、またはユーザインタフェースを介して位置をセンサに対して肯定的に割り当てることにより実行され得る。１または複数のセンサの既定の位置がユーザインタフェースを介して修正されない場合、センサマスター構造４０２に格納された位置データは、特定のセンサが特定の位置で患者１０２に配置されていることを必要とし得る。いくつかの例において、これらのセンサは、センサのための適切な解剖学的位置の視覚的なしるしを含む。

患者固有のベースライン処理／訓練処理は、患者により実行されるべき動きプリミティブを対応するベースラインデータが収集および分析され得るように識別すること（５０４）へと続く。識別された（５０４）動きプリミティブは、上述の例のいずれか、または患者の動きを識別および分類するために用いられる他の動きプリミティブであり得る。次に、患者は、動きプリミティブの実行を促される（５０６）。この催促（５０６）は、医療デバイス（もしくは動き情報データストア３３０と通信する類似のデバイス）により、または介護者が医療デバイスを用いてベースラインデータを収集することにより、患者１０２に直接提供され得る。患者１０２が動きプリミティブを実行すると、患者１０２に取り付けられているか、または装着されている動きセンサまたは向きセンサ（例えば、１または複数の動きセンサ／向きセンサ３３４）が、動きプリミティブに対応するセンサデータを記録する（５０８）。次に、センサデータは、識別（５０２）および実行（５０４）された動きプリミティブと共に、例えば動きプリミティブマスター構造４０４に格納される（５１０）。これにより、動きオブジェクト、動き修飾子、動きセンテンスおよび一連の動きセンテンスを含む識別（５０２）および実行（５０４）された動きプリミティブに対応するベースラインデータが確立される。

次に、ベースライン処理／訓練処理５００により、患者に要求または推奨される全ての動きプリミティブについてのベースラインデータが記録（５１０）されたかどうかが判断される。記録されることが要求または推奨される全ての動きプリミティブのリストが、年齢、体重、身長、健康リスク（方向感覚の喪失、疲労、記憶喪失、卒倒等）、病気の種類、手術の種類、または今後実行されるか、または以前に実行された処置およびその他のものなど、様々な健康因子に基づいて、患者１０２について識別され得る。さらにその他の処理が、患者の動きをモニタリングするための標準処理の一部として要求され、標準的な動きからの偏差を判断するために（例えば、発作を判断するために、咳を判断するために、震えを判断するために）用いられ得る。患者に要求または推奨される動きプリミティブの全てが記録された場合、方法５００は終了する。いくつかの動きプリミティブが記録（５１０）されるべき状態のままである場合、患者固有のベースライン処理／訓練処理５００は、記録されるべき次の動きプリミティブの識別（５０２）に戻る。次に、患者固有のベースライン処理／訓練処理５００の前述の態様は、全ての動きプリミティブが記録され、格納される（５１０）まで、繰り返される。

上述の患者固有のベースライン処理／訓練処理５００は、単一の動きプリミティブ、動きオブジェクトおよび動き修飾子（例えば、座る、左脚を踏み出す、右脚を踏み出す）に関して説明されてきたが、ベースラインデータは、一連の動きセンテンスについて記録され、格納され５１０得ることが理解されよう。例えば、ベースラインデータは、ベッドから起き上がり、それに続いて両脚をベッドの側方へと動かし、次に立ち上がり、その次に踏み出すという一連の行為について記録される（５１０）。別の例において、ベースラインデータは、患者の部屋のドアへと歩き、部屋のドアを開け、部屋の外へと歩くという一連の行為について記録される。さらに別の例において、一連の動きプリミティブおよび動きセンテンスならびに一連の動きセンテンスは、患者が６分間の試験を実行している間、記録される（５１０）。他のシーケンスが、本明細書における説明に照らして理解されよう。

図６は、動きセンサの出力を測定し、動きまたは向きを動きプリミティブ、動きセンテンスまたは一連の動きセンテンスに対応するものとして分類するための１つの可能なモニタリング処理６００を示すフロー図である。

モニタリング処理６００は、医療デバイスコントローラ３００を含むか、または動き認識コンポーネントまたは動き分類コンポーネント３１６を含む別のプログラマブルデバイスを含む医療デバイスにより実行され得る。いくつかの実装において、モニタリング処理６００は、外部プログラマブルデバイス、例えば、電話、パーソナルデジタルアシスタント、タブレット、または医療デバイスから離れているが、医療デバイスを装着している患者によっても運ばれ得る他の電子デバイス上で行われるように構成され得る。いくつかの例において、そのような外部デバイスは、患者により運ばれるのではなく、介護者、患者の代理人（例えば、恋人）または患者が動き回る時に患者に付き添い得る他の個人によっても運ばれ得る。１つのシナリオにおいて、病院環境内の看護師が、病院の建物内で動き得る患者を補助している間に、そのようなデバイスを運び得る。例えば、そのような電話、パーソナルデジタルアシスタント、タブレットまたは他の電子デバイスは、（例えば、有線接続または無線接続を介して）医療デバイスに動作可能に接続され、モニタリング処理６００に関する情報を医療デバイスと交換し得る。

いくつかの実装において、モニタリング処理６００は、遠隔サーバ（例えば、医療デバイス施設または介護者施設）で行われるように構成され得る。例えば、そのような遠隔サーバは、（例えば、ＢｌｕｅＴｏｏｔｈ（登録商標）有効化済み基地局またはＷｉＦｉ（登録商標）接続を介して）医療デバイスと無線接続し、モニタリング処理６００に関する情報を医療デバイスと交換し得る。

動き認識コンポーネントまたは動き分類コンポーネント３１６は、モニタリングモードで動作し得る。モニタリング処理６００は、患者１０２が動いているか、または静止していることを記述したセンサデータを、医療デバイスを用いて取得および／または測定（６０２）することにより始まる。センサデータは、医療デバイス（または分散コンピューティングネットワークの一部である類似のデバイス）に伝達され、データストア３３０（例えば、センサデータ構造４００）に記録される。次に、動き分類または動き認識６０４は、人工ニューラルネットワーク、ディープラーニングネットワーク、ＨＭＭ、特徴ベクトル分析および距離関数分析を含む様々な機械学習技術のいずれか、相互相関、閾値分析または上記の詳細に述べられた他の既知の技術を用いて、センサデータに対して（例えば、動き認識コンポーネントまたは動き分類コンポーネント３１６により）実行される。動き分類処理または動き認識処理６０４に対して統計的アプローチまたは確率的アプローチが取られる場合、分類の信頼度レベルが、機械学習または他の分類技術の動作の一部として判断される。判断された信頼度レベル６０８が、一致を見つけるために必要な最小合致レベルを設定した閾値未満である場合には、検出された動きに対応するセンサデータには、介護者による検証のためにフラグが設定される（６０６）。モニタリング処理６００は、センサデータのフラグ設定（６０６）後に終了する。

統計的認識アプローチの場合において、判断された信頼度レベル６０８が信頼度の閾値よりも大きいときは、分類された（６０４）動きセンテンス特徴は、現在の動きセンテンス（例えば、格納された動きプリミティブデータ構造４０６）に加えられる（６１０）。動き認識に対するテンプレートマッチングアプローチにおいて、ベースライン処理／訓練処理中に取得された動きセンテンスおよび一連の動きセンテンスは、（例えば、動きシーケンスマスター４０８に格納されるように）患者固有のベースラインデータとして格納され得る。次に、測定された動き、検出された動きセンテンス特徴および動きセンテンスは、動きシーケンス６１２との最良の一致を見つけるために、汎用動きシーケンスマスターデータだけでなく患者固有のベースラインデータに照合され得る。例示のために、分類された（６０４）動きセンテンス特徴が「起き」という動きプリミティブおよび「上がる」という動き修飾子であり、以前の向き（過去の履歴）が「横たわる」であり、その前が「睡眠」であった場合、汎用動きデータベース、患者固有のベースラインデータおよび汎用文法ルールの両方に基づいて、分類ステップ６１２は、完全なセンテンスが「ベッドから起き上がる」であると判断する。動きシーケンスが認識されなかった（６１４）場合、動きシーケンスには、介護者による検証のためにフラグが設定され（６１８）、モニタリング処理６００は終了する。しかしながら、１または複数の定義された動きセンテンスまたは動きセンテンスシーケンスが識別された（すなわち、未定義ではない（６１４））場合、モニタリング処理６００は、患者による一連の動きが実行可能である（例えば、動きシーケンスマスター４０８に格納されたアクションを記述したデータを有しているか、または患者を初期段階または即時のリスクにさらす動きセンテンスまたは一連の動きセンテンスである）かどうかを判断する。そうである場合、モニタリング処理６００は、通知アクション（例えば、通知コンポーネント、例えば、通知コンポーネント３１７への通知要求の送信）を実行する。通知コンポーネントを介して実行（６２０）が要求され得る通知アクションの例は、不正な動きまたはハイリスクな動きについて患者、医療従事者またはそれらの両方に警告することを含む。一連の動きプリミティブが実行可能ではない場合、モニタリング処理６００は動作６０２を実行する。動作６１６において、モニタリング処理は、例えば格納された文法ルールを用いることにより、動きシーケンスが完全である（６１６）かどうかを判断する。動きシーケンスが完全である（６１６）と判断された場合、新しい動きシーケンスが開始され（例えば、新しい記録が動きシーケンス構造４１０に加えられ）、モニタリング処理６００は、動作６０２を実行する。

動作６０２に戻ると、モニタリング処理６００は、別の患者の動きがより多くのセンサデータの取得（６０２）を介して検出されるのを待機することにより継続する。いくつかの例において、上述のフラグ設定６０６および６１８の動作は、同定できない動きが患者１０２により実行されたことを介護者に警告するために、介護者に関連付けられたデバイスに対して緊急アラートを発することを含み得ることが理解されよう。

いくつかの例において、動きシーケンスが実行可能であるかまたはそうではないかは、少なくとも部分的に、文脈的な因子に基づく。例えば、動作６１６の様々な例において、動き認識コンポーネントまたは動き分類コンポーネント３１６はさらに、時刻、患者の年齢、患者の既往症、患者の動きに関する処方された医療上の指示（例えば、連続したベッドでの休養、一度に１０分を上回って歩かないこと）に対する違反があったかどうか、および／または動き認識コンポーネントまたは動き分類コンポーネント３１６の動作モードを評価する。いくつかの例において、動き認識コンポーネントまたは動き分類コンポーネント３１６は、昼間モニタリングモードと夜間モニタリングモードとの間で設定可能である。これらの例において、いくつかの動きシーケンスが、夜間モニタリングモードで実行可能であり得るが、昼間モニタリングモードで実行可能ではないか、または逆も当てはまる。例えば、浴室に行く患者の動きシーケンスは、動き認識コンポーネントまたは動き分類コンポーネント３１６が昼間モニタリングモードで動作している間は実行可能ではないことがあるが、同じ動きシーケンスが、動き認識コンポーネントまたは動き分類コンポーネント３１６が夜間モニタリングモードで動作している場合には実行可能であり得る。いくつかの例において、動き認識コンポーネントまたは動き分類コンポーネント３１６は、標準モニタリングモードと、静脈内への流体または薬の供給、透析または他の医療処置などの医療処置に関連するモニタリングモードとの間で設定可能である。例えば、立っている患者の動きシーケンスは、標準モニタリングモードの間は実行可能ではないことがあるが、患者がベッドでの休養を処方された透析またはいくつかの他の治療（例えば、鎮静剤の服用）を患者が受けている場合には、同じ動きシーケンスが実行可能であり得る。

個々の患者の全員について全ての動きプリミティブが記録される必要はない。例えば、支えられていない状態での地面への転倒があると、ほとんどの部分が（ａ）他の動きプリミティブの中でも特有であり、（ｂ）ほとんどの患者にとって一般的なセンサデータが生成される。この理由で、複数の患者および動きのデータベースから生成されるモデル、ヒューリスティックルール、または以前に収集されてＨＭＭ、ディープラーニングネットワークに入力されたデータからの認識された類型の形式であり得る既存の汎用データは、いくつかの場合において、いくつかの動きセンテンス特徴、動きセンテンスまたは動きセンテンスシーケンスの認識のために用いられ得る。例えば、患者の転倒を記述したセンサデータの特殊性および共通性の結果として、用いられる分類処理は、より計算上特殊かつ効率的であり得る。

図７は、ベースライン処理／訓練処理中に患者自身が動きプリミティブを実行する必要なく、患者により示される一連の動きプリミティブを識別するために用いられ得る既存の汎用データの例である。図７は、支えられていない状態での地面への転倒中の時間の関数として患者に作用する力のグラフである。示される力は、デカルト座標系におけるｘ方向、ｙ方向およびｚ方向に向いている。これらの力の絶対値の和も示される。図７に示される例示的なデータは３次元加速度計から収集されたが、患者の支えられていない状態での地面への転倒という物理現象の代替的な表現が、用いられるセンサおよびセンサの向きに応じて可能であることが理解されよう。図７に示されるデータの正および負の符号は、３次元加速度計の向きの関数だった。説明目的で、時間の関数としての大きさのみが述べられる。

示されるように、時点（ｔ）＝０秒（ｓ）において、患者は直立していた。重力に耐えながら、患者（またはより具体的には、患者に取り付けられた加速度計）は、１Ｇと等しい縦の力を（患者上の加速度計の向きによる負のｙ方向）受けた。この１Ｇの力は、およそ、患者の支えられていない状態での地面への転倒（「自由落下」としても知られる）が始まった時点ｔ＝０．３５ｓまで続いた。ｔ＝０．３５ｓからおよそｔ＝０．４８ｓまでの自由落下中、患者に作用していた正味の力が減少した。なぜなら、患者は直立することにより重力に引っぱられるのに対して耐えることがもはやできなくなったからである。この減少は、患者が地面に接触するまで続いた。患者に作用する様々な力は、患者が地面に衝突する直前におよそゼロになった。

図８は、図７に示されるデータに類似するデータであるが、より長い時間スケールにおけるものを示す。図８は、地面への衝突中および衝突後に患者が受けた力をさらに示す。図８に示されるように、患者の動きは、患者に作用する正味の力がおよそ１Ｇである安定状態で始まった。患者が地面に向かって自由落下した時、力は上述の理由と同じ理由で減少した。しかしながら、「衝突」と表示されている領域に示されるように、一度患者が地面と接触すると、衝突の力は１０Ｇ超だった。示される例において、患者が地面で跳ね返った時、および衝突の力が患者の身体の全体にわたって反響した時に、大きな力の連続的な波が生じた。衝突の力は、衝突後の「安定」と表示される領域に示されるように、最終的には放散した。

他の動きプリミティブおよびそれらの動きシーケンスと同様に、動きプリミティブおよび動きシーケンスの分類は、センサデータと様々な閾値との比較を用いることにより実現され得る。動きシーケンスが万一この閾値比較技術を用いて分類される場合、医療デバイスコントローラ３００は、これらの閾値のうちの１または複数に跨るデータに応答して、（患者、モニタリングシステムおよび／または介護者に対する）通知、警告、またはアラームを、通知コンポーネント（例えば、通知コンポーネント３１７）を介してトリガし得る。自由落下の場合、力に対応する一連の動きプリミティブは、既存の汎用データとして格納され、閾値力は、自由落下中の患者を検出するように設定される。これらの閾値は、連続的に大きくなるか、または小さくなる値の力を含み得る。各閾値を超えた時に、新しい警告またはアラームが、通知コンポーネントの実行を介して動き分類コンポーネントにより開始される。転倒についての閾値の例は、患者が地面に向かって進んでいることを示す０．８Ｇ_０、０．５Ｇ_０およびそれらの間の任意の値を含み得る。他の例において、衝突後の安定を示す閾値は、０．９５Ｇ_０と１．０５Ｇ_０との間のいずれかの値であり得る。また、上述のように、信頼度メトリックは、動きセンサデータまたは向きセンサデータから判断され、通知コンポーネントを関与させるための追加の閾値として用いられ得る。例において、例示的な医療デバイス２００などのモバイル携帯型デバイスは、転倒を確認するよう患者に要求し、（例えば、アラームを通じて）傍観者に通知し得、および／または患者が転倒したことを医療提供者に通知し得るシステムも含み得る。

図９は、患者の転倒を示す動きシーケンス９００の概略図である。示されるように、シーケンス９００の第１の動きプリミティブは、自由落下動きプリミティブ９０２、衝突動きプリミティブ９０４および安定化した動きプリミティブ９０６を含む。モニタリング処理６００に関連して、これらの動きプリミティブの各々は、動作６０４において閾値比較技術を用いて分類され得、これにより、患者固有のベースラインデータの必要性が取り除かれる。さらに、モニタリング処理６００は、自由落下動きプリミティブを含む任意の動きシーケンスが動作６１６において実行可能であると判断し得、これに応答して、動作６２０においてアクションを取る。このアクションは、転倒について患者および／または介護者にアラートまたは警告するように構成される通知コンポーネントの実行を含み得る。加えて、モニタリング処理６００は、動きプリミティブ９０４および９０６が動きシーケンスに加えられる時に追加のアクションを取り得る。

いくつかの例において、患者が転倒したかどうかを判断するために用いられる動きプリミティブは、向きを記述したデータを含み得る。例えば、患者の向きが実質的に縦方向から実質的に横方向へ短時間で突然変わった場合、本明細書において開示されるいくつか例は、この一連の患者の動きを転倒として識別し、それに応じてアクションを取り得る。

上述の患者の転倒の例と同様に、既存の汎用の動きセンテンス特徴、動きセンテンスおよび一連の動きセンテンスは、シミュレーションされたデータまたは別の１または複数の患者により生成されたデータから患者に適用され得、方向感を失った動き、躓きおよび気絶を含み得る。同様に、図１０、図１１および図１２に示され、以下により詳細に説明されるように、既存の汎用の動きセンテンス特徴等は、震え、咳、発作の発生について、シミュレーションまたは生成され得る。

図１０は、患者上の３つの異なる位置に配置された３つの異なる動きセンサ／向きセンサにより患者の震えの発現中に取得された患者の動きのベクトル和のグラフである。示される例において、震えは、高周波（例えば、およそ５０Ｈｚからおよそ１００Ｈｚまたはおよそ１００Ｈｚからおよそ１０００Ｈｚ）振動として検出された。主周波数は、短時間にではないが、経時的にずれ得る。いくつかの例において、高周波振動は、複数の軸のいくつかまたは全てにおいて検出される。これら複数の軸において、動きセンサまたは向きセンサは、動き（例えば、１軸、２軸または３軸の加速度計）を検出するように構成され、動きを検出し得るように（例えば、動きセンサまたは向きセンサの動きが患者とベッドとの間で制限されないように）位置する。いくつかの例において、患者に対する正味の力がおよそゼロだとしても、異なる位置または異なる軸における大きさは異なり得る。

図１１は、患者上の３つの異なる位置（胴体上の２つの位置および膝上の１つの位置）に配置された３つの異なる動きセンサ／向きセンサにより患者の咳の発現中に取得された患者の動きのベクトル和のグラフである。示されるように、咳からの力のパターンは、いくつかの方向における大きな力の加速度として示され得る。これらの大きな力の加速度は一時的なものである。つまり、時間の関数として、患者の胴体上の動きセンサまたは向きセンサにより検出された力は、数秒程度持続する。各咳は患者の横隔膜の圧縮に伴うので、横隔膜に近接する胴体に配置された動きセンサは、咳により引き起こされる力を検出する可能性がより高い。

図１２は、患者上の３つの異なる位置に配置された３つの異なる動きセンサ／向きセンサにより患者の発作の発現中に取得された患者の動きのベクトル和のグラフである。示される例において、図１２に示される発作のベクトル和は、力の周期的な変動が動きセンサ／向きセンサにより検出される。咳から検出される（図１１に示される）周期的な周波数とは異なり、図１２に示される例示的な発作の周期的な周波数は、時間の関数として振幅が上がり、咳よりも長い時間スケールにわたって起こる。様々な種類発作に起因する動きは、患者間および発作原因間で異なり得る。例えば、発熱の発作中に検出される動きプリミティブは、大発作中に検出されるものとは異なり得る。異なる種類の発作が異なる既存の汎用データを利用し得ること、つまり、これら種類の状況の多くについて患者固有のベースラインデータを取得できる可能性は低いことが理解されよう。

震え、咳、発作、躓きまたは方向感を失った動きのいずれが分析されるかに拘らず、いくつかの例において、時間の関数としての正味の力が動きセンサまたは向きセンサの各について識別されるように動きセンサまたは向きセンサの各々からのベクトル和を分析することが有用である。いくつかの場合において、適切な位置で起こる患者の動き（例えば、ベッドに横になっている間の震え）または歩行可能な患者の動き中に起こる患者の動きをさらに識別するために、静止している（例えば、ベッドなどの近接する静止面または台車付き担架もしくは救急車などの比較的静止している面に取り付けられた）基準動きセンサまたは基準向きセンサが用いられ得る。代替的に、または同時に、患者の動きが非対称である（例えば、患者の左側のみで発作があるか、または患者の左側で動きが無い）かどうかを判断するために、合計されない力ベクトルが分析され得る。

本明細書において開示される処理の各々は、特定の例における特定の一連の動作を示す。これらの処理に含まれる動作は、本明細書において述べられるように特別に構成される１または複数のプログラマブルデバイスにより、または当該プログラマブルデバイスを用いて、実行され得る。いくつかの動作は、任意選択的なものであり、それ故、１または複数の例に従って省略され得る。追加的に、本明細書に述べられるシステムおよび方法の範囲から逸脱することなく、動作の順序が変えられ得るか、または他の動作が加えられ得る。さらに、上述のように、少なくとも１つの例において、動作は、特定の特別に構成される機械、すなわち、本明細書において開示される例に従って構成される医療デバイス上で実行される。

［例示的な病院環境］ 図１３は、本開示の例による病院環境内の分散コンピュータシステムの一例１３００の概略図である。例１３００は、プログラマブルデバイス１３０２および１３０４と、ネットワーク１３０６と、様々な医療デバイス１０１、１３０８、１３１０、１３１２、１３１４および１３１６とを含む。例えば、ネットワーク１３０６内のプログラマブルデバイスは、以下にさらに詳細に説明されるように、遠隔サーバ１３０２と、ネットワーク１３０６にアクセスするために介護者または他の権限を有する職員により用いられるセキュアかつ権限を有するパーソナルデジタルアシスタントまたはインターネット有効化済みスマートフォンなどの１または複数のクライアントデバイス１３０４とを含む。図１３による一例において、医療デバイス１０１は、患者１０２に関連付けられ、センサ配置１００および携帯型医療デバイス２００のうちの少なくとも一方を含む。例１３００は、患者１０２および医療デバイス１０１が経時的に移動する、病院環境１３１８、１３２０および１３２２内の様々な位置を示す。

サーバ１３０２は、１または複数のプロセッサを含むあらゆるコンピューティングデバイスを含み、ネットワーク１３０６を通じて１または複数の遠隔コンピューティングデバイスと通信するように構成される。サーバ１３０２は、上述の動き認識コンポーネントまたは動き分類コンポーネント３１６も含む。いくつかの例において、サーバ１３０２は、動き情報データストア３３０に格納された動き情報を含むローカル動き情報データストアを維持する。

クライアントデバイス１３０４は、ネットワーク１３０６と通信するように配置され得る様々なコンピューティングデバイスを含み得る。いくつかの例において、クライアントデバイス１３０４は、ユーザ入力を受信できるだけでなく、ネットワーク１３０６を介してデータを送信および／または受信できるコンピューティングデバイスである。例えば、クライアントデバイス１３０４は、患者により運ばれ得る。例えば、クライアントデバイス１３０４は、看護師または医師などの介護者により運ばれ得る。一実施形態において、クライアントデバイス１３０４は、デスクトップコンピュータまたはラップトップコンピュータなどの従来のコンピュータシステムである。別の実施形態において、クライアントデバイス１３０４は、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、タブレットコンピュータ、スマートフォンまたは類似のデバイスなど、コンピュータ機能を有するデバイスである。一例において、クライアントデバイス１３０４は、ユーザ（例えば、介護者１３１９）がネットワーク１３０６と情報をやり取りすること、およびデータと様々な患者の動きプリミティブおよび／または動きシーケンスの分析結果とを受信することを可能にするアプリケーションを実行し、故に、専用のコンピューティングマシンになる。少なくとも１つの例において、クライアントデバイス１３０４は、介護者ステーションに位置し、動き分類コンポーネント（例えば、動き認識コンポーネントまたは動き分類コンポーネント３１６）から通知要求を受信するように構成される通知コンポーネント３１７を含む。クライアントデバイス１３０４は、要求の受信に応答して、例えば、１または複数の通知を介護者または患者に示すことを含む１または複数のクライアントデバイスアクションを実行し得る。

いくつかの実装において、遠隔サーバ１３０２は、動き認識処理または動き分類処理の出力を１または複数のデータベースに格納するように構成され得る。そのような場合、データは、情報の分析に基づいて、動きデータの種類、データが収集された日時および／またはデータの注釈毎にグループ化され得る。介護者または支援員など、権限を有する者が、（例えば、クライアントデバイス１３０４を介して）サーバ１３０２に、データに基づいて１または複数のレポートを生成させ得る。例えば、そのようなレポートは、データの種類、データが収集された日時により順序付けられ得る。

ネットワーク１３０６は、有線通信システムおよび無線通信システムの両方を用いたローカルエリアネットワークおよび／またはワイドエリアネットワークのあらゆる組み合わせを備え得る。一実施形態において、ネットワーク１３０６は、標準通信技術および／または標準通信プロトコルを用いる。故に、ネットワーク１３０６は、イーサネット（登録商標）、ＩＥＥＥ８０２．１１、ワールドワイド・インターオペラビリティ・フォー・マイクロウェーブ・アクセス（ＷｉＭＡＸ）、３Ｇ、４Ｇ、ＣＤＭＡ、デジタル加入者線（ＤＳＬ）などの技術を用いたリンクを含み得る。同様に、ネットワーク１３０６上で用いられるネットワークプロトコルは、マルチプロトコルラベルスイッチング（ＭＰＬＳ）、伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）、ユーザデータグラムプロトコル（ＵＤＰ）、ハイパーテキストトランスポートプロトコル（ＨＴＴＰ）、シンプルメールトランスファープロトコル（ＳＭＴＰ）およびファイル転送プロトコル（ＦＴＰ）を含み得る。ネットワーク１３０６上で交換されるデータは、ハイパーテキストマークアップ言語（ＨＴＭＬ）または拡張マークアップ言語（ＸＭＬ）を含む技術および／またはフォーマットを用いて表され得る。加えて、リンクの全てまたはいくつかは、セキュアソケットレイヤ（ＳＳＬ）、トランスポート層セキュリティ（ＴＬＳ）、インターネットプロトコルセキュリティ（ＩＰｓｅｃ）などの従来の暗号化技術を用いて暗号化され得る。

いくつかの例において、ネットワーク１３０６と通信でき、ネットワーク１３０６と直接、またネットワーク１３０６を通じて通信できる他のデバイスと通信し得る医療デバイス１３０８、１３１０、１３１２、１３１４および１３１６は、任意の医療デバイスまたは医療デバイスのアセンブリであり得る。例は、数ある中でも、心臓除細動器と、心臓除細動器に格納された「緊急用カート」と、心停止に直面している患者を蘇生させるために用いられる様々な他のデバイス、薬および器具と、車椅子と、台車付き担架または移動式病院ベッドとを含む。これらのデバイスと、本明細書において明示的に言及されないその他のものは、以下に説明されるように、ネットワーク１３０６、およびサーバ１３０２内の動き認識コンポーネントまたは動き分類コンポーネント３１６と通信するように構成され得る。

第１の例示的な位置１３１８において、医療デバイス１０１を装着している患者１０２が、独自の動きセンサ／向きセンサ１０４が備え付けられた病院ベッド１３２８を出ている。上述のように、患者１０２により装着されている医療デバイス１０１と、静止している病院ベッド１３２８に取り付けられた動きセンサ／向きセンサ１０４との間の相対的な動きが検出される。検出された動きデータは、上述の方法およびシステムを用いて、ネットワーク１３０６を通じてサーバ１３０２に送信され、動き認識コンポーネントまたは動き分類コンポーネント３１６により分類される。一例において、医療デバイス１０１の動きセンサ／向きセンサは、患者が要した歩数を一連の動きプリミティブ（例えば、６分間の歩行試験中に記録された患者固有のベースラインデータ）を用いて判断するために用いられる動き認識コンポーネントまたは動き分類コンポーネント３１６にこのデータを送信し得る。患者１０２と病院ベッド１３２８との間の距離が、判断された歩数を用いて推定される。この推定と、患者１０２と病院ベッド１３２８との間の１または複数の許容される距離に関して事前に設定されたあらゆる閾値とに基づいて、病院職員に患者の動きを通知するなどのアクションが実行され得る。同様に、傍観者も、患者１０２がベッドに戻るのを手助けし得るように通知され得る。いくつかの例において、病院ベッドに取り付けられた動きセンサ／向きセンサ１０４は、病院ベッド１３２８の動きセンサ／向きセンサ１０４（または類似の慣性計測ユニット（ＩＭＵ））に直接接続された１または複数のプロセッサと通信する。プロセッサおよび／または動きセンサ／向きセンサはいずれも、ネットワークインタフェースも含み得る。この構成により、患者の動きモニタリングするために病院ベッド１３２８の動きセンサ／向きセンサ１０４を用いる場合の応答時間および計算効率が改善され得る。

モニタリングされ得る患者の動きの例は、上述のように歩行を含むが、より軽微な患者の動きも含む。病院ベッド１３２８に取り付けられた動きセンサ／向きセンサ１０４などの静止基準点をこれらの動きが有していると役立ち得る。これらの患者の動きは、震え、咳、発作の発生、躓き、気絶または他の方向感を失った動きを含む。静止基準点を有していることは、これらの動きを検出するために用いられ得る一例であるが、必須ではない。他の例は、患者の動きをより正確に検出し、震え、咳、発作の発生、躓き、気絶または他の方向感を失った動きとして分類するために、歩く、ベッドに座る、標準的な呼吸、睡眠および他の類似の行為などの様々な行為に患者を関与させるベースライン期間または訓練期間中に記録され、測定され、分析されたベースラインデータに依存し得ることが理解されよう。いくつかの場合において、これらのために用いられる既存の汎用データは、モデルから生成されるか、または（図７および図８の例におけるものなどの）汎用データであり、患者１０２に固有のものではない。さらに他の例において、病院ベッドの動きセンサ／向きセンサ１０４に関連付けられたプロセッサまたはサーバ１３０２に関連付けられたプロセッサは、患者の動きの大きさを第１の閾値と、患者の動きの頻度を第２の閾値と比較することにより、患者の動きを少なくとも部分的に分類する。

他の例において、患者の動きの分類に応じて、動き認識コンポーネントまたは動き分類コンポーネント３１６は、患者の状態に関連付けられ、患者に近接する、医療デバイス１３１６などの医療デバイスを識別し、通知コンポーネント３１７を介してアラートを発するよう医療デバイスに命令するように構成される。例えば、分類された動きが、ベッドを出て、次に（医療デバイス１０１により検出される）心停止に陥った患者１０２のものである場合、動き認識コンポーネントまたは動き分類コンポーネント３１６は、分類された動きと心停止の検出とに応答して、医療デバイス１３１６など、患者に近接する緊急用カートを識別する。そのように備え付けられている場合、医療デバイス１３１６は、応答する介護者により医療デバイス１３１６が配置されるように、（介護者１３１９に関連付けられたクライアントデバイス１３０４に対して、病院における座標を識別するトーン、点滅光または電子通知などの）アラートを発し得る。患者に近い医療デバイスの位置を判断するためのシステムおよび方法が、２０１５年１２月１８日に出願され、ＷＯ／２０１６／１０６１３２として公開されている、ウェアラブルデバイスに対する医療デバイスの位置を判断するシステムおよび方法という発明の名称の国際特許出願第ＰＣＴ／ＵＳ１５／６６７２０号において説明されている。当該出願は、ここに、参照により、その全体が本明細書に組み込まれる。

例示的な位置１３２０において、患者１０２の動きシーケンスは、トイレ１３３０へと歩いているものと分類される。例示的な位置１３２２において、患者１０２の動きシーケンスは、割り当てられた病室のドアから出て歩いているものと分類される。上述のように、医療デバイス１０１は、患者１０２により装着される。医療デバイス１０１の動きセンサ／向きセンサは、動きデータを記録し、ネットワーク１３０６を通じてこのデータを遠隔サーバ１３０２に送信する。遠隔サーバ１３０２において、動き認識コンポーネントまたは動き分類コンポーネント３１６は、前述の様々な動き認識アルゴリズムを用いてこのデータを分類する。上述のように、患者１０２の動きに関連付けられた閾値に応じて、アラート、警告または他のアクションが取られる。

さらに別の例において、上述の例は、病院または診療所内での患者１０２の位置を追跡するために、上述の実施形態のいくつかと組み合わせて、それらの全てと組み合わせて、またはそれらのいずれとも組み合わせないで、病院環境または臨床環境において用いられ得る。つまり、患者の動きおよび向きをモニタリングすることに加え、いくつかの例は、近接するセンサ、ビーコン、および様々なエリアネットワーク（例えば、Ｗｉ−Ｆｉ（登録商標）またはＺｉｇＢｅｅ（登録商標）ネットワーク）用インフラを用いて、位置（または利用される技術の測定区別に応じたおおよその位置）を識別することを含む。上述の例のいくつかと同様に、患者の位置に関する様々な閾値が、患者が閾値を超過すると患者および／または介護者が通知を受けるように確立され得る。患者の位置の追跡を含む例についての追加の詳細は、米国特許第１５／０７７，９９５号において説明されている。

少なくとも１つの例のいくつかの態様が説明されたので、様々な変更、修正および改善が当業者にはすぐに思い浮かぶであろうことが理解されるべきである。例えば、本明細書において開示される例は、他の状況においても用いられ得る。そのような変更、修正および改善は、本開示の一部であるよう意図されており、本明細書に述べられている例の範囲内であるよう意図されている。従って、前述の説明および図面は、例としてのみのものである。

Claims (20)

1. 患者の身体上の１または複数の解剖学的位置に位置し、前記患者の身体の部位の動きに対応する複数の動きパラメータを検出するように構成される複数の動きセンサと、
   前記複数の動きセンサに通信可能に結合された少なくとも１つのプロセッサであって、
   前記患者の身体の前記部位の前記動きに対応する前記複数の動きパラメータを受信し、
   前記複数の動きパラメータをデータストアに格納し、
   前記データストアに格納された前記複数の動きパラメータを処理して、前記患者の身体の前記部位の前記動きを判断し、
   前記患者の身体の前記部位の前記動きを、少なくとも１つの予め定められた動きプリミティブを含む複数の予め定められた動きセンテンス特徴に基づいて類型に分類し、
   前記類型に基づいて１または複数の通知アクションを開始する
   ように構成される少なくとも１つのプロセッサと
   を備える、患者の動きをモニタリングするための携帯型医療デバイス。
2. 前記複数の動きパラメータは、前記患者の身体の前記部位の向きに対応する少なくとも１つの向きパラメータを含む、
   請求項１に記載の携帯型医療デバイス。
3. 前記複数の動きセンサは、加速度計、ジャイロスコープおよび磁気計のうちの少なくとも１つを有する、
   請求項１または２に記載の携帯型医療デバイス。
4. 前記複数の予め定められた動きセンテンス特徴は、複数の予め定められた動きプリミティブと、少なくとも１つの予め定められた動き修飾子と、少なくとも１つの予め定められた動きオブジェクトと、少なくとも１つの予め定められた動きセンテンスと、少なくとも１つの予め定められた一連の動きセンテンスとを含む、
   請求項１から３のいずれか一項に記載の携帯型医療デバイス。
5. 前記少なくとも１つのプロセッサは、第１の位置に取り付けられた第１の動きセンサから取得された第１のセンサデータと、第２の位置に取り付けられた第２の動きセンサから取得された第２のセンサデータとを参照して、前記患者の前記動きを分類するように構成される、
   請求項１から４のいずれか一項に記載の携帯型医療デバイス。
6. 前記第１の位置は前記患者上の解剖学的位置であり、前記第２の位置は前記患者以外の物理的な対象物の位置である、
   請求項５に記載の携帯型医療デバイス。
7. 前記物理的な対象物は、ベッドおよび車椅子のうちの少なくとも一方を含む、
   請求項６に記載の携帯型医療デバイス。
8. 前記患者の身体上の前記１または複数の解剖学的位置は、前記患者の身体の頭、胸、脚、首、肩、肘、膝、手首、顎、前腕、二頭筋、足首および足のうちの１または複数を含む、
   請求項１から７のいずれか一項に記載の携帯型医療デバイス。
9. 前記少なくとも１つのプロセッサは、予め収集された動き情報のデータベースから導出された１または複数の動き検出ルールに基づいて前記動きを分類するように構成される、
   請求項１から８のいずれか一項に記載の携帯型医療デバイス。
10. 前記少なくとも１つのプロセッサは、
    動き認識処理を用いて前記動きを分類し、
    複数の患者から測定された予め定められた動きと、ベースライン期間中に導出された患者固有の動きとのうちの少なくとも一方を用いて、前記動き認識処理を訓練する
    ように構成される、
    請求項１から９のいずれか一項に記載の携帯型医療デバイス。
11. 前記ベースライン期間中に導出された前記患者固有の動きは、睡眠期間中および６分間の歩行試験期間中のうちの少なくとも一方において記録される、
    請求項１０に記載の携帯型医療デバイス。
12. 前記１または複数の通知アクションは、前記患者の前記動きについて介護者に通知することを含む、
    請求項１から１１のいずれか一項に記載の携帯型医療デバイス。
13. 前記１または複数の通知アクションは、前記患者の前記動きに基づいて前記患者に警告することを含む、
    請求項１から１２のいずれか一項に記載の携帯型医療デバイス。
14. 前記少なくとも１つのプロセッサは、
    前記患者に近接する前記携帯型医療デバイスから離れた別の医療デバイスを識別し、
    アラートを発するよう前記医療デバイスに指示する
    ように構成される、
    請求項１から１３のいずれか一項に記載の携帯型医療デバイス。
15. 前記少なくとも１つのプロセッサは、現在時刻を識別し、前記現在時刻に関連するアクションを実行するように構成される、
    請求項１から１４のいずれか一項に記載の携帯型医療デバイス。
16. 前記少なくとも１つのプロセッサは、前記患者の前記動きを、方向感を失った動きと、転倒と、躓きと、気絶と、発作と、震えと、咳とのうちの少なくとも１つとして分類するように構成される、
    請求項１から１５のいずれか一項に記載の携帯型医療デバイス。
17. ウェアラブル除細動器を備える、
    請求項１から１６のいずれか一項に記載の携帯型医療デバイス。
18. モバイル心臓モニタリングデバイスを備える、
    請求項１から１７のいずれか一項に記載の携帯型医療デバイス。
19. 心臓モニタリングデバイスを備え、
    前記心臓モニタリングデバイスは、
    患者の身体上の１または複数の解剖学的位置に位置して、前記患者の身体の部位の動きに対応する複数の動きパラメータを検出するように構成される複数の動きセンサと、
    前記複数の動きセンサに通信可能に結合された少なくとも１つのプロセッサであって、
    前記患者の身体の前記部位の前記動きに対応する前記複数の動きパラメータを遠隔サーバに送信するように構成される少なくとも１つのプロセッサと
    を有し、
    前記遠隔サーバは、
    前記患者の身体の前記部位の前記動きに対応する前記複数の動きパラメータを受信し、
    前記複数の動きパラメータをデータストアに格納し、
    前記データストアに格納された前記複数の動きパラメータを処理して、前記患者の身体の前記部位の前記動きを判断し、
    前記患者の身体の前記部位の前記動きを、少なくとも１つの予め定められた動きプリミティブを含む複数の予め定められた動きセンテンス特徴に基づいて類型に分類し、
    前記類型に基づいて１または複数の通知アクションを開始する
    ように構成される、
    患者の動きをモニタリングするためのシステム。
20. 前記遠隔サーバと通信する少なくとも１つのクライアントデバイスであって、前記１または複数の通知アクションに基づいて、前記患者の前記動きについて介護者および前記患者のうちの少なくとも一方に通知するように構成される少なくとも１つのクライアントデバイス
    をさらに備える、
    請求項１９に記載の患者の動きをモニタリングするためのシステム。