JP2020523148A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2020523148A5 JP2020523148A5 JP2019569366A JP2019569366A JP2020523148A5 JP 2020523148 A5 JP2020523148 A5 JP 2020523148A5 JP 2019569366 A JP2019569366 A JP 2019569366A JP 2019569366 A JP2019569366 A JP 2019569366A JP 2020523148 A5 JP2020523148 A5 JP 2020523148A5
- Authority
- JP
- Japan
- Prior art keywords
- data
- user data
- value
- sleep
- time interval
- 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
- 238000005070 sampling Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000000875 corresponding Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Description
[03] したがって、本開示の1つ又は複数の態様は、睡眠セッションに関連するユーザデータのデータサイズを低減するための方法に関する。本方法は、ユーザの第1の睡眠セッションに関連する第1のユーザデータを1つ又は複数のセンサから受信するステップを有する。第1のユーザデータは第1の睡眠特徴の少なくとも第1の実例を有するという決定が行われ、第1の睡眠特徴は第1のデータサイズである。第1の時間間隔中の第1の実例を表す第1の値が決定される。第1の値を表す第1の符号化データが決定され、第1の符号化データは、第1のデータサイズより小さい第2のデータサイズである。次いで、第2のユーザデータ内に第1の実例を表すように第1の符号化データを使用して第1のユーザデータを符号化することによって、第2のユーザデータが生成され、第2のユーザデータが記憶される。
[04] 本開示の別の態様は、睡眠セッションに関連するユーザデータのデータサイズを低減するためのシステムに関する。本システムは、1つ又は複数のセンサと、メモリと、ユーザの第1の睡眠セッションに関連する第1のユーザデータを、1つ又は複数のセンサから、受信するようにメモリによって記憶されたマシン可読命令によって構成された1つ又は複数のプロセッサとを備える。1つ又は複数のプロセッサはさらに、第1のユーザデータが第1の睡眠特徴の少なくとも第1の実例を有すると決定するようにマシン可読命令によって構成され、第1の睡眠特徴は第1のデータサイズである。1つ又は複数のプロセッサはさらに、第1の時間間隔中の第1の実例を表す第1の値を決定するようにマシン可読命令によって構成される。1つ又は複数のプロセッサはさらに、第1の値を表す第1の符号化データを決定するようにマシン可読命令によって構成され、第1の符号化データは、第1のデータサイズより小さい第2のデータサイズである。1つ又は複数のプロセッサはさらに、第2のユーザデータ内に第1の実例を表すように第1の符号化データを使用して第1のユーザデータを符号化することによって第2のユーザデータを生成するように、及び第2のユーザデータを記憶するようにマシン可読命令によって構成される。
[05] 本開示のさらに別の態様は、睡眠セッションに関連するユーザデータのデータサイズを低減するためのシステムに関する。本システムは、ユーザの第1の睡眠セッションに関連する第1のユーザデータを1つ又は複数のセンサから受信する手段と、第1のユーザデータは第1の睡眠特徴の少なくとも第1の実例を有すると決定する手段であって、第1の睡眠特徴は第1のデータサイズである、手段と、第1の時間間隔中の第1の実例を表す第1の値を決定する手段と、第1の値を表す第1の符号化データを決定する手段であって、第1の符号化データは第1のデータサイズより小さい第2のデータサイズである、手段と、第2のユーザデータ内に第1の実例を表すように第1の符号化データを使用して第1のユーザデータを符号化することによって第2のユーザデータを生成する手段と、第2のユーザデータを記憶する手段とを備える。
[33] その非限定的な実施形態において、メモリ104は、ユーザ170の特定の睡眠セッションに関連するユーザデータを符号化及び/又は復号するための命令を有する。前述のように、EEG信号を表すEEGデータなど、睡眠セッションに関連するユーザデータを記憶することは、大容量のメモリを必要とし得る。したがって、データの品質を保持しつつそのデータのサイズを低減することが最適である。さらに、有用な睡眠特徴を抽出すること、及びサイズが低減されたデータから睡眠セッションの有用な分析を実行できることもまた必要である。1つの実施形態において、符号化命令114は、睡眠セッションに関連するユーザデータの符号化のための1つ又は複数のルール/命令に関連付けられ、復号命令116は、睡眠セッションのユーザデータの低減されたバージョンを表す追加のユーザデータの復号のための1つ又は複数のルール/命令に関連付けられる。符号化/復号システム120は、睡眠セッションに関連するユーザデータを受信することと、第1のサイズである第1の睡眠特徴の少なくとも1つの実例をユーザデータは有すると決定することとを行うように構成される。例えば、デルタ帯域(デルタRMS)におけるEEGパワー、ベータ帯域(ベータRMS)におけるEEGパワー、アルファ帯域におけるEEGパワー、睡眠ヒプノグラム、EEG信号振幅の幅、睡眠深度(デルタパワーとベータパワーとの比率)、検出された睡眠波の時間、単位時間当たりの睡眠徐波の数、インピーダンス、及び/又は検出された睡眠マイクロ覚醒のタイミングはすべて、特定の睡眠セッションの間に生じたと決定することができる特徴の例示的タイプである。
[34] さらに詳しく後述するように、1つの実施形態において、符号化/復号システム120は、ユーザデータが1つ又は複数の睡眠特徴の1つ又は複数の実例を有すると決定するように構成される。1つの実施形態において、符号化/復号システム120は、センサ108から受信されたユーザデータと特定の睡眠特徴を表す参照データとの比較を実行することができる。例えば、1つの実施形態において、システム100は、特定の睡眠信号を表す参照EEGデータなど、参照睡眠特徴データを記憶する生理学的データデータベース130を備える。符号化/復号システム120は、ネットワーク160を介して生理学的データデータベース130にアクセスするように構成される。加えて、又は別法として、生理学的データデータベース130は、符号化/復号システム120のメモリ104内にローカルに記憶される。
[36] 1つの実施形態において、符号化/復号システム120は、第2のユーザデータ内に第1の実例を表すように第1の符号化データを使用して第1のユーザデータを符号化することによって、第2のユーザデータを生成する。符号化/復号システム120は、(例えば、ローカルに)メモリ104内に、又はネットワーク160を介してアクセス可能な睡眠記憶データベース140内に、第2のユーザデータを記憶するように構成される。類似の趣旨で、1つの実施形態において、符号化/復号システム120は、より大きいデータサイズに関連する特定の睡眠特徴を識別するためにユーザデータを復号する能力を有する。
[42] 動作204において、符号化/復号システム120は、ユーザデータは第1の睡眠特徴の少なくとも第1の実例を有すると決定する。例えば、EEG信号のある種の特性は、デルタRMS、ベータRMS、アルファ帯域におけるEEGパワー、睡眠ヒプノグラム、EEG移動平均、デルタパワーとベータパワーとの比率、検出された睡眠波のタイミング、単位時間当たりの睡眠徐波の数、インピーダンス、及び/又は検出された睡眠マイクロ覚醒のタイミングなどの、これらに限定されない、特定の睡眠特徴を反映する。その例示的実施形態において、生理学的データデータベース130から取得された参照EEGデータは、これらの睡眠特徴のうちの1つ又は複数を表すデータを有する。次いで、参照EEGデータとユーザデータとの比較が行われて、ユーザデータはこれらの睡眠特徴のいずれかを有するかどうかを決定する。1つの実施形態において、前述の睡眠特徴は、通常は、図3を参照してさらに詳しく後述するように、第1のデータサイズである。
[44] 動作206において、第1の時間間隔中の第1の実例を表す第1の値が決定される。第1の値は、第1の実例が関連付けられた特定のタイプの睡眠特徴に関連する睡眠関連情報価値に対応する。図3を参照してさらに詳しく後述するように、第1の値は、記憶された情報(例えば、生理学的データデータベース130によって記憶された参照EEGデータ及び/又は睡眠ストレージ140によって記憶されたデータ)から第1の実例に関連する睡眠信号が再構築可能である程度によって決定される。一般的に言えば、第1の値は、符号化が実行される前のその睡眠特徴に関連するデータサイズを示す。
[53] 表1の各値は、固有の符号化データに関連付けられる。したがって、睡眠セッションの第1の時間間隔中の睡眠特徴の第1の実例を表す第1の値は、それを表す対応する符号化データを決定するために、表1内に記憶された辞書値と比較される。非限定的な一実施形態において、表1は、各睡眠特徴について、8つの値を有する。したがって、3ビット値を表す符号化データが、第1の値が対応する特定の辞書値を識別するために使用される。例えば、アルファの第1の辞書値(例えば、2.1389)は2進コード000によって表され、第2の辞書値は001によって表されるなどである。所与の時間間隔の睡眠特徴の第1の実例を表す第1の値の比較が、どの辞書値が第1の値に最も近いかを見るために辞書値にマッピングされる。1つの実施形態において、第1の実例を表す第1の値が第1の辞書値より大きいが、第2の辞書値以下である場合には、第1の辞書値を表す符号化データが、第1の値を記述するために使用される。例えば、ユーザデータ内のアルファ睡眠特徴の第1の実例を表す第1の値が2.2である場合、その値を表す符号化データは、3ビットコード000である。しかしながら、任意の適切な符号化方式が使用され、3ビット符号化表現の使用は単に例であることが、当業者には認められよう。さらに、睡眠特徴値の符号化データへのマッピングはまた、システムの特定の特徴に従う。例えば、ある種の睡眠特徴について16個の辞書値が存在する場合は、3ビットコードの代わりに4ビットコードが使用される。睡眠セッションにおける実例の特定の値を表す符号化データの決定のプロセスは、図5を参照してさらに詳しく後述される。
[54] 図2に戻ると、プロセス200は、動作208に進む。動作208において、第1の値を表す第1の符号化データが決定される。第1の符号化データが、特定の睡眠特徴に関連する辞書値に関する第1の値に基づいて決定される。第1の符号化データは、第1の睡眠特徴のデータサイズより小さいデータサイズを有する。例えば、図3に見られるように、符号化されたバージョンの睡眠深度は1Kb程のサイズであるが、未加工のバージョンの睡眠深度特徴は104Kb程である。したがって、ユーザデータ内の特定の睡眠特徴の各実例を表す値に関連する辞書値を識別することによって、睡眠セッションの睡眠特徴を表すユーザデータを記憶するために必要とされるデータストレージの総量を大きく減らす。
[55] 動作210において、第2のユーザデータ内に第1の実例を表すように第1の符号化データを使用して第1のユーザデータを符号化することによって、第2のユーザデータが生成される。1つの実施形態において、第2のユーザデータの生成は、睡眠セッションの継続期間の様々な時間間隔の間の特定の睡眠特徴の各実例の各符号化された表現の生成に対応する。これは、センサ108から取得された未加工のユーザデータのデータサイズより実質的に小さいデータサイズの、睡眠セッションの間の各睡眠特徴の強度を表すデータを生み出す。このプロセスは、図6を参照してさらに詳しく後述される。
[57] 図5は、様々な実施形態による、第1の時間間隔中の睡眠特徴の第1の実例の第1の値を表す符号化データの決定の例示的図500である。図500に見られるように、第1の睡眠特徴(例えば、インピーダンス)の1分の長さの移動平均がグラフ508に提示されている。任意の適切な時間間隔が使用され、未加工のユーザデータの1分の時間間隔へのセグメント化は単に例示であることが、当業者には認められよう。例えば、毎分1サンプルの符号化サンプリング周波数には1分の移動平均が使用される。
[58] 1つの実施形態において、符号化/復号システム120は、問題の1分の時間間隔の間の平均インピーダンス506を決定する。例えば、グラフ508内に見られるように、1分の時間間隔の間に、センサ108によって検出される平均インピーダンスは、350の値に対応する。平均インピーダンス506を決定した後、この値は、この例示的実施形態ではインピーダンスである、分析されている特定の睡眠特徴について辞書150によって定義される様々な量子化レベル502と比較される。表1を参照して上記で見られた1つの実施形態では、分析されている特定の睡眠特徴に関連する8つの量子化レベルが存在する。これらの量子化レベルのそれぞれは、特定の3ビットの長さのコード504に関連付けられる。したがって、その時間間隔中の睡眠特徴の第1の実例を表す値(例えば、移動平均)を決定した後、その値を表す、コード504などの符号化データが決定される。その結果、その例示的実施形態においては、特定の3ビットコードが、その時間間隔の間にキャプチャされたEEG信号(又は、センサ108によって監視されている任意の他のタイプのセンサ出力)を表すものとして定義されることになる。このプロセスは、睡眠セッション全体を表す3ビットコードの完全なマッピングを構築するために、睡眠セッションの各時間間隔について符号化/復号システム120によって繰り返すことができる。
[61] 各時間間隔について、未加工のユーザ内に含まれると決定された睡眠特徴の実例に関連する値を表す符号化データが決定される。例えば、符号化プロセス610は、時間間隔604の間に、識別された睡眠特徴の実例の値は第1の量子化レベルに対応すると決定する。この量子化レベルは、符号化データ602によって表される。同様に、符号化プロセス620は、時間間隔608の間に、識別された睡眠特徴の実例の値は、符号化データ606によって表された、第1の量子化レベルに対応すると決定する。さらに、符号化プロセス630は、時間間隔614の間に、識別された睡眠特徴の実例の値は、符号化データ612によって表された、第1の量子化レベルに対応すると決定する。
[65] ユーザデータ702が構文解析された後、各時間間隔704A〜Cの符号化データは、表1を参照して前述したように、最適化辞書150の量子化レベルにマッピングし戻される。これは、各時間間隔704A〜Cの間に生じる代表的睡眠特徴実例が高い精度に再構築されることを可能にする。1つの実施形態において、データを平滑化するために平滑化フィルタが復号プロセスの後に適用されることも可能であるが、これは単に例示であることが当業者には認められよう。したがって、グラフ300の最も左の点(例えば、ピンクの点)によって示される、第1のデータサイズを有する睡眠特徴の実例が、最も右の点(例えば、黒い点)によって示されるようなそれらの未加工データサイズに再構築することが可能であるという点で、復号プロセスの結果は、符号化プロセスとは反対である。これにより、例えば、睡眠ストレージ140(及び/又はメモリ104)が10Mbs程のデータサイズのEEG信号について1.5Kbs程のデータを記憶するだけで済むようになる。
[69] 動作808では、第1の値を表す睡眠特徴の参照バージョンが決定される。例えば、1つの実施形態において、睡眠特徴の特定の実例の再構築されたバージョンが、生理学的データデータベース130によって記憶される。識別された特定の値(例えば、量子化レベル)に基づいて、その値に対応する参照EEG信号が決定される。
[70] 動作810では、各時間間隔の間に最初に取得されたユーザデータによって符号化された睡眠特徴の実例を表す追加のユーザデータが生成される。これは、図9を参照してさらに詳しく後述される。したがって、睡眠セッションユーザデータを符号化することによって、ユーザデータのデータサイズを低減しつつ、同質の情報を保持することが可能である。この改良は、ストレージシステムが遥かに多い情報を記憶することができ、ユーザの睡眠パターン及び行動のより優れたオフライン分析が可能であるという点で、極めて有益である。
Claims (12)
- 睡眠セッションに関連するユーザデータのデータサイズを低減するための方法であって、前記方法は、
ユーザの第1の睡眠セッションに関連する第1のユーザデータを1つ又は複数のセンサから受信するステップと、
前記第1のユーザデータは第1の睡眠特徴の少なくとも第1の実例及び前記第1の睡眠特徴の第2の実例を有すると決定するステップであって、前記第1の睡眠特徴は第1のデータサイズである、ステップと、
第1の時間間隔中の前記第1の実例を表す第1の値を決定するステップと、
第2の時間間隔の間に生じる前記第2の実例を表す第2の値を決定するステップと、
前記第1の値を表す第1の符号化データを決定するステップであって、前記第1の符号化データは、前記第1のデータサイズより小さい第2のデータサイズである、ステップと、
前記第2の値を表す第2の符号化データを決定するステップであって、前記第2の符号化データは、前記第1のデータサイズより小さい第3のデータサイズである、ステップと、
第2のユーザデータ内に前記第1の実例を表すように前記第1の符号化データを使用して前記第1のユーザデータを符号化し、前記第2のユーザデータ内に前記第2の実例を表すように前記第2の符号化データを使用して前記第1のユーザデータを符号化することによって前記第2のユーザデータを生成するステップと、
前記第2のユーザデータを記憶するステップと、
前記第1の符号化データ及び前記第2の符号化データを取得するステップと、
前記第2のユーザデータを取得するステップと、
前記第1の符号化データは前記第1の時間間隔の間に生じる前記第1の値と関連していることと、前記第2の符号化データは前記第2の時間間隔の間に生じる前記第2の値と関連していることとを識別するステップと、
前記第1の値及び前記第2の値を表す第3のユーザデータを生成するステップであって、前記第3のユーザデータは、前記第1の時間間隔及び前記第2の時間間隔の時間的順序に基づいて配置された、第1の参照バージョンの前記第1の値と、第2の参照バージョンの前記第2の値とを有する、ステップと、
を有する、方法。 - 前記第1の値が決定される前に、第1のフィルタを前記第1のユーザデータに適用することによって第4のユーザデータを生成するステップと、
前記第4のユーザデータを複数の時間間隔にセグメント化するステップであって、前記複数の時間間隔は前記第1の時間間隔を有する、ステップと、
をさらに有する、請求項1に記載の方法。 - 前記第2のユーザデータは前記第1の値に関連していると識別するステップをさらに有し、前記第3のユーザデータが前記第1の睡眠特徴の参照バージョンを有する、請求項1に記載の方法。
- 前記第1のユーザデータを受信するステップが、脳波図(「EEG」)データを受信するステップを有し、少なくとも1つの睡眠特徴が、デルタ帯域RMSにおける第1の量のEEGパワー、ベータ帯域RMSにおける第2の量のEEGパワー、アルファ帯域RMSにおける第3の量のEEGパワー、睡眠ヒプノグラム、前記EEGデータに関連する移動平均、睡眠深度、検出された睡眠波のタイミング、単位時間当たりの睡眠徐波の数、インピーダンス、及び検出された睡眠マイクロ覚醒のタイミングのうちの1つを有する、請求項1に記載の方法。
- 前記第1の値が決定される前に、前記第1のユーザデータに関連するサンプリングレートを決定するステップと、
前記第1のユーザデータに適用されている前記サンプリングレートを有する前記第1のユーザデータを表す第5のユーザデータを生成するステップと、
前記第1の睡眠特徴に関連する第1のエントロピーレートを決定するステップと、
前記第5のユーザデータの第2の時間間隔について、第1の特徴値が第1の睡眠特徴値より小さく第2の睡眠特徴値より大きいことに基づいて、前記第1の特徴値が前記第1の値に対応すると決定するステップと、
をさらに有する、請求項1に記載の方法。 - 前記第1のデータサイズが、数メガバイトのデータに対応し、前記第2のデータサイズが、数キロバイトのデータに対応する、請求項1に記載の方法。
- 前記第2のユーザデータが、前記第1の値を表す3ビットの長さのコードを有する、請求項1に記載の方法。
- 睡眠セッションに関連するユーザデータのデータサイズを低減するためのシステムであって、前記システムは、
1つ又は複数のセンサと、
メモリと、
ユーザの第1の睡眠セッションに関連する第1のユーザデータを前記1つ又は複数のセンサから受信すること、
前記第1のユーザデータは第1の睡眠特徴の少なくとも第1の実例及び前記第1の睡眠特徴の第2の実例を有すると決定することであって、前記第1の睡眠特徴は第1のデータサイズである、決定すること、
第1の時間間隔中の前記第1の実例を表す第1の値を決定すること、
第2の時間間隔の間に生じる前記第2の実例を表す第2の値を決定すること、
前記第1の値を表す第1の符号化データを決定することであって、前記第1の符号化データは前記第1のデータサイズより小さい第2のデータサイズである、決定すること、
前記第2の値を表す第2の符号化データを決定することであって、前記第2の符号化データは前記第1のデータサイズより小さい第3のデータサイズである、決定すること、
第2のユーザデータ内に前記第1の実例を表すように前記第1の符号化データを使用して前記第1のユーザデータを符号化し、前記第2のユーザデータ内に前記第2の実例を表すように前記第2の符号化データを使用して前記第1のユーザデータを符号化することによって前記第2のユーザデータを生成すること、
前記第2のユーザデータを記憶すること、
前記第1の符号化データ及び前記第2の符号化データを取得すること、
前記第2のユーザデータを取得すること、
前記第1の符号化データは前記第1の時間間隔の間に生じる前記第1の値と関連していることと、前記第2の符号化データは前記第2の時間間隔の間に生じる前記第2の値と関連していることとを識別すること、並びに
前記第1の値及び前記第2の値を表す第3のユーザデータを生成することであって、前記第3のユーザデータは、前記第1の時間間隔及び前記第2の時間間隔の時間的順序に基づいて配置された、第1の参照バージョンの前記第1の値と、第2の参照バージョンの前記第2の値とを有する、生成すること、
を行うようにマシン可読命令によって構成された、1つ又は複数のプロセッサと、
を備えた、システム。 - 前記1つ又は複数のプロセッサが、
前記第1の値が決定される前に、第1のフィルタを前記第1のユーザデータに適用することによって第4のユーザデータを生成することと、
前記第4のユーザデータを複数の時間間隔にセグメント化することであって、前記複数の時間間隔は前記第1の時間間隔を有する、ことと、
を行うように前記マシン可読命令によってさらに構成された、請求項8に記載のシステム。 - 前記1つ又は複数のプロセッサが、前記第2のユーザデータは前記第1の値に関連していると識別することを行うように前記マシン可読命令によってさらに構成され、前記第3のユーザデータが、前記第1の睡眠特徴の参照バージョンを有する、請求項8に記載のシステム。
- 前記1つ又は複数のプロセッサが、
前記第1の値が決定される前に、前記第1のユーザデータに関連するサンプリングレートを決定することと、
前記第1のユーザデータに適用されている前記サンプリングレートを有する前記第1のユーザデータを表す第5のユーザデータを生成することと、
前記第1の睡眠特徴に関連する第1のエントロピーレートを決定することと、
前記第5のユーザデータの第1の時間間隔について、第1の特徴値が第1の睡眠特徴値より小さく第2の睡眠特徴値より大きいことに基づいて、前記第1の特徴値が前記第1の値に対応すると決定することと、
を行うように前記マシン可読命令によってさらに構成された、請求項8に記載のシステム。 - 前記第1のデータサイズが、数メガバイトのデータに対応し、前記第2のデータサイズが、数キロバイトのデータに対応する、請求項8に記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762520102P | 2017-06-15 | 2017-06-15 | |
US62/520,102 | 2017-06-15 | ||
EP17187349.0 | 2017-08-22 | ||
EP17187349.0A EP3446623A1 (en) | 2017-08-22 | 2017-08-22 | Reducing physiological data size |
PCT/EP2018/065580 WO2018229090A1 (en) | 2017-06-15 | 2018-06-13 | System and method for reducing physiological data size |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020523148A JP2020523148A (ja) | 2020-08-06 |
JP2020523148A5 true JP2020523148A5 (ja) | 2021-12-16 |
JP7004750B2 JP7004750B2 (ja) | 2022-02-04 |
Family
ID=59686818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019569366A Active JP7004750B2 (ja) | 2017-06-15 | 2018-06-13 | 生理学的データサイズを低減するためのシステム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11723604B2 (ja) |
EP (2) | EP3446623A1 (ja) |
JP (1) | JP7004750B2 (ja) |
CN (1) | CN110753513B (ja) |
WO (1) | WO2018229090A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021152157A1 (en) | 2020-01-30 | 2021-08-05 | Abb Power Grids Switzerland Ag | Parameter independent traveling wave-based fault location using unsynchronized measurements |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6530884B2 (en) * | 1998-10-30 | 2003-03-11 | The United States Of America As Represented By The Secretary Of The Army | Method and system for predicting human cognitive performance |
JP4607799B2 (ja) * | 2006-03-10 | 2011-01-05 | 株式会社創成電子 | 呼吸データ収集システム |
US7429938B1 (en) * | 2007-03-26 | 2008-09-30 | Medtronic, Inc. | Method of compressing waveform data with differential entropy based compression |
JP4468398B2 (ja) * | 2007-03-27 | 2010-05-26 | 株式会社東芝 | 自律神経指標計測装置および自律神経指標計測方法 |
GB2471902A (en) * | 2009-07-17 | 2011-01-19 | Sharp Kk | Sleep management system which correlates sleep and performance data |
CN105813557A (zh) * | 2013-10-14 | 2016-07-27 | 诺罗维吉尔公司 | 生物信号的局部收集、基于生物电信号的言语辅助接口中的光标控制以及基于生物电信号的觉醒检测 |
-
2017
- 2017-08-22 EP EP17187349.0A patent/EP3446623A1/en not_active Withdrawn
-
2018
- 2018-06-13 JP JP2019569366A patent/JP7004750B2/ja active Active
- 2018-06-13 WO PCT/EP2018/065580 patent/WO2018229090A1/en unknown
- 2018-06-13 CN CN201880039645.2A patent/CN110753513B/zh active Active
- 2018-06-13 US US16/621,884 patent/US11723604B2/en active Active
- 2018-06-13 EP EP18730779.8A patent/EP3638101B1/en active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9364160B2 (en) | Systems and methods for ECG monitoring | |
NO20070560L (no) | Multikanalsynthesiser og fremgangsmate for a generere et flerkanalsutgangssignal. | |
Sriraam | Correlation dimension based lossless compression of EEG signals | |
RU2013106272A (ru) | Способ кодирования изображений, способ декодирования изображений, устройство кодирования изображений, устройство декодирования изображений и устройство кодирования и декодирования изображений | |
CN110995273B (zh) | 电力数据库的数据压缩方法、装置、设备及介质 | |
CN104114086A (zh) | 生物体信息处理装置、生物体信息处理系统、生物体信息的压缩方法以及生物体信息的压缩处理程序 | |
FR3030947A1 (fr) | Procede de pretraitement de compression de donnees adapte a des donnees de mesures de signaux electro-corticographiques (ecog) et systeme d'acquisition et de transmission de donnees ecog. | |
US5721543A (en) | System and method for modeling discrete data sequences | |
KR20190040063A (ko) | 인덱스 코딩 및 비트 스케줄링을 갖는 양자화기 | |
JP2020523148A5 (ja) | ||
Giurcăneanu et al. | Using contexts and R–R interval estimation in lossless ECG compression | |
Peric et al. | DPCM quantizer adaptation method for efficient ECG signal compression | |
CN115955534B (zh) | 基于压缩感知的秘密嵌入分享方法、系统、终端及介质 | |
Zhang et al. | Decomposition and compression for ECG and EEG signals with sequence index coding method based on matching pursuit | |
Barlas et al. | A novel family of compression algorithms for ECG and other semiperiodical, one-dimensional, biomedical signals | |
CN111755022B (zh) | 基于时序卷积网络的混合听诊信号分离方法及相关装置 | |
Pal et al. | An effective ECG signal compression algorithm with self controlled reconstruction quality | |
Alesanco et al. | A simple method for guaranteeing ECG quality in real-time wavelet lossy coding | |
Liu et al. | Studying the effects of compression in eeg-based wearable sleep monitoring systems | |
Kumar et al. | ECG signal compression algorithm based on joint-multiresolution analysis (J-MRA) | |
CN114333861A (zh) | 音频处理方法、装置、存储介质、设备及产品 | |
CN113179265A (zh) | 一种日志压缩加密方法、装置、设备及存储介质 | |
US20080298503A1 (en) | Systems and methods for adaptive signal sampling and sample quantization for resource-constrained stream processing | |
WO2011107434A1 (en) | Distribution-constrained quantization | |
CN113904900B (zh) | 一种实时遥测信源分阶相对编码方法 |