JP2022507834A - 呼吸障害の検出のための方法および装置 - Google Patents
呼吸障害の検出のための方法および装置 Download PDFInfo
- Publication number
- JP2022507834A JP2022507834A JP2021527983A JP2021527983A JP2022507834A JP 2022507834 A JP2022507834 A JP 2022507834A JP 2021527983 A JP2021527983 A JP 2021527983A JP 2021527983 A JP2021527983 A JP 2021527983A JP 2022507834 A JP2022507834 A JP 2022507834A
- Authority
- JP
- Japan
- Prior art keywords
- sleep
- signal
- signals
- cough
- processors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 421
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 217
- 206010011224 Cough Diseases 0.000 claims abstract description 356
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 234
- 230000033001 locomotion Effects 0.000 claims abstract description 153
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 284
- 230000007958 sleep Effects 0.000 claims description 187
- 230000003595 spectral effect Effects 0.000 claims description 139
- 238000001514 detection method Methods 0.000 claims description 118
- 230000008569 process Effects 0.000 claims description 102
- 208000008784 apnea Diseases 0.000 claims description 81
- 238000004364 calculation method Methods 0.000 claims description 64
- 206010021079 Hypopnoea Diseases 0.000 claims description 63
- 238000011156 evaluation Methods 0.000 claims description 45
- 238000011282 treatment Methods 0.000 claims description 45
- 230000000414 obstructive effect Effects 0.000 claims description 44
- 201000002859 sleep apnea Diseases 0.000 claims description 42
- 238000012937 correction Methods 0.000 claims description 34
- 230000000694 effects Effects 0.000 claims description 32
- 238000001914 filtration Methods 0.000 claims description 29
- 230000008667 sleep stage Effects 0.000 claims description 29
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 28
- 230000003434 inspiratory effect Effects 0.000 claims description 27
- 238000002644 respiratory therapy Methods 0.000 claims description 27
- 230000037007 arousal Effects 0.000 claims description 26
- 208000035475 disorder Diseases 0.000 claims description 25
- 230000004622 sleep time Effects 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 24
- 208000006673 asthma Diseases 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 12
- 230000001684 chronic effect Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 208000017574 dry cough Diseases 0.000 claims description 8
- 208000021302 gastroesophageal reflux disease Diseases 0.000 claims description 8
- 201000008827 tuberculosis Diseases 0.000 claims description 8
- 206010036790 Productive cough Diseases 0.000 claims description 6
- 208000020816 lung neoplasm Diseases 0.000 claims description 6
- 206010058467 Lung neoplasm malignant Diseases 0.000 claims description 5
- 206010035664 Pneumonia Diseases 0.000 claims description 5
- 206010006451 bronchitis Diseases 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 5
- 201000005202 lung cancer Diseases 0.000 claims description 5
- 206010070488 Upper-airway cough syndrome Diseases 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 4
- 238000005311 autocorrelation function Methods 0.000 claims description 4
- 238000005406 washing Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 230000002685 pulmonary effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 230000005236 sound signal Effects 0.000 abstract description 32
- 238000012216 screening Methods 0.000 abstract description 27
- 208000019116 sleep disease Diseases 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 5
- 206010041235 Snoring Diseases 0.000 description 109
- 239000003570 air Substances 0.000 description 65
- 238000004458 analytical method Methods 0.000 description 54
- 238000000605 extraction Methods 0.000 description 44
- 230000036387 respiratory rate Effects 0.000 description 36
- 238000005516 engineering process Methods 0.000 description 35
- 238000012806 monitoring device Methods 0.000 description 28
- 230000001965 increasing effect Effects 0.000 description 25
- 208000037656 Respiratory Sounds Diseases 0.000 description 23
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 21
- 208000001797 obstructive sleep apnea Diseases 0.000 description 21
- 206010047924 Wheezing Diseases 0.000 description 20
- 210000000038 chest Anatomy 0.000 description 20
- 208000003417 Central Sleep Apnea Diseases 0.000 description 18
- 206010013975 Dyspnoeas Diseases 0.000 description 18
- 238000013459 approach Methods 0.000 description 18
- 230000008447 perception Effects 0.000 description 18
- 238000007781 pre-processing Methods 0.000 description 18
- 238000009423 ventilation Methods 0.000 description 17
- 230000008901 benefit Effects 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 15
- 208000024891 symptom Diseases 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 239000007789 gas Substances 0.000 description 13
- 229910052760 oxygen Inorganic materials 0.000 description 13
- 238000002560 therapeutic procedure Methods 0.000 description 13
- 230000007423 decrease Effects 0.000 description 12
- 230000005713 exacerbation Effects 0.000 description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 11
- 238000010606 normalization Methods 0.000 description 11
- 239000001301 oxygen Substances 0.000 description 11
- 208000023504 respiratory system disease Diseases 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 239000003814 drug Substances 0.000 description 10
- 229940079593 drug Drugs 0.000 description 10
- 230000007774 longterm Effects 0.000 description 10
- 230000000737 periodic effect Effects 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 10
- 208000000059 Dyspnea Diseases 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 230000001953 sensory effect Effects 0.000 description 9
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 8
- 208000005392 Spasm Diseases 0.000 description 8
- 208000018360 neuromuscular disease Diseases 0.000 description 8
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 8
- 238000011084 recovery Methods 0.000 description 8
- 210000002345 respiratory system Anatomy 0.000 description 8
- 238000005070 sampling Methods 0.000 description 8
- 238000010183 spectrum analysis Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000001225 therapeutic effect Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 206010019280 Heart failures Diseases 0.000 description 7
- 208000005793 Restless legs syndrome Diseases 0.000 description 7
- 208000013116 chronic cough Diseases 0.000 description 7
- 210000004072 lung Anatomy 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 201000004193 respiratory failure Diseases 0.000 description 7
- 206010010904 Convulsion Diseases 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 238000003672 processing method Methods 0.000 description 6
- 230000003860 sleep quality Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 210000000115 thoracic cavity Anatomy 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 206010021133 Hypoventilation Diseases 0.000 description 5
- 206010062519 Poor quality sleep Diseases 0.000 description 5
- 206010067775 Upper airway obstruction Diseases 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012854 evaluation process Methods 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000003340 mental effect Effects 0.000 description 5
- 238000012805 post-processing Methods 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 210000000779 thoracic wall Anatomy 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 206010061876 Obstruction Diseases 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000002565 electrocardiography Methods 0.000 description 4
- 238000000537 electroencephalography Methods 0.000 description 4
- 210000004704 glottis Anatomy 0.000 description 4
- 208000000122 hyperventilation Diseases 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 210000000214 mouth Anatomy 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000011295 pitch Substances 0.000 description 4
- 230000036391 respiratory frequency Effects 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- 206010041232 sneezing Diseases 0.000 description 4
- 230000002195 synergetic effect Effects 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 208000000884 Airway Obstruction Diseases 0.000 description 3
- 206010008501 Cheyne-Stokes respiration Diseases 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 3
- 206010019233 Headaches Diseases 0.000 description 3
- 208000007101 Muscle Cramp Diseases 0.000 description 3
- 206010038669 Respiratory arrest Diseases 0.000 description 3
- 206010057190 Respiratory tract infections Diseases 0.000 description 3
- 206010041349 Somnolence Diseases 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 210000003123 bronchiole Anatomy 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011513 continuous positive airway pressure therapy Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 231100000869 headache Toxicity 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 206010025482 malaise Diseases 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 210000003097 mucus Anatomy 0.000 description 3
- 201000006938 muscular dystrophy Diseases 0.000 description 3
- 201000009240 nasopharyngitis Diseases 0.000 description 3
- 230000008452 non REM sleep Effects 0.000 description 3
- 210000001331 nose Anatomy 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000010363 phase shift Effects 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 238000013442 quality metrics Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 208000024794 sputum Diseases 0.000 description 3
- 210000003802 sputum Anatomy 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 210000003437 trachea Anatomy 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- VCGRFBXVSFAGGA-UHFFFAOYSA-N (1,1-dioxo-1,4-thiazinan-4-yl)-[6-[[3-(4-fluorophenyl)-5-methyl-1,2-oxazol-4-yl]methoxy]pyridin-3-yl]methanone Chemical compound CC=1ON=C(C=2C=CC(F)=CC=2)C=1COC(N=C1)=CC=C1C(=O)N1CCS(=O)(=O)CC1 VCGRFBXVSFAGGA-UHFFFAOYSA-N 0.000 description 2
- ABDDQTDRAHXHOC-QMMMGPOBSA-N 1-[(7s)-5,7-dihydro-4h-thieno[2,3-c]pyran-7-yl]-n-methylmethanamine Chemical compound CNC[C@@H]1OCCC2=C1SC=C2 ABDDQTDRAHXHOC-QMMMGPOBSA-N 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 2
- 206010007556 Cardiac failure acute Diseases 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 2
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 2
- 206010013801 Duchenne Muscular Dystrophy Diseases 0.000 description 2
- 208000021642 Muscular disease Diseases 0.000 description 2
- 206010031123 Orthopnoea Diseases 0.000 description 2
- 208000010340 Sleep Deprivation Diseases 0.000 description 2
- LXRZVMYMQHNYJB-UNXOBOICSA-N [(1R,2S,4R)-4-[[5-[4-[(1R)-7-chloro-1,2,3,4-tetrahydroisoquinolin-1-yl]-5-methylthiophene-2-carbonyl]pyrimidin-4-yl]amino]-2-hydroxycyclopentyl]methyl sulfamate Chemical compound CC1=C(C=C(S1)C(=O)C1=C(N[C@H]2C[C@H](O)[C@@H](COS(N)(=O)=O)C2)N=CN=C1)[C@@H]1NCCC2=C1C=C(Cl)C=C2 LXRZVMYMQHNYJB-UNXOBOICSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 239000003242 anti bacterial agent Substances 0.000 description 2
- 239000003434 antitussive agent Substances 0.000 description 2
- 229940124584 antitussives Drugs 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000035565 breathing frequency Effects 0.000 description 2
- 210000000621 bronchi Anatomy 0.000 description 2
- 206010006514 bruxism Diseases 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 208000027744 congestion Diseases 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 210000003238 esophagus Anatomy 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000000870 hyperventilation Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000000422 nocturnal effect Effects 0.000 description 2
- 208000012144 orthopnea Diseases 0.000 description 2
- 230000002250 progressing effect Effects 0.000 description 2
- 208000037821 progressive disease Diseases 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 210000003019 respiratory muscle Anatomy 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 206010039722 scoliosis Diseases 0.000 description 2
- 208000013220 shortness of breath Diseases 0.000 description 2
- 208000020685 sleep-wake disease Diseases 0.000 description 2
- 210000001584 soft palate Anatomy 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- HVTQDSGGHBWVTR-UHFFFAOYSA-N 2-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]-3-phenylmethoxypyrazol-1-yl]-1-morpholin-4-ylethanone Chemical compound C(C1=CC=CC=C1)OC1=NN(C=C1C=1C=NC(=NC=1)NC1CC2=CC=CC=C2C1)CC(=O)N1CCOCC1 HVTQDSGGHBWVTR-UHFFFAOYSA-N 0.000 description 1
- IHCCLXNEEPMSIO-UHFFFAOYSA-N 2-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]piperidin-1-yl]-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C1CCN(CC1)CC(=O)N1CC2=C(CC1)NN=N2 IHCCLXNEEPMSIO-UHFFFAOYSA-N 0.000 description 1
- HCDMJFOHIXMBOV-UHFFFAOYSA-N 3-(2,6-difluoro-3,5-dimethoxyphenyl)-1-ethyl-8-(morpholin-4-ylmethyl)-4,7-dihydropyrrolo[4,5]pyrido[1,2-d]pyrimidin-2-one Chemical compound C=1C2=C3N(CC)C(=O)N(C=4C(=C(OC)C=C(OC)C=4F)F)CC3=CN=C2NC=1CN1CCOCC1 HCDMJFOHIXMBOV-UHFFFAOYSA-N 0.000 description 1
- WNEODWDFDXWOLU-QHCPKHFHSA-N 3-[3-(hydroxymethyl)-4-[1-methyl-5-[[5-[(2s)-2-methyl-4-(oxetan-3-yl)piperazin-1-yl]pyridin-2-yl]amino]-6-oxopyridin-3-yl]pyridin-2-yl]-7,7-dimethyl-1,2,6,8-tetrahydrocyclopenta[3,4]pyrrolo[3,5-b]pyrazin-4-one Chemical compound C([C@@H](N(CC1)C=2C=NC(NC=3C(N(C)C=C(C=3)C=3C(=C(N4C(C5=CC=6CC(C)(C)CC=6N5CC4)=O)N=CC=3)CO)=O)=CC=2)C)N1C1COC1 WNEODWDFDXWOLU-QHCPKHFHSA-N 0.000 description 1
- KVCQTKNUUQOELD-UHFFFAOYSA-N 4-amino-n-[1-(3-chloro-2-fluoroanilino)-6-methylisoquinolin-5-yl]thieno[3,2-d]pyrimidine-7-carboxamide Chemical compound N=1C=CC2=C(NC(=O)C=3C4=NC=NC(N)=C4SC=3)C(C)=CC=C2C=1NC1=CC=CC(Cl)=C1F KVCQTKNUUQOELD-UHFFFAOYSA-N 0.000 description 1
- CYJRNFFLTBEQSQ-UHFFFAOYSA-N 8-(3-methyl-1-benzothiophen-5-yl)-N-(4-methylsulfonylpyridin-3-yl)quinoxalin-6-amine Chemical compound CS(=O)(=O)C1=C(C=NC=C1)NC=1C=C2N=CC=NC2=C(C=1)C=1C=CC2=C(C(=CS2)C)C=1 CYJRNFFLTBEQSQ-UHFFFAOYSA-N 0.000 description 1
- 208000035285 Allergic Seasonal Rhinitis Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000037874 Asthma exacerbation Diseases 0.000 description 1
- 206010006458 Bronchitis chronic Diseases 0.000 description 1
- RZZPDXZPRHQOCG-OJAKKHQRSA-O CDP-choline(1+) Chemical compound O[C@@H]1[C@H](O)[C@@H](COP(O)(=O)OP(O)(=O)OCC[N+](C)(C)C)O[C@H]1N1C(=O)N=C(N)C=C1 RZZPDXZPRHQOCG-OJAKKHQRSA-O 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 208000020446 Cardiac disease Diseases 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 241000238366 Cephalopoda Species 0.000 description 1
- 206010008589 Choking Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 208000019505 Deglutition disease Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 241001669679 Eleotris Species 0.000 description 1
- 206010014561 Emphysema Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010020591 Hypercapnia Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 201000009342 Limb-girdle muscular dystrophy Diseases 0.000 description 1
- 206010024971 Lower respiratory tract infections Diseases 0.000 description 1
- 241000131091 Lucanus cervus Species 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010028111 Mucosal dryness Diseases 0.000 description 1
- AYCPARAPKDAOEN-LJQANCHMSA-N N-[(1S)-2-(dimethylamino)-1-phenylethyl]-6,6-dimethyl-3-[(2-methyl-4-thieno[3,2-d]pyrimidinyl)amino]-1,4-dihydropyrrolo[3,4-c]pyrazole-5-carboxamide Chemical compound C1([C@H](NC(=O)N2C(C=3NN=C(NC=4C=5SC=CC=5N=C(C)N=4)C=3C2)(C)C)CN(C)C)=CC=CC=C1 AYCPARAPKDAOEN-LJQANCHMSA-N 0.000 description 1
- 206010028735 Nasal congestion Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010073310 Occupational exposures Diseases 0.000 description 1
- 206010030124 Oedema peripheral Diseases 0.000 description 1
- 206010033307 Overweight Diseases 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 206010038678 Respiratory depression Diseases 0.000 description 1
- 206010038687 Respiratory distress Diseases 0.000 description 1
- 206010048908 Seasonal allergy Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 206010046306 Upper respiratory tract infection Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000004596 appetite loss Effects 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 238000002555 auscultation Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 208000002352 blister Diseases 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000006931 brain damage Effects 0.000 description 1
- 231100000874 brain damage Toxicity 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 208000007451 chronic bronchitis Diseases 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000006392 deoxygenation reaction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003090 exacerbative effect Effects 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000000876 intercostal muscle Anatomy 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002085 irritant Substances 0.000 description 1
- 231100000021 irritant Toxicity 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 210000004731 jugular vein Anatomy 0.000 description 1
- 210000000867 larynx Anatomy 0.000 description 1
- 201000010901 lateral sclerosis Diseases 0.000 description 1
- 230000009063 long-term regulation Effects 0.000 description 1
- 235000021266 loss of appetite Nutrition 0.000 description 1
- 208000019017 loss of appetite Diseases 0.000 description 1
- 208000030500 lower respiratory tract disease Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000037230 mobility Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 208000001022 morbid obesity Diseases 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 208000005264 motor neuron disease Diseases 0.000 description 1
- 230000004220 muscle function Effects 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 206010029864 nystagmus Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 231100000675 occupational exposure Toxicity 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 210000003300 oropharynx Anatomy 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000003863 physical function Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000036412 respiratory physiology Effects 0.000 description 1
- 208000020029 respiratory tract infectious disease Diseases 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- XGVXKJKTISMIOW-ZDUSSCGKSA-N simurosertib Chemical compound N1N=CC(C=2SC=3C(=O)NC(=NC=3C=2)[C@H]2N3CCC(CC3)C2)=C1C XGVXKJKTISMIOW-ZDUSSCGKSA-N 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 239000006188 syrup Substances 0.000 description 1
- 235000020357 syrup Nutrition 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000003519 ventilatory effect Effects 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0823—Detecting or evaluating cough events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0204—Acoustic sensors
-
- 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
- A61B5/087—Measuring breath flow
- A61B5/0871—Peak expiratory flowmeters
-
- 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
- A61B5/7228—Signal modulation applied to the input signal sent to patient or subject; demodulation to recover the physiological signal
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
Description
本出願は、2018年11月19日に出願された米国仮特許出願第62/769,272号、および2019年12月23日に出願された第62/769,272号の利益を主張すし、これらの全内容は、参照により本明細書に組み込まれる。
該当なし
該当なし
該当なし
5.1 技術分野
本技術は、睡眠呼吸障害および/または咳などの呼吸障害の1つまたは複数の検出、診断、治療、予防および改善に関する。本技術はまた、医療デバイスまたは装置、ならびにそれらの使用に関する。特に、本技術は、非接触スクリーニングデバイスなどのスクリーニングデバイスまたは装置、およびそれらの使用に関する。
5.2.1 人間の呼吸器系およびその障害
体の呼吸器系は、ガス交換を容易にする。鼻および口は、患者の気道への入り口を形成する。
持続的気道陽圧法(CPAP)療法、非侵襲的換気(NIV)、侵襲的換気(IV)および高流量療法(HFT)などの様々な療法が、上記の呼吸器障害の1つまたは複数を治療するために使用されてきた。
上記の治療法は、治療システムまたはデバイスによって提供され得る。システムおよびデバイスを使用して、状態を治療せずに状態を診断することもできる。
患者インターフェースは、例えば空気の流れを提供することによって、呼吸装置をそのユーザにインターフェースするために使用され得る。空気の流れは、マスクを介して鼻および/または口に、管を口に、または気管切開管をユーザの気管に提供することができる。適用される治療法に応じて、患者のインターフェースはシールを、例えば、患者の顔の領域で形成し得、治療を行うために周囲圧力で十分に分散した圧力でのガスの送達を容易にし、例えば、約10cmH2Oの陽圧である。酸素の送達などの他の形態の治療の場合、患者のインターフェースは、約10cmH2Oの陽圧でのガスの供給の気道への送達を容易にするのに十分なシールを含まない場合がある。
空気圧発生器は、例えば、工業規模の換気システムなどの様々な用途で知られている。しかし、医療用の空気圧発生器には、医療デバイスの信頼性、サイズ、重量の要件など、より一般化された空気圧発生器では満たされない特定の要件がある。さらに、医療用に設計されたデバイスでさえ、快適さ、ノイズ、使いやすさ、有効性、サイズ、重量、製造可能性、コスト、および信頼性の1つまたは複数を含む欠点に悩まされる可能性がある。
加湿せずに空気の流れを送ると、気道が乾燥する可能性がある。RPTデバイスと患者インターフェースを備えた加湿器を使用すると、加湿ガスが生成され、鼻粘膜の乾燥が最小限に抑えられ、患者の気道の快適さが向上する。さらに、より涼しい気候では、患者のインターフェース内およびその周辺の顔の領域に一般的に適用される暖かい空気は、冷たい空気よりも快適である。
診断は、その徴候および症状からの状態の識別である。診断は1回限りのプロセスになる傾向があるが、状態の進行状況の監視は無期限に継続できる。一部の診断システムは診断にのみ適しているが、一部の診断システムは監視にも使用できる。スクリーニングは通常、診断のための特定の状態に関連して評価され得る、経時的な徴候およびシステムの監視などの診断プロセスを伴う。
本技術は、睡眠時呼吸障害および/または咳などの呼吸性の障害呼吸の診断、監視、改善、治療、または予防に使用される医療デバイスを提供することを目的とし、快適性、コスト、有効性、使いやすさ、製造性の1つまたは複数が向上している。
本技術は、限定ではなく例として、添付の図面の図に示されている。添付の図面では、同様の参照番号は、以下を含む同様の要素を指す。
本技術をさらに詳細に説明する前に、技術は、本明細書に記載の特定の実施例に限定されず、変動する可能性があることを理解されたい。また、本開示で使用される用語は、本明細書で論じられる特定の実施例のみを説明することを目的としており、限定することを意図するものではないことも理解されたい。
一形態では、本技術は、睡眠障害を治療するための装置またはデバイスを含む。装置またはデバイスは、空気回路4170を介して患者インターフェース3000へ加圧空気を患者1000に供給するための呼吸圧療法(RPT)デバイス4000を含み得る。
本技術の一態様による非侵襲的患者インターフェース3000は、シール形成構造3100、プレナムチャンバー3200、位置決めおよび安定化構造3300、通気口3400、1つ空気回路4170に接続するための接続ポート3600の形態、および額支援3700の機能的側面を含み得る。いくつかの形態では、機能的側面は、1つまたは複数の物理的構成要素によって提供され得る。いくつかの形態では、1つの物理的構成要素が1つまたは複数の機能的側面を提供し得る。使用中、シール形成構造3100は、気道への陽圧での空気の供給を容易にするように、患者の気道への入口を取り囲むように配置される。いくつかの形態では、高流量治療を提供するためなどの患者インターフェースは、重要なシール形成構造なしで提供され得る。
本技術の一態様によるRPTデバイス4000、または呼吸療法デバイスは、機械的、空気圧的、および/または電気的構成要素を含み、1つまたは複数のアルゴリズムを実行するように構成される。RPTデバイス4000は、本文書の他の場所に記載されている呼吸状態の1つまたは複数を治療するなど、患者の気道に送達するための空気の流れを生成するように構成され得る。
本技術の一態様による空気回路4170は、使用中に、空気の流れがRPTデバイス4000および患者インターフェース3000などの2つの構成要素間を移動することを可能にするように構築および配置された導管または管である。
本技術の一形態では、周囲空気に対する患者に送達するための空気またはガスの絶対湿度を変更するための加湿器5000(例えば、図5Aに示される)が提供される。通常、加湿器5000は、患者の気道に送達される前に、絶対湿度を上昇させ、空気の流れの温度を(周囲空気と比較して)上昇させるために使用される。
図6Aは、睡眠中の人のモデルの典型的な呼吸波形を示す。横軸は時間、縦軸は呼吸流量である。パラメータ値は変動する可能性があるが、一般的な呼吸の近似値は次のとおりである。一回換気量、Vt、0.5L、吸気時間、Ti、1.6秒、ピーク吸気流量、Qpeak、0.4L/s、呼気時間、Te、2.4秒、ピーク呼気流量、Qpeak、-0.5L/sである。呼吸の合計時間Ttotは約4秒である。人は通常、毎分約15呼吸(BPM)の数で呼吸し、通気、換気、約7.5L/分である。典型的なデューティサイクルであるTiとTtotの比率は約40%である。
8.3.1 睡眠ポリグラフ検査
図7Aは、睡眠ポリグラフ検査(PSG)を受けている患者1000を示す。PSGシステムは、EEG電極2020、ECG電極2025、顎下のEMG電極2030、いびきセンサ2035、胸部帯域の呼吸インダクタンスプレチスモグラム(呼吸努力センサ)2040、腹部帯域の呼吸インダクタンスプレチスモグラム(呼吸努力センサ)2045、経口サーミスタを備えた口腔鼻カニューレ2050、フォトプレチスモグラフ(パルスオキシメータ)2055、および体位置センサ2060のセンサからの信号を受信および記録するヘッドボックス2000を含む。電気信号は、額の中央に配置された接地電極(ISOG)2010を基準としている。
本技術は、特に、対象が眠っている間など、例えば呼吸動作および/または心臓関連の胸部動作を含む、対象の動作を検出するためのシステム、方法、および装置に関する。そのような呼吸および/または他の動作の検出に基づいて、対象の睡眠状態および睡眠呼吸障害事象(例えば、無呼吸、低呼吸など)が検出され得る。例えば、処理デバイス(例えば、一般的なコンピューティングデバイス、スマートフォン、タブレット、スマートスピーカー、スマートテレビ、スマートウォッチなど)に関連付けられたアプリケーション(例えば、1つまたは複数のプロセッサ用のソフトウェア)などの処理デバイスは、スピーカーとマイクロフォン、および/または無線周波数送信機/受信機などのモバイルデバイスセンサを使用して、そのような可聴音を受動的に検出し、および/または非接触方式などで動作を能動的に検出することができる。そのような受動および能動非接触感知技術を組み合わせると、互いに補完し合い、個々にそのような方法が混乱し、または不完全である場合でも、改善された睡眠呼吸障害分類を提供するという相乗的利益をもたらし得る。そのような感知信号情報は、センサが、対象のユーザに直接または間接的に接触する感知モダリティなしに、離れた場所からユーザを監視し得る非接触方式で、本明細書に記載のスクリーニング方法のために処理され得る。本明細書で理解される一般的なコンピューティングデバイスは、プロセッサを有し、本明細書で説明される処理方法のいずれかを達成するためなど、スピーカーおよびマイクロフォンにアクセスを有する任意の電子デバイスであり得る。
本技術に適したシステムとして実装するための例示的な装置を、ここで、図7B-1、7B-2および7B-3を参照して説明する。対象1000の動作を検出するためのアプリケーション7200で構成された処理デバイス7100などの携帯電話、または電子デバイスは、人または対象(例えば、患者1000)の近くのベッドサイドテーブル上に置くことができる。携帯電話または処理デバイス7100は、例えば、1つまたは複数のプロセッサを有するスマートフォンまたはタブレットであり得る。プロセッサは、とりわけ、アプリケーション7200の機能を実行するように構成され得る。したがって、プロセス7202において、そのような機能は、(a)マイクロフォンなどの音響変換器を備えたデバイスの環境内の可聴周囲音を感知するオーディオ信号を生成させることによるなどの受動感知、および/または(b)ソナーに似た方法で、通常はデバイスの部屋の近くなど、一般的に開放された、または制限のない媒体として空中を介して、スピーカーで音響感知信号を生成および送信し、送信信号の反射を、例えば、マイクロフォンなどの変換器で感知することによって受信し、感知された信号を処理して、体の動作を1つまたは複数の動作信号として決定することなどによる能動感知を含み得る。この文脈において、ソナーという用語は、空中を通過する超音波または低周波超音波感知信号(例えば、約17~23kHz、18~22kHz、または18~22kHz、17~18kHzなどの周波数範囲)を生成/送信することによるなどの能動音響感知に関係すると理解され得る。そのようなシステムは、PCT/EP2017/073613に関連して考慮され得、その開示は、参照により本明細書に組み込まれる。
追加の感知装置は、図7C-1を参照して考慮することができ、本技術の一形態による目立たない監視装置7000を示す。監視装置7000は、眠っている患者1000に隣接して比較的近くに配置され(例えば、ベッドサイドテーブル上に)、任意選択で、前述のように処理デバイスと通信するか、またはそのような処理デバイスと統合することができる。
s(t)=u(t)cos(2πrfct+θ)(式1)
m(t)=γcos(2πfct)cos(2πfct+φ(t))(式3)
前述の本技術のさらに他の形態は、図1に示されるように、呼吸療法(例えば、圧力療法または高流量療法)を、空気回路4170を介して患者インターフェース3000に患者1000へ供給するように構成されたRPTデバイス4000または呼吸療法デバイスを含み得る。この場合、RPTデバイス4000はまた、本明細書に記載の受動および/または能動感知装置を有する個別のデバイスまたは統合されたデバイスから感知関連信号を受信するときに、本明細書に記載の処理デバイスとして構成される場合など、監視装置として構成され得る。したがって、音ベースの感知方法および/または無線周波数感知方法は、ベッドサイドデバイス(例えば、持続的気道陽圧法(例えば、「CPAP」)デバイスまたは高流量治療デバイスなどの呼吸療法デバイス)などの他のタイプのデバイス内または他のタイプのデバイスによって実装され得る。
本技術の一態様では、監視装置は、能動および/または受動感知信号からの患者1000の呼吸に関連するSDBリスクをスクリーニングするために咳および/または患者の睡眠を監視する監視プロセスを実行する。
本技術のいくつかのバージョンでは、スクリーニングシステムは、いずれかの評価の精度を改善するために、SDBリスク評価および睡眠段階化評価の両方のプロセスを有利に組み合わせることができる。例えば、無呼吸/低呼吸数(AHI)を推定する場合、実際の睡眠パラメータを使用して精度を向上させることができる(例えば、人が眠っているとき(睡眠段階)に無呼吸を検出できるようにする、および/またはOSAのある人との関係で睡眠の種類を調整することができる)。これにより、以前のシステムのいくつかの問題が軽減される可能性がある。マイクロ覚醒により、システムが覚醒の間隔を示し、SDB関連の事象を見逃す可能性がある。例えば、システムは、マイクロ覚醒で眠っているのではなく、人が起きていると判断するため、事象はシステムによって無視される可能性がある。
例えば、本技術のSDBスクリーニングシステムは、能動音響(例えば、低周波超音波-ソナー-それにより音響反射が処理される)、受動音響(1つまたは複数のマイクロフォンを使用して可聴呼吸音を「聞く」)、および/または電磁(例えば、無線周波数(RF)またはレーダー-それにより無線周波数の反射が処理される)を含む、複数の非接触感知アプローチを実装することができる。したがって、いくつかのバージョンでは、音響バージョンは、関連する信号分析を伴う能動音響感知(スピーカーおよびマイクロフォンを使用して反射を処理する)および関連する信号分析を伴う受動音響感知(リスニング)の両方の組み合わせで実装され得る。いくつかのバージョンでは、能動感知は、(a)マイクロフォンが利用できない場合などの受動音響分析なしで、または(b)RF感知とマイクロフォン感知の両方が実装されている融合アプローチでの受動音響分析を用いてRFシステムによって実装され得る。能動感知が採用される場合、感知は、パルスCW、FMCW、およびUWBを実装することによってなどの範囲(例えば、センサからの異なる距離にある異なる動作感知チャネル)で実装され得る。
本明細書で論じられるように、システムは、複数の感知範囲にわたる動作信号を評価するように実装され得る(感知領域または感知近傍の空間内の複数の場所(距離)からの信号における動作情報を組み合わせることができるように)。このような組み合わせは、FMCW(周波数変調連続波-ソナーまたはRFのいずれか)などの感知技術または他のレンジング技術を含み、異なる検出距離に対して異なる動作チャネル/レンジビンを生成する。このような異なる範囲チャネルで範囲全体の動作情報を評価することにより、多重範囲アプローチを使用して努力信号を生成できる。
本明細書で論じられるように、システムはまた、個別に発生する事象ではなく、無呼吸事象のクラスタを識別するために実装され得る。例えば、帯域内周波数メトリック(「IBM」)を使用することにより、信号変調強度は、そのような事象のクラスタを識別するために評価できる信号品質(変調の強度)を提供することができる。したがって、このようなクラスタの周波数は、SDBリスクの計算または評価の基礎を提供し、ソナー音響感知などの能動感知技術によって実行できる。
本明細書においてより詳細に説明されているように、システムは、SDBの存在を評価し、または検出するために、また、中枢性事象のない閉塞性事象を含むために、呼吸努力の変調を検出することができる。また、システムは、SDB回復/覚醒に関連する周期的な運動の検出を同じく可能にする。これは、呼吸信号および/または努力変調が弱い場合に有用である。中枢性事象の場合、この変調はゼロに近づき、したがって本明細書において説明されている変調強度信号に含めること/反映させることはできない。減呼吸の場合、これはAM(振幅)変調に似ている。閉塞性事象の場合、より苛酷なAM変調が検出される。
能動知覚信号および受動知覚信号の両方を処理する利点は、それらがいずれも、共通の知覚ターゲットに関する異なる情報を含んでいることである。例えばそれらは、異なるタイプのSDBの存在を予測するための基本として働く生理学的信号の異なる態様を測定している。受動知覚信号の場合、いびきをかく音および/または呼吸する音が解析され、これには、異なる周波数帯域にわたる強度が含まれる。能動知覚信号の場合、胸の変位が測定される(すなわちシステムは、良好な信号品質が存在する場合、胸の運動を知覚することができる)。
本明細書において説明されているシステムの例は、事象の終端における小さい運動に基づいて覚醒時間を予測することができ、これは、SpO2などの他の知覚に対して有利であるが、そうではない場合もある。酸素計測法またはカプノグラフィに勝る利点は、ソナーまたは可聴のいずれかを介したSDB関連覚醒の一部として生じ得る、身体の一部またはすべての運動を測定するためのシステムの能力に関係している。モダリティの他の知覚は、センサー部位に局所化された運動しか検出することができず、これは、SDB検出のためには有用ではないことがある。
ベッドの中に二人の人がいる場合、より遠くのベッドパートナーから最も近くの人(解析されるべき人)を分離するために、複数の特徴がシステムによって考察され得る。検出信号は、より近くの人に対してより強くすることができる。本明細書においてより詳細に説明されているように、システムは、信号の重み付き平均を実現することができる。このようなプロセスには、より強い信号を奨励する傾向があり(それを強調することにより)、また、このようなプロセスには、より弱い信号を抑制する傾向がある。したがってこの処理は、より近くの人からの情報をより遠くの人からの情報から分離することができる。いくつかの事例では、センサに対して一番近くではない一人の人がいびきをかくと、そのいびきを可聴的に知覚することができるが、関連する運動は知覚することができないことがある。このような矛盾を使用して、パートナーのいびきを分離することができる(また、任意選択で除去することができる)。言い換えると、受動知覚解析は、SDBの結論を否定する基本として働くことができる能動解析と無矛盾ではあり得ない。例えばコントローラ/プロセッサの論理を使用して実現されるような投票機構を使用して、ある時間期間にわたってより良好な信号対雑音比信号を選択することができる。能動解析は範囲情報を含むことができるため(例えばFMCW処理に基づいて)、それは、いびきをかいているより遠くのパートナーからのデータを除去するための有効な手段であり得る。例えば品質に基づく予測値の重み付き合計を使用することができる。2つの方法が複数の時間スケールにわたって互いに直接矛盾する場合(これはほとんどありそうにない)、システムによって誤り状態の旗を立てることができる。
AHI計算の一部として、システムは、呼吸減少または呼吸停止が睡眠中にのみ処理されるよう、睡眠検出を考慮する。したがって本明細書ならびに国際公開第2015/006364(PCT/US2014/045814)号において説明されているような睡眠段階化プロセスを含むことにより、システムの精度が改善される。
周期性肢運動(PLM)およびむずむず脚症候群(RLS)は、システムによって検出される変調の中に出現し得る。しかしながらこれらの変調は、無呼吸のクラスタほどには無矛盾ではなく、また、異なる時間スケールで生じ得る。したがってシステムは、PLMの反復/発生の割合が無呼吸の反復/発生の割合より高く、したがって他と全く別のものになってしまうPLMの節度のあるレベルに対して頑丈である。さらに、人の肢(脚を含む)は、通常、電話またはセンサの角度および位置に応じて主知覚ゾーンの外側に存在しているため、PLMおよびRLSは干渉する可能性がほとんどない。任意選択で、個別の、または組み合わされたRLS/PLM検出器を本明細書におけるシステムと共に同じく使用して、これらの周期運動を追跡することも可能である。このような検出器の例には、PCT/EP2016/080267に記載されている任意の方法を含むことができ、このPCT/EP2016/080267の開示全体は、参照により本明細書に組み込まれている。
歯粉砕/歯ぎしりは、より高い(より速い)頻度で生じ、処理される変調範囲には入らない。したがってこのような事象は、本明細書において説明されているSDB検出方法で回避することができる。
システムは、パラメータの形状に基づいて、また、受動知覚信号特性と能動知覚信号特性の間の特徴の関係に基づいて、中枢性クラスタ対閉塞性クラスタを差別することができる。中枢性事象対閉塞性事象は、呼吸努力信号における異なるタイプの変調として検出することができる。閉塞性事象は、典型的には努力の増加をもたらす(すなわち限定された気道に対する呼吸)。閉塞性減呼吸は、閉塞性無呼吸事象に似ているが、気道が部分的にしか閉鎖されないため、努力の変化はより小さい。一方、中枢性事象は、努力対ベースラインの低減として現れることになる(すなわち呼吸は試行されない)。したがってシステムは、事象を検出し、また、その事象が、努力における関連する増加または減少を有しているかどうか、努力包絡線の特性形状またはプロファイル、および/または振幅対ベースライン努力の相対変化(局所時間または全体的時間)を評価することにより、タイプ毎にその事象を分類することができる。
システムは、例えばベッドの中の最も近くにいる人がセンサに面しているか、センサとは反対側に面しているか、あるいは仰向けになっているか、うつぶせになっている場合、その人の相対位置を検出することができる。例えば位置を検出するためのセンサ構成および方法の例は、2017年3月2日に公開された国際公開第2017/032873号に関連して考察することができ、国際公開第2017/032873号の開示全体は、参照により本明細書に組み込まれている。
いくつかのバージョンでは、システムは、RF検出(例えばドップラー知覚)を実現して、吸息努力/呼息努力を分離または区別することができる(人は送気法を実施しているため、吸息は常にセンサに向かう)。このような区別は、例えばドップラーシフト(例えば検出運動方向変化)を処理し、それにより、吸息/呼息にマッピングすることができるターゲットの移動の方向をもたらすことによって実現することができる。これらの呼吸フェーズを区別するために実現することができる、運動方向変化を検出するための方法は、2016年10月27日に公開された国際公開第2016/170011号に記載されており、国際公開第2016/170011号の開示全体は、参照により本明細書に組み込まれている。
システムは、AHI(無呼吸減呼吸指標)またはRDI(呼吸障害指標)の予測値を提供することができる。例えばこれは、無呼吸事象および減呼吸事象の数、または睡眠時間当たりの無呼吸および事象の数に関連付けることができる。したがって異なるタイプの無呼吸(例えば無呼吸事象および減呼吸事象の直接カウント)および睡眠時間をシステムによって予測することができる場合、AHI値を予測することが可能であることが分かる。別の手法は、一人または複数人の熟練者PSGスコアラーによって提供される予測値(ラベルが振られたデータ)に基づいて、より長いスケール変調データ(例えば無呼吸および/または減呼吸の列またはシーケンス)を機械学習モデルの中に提供し、かつ、分類子(ロジスティック回帰モデル分類子など)を展開して、これらの特徴からAHIを予測することである。システムは、AHIおよび/またはRDIおよび/またはSDBのメトリック定量化リスク(例えばロジスティック回帰モデルの確率出力)の予測値を提供することができる。
システムの出力は、「危険な睡眠」指標を計算し、かつ、総合するために、他の危険因子、例えば年齢、BMI、人種、収入、併存性、アルコール摂取量と結合することができる。これは、本明細書において説明されている分類子への入力であってもよく、また、分類子によって特性化され得る。
例えば本明細書において説明されているモジュールを有する例示的システムアーキテクチャは、図8を参照して考察することができる。このようなモジュールは、本明細書において説明されている、RFセンサに基づくシステムおよび/または移動電話などの任意の処理デバイスによって実現することができる。別法としては、処理モジュールは、近傍に置かれた処理デバイス(例えばRFセンサの近くに置かれた移動電話またはタブレット)、あるいは遠隔サーバに置かれた処理デバイスのいずれかによって、センサから個別に実現することも可能である。一般に、システムは、例えば本明細書において説明されている、音響および/または無線周波数に基づく知覚デバイスからの、睡眠者(一夜の睡眠または複数の夜間睡眠など)を有する1つまたは複数の知覚セッションからの関連する知覚信号からSDBリスクの評価を実施する。プロセスは、SDBリスク指示を生成して、例えば以下のうちの任意の1つまたは複数を提供するように構成することができる。
(1)SDB事象の臨床閾値の超過(例えば15などの閾値より大きいAHI)に対する二進分フラグ(真または偽)。この閾値は、例えば10または5に調整することができ、あるいは必要に応じてもっと高く、あるいはもっと低くすることも可能である。任意選択で、二進分類フラグは記号にすることも可能である。例えばこのようなインジケータは、例えば真に対して1つの色を指示し、また、偽に対して別の色を指示するための色コード化出力であってもよい(例えば閾値(例えば15)未満のカウントに対して「緑」、また、閾値より大きいか、あるいは閾値に等しいカウントに対して赤)。
(2)SDBリスクの計算された確率(例えば1から100までなどの範囲における百分率指示またはスケール化指示であって、例えばその範囲の一方の端は、それほどにはSDBを指示せず、また、その範囲のもう一方の端は、よりSDBを示す)。
(3)関連するSDB事象の予測されたスコア(例えば無呼吸-減呼吸指標(AHI)、またはSDB事象の他のカウント)。
例えば睡眠セッション中であれ、あるいは睡眠セッションの後であれ、連続的または周期的処理を実現することによる抽出モジュール8810の目的は、能動知覚信号から関連する情報信号を規則的に計算し、および/または受動知覚信号(例えば非接触知覚)から情報信号を規則的に計算することである。このような抽出処理は、知覚信号の性質、例えばそれらがレーダー(すなわちRF)からのものであるかどうか、および/またはソナーからのものであるかどうかに依存することになる。
例えば8810Aにおける、呼吸努力信号(呼吸運動に基づく)を生成/抽出するための能動知覚信号の処理は、図9、図10および図11を参照して考察することができる。いくつかのバージョンでは、知覚信号のこのような処理は、複数の範囲(レンジビン)(図9参照)からの複素復調知覚信号を結合するための処理を含むことができ、個々のレンジビン信号は2つのチャネルに存在し得る(1つは実数部に対するものであり(これはI信号であってもよい)、また、1つは虚数部に対するものである(これはQ信号であってもよい))。典型的には、呼吸努力信号を抽出するために望ましい2つの入力が存在している。
a.例えば5秒の期間にわたる個々のレンジビンにおけるソナー信号
b.これらのレンジビンの各々に対する呼吸解析
a.すべてのレンジビンにわたって合計することによって特定のレンジビンに対応するメトリックを分割することにより、領域の左右の境界におけるレンジビン毎の重みを定義する。
b.レンジビン毎に、左と右の間の重みを線形的に補間する。
c.個々のレンジビンの中の信号を重みに掛け合わせる。
d.すべてのレンジビンにわたって上記を合計する。
(a)信号は、距離レンジビン毎に180°だけ位相を変化させることができる。
(b)呼吸範囲(すなわち呼吸運動周波数)における変調を含んでいない距離レンジビンは除外しなければならない。
(c)対象位置のあり得る変化を考慮して、連続する5秒セグメントの間で連続性を保証しなければならない。
(1)重みは、レンジビン毎に、5秒領域の左右の境界における呼吸範囲内の最も高いパワースペクトル密度(PSD)に存在しているメトリックから計算することができる。
(2)重みは、右の境界と左の境界の間の一次補間を介して領域全体にわたって分配することができる。
(3)レンジビンは、
(a)個々のレンジビンの絶対値を取ること
(b)重みのアレイを使用した掛算を介して上記の重み付き平均を取ること
によって結合することができる。
この例の場合、重みは、単純に、個々のレンジビンの信号に適用される倍率である。これは、特定のレンジビンを比例的に他のレンジビンよりも重く「重み付けする」。呼吸速度を評価する場合、大きい振幅変調成分を抑制するためには場合によっては正規化が望ましい。しかしながらこの振幅変調(AM)成分は、SDBに関連する重要な変調をより長い時間スケールにわたって含んでいるため、SDB解析のために保持される。
例えばサブモジュール8812の中で周波数帯域を生成し/抽出するための受動知覚信号の処理は、図12に示されている可聴信号の周波数スペクトルを参照して考察することができる。このサブモジュールは、例えば後で異なる周波数帯域のためのエネルギーの測度を生成するために、生の全帯域可聴信号を周波数領域に変換する。SDBのための受動可聴信号の抽出は、周波数帯域信号への可聴信号の分離を含むことができる(例えば約100Hzから8kHzまで、または250Hzから8kHzの範囲などの範囲に区切る9個の離散周波数帯域)。いくつかのバージョンでは11個の周波数帯域を実現することができ、例えばそれらの帯域は、名目上、250Hzの範囲インターバルで間隔が隔てられる。抽出処理は、1秒毎に実施することができる(1ヘルツ)。これは、離散または高速フーリエ変換などのフーリエ変換を使用して実現することができる。
(a)例えば毎秒16回、可聴データのサンプル(例えば3000サンプル)に対してFFT(例えば「4096点」)を計算することができる。これは、任意選択でデ-ミーニングの後に実施することができ、また、スペクトルウィンドウ処理が適用される。いくつかの事例では、平均除去ではなく、中央値(例えば中央値除去を例えば1秒ベースで実施する)を使用することができる。例えば1000サンプルの可聴データに対する1024pt FFT、等々(例えば非重畳フレーム)などの他のサイズを使用することも可能である。
(b)個々の周波数帯域におけるエネルギーは、特定の周波数帯域の対応するFFT係数の絶対値の合計を計算することによって決定することができる。個々のこのような合計は、個々の周波数帯域のエネルギー値と見なすことができる。9個の周波数帯域の例示的事例の場合、個々のFFT演算は、9個のエネルギー値の計算をもたらすことになる。
いくつかのバージョンでは、このモジュール8812は、任意選択で、能動および/または受動信号などの信号の解析を実現し、呼吸速度および/または対応する信号品質を予測することができる。いくつかのバージョンでは、呼吸速度は、国際公開第2015/006364号に記載されているように決定することができる。このような情報は、頑丈性を改善するために人が知覚の近傍に存在しているか否かを識別する不在/存在決定モジュールの一部として実現することができる。
良好な信号品質が存在している場合、任意選択で呼吸速度(能動または受動のいずれか)を使用して、例えばシステムの精度を改善することができる。信号の品質状況がより貧弱である場合、夜/睡眠セッションの一部に対して実時間呼吸速度を利用することができない場合であっても、依然として変調を検出して無呼吸/減呼吸のクラスタを識別することができる。
1.整合したフィルタにガウスインパルス応答を適用する。
2.スライディングウィンドウ全体にわたって最小値を差し引くことによってベースラインを除去する。
3.運動などからのアーチファクトを最小化するために95番目の百分位数で制限する。
4.短いスライディングウィンドウ全体にわたって標準偏差によって正規化する。
5.信号を統合するし、高域通過フィルタをかける。
6.スライディングウィンドウ全体にわたって標準偏差によってもう一度正規化する。
図8に図解されているように、評価モジュール8820は、SDB変調評価サブモジュール8822またはプロセス、睡眠段階化サブモジュール8824またはプロセス、およびSDB摘要サブモジュール8826またはプロセスを含むことができる。これらの各々は、本明細書においてより詳細に考察されている。一般に、SDB変調評価プロセスは、抽出処理(すなわちそれぞれ能動(例えばソナーまたはレーダー誘導呼吸運動信号)および受動(例えば可聴音響信号))からの信号ストリームの各々に対するSDB変調(周波数および/または強度)の評価を実現することができる。「SDB変調」という用語は、呼吸/生物運動信号振幅における変調、およびSDB関連事象によるより長い期間の包絡線変化と見なすことができる。
能動(例えばソナー)および受動可聴ストリーム(すなわち抽出モジュール8810の抽出処理によって生成される信号)は、SDB周波数範囲(25秒から100秒)における変調を定量化するスペクトル特性を誘導するために個別に処理される。処理ステップの多くは、2つのストリームに対して同様である。
呼吸努力を表すI&Qチャネルの各々に対して、以下の処理が特定のSDB変調周波数に対する関係で変調強度を決定する。一般に、図11に図解されているように、包絡線は個々のチャネル/信号から抽出される。包絡線は、フィルタリングおよび/または正規化することができる。包絡線は、SDB関連範囲(例えば約25~100秒)における変調周波数特性および/またはその強度特性を決定するためにスペクトル解析によって処理される。そのSDB関連周波数における変調強度は、本明細書においてより詳細に考察されているようにSDB摘要サブモジュール8826に出力することができる。このような出力を生成するための例示的ステップは以下を含むことができる。
1)包絡線抽出(FMCW抽出包絡線)
a.NaN補間
b.アウトライヤー除去
c.遮断が0.075HzのIIR LPフィルタ
d.1Hzにおけるダウンサンプリング
2)ミキサー手法を介した包絡線正規化(包絡線を正規化する)
a.総合中央値による初期スケーリング
b.上記ステップa)における包絡線と、スライディングウィンドウ全体にわたって標準偏差によってスケール化された包絡線との線形結合
3)SDB周波数範囲におけるスペクトル特性の抽出(変調周波数を獲得し、ibm(インバンドメトリック)を計算する)
a.トレンド除去およびスペクトルウィンドウ処理を適用した後、6分のウィンドウ全体にわたって1分おきにFFT(例えば1024点)が実施される
b.以下のスペクトル特性が抽出される
(i)fPeak:SDB周波数範囲(すなわちSDB帯域-例えば25秒から100秒)におけるピークPSDに対応する周波数
(ii)ibm(インバンドメトリック)、
上式で、「P信号」は、ピーク周波数の近辺の帯域(例えば狭帯域)に含まれているパワーであり、また、「P雑音」は、総パワーとP信号の間の差である。
可聴帯域チャネルの場合(例えば例では9個)、以下の処理が特定のSDB変調周波数に対する関係で変調強度を決定する。一般に、図13に図解されているように、包絡線は結合されたチャネル/信号から抽出される。包絡線は、フィルタリングおよび/または正規化することができる。包絡線は、次に、SDB関連範囲(例えば約25~100秒)における変調周波数特性および/またはその強度特性を決定するためにスペクトル解析によって処理される。そのSDB関連周波数における変調強度は、本明細書においてより詳細に考察されているようにSDB摘要サブモジュール8826に出力することができる。このような出力を生成するための例示的ステップは以下を含むことができる。
1)チャネル結合
a.スライディングウィンドウ全体にわたって最小を控除することによって帯域毎のベースラインが除去される
b.帯域全体にわたる平均を取ることによって帯域が結合される
2)包絡線抽出
a.ピークが抽出され、最小ピークに約5秒の分離を強制する
b.1Hzでの補間および平均フィルタの適用によって包絡線が誘導される
3)積分および高域通過フィルタ(1/100Hzにおける通過帯域周波数)を含む包絡線フィルタリング
・このステップは、インパルス列(これは、受動可聴信号包絡線における閉塞性無呼吸の特徴である)をスペクトル解析のためにより適した信号に変換するために適用される。
4)包絡線正規化-ソナーストリーム処理からのステップ2)と全く同じである
5)SDB周波数範囲におけるスペクトル特性の抽出-上で説明した能動ストリーム処理からのステップ3)と全く同じである
また、サブモジュール8822は、例えば能動知覚ストリーム中における検出されたSDBクラスタの存在を特性化している生成されたクラスタフラグに基づいて、睡眠覚醒補正マスクを同じく生成することができる。このような手法は、以下の要因の対処を促進することができる。
・睡眠段階化(例えばソナー特徴のみに基づいて実施される場合)とSDB評価の間の無矛盾性を保証すること
・SDBスクリーニングのための能動知覚信号(例えばソナー)特徴の性能が受動可聴特徴のみよりも優れている
既に説明したように、評価モジュールは、入力信号(例えば能動および受動知覚信号からのSDB関連周波数としての変調強度)を評価することができ、それによりSDB分類フラグ、SDBリスクの確率および/またはSDB事象のスコアを決定することができる。また、このような決定は、例えばサブモジュール8824からの睡眠段階化情報に基づくことも同じく可能である。このような決定は、SDB関連変調を含むセグメント(時間期間)を表すSDB関連クラスタの検出を最初に含むことができる。このような決定は、本明細書においてより詳細に説明されている。
強力なSDB変調のクラスタは、能動(例えばソナーおよび/またはレーダー)および受動可聴ストリームの各々に対する変調強度メトリックに基づいて識別される。プロセスは、以下の処理のうちの任意の処理を含むことができる。
・メトリックに対する最小閾値を評価することによって二進フラグ信号(時間シリーズ)が構築される。例えば閾値以上の強度信号の値に対してはフラグは真にセットされ、また、そうでない場合は偽にセットされる。この「強度」は、振幅/パワーの変調強度、および/または能動または受動知覚ストリームの周波数変調強度に関連している。
・任意選択で、例えば10-タップ平均フィルタを強度信号に適用することによって強度信号をフィルタリングすることができる。
・クラスタフラグ信号は、フィルタリング後の追加強度信号を二次閾値を使用して追加評価することによって得ることができ、あるいは補正することができる。例えば第2の閾値以上のフィルタリング済み強度値に対してはフラグは真にセットされ、また、そうでない場合は偽にセットされる。
既に言及したように、SDB摘要サブモジュール8826は、何らかのSDBリスク、SDB識別および/または事象スコアリングを決定するための上で言及した処理からの入力を分類するための1つまたは複数の分類子を含むことができる。例えばこのようなモジュールは、能動知覚ストリーム(例えばIチャネルおよびQチャネルからの強度信号、クラスタ信号、呼吸速度信号、信号品質信号、睡眠段階、等々のうちの任意の信号からのスカラー値)、および受動知覚ストリーム(例えば強度信号、クラスタ信号、呼吸速度信号、信号品質信号、等々)からの記録セッション全体を特性化する1つまたは複数のスカラー値などのSDB関連の特徴を計算することができる。モジュールは、例えばロジスティックモデル分類子を適用して二進SDB分類フラグおよび関連するSDBリスク確率を生成し、および/または回帰モデル分類子を適用して、(a)AHIスコアの予測値または(b)閾値(例えば睡眠障害を表す閾値)より大きい多数の無呼吸および/または減呼吸事象を含んだ睡眠セッションであるリスク確率値を生成することができる。また、モジュールは、SDB確率の評価に基づいて睡眠スコア調整(例えばペナルティ化)係数を同じく生成することができる。これを適用して、睡眠段階化モジュール8824によって決定される、SDB摘要モジュール8826への入力である睡眠関連スコアを補正することができる。
・能動知覚ストリームから(例えばfpeak_median_active)
(a)空白の期間はスクリーンアウトすることができる
(b)存在する場合、さらなる処理のために、例えばチャネルのうちの最小雑音チャネルを表し得る最小を取ることによってI&Qチャネルを結合することができる。別法として、3点中央値フィルタを適用することによってI&Qチャネルを円滑にすることも可能であり、また、最も高い変調強さを有するチャネルに対応する値を抽出することによってチャネルを結合することができ、また、ibm(インバンドメトリック)を円滑にするために3点中央値フィルタが適用される。
(c)次に、変調強度が閾値を超えている期間にわたって、信号または結合された最小信号の中央値を計算することによって特徴を計算することができる。任意選択で、隔離された一点ブロックを予測値から除外することができる。超過ブロックの累積継続期間が閾値より小さい場合、最小周波数を戻すことができる。能動クラスタ比率が大きい場合、周波数特徴は、能動クラスタ全体の平均として計算することができる。
・受動知覚ストリームから(例えばfpeak_median passive)
(a)円滑化のために3点中央値フィルタを変調周波数時間シリーズに適用することができる
(b)受動クラスタ全体の中央値を特徴として取ることができる
Factor=min[1,slope×risk_prob+intercept)]
(a)負として分類された対象に対しては係数は1に等しくなる(ペナルティなし)(例えばSDBリスクの確率はゼロであるか、または閾値未満である)。
(b)「risk_prob」すなわちSDBリスク確率(例えばカウント閾値(例えば15)より大きいAHIを有するユーザの確率)が1(例えば100%または百分率閾値より大きい)場合、係数は最小値(例えば0.6)に等しくなる。
・総睡眠時間
・深い睡眠
・REM睡眠
・浅い睡眠
本技術のいくつかのバージョンにおいては、抽出信号による、および/または、その他の前記のセンサのための能動および/または受動感知信号のその他の処理によるなどして、咳の評価を具現してもよい。そのようなシステムは、図8Aに図示するような咳評価モジュール8843を備えて具現してもよい。例えば咳事象に関する兆候信号を生成するための、そのような評価は、図8Aに示すような前記の評価モジュール8820により、または評価モジュールとは別の独立モジュールにより、具現してもよい。(例えば、ベッド、ソファ、椅子などにおいて)睡眠中の人に対する咳/喘鳴/くしゃみの検出は、SDB検出と並行して行うことができる。覚醒中の人のSDB検出は、必ず(またはほぼ必ず)入力を「覚醒中」として行う必要がある。睡眠スコアは、例えば睡眠中断指標または睡眠断片化指標の上昇が生じることにより、咳が悪化すると下げる(減点)ことができる。総合的なクオリティ・オブ・ライフのスコアは、昼間と夜間の両方の咳またはその他の呼吸事象にしたがって引き下げてもよい。
・周波数
・時間-(強度の代用として用いてもよい)振幅を含む
・スペクトログラム
・ウェーブレット
・局所ピーク(ピーク検出)、および主ピーク対周辺ピークの面積比(例えば、ピーク周囲の面積の積分による)
・局所での最大値および全体での最大値および高調波
・低周波成分の積分(エネルギー推定値)、高周波成分の積分、および/または、低高比率など、低周波および高周波のエネルギー推定値の比率
・複数帯域への分割(例えば、フィルターバンクの使用による)、および、ここに記載したもの以外の特徴量を導き出すなどのために、各サブバンド内のデータの処理
・メル周波数ケプストラム係数(MFCC)-人間の可聴音に近似するための非線形間隔フィルターバンク
・スペクトル束
・スペクトル重心
・高調波積スペクトル
・スペクトル拡散
・スペクトル自己相関係数
・スペクトル尖度
・線形予測符号化(LPC)
・RMS(各フレームの音量(dB尺度などによる大きさ)の推定を与えるためなど)
・ゼロ交差率
・エンベロープ(例えば、フィルタを通したヒルベルト変換の絶対値)
・短時間音声自己相関関数に基づくピッチ
・吸気の時間および深度
・呼気の時間および深度
・吸気対呼気の比率
・(例えば)咳による呼吸信号のノッチ/へこみ
・長期間の呼吸数(ピーク-ピーク、トラフ-トラフ、あるいはゼロ交差から推定-または、スペクトル推定から導く)
・呼吸および動きの超音波検出。これは、約15~20kHz以上の周波数を使用することができる。
・100Hz~5kHz以上の標準可聴周波数を検出するマイクロフォンを使用する、呼吸事象の音声検出および分類。この音声処理は、超音波検出から導き出される呼吸パターンおよび動きと融合させることができる。
・任意の選択肢として、スマートフォンの加速度計および/またはジャイロスコープ、またはその他の運動センサあるいはその他のセンサ(PPG)あるいはサービスを使用して昼間の活動および歩行を追跡し、任意の選択肢として、活動あるいは歩数、または活動あるいは歩数の変化を咳事象/種別に関連づける。
・機械学習された特徴量を使用する個人化AIの洞察、および大きな現場データセットへのディープラーニングの適用
いびき検出器を実施する一つのやり方は、リアルタイムまたは(毎秒2回の特徴量更新など)ほぼリアルタイムの処理、および/または、オフライン動作で夜間終期/セッション終期における、いびき分類プロセスを含んでもよい、後処理などを検討することである。この場合、「オフライン」は、データが、遅れて、ある時点(例えば、睡眠セッション後)に処理されることを指すものと解することができる。一方、「オンライン」は、リアルタイムまたはほぼリアルタイムの処理にかかわる。データをリアルタイムまたはほぼリアルタイムで処理する必要がないということは、いっそう大きな処理能力の利用を実施するために、データをリモートサーバー(または、他のクラウドコンピューティング装置)へ送信することを可能にする。これは、より長い期間にわたる、より多いデータの処理を容易にし、そのデータにおける長期的傾向の認識を可能にする。本技術の実施例は、ローカルおよび/またはリモート処理を利用する、そのようなオンラインおよびオフラインの処理方法のいずれか、または両方を実施してもよい。
・所与の秒間におけるいびきの確率[pSnore]。前記の確率は、本明細書にいっそう詳細に記載するように、計算してもよい。これは、(ディープニューラルネットワーク(DNN)、畳み込みニューラルネットワーク(CNN)、反復ニューラルネットワーク(RNN)等の)ニューラルネットワークによって計算することができる。この値は、処理のために使用してもよく、いびきインジケータとして表示してもよい。
・所与の秒間の音声信号の二乗平均平方根(RMS)[audioRms] (例えば、入力音声は、現在秒のRMSによって正規化することができる)。これは、信号強度の推定値を表すものとしてもよい。
RF、ソナー、および/または受動音響分析を用いて、呼吸努力の推定に基づいて気流制限を推定することができる。これは、詳しくは、前記の感知技術を用いて、気流制限の存在または程度(またはその他の呼吸努力メトリック)を推定するプロセスを含む。実施例は、気流制限/呼吸努力を示すフラグまたは(絶対または相対)指標を出力してもよい。
・食道における圧力の上昇に気流の増加が伴わない場合に発生の可能性があり、残留上気道気流制限の非侵襲的評価がある。
・負の健康結果に結びつき、睡眠を妨げかねない。
・期間が長引く可能性がある。すなわち、無呼吸/低呼吸/酸素飽和度低下事象に結びつかないかも知れない。
・COPD(呼気FL)のモニターにおいて有用である可能性もある。
・一般的に、気流信号形状の水平化として現れる。
・スペクトログラム/MFCC、ケプストラム、短時間フーリエ変換(STFT)へのCNNなどの時間/周波数の方法
・生体運動信号の形状(基準点分析、歪度、尖度、呼吸部分面積等)から推論する。
・これは、一般的には、(該当する場合にはCW/FMCW歪みを説明する)波形のある種の水平化を記述するメトリックを探求するものである。
・(利用可能な場合には)ドップラーレーダーを用いて呼吸サイクルの吸気/呼気部分を推論することができる。
・受動および能動の特徴量の利用は、信頼性を高め、さまざまなタイプの気流制限の捕捉を可能にすることなどにより、非接触感知モダリティに相乗的改善をもたらすことができる。例えば、気流制限は、全面的閉塞性事象よりも重症度の低い閾値に対応させてもよく、そうすれば、いろいろな感知技術が、異なる検出閾値の利用を可能にするであろう。
閉塞性無呼吸は、その事象が、強いいびきに時間的に近接する持続的無音として現れるので、受動音響ストリームのみを用いて分類してもよい。検出のために事象の周期性も利用できる。このような特徴は、重症例では相当明確であり、実際の事象の時にいびき、あえぎ音が存在し得る中等度の事象は異なる特徴を有する。
中枢性無呼吸の最も示差的な特性は、能動信号に見られる無呼吸時の呼吸努力の欠如である。多くの例は、いびきを発現しない。しかし、あえぎ/大音の呼吸の特徴が、スペクトログラムから検出され得る。これは、受動信号からあえぎ/大音呼吸を確認することによって補完され得る。中枢性無呼吸分類は、受動信号における不規則ないびきの欠如と併せて、能動信号を利用することによって見つけることができる。いくつかの稀な症例では、実際の中枢性無呼吸事象の前に、大音で規則的ないびきが検出され得る(例えば、訓練症例がディープニューラルネットワークに提供されてもよい、または、両方の症例の分類を可能にするために規則セットが利用されてもよい)。図26~図30は、主として中枢性無呼吸事象に基づく、中等度OSA分類における受動および能動感知の信号の共通の時間スケールのグラフィック表示の例示であり、分類された事象(例えば、閉塞性無呼吸、閉塞性/中枢性混在無呼吸、中枢性無呼吸、および低呼吸)の兆候を表示している。図31は、主として中枢性無呼吸事象に基づく、重度OSA分類における受動および能動感知の信号の共通の時間スケールのグラフィック表示の例示であり、分類された事象(例えば、閉塞性無呼吸、閉塞性/中枢性混在無呼吸、中枢性無呼吸、および低呼吸)の兆候を表示している。
低呼吸は、受動信号のみを用いて分類するのは、難しいことがあり得る。本節では、一人の重症患者の低呼吸事象の例が示される。例えば、受動ストリームに明確な特徴のない低呼吸シーケンスの視覚的例示を与える、一方、別の例では、いびき/大音呼吸が、受動スペクトログラムに見られる(この患者は、チェーンストークス呼吸の兆候-ストークス呼吸とおそらくは原発性のいびき(いびき検出アルゴリズムによる総記録時間の34%)を示している)。図32および図33は、主として低呼吸事象に基づく、重度OSA分類における受動および能動感知信号の共通の時間スケールのグラフィック表示の例示であり、分類された事象(例えば、閉塞性無呼吸、閉塞性/中枢性混在無呼吸、中枢性無呼吸、および低呼吸)の兆候を表示している。
いびき検出アルゴリズムは、SDB検出、および特に事象の種別化、のための有用な特徴量を提供することができる。例えば、総いびき時間とAHIの間には明確が相関があるかも知れない。支配的閉塞性成分を有する記録は、いびきのある睡眠時間の総量の比率が高い。支配的中枢性成分を含むほとんどの記録は、いびきのレベルが低いが、例外もある。そのような例外では、検出されたいびきは、実際、原発性の症例かも知れない。それは、より粒状のレベルで本システムによるさらなる分析の対象となり得る(すなわち、いびきフラグをSDB事象に関連づける)。
医師は、COPDまたはその他の慢性症状に苦しむ患者の健康状態への洞察を得ることができ、医療取り扱いを必要とするが、慢性症状を有することをまだ自覚していない患者に接続する潜在的可能性を有する。したがって、処理デバイスとそのアプリケーション(アプリ)は、咳関連の情報を生成し、咳関連の情報の遠隔モニタリングのための臨床システムに送信するように構成されてもよい。
背景として、本システムのための、接続された介護の価値提案は、高齢者介護市場に存在する-特に、高齢者介護のデジタル支援生活ツールに、先に述べたような、能動ソナーおよび/または受動音響技術を組み込むことによって、独居生活における介護負担を軽減することを目標としている。本システムは、広範な潜在可能性を有する-例えば、喘息、COPD、CHF、認知症、アルツハイマー病等に苦しむ独居生活者がいる。2015年には、世界中で8人に1人が60歳以上であった。2030年までには、6人に1人が60歳以上となる。
これは、(例えば、(任意の利用可能な範囲の「ビン」-例えば、すべての範囲-を処理する)CWまたはFMCW ソナーを用いる)能動感知を備えた部屋で動きを検出することにより、および/または、動きの音の特性を受動感知/聴取することにより、でマクロスケールで行うことができる。
高齢者は、テレビの前で多くの時を過ごすことがあり、実際、(心臓障害が原因で横になっている場合、またはCOPDを有する人などの聴覚困難など)健康状態が悪くなると、いっそうそこで時間を費やすことになる(すなわち、椅子で寝ようとする)。
認知症およびアルツハイマー病の増悪の兆候としての睡眠メトリクスの劣化を検出することなどにより、睡眠断片化メトリクスを追跡する。
これは、咳の多さと強度、異常呼吸数の期間など、音響の特徴の経時的変化における検出にかかわる。
本システムは、冷蔵庫のドアの開放、電子レンジ、オーブン、玄関ドアの特徴的な音を受動分析して「聴取」し、それらの事象をモニタリングステーションへ送信する。事象を示すその他の特徴的な音には、電子レンジのタイマーの「ベル」音またはドアベルなどがある。機器の使用に関する相互作用など、そのようなユーザ環境との相互作用は、モニター対象の人の活動の兆候を与えることができ、それは、そのモニター対象の人の活動の標準または一貫性/パターンなどに関連して、ユーザの状態/健康の兆候として役立ち得る。予想される時間枠におけるそのような活動の欠如は、懸念される兆候とみなしてもよく、モニター対象の人(例えば、高齢者)の検査のために、直接的接触の必要があると見てもよい。
上記の評価および信号に基づいて、コンピュータまたは携帯電話などの処理デバイスのディスプレイに表示される出力実施例は、図14~図17および図34~図38に例示のグラフィックインジケータを参照して考慮してもよい。この点について、評価モジュールによって生成されるいかなる信号/情報も、出力モジュール8830による出力として生成されてもよい。例えば、SDBリスク(または、SDB確率)の決定値は、リスクオメータ(risk-o-meter)グラフィックに出力される。リスクオメータは、針などのポインタ、および1~100などのスケールを含んでもよい。その他の適切な形式および/またはスケールが提供されてもよい。スケールは、ポインタが軸点からスケールに沿って表示値を指示するように、円形または円弧としてもよい。いくつかのバージョンでは、スケールの離散部分(範囲)が、異なる色で表されて、スケールに沿って異なる特性を示してもよい。例えば、スケールは、正常な特性(例えば、0~15)と、リスクの高い睡眠特性(例えば、15~100)の範囲を表してもよい。リスクの高い睡眠特性は、高と低など、複数の下位特性によって形成されてもよい。実施例においては、リスクの高い睡眠特性について、赤色で表してもよい高リスク範囲は、30~100の範囲である。リスクの高い睡眠特性のうち、橙色で表してもよい低リスク範囲は、15~30の範囲である。同様に、正常な睡眠特性も、低と正常など、複数の下位特性によって形成してもよい。正常な睡眠特性のうち、例えば、黄色で表してもよい低リスクは、5~15の範囲である。正常な睡眠特性のうち、緑色で表してもよい正常なリスクは、0~5の範囲である。図14~図17および図34の例では、評価モジュール8820において決定されたリスク確率値が、出力モジュール8830によって利用され、スケール表示にリスク判定値を示すポインタを備えたインジケータが生成される。任意の選択肢として、テキストラベルが、スケールの範囲によって認識される睡眠特性のラベルを提供する。いくつかのバージョンでは、図示のように、グラフィックインジケータが、評価モジュール8820の分類器によって決定された推定AHIカウントを記載したテキストラベルを含んでもよい。図34の例示リスクメーターでは、曲線形状(例えば、円弧形)が、確率計算値と結びつけられたリスクレベルの色で比例的に彩色表示されてもよい。
本技術のいくつかのバージョンは、以下のいずれかを提供してもよい。
(1)アプリケーション(例えば、ソフトウェア)を使用するRFハードウェアセンサーおよび/またはソナー感知装置による非接触SDBスクリーニング
(2)正確なAHI推定を含む、睡眠段階が検出されてもよい。
(3)重度のSDBを持つ対象者などについては、AHIおよび睡眠段階の予測の確度を向上させるために、睡眠/覚醒補正が提供されてもよい。
(4)本システムが最も有用な方向で最適の位置にない場合でも、結果を生み出すように、能動センサー(ソナーまたはRF)と受動センサ(マイクロフォン)の両方を実装して、技術を融合して相乗効果を生み出すようにしてもよい。
(5)能動感知信号と受動感知信号の両方からの特徴量を評価して、中枢性事象を、閉塞的およびその他のタイプの事象と区別してもよい。
(6)個別事象の個別的検出ではなく、呼吸/音/動き(強度と周波数の両方)の長い時間周期の調節を含む評価。それにより、本システムを、よくある干渉因子/交絡因子に対して、より堅牢にすることができる。
(7)努力における調節または音だけではなく、SDB関連の覚醒/回復に結び付けられる動きを捕捉する。
(8)本システムは、非接触感知装置からの、より遠い別の人の感知を避けるために、ベッド内の最も近い人の検出に集中するように構成されてもよい。
本技術の開示において、本技術のいくつかの形態においては、以下の定義のうち1つ以上が適用され得る。本技術のその他の形態において、別の定義も適用され得る。
空気:本技術のいくつかの形態においては、空気は大気を意味してもよく、本技術のその他の形態においては、空気は、例えば、酸素を豊富に含む大気など、他の呼吸可能な気体の組み合わせを意味するものと解してもよい。
無呼吸:好ましくは、無呼吸は、気流が、例えば10秒間、所定の閾値を下回った場合に発生したものとされる。閉塞性無呼吸は、患者の努力にもかかわらず、気道の閉塞が空気の流れを許さない場合に発生したものとされる。中枢無呼吸は、気道が開通してにもかかわらず、呼吸努力の低下または呼吸努力の欠如に起因する無呼吸が検出された場合に発生したものとされる。混在無呼吸は、呼吸努力の低下または欠如と気道閉塞が同時に起こっている場合に、発生する。
気流量(または気流):単位時間当たりで運ばれる空気の瞬間量(または質量)。気流量と換気量は、単位時間当たりの体積または質量で同じ次元を有するが、気流量は、はるかに短い時間に対して測定される。いくつかのケースでは、参照気流量は、スカラー量、すなわち、大きさのみを有する量である。また、別のケースでは、参照気流量は、ベクトル量、すなわち、大きさと方向を有する量である。符号付きの量として言及している場合、気流量は、患者の呼吸周期の吸気部分を、名目上、正とし、したがって、患者の呼気周期の呼気部分を負としてもよい。気流量は、記号Qで表される。総気流量Qtは、RPTデバイスを出ていく空気の流量である。換気量Qvは、呼気気体のウォッシュアウトを可能にするベントを出て行く空気の流量である。漏出量Qlは、患者インターフェースシステムから、意図に反して漏れ出してしまう流量である。呼吸量Qrは、患者の呼吸システムで受け取る空気の流量である。
本特許文書の開示の一部は、著作権保護の対象となる内容を含む。本特許文書または本特許開示は特許庁の特許ファイルまたは記録に記載されるものであり、何人によるそれらのファックス複製にも、著作権所有者は異議を有しないが、その他の点については、すべての著作権を保有する。
エンベロープ信号を生成する。
エンベロープ信号を正規化する。そして
正規化されたエンベロープ信号からスペクトル特性を生成する。
1つまたは複数のエネルギー帯域信号を組み合わせる。
組み合わせられたエネルギー帯域信号からエンベロープ信号を生成する。
組み合わされたエネルギー帯域信号からのエンベロープ信号をフィルタリングおよび正規化する。そして
フィルタリングされ正規化されたエンベロープ信号からスペクトル特性を生成する。
受動信号の変換を計算することにより、受動信号の音の周波数を帯域信号に分離する。
帯域信号のエネルギー値を計算する。そして
帯域信号ごとに計算されたエネルギー値を平均する。
能動非接触感知および受動非接触感知のために構成された1つまたは複数のセンサ。そして
以下のように構成された1つまたは複数のプロセッサ。
1つまたは複数の動作信号から1つまたは複数の呼吸信号を抽出し、1つまたは複数の動作信号は、1つまたは複数のセンサを用いた能動非接触感知によって生成され、
受動信号から1つまたは複数のエネルギー帯域信号を抽出し、受動信号は、1つまたは複数のセンサを用いた受動非接触感知によって生成され、受動信号は、1つまたは複数のセンサの音響センサによって検出される音響情報を表す。
1つまたは複数のエネルギー帯域信号および/または1つまたは複数の呼吸信号を評価して、睡眠呼吸障害変調の強度を表す1つまたは複数の強度信号を生成する。そして
睡眠呼吸障害の1つまたは複数の測定値を生成するために、1つまたは複数の強度信号から導出された1つまたは複数の特徴を分類する。
エンベロープ信号を生成する。
エンベロープ信号を正規化する。そして
正規化されたエンベロープ信号からスペクトル特性を生成する。
1つまたは複数のエネルギー帯域信号を組み合わせる。
組み合わせられたエネルギー帯域信号からエンベロープ信号を生成する。そして
組み合わせられたエネルギー帯域信号からのエンベロープ信号をフィルタリングおよび正規化する。そして
フィルタリングされ正規化されたエンベロープ信号からスペクトル特性を生成する。
受動信号の変換を計算することにより、受動信号の音の周波数を帯域信号に分離する。
帯域信号のエネルギー値を計算する。そして
各帯域信号の計算エネルギー値を平均する。
マイクロフォンで生成された信号にアクセスし、信号は、人の近くでの受動非接触感知によって生成され、信号は、マイクロフォンによって検出された音響情報を表す。
信号から1つまたは複数の咳関連の特徴を導出する。そして
人による咳の1つまたは複数の事象の表示を生成するために1つまたは複数の特徴を分類する。
1つまたは複数のプロセッサは、生成された1つまたは複数の動作信号の評価に基づいて、人による咳の1つまたは複数の事象の表示を生成する。
受動非接触感知用に構成された1つまたは複数のマイクロフォンであって、1つまたは複数のマイクロフォンは、人の近くで受動非接触感知によって信号を生成し、信号は、1つまたは複数のマイクロフォンによって検出された音響情報を表す。そして
1つまたは複数のマイクロフォンに結合された1つまたは複数のプロセッサであって、1つまたは複数のプロセッサは、以下を含む。
1つまたは複数のマイクロフォンで生成された信号にアクセスするように構成されたモジュール。
信号から1つまたは複数の特徴を導出するように構成されたモジュール。そして
人による咳の1つまたは複数の事象の表示を生成するために1つまたは複数の特徴を分類するように構成されたモジュール。
1200 非接触センサユニット
2010 接地電極ISOG
2015 EOG電極
2020 EEG電極
2025 ECG電極
2030 サブメンタルEMG電極
2035 いびきセンサ
2040 呼吸インダクタンスプレチスモグラム呼吸努力センサ
2045 呼吸インダクタンスプレチスモグラム呼吸努力センサ
2050 oro-鼻カニューレ
2055 フォトプレチスモグラフパルスオキシメータ
2060 体位センサ
3000 患者インターフェース
3100 シール-形成構造
3200 プレナムチャンバー
3300 構造
3400 通気口
3600 接続ポート
3700 額支援
4000 RPTデバイス
4010 外部ハウジング
4012 上部
4014 部分
4015 パネル
4016 シャーシ
4018 ハンドル
4020 空気圧ブロック
4112 吸気フィルタ
4122 入口マフラー
4124 出口マフラー
4140 圧力発生器
4142 送風機
4170 空気回路
4200 電気部品
4202 PCBA
4210 電源
4220 入力デバイス
4230 中央コントローラ
4240 治療デバイスコントローラ
4250 保護回路
4260 メモリ
4270 変換器
4272 圧力センサ
4274 流量センサ
4280 データ通信インターフェース
4290 出力デバイス
5000 加湿器
5002 加湿器入口
5004 加湿器出口
5006 加湿器ベース
5110 加湿器リザーバ
5240 発熱体
7000 監視装置
7001 マイクロコントローラユニットMCU
7002 メモリ
7003 動作信号
7004 通信回路
7005 外部コンピューティングデバイス
7006 プロセッサ
7008 接続
7010 非接触動作センサ
7015 ディスプレイデバイス
7017 オーディオ出力
7020 送信機
7030 受信機
7040 局部発振器
7050 (指向性)アンテナ
7060 送信信号
7070 反射信号
7080 ミキサー
7100 処理デバイス
7200 アプリケーション
7202 プロセス
7204 プロセス
7206 プロセス
7208 プロセス
7302 音センサ
7304 プロセッサ
7306 ディスプレイインターフェース
7308 ユーザ制御/入力インターフェース
7310 スピーカー
7312 メモリ/データストレージ
8810 抽出モジュール
8812 能動感知信号抽出サブ-モジュール
8814 受動感知信号抽出サブ-モジュール
8820 評価モジュール
8822 SDB変調評価サブ-モジュール
8824 睡眠段階化モジュール
8826 SDB概要モジュール
8830 出力モジュール
8833 咳評価モジュール
8902 能動感知プロセス/モジュール
8904 受動感知プロセス/モジュール
8906 睡眠段階化プロセス/モジュール
8908 評価プロセス/モジュール
8910 呼吸努力プロセス/モジュール
8912 プロセス/モジュール
8914 特徴抽出プロセス/モジュール
8916 学習した特徴プロセス/モジュール
8918 咳関連のフィンガープリントプロセス/モジュール
8920 いびき分類プロセス/モジュール
8922 SDB評価プロセス/モジュール
8924 睡眠段階出力プロセス/モジュール
8926 睡眠スコア出力プロセス/モジュール
8928 出力プロセス/モジュール
Claims (77)
- 人の睡眠呼吸障害状態を監視するための1つまたは複数のプロセッサで実施される方法であって、
1つまたは複数の動作信号から1つまたは複数の呼吸信号を抽出することと、ここで、前記1つまたは複数の動作信号は、能動非接触感知によって生成され、
受動信号から1つまたは複数のエネルギー帯域信号を抽出することと、ここで、前記受動信号は受動非接触感知によって生成され、前記受動信号は音センサによって検出された音響情報を表し、
前記1つまたは複数のエネルギー帯域信号および/または前記1つまたは複数の呼吸信号を評価して、睡眠呼吸障害変調の強度を表す1つまたは複数の強度信号を生成することと、
睡眠呼吸障害の1つまたは複数の測定値を生成するために、前記1つまたは複数の強度信号から導出された1つまたは複数の特徴を分類する、または分類のために送信することと、
を含む方法。 - (a)睡眠呼吸障害の前記1つまたは複数の測定値に基づいて睡眠呼吸障害指標を生成することと、(b)前記睡眠呼吸障害指標をディスプレイに表示する、および/または転送することと、(c)睡眠呼吸障害の前記1つまたは複数の測定値をディスプレイに表示する、および/または転送することと、
のいずれか1つまたは複数をさらに含む、請求項1に記載の方法。 - 前記分類することは、睡眠セッションの閾値を超える多数の睡眠呼吸障害事象の存在の肯定および否定のうちの1つを識別することを含み、睡眠呼吸障害の前記1つまたは複数の測定値は、前記識別の結果を表すバイナリフラグを含む、請求項1から2のいずれか一項に記載の方法。
- 睡眠呼吸障害の前記1つまたは複数の測定値は、睡眠呼吸障害の確率を含み、前記バイナリフラグは、前記確率が閾値を超えた場合に肯定を表す、請求項3に記載の方法。
- 睡眠呼吸障害の前記1つまたは複数の測定値は、無呼吸事象および低呼吸事象の総数の推定値を表す無呼吸低呼吸指数を含む、請求項1から4のいずれか一項に記載の方法。
- 睡眠呼吸障害の前記1つまたは複数の測定値は、睡眠呼吸障害の確率を含み、前記方法は、(a)前記確率に基づいて睡眠段階調整係数を生成することと、(b)睡眠段階時間を前記睡眠段階調整係数の関数として調整することと、をさらに含む、請求項1から5のいずれか一項に記載の方法。
- 1つまたは複数の強度信号に基づくクラスタフラグ信号を生成することをさらに含み、前記クラスタフラグ信号は、SDB変調の有無を識別する時系列を表す、請求項1から6のいずれか一項に記載の方法。
- 前記クラスタフラグ信号は、前記1つまたは複数の強度信号の値と閾値との間の比較に基づいて生成される、請求項7に記載の方法。
- 前記クラスタフラグ信号のフラグは、前記1つまたは複数の強度信号の値が第1の強度閾値よりも大きい場合に真に設定され、前記クラスタフラグ信号は、第2の強度閾値と比較した場合においてフィルタリングされた信号の値の評価に従ってさらに設定され、前記フィルタリングされた信号は、前記1つまたは複数の強度信号をフィルタリングすることによって導出される、請求項8に記載の方法。
- 前記1つまたは複数の特徴は、
(a)SDBクラスタを有する総睡眠時間の1つまたは複数の割合と、
(b)ピーク強度またはピーク平均強度と、および/または
(c)前記1つまたは複数のエネルギー帯域信号からの複数の強度信号から導出された複数の特徴と、
を含む、請求項1から9のいずれか一項に記載の方法。 - 検出されたSDBクラスタの存在を特徴付ける生成されたクラスタフラグ信号に基づいて睡眠覚醒補正マスク信号を生成することと、前記睡眠覚醒補正マスク信号を睡眠段階化プロセスに適用することと、をさらに含み、覚醒分類のインスタンスは、前記睡眠覚醒補正マスク信号に従って睡眠のインスタンスに補正される、請求項1から10のいずれか一項に記載の方法。
- 前記生成された睡眠呼吸障害指標は、ディスプレイデバイス上に表示されるグラフィックリスクオメータを含み、前記グラフィックリスクオメータは、ポインタおよびスケールを含む、請求項2から11のいずれか一項に記載の方法。
- 前記1つまたは複数の呼吸信号を評価し、睡眠呼吸障害変調の強度を表す1つまたは複数の強度信号を生成することは、
エンベロープ信号を生成することと、
前記エンベロープ信号を正規化することと、
前記正規化されたエンベロープ信号からスペクトル特性を生成することと、
を含む、請求項1から12のいずれか一項に記載の方法。 - 前記スペクトル特性は、
(1)睡眠呼吸障害の周波数範囲のパワースペクトル密度演算のピーク周波数、
(2)次の比率を含む帯域内メトリック、(a)パワースペクトル密度演算のピーク周波数、および(b)前記パワースペクトル密度演算からの前記睡眠呼吸障害の周波数範囲のパワー、および
(3)次の比率を含む帯域内メトリック、(a)パワースペクトル密度演算のピーク周波数付近の狭帯域のパワー、および(b)前記パワースペクトル密度演算の前記スペクトルの合計パワーと前記ピーク周波数付近の前記狭帯域の前記パワーと間の差、
のいずれか1つまたは複数を含む、請求項13に記載の方法。 - 前記1つまたは複数のエネルギー帯域信号を評価し、睡眠呼吸障害変調の強度を表す1つまたは複数の強度信号を生成することは、
前記1つまたは複数のエネルギー帯域信号のエネルギー帯域信号を組み合わせることと、
前記組み合わせられたエネルギー帯域信号からエンベロープ信号を生成することと、
前記組み合わせられたエネルギー帯域信号からの前記エンベロープ信号をフィルタリングおよび正規化することと、
前記フィルタリングおよび正規化されたエンベロープ信号からスペクトル特性を生成することと、
を含む、請求項1から14のいずれか一項に記載の方法。 - 前記フィルタリングおよび正規化されたエンベロープ信号からの前記スペクトル特性は、
(1)次の比率を含む帯域内メトリック、(a)パワースペクトル密度演算のピーク周波数、および(b)前記パワースペクトル密度演算からの睡眠呼吸障害の周波数範囲のパワー、および
(2)次の比率を含む帯域内メトリック、(a)パワースペクトル密度演算のピーク周波数付近の狭帯域のパワー、および(b)前記パワースペクトル密度演算の前記スペクトルの合計パワーと前記ピーク周波数付近の前記狭帯域のパワーと間の差、
のいずれか一方または両方を含む、請求項15に記載の方法。 - 1つまたは複数の動作信号から1つまたは複数の呼吸信号を抽出することは、複数の動作信号を組み合わせることを含み、前記複数の動作信号のそれぞれは、前記複数の動作信号の他の動作信号からの検出範囲とは異なる検出範囲からの動作を表す動作信号である、請求項1から16のいずれか一項に記載の方法。
- 前記受動信号から1つまたは複数のエネルギー帯域信号を抽出することは、
前記受動信号の変換を計算することにより、前記受動信号の音の周波数を帯域信号に分離することと、
前記帯域信号のエネルギー値を計算することと、
各帯域信号の計算されたエネルギー値を平均することと、
を含む、請求項1から17のいずれか一項に記載の方法。 - (1)前記能動非接触感知は、(a)マイクロフォンおよびスピーカーを使用したソナー感知、(b)無線周波数送信機および受信機を使用したレーダー感知、および(c)周波数変調連続波(FMCW)感知のいずれかを含み、(2)前記受動非接触感知は、マイクロフォンを用いた呼吸関連音の音響感知を含む、請求項1から18のいずれか一項に記載の方法。
- 前記1つまたは複数のプロセッサは、処理デバイス内にあり、前記処理デバイスは、スマートフォン、タブレットコンピュータ、一般的なコンピューティングデバイス、スマートスピーカー、スマートテレビ、スマートウォッチ、および呼吸療法デバイスのいずれかを含む、請求項1から19のいずれか一項に記載の方法。
- 前記1つまたは複数のプロセッサを用いて、睡眠呼吸障害の前記1つまたは複数の測定値に基づく呼吸療法デバイスの治療の設定への変更を制御することをさらに含む、請求項1から20のいずれか一項に記載の方法。
- 前記1つまたは複数のプロセッサにおいて、睡眠呼吸障害の前記生成された1つまたは複数の測定値を受信することと、
(a)前記受信した睡眠呼吸障害の1つまたは複数の測定値をディスプレイに表示すること、または(b)データ通信送信を介して、前記受信した睡眠呼吸障害の1つまたは複数の測定値を局所処理デバイスに送信することと、
をさらに含む、請求項1から21のいずれか一項に記載の方法。 - 1つまたは複数のプロセッサによって実行されるときに前記1つまたは複数のプロセッサに人の睡眠呼吸障害状態を監視させるプロセッサ実行可能命令を記憶したプロセッサ可読媒体であって、前記プロセッサ実行可能命令は、請求項1から22のいずれか一項に記載の方法を実行するように構成されるプロセッサ可読媒体。
- 請求項23に記載のプロセッサ可読媒体にアクセス可能なサーバであって、前記プロセッサ可読媒体の前記プロセッサ実行可能命令をネットワークを介して処理デバイスにダウンロードするための要求を受信するように構成されるサーバ。
- 処理デバイスであって、1つまたは複数のプロセッサと、前記1つまたは複数のプロセッサに結合されたスピーカーと、前記1つまたは複数のプロセッサに結合されたマイクロフォンと、請求項23に記載のプロセッサ可読媒体とを含む処理デバイス。
- 前記処理デバイスは、スマートフォン、タブレットコンピュータ、一般的なコンピューティングデバイス、スマートスピーカー、スマートテレビ、スマートウォッチ、および呼吸療法デバイスのいずれかを含む、請求項25に記載の処理デバイス。
- 処理デバイスであって、1つまたは複数のプロセッサと、前記1つまたは複数のプロセッサに結合されたマイクロフォンと、前記1つまたは複数のプロセッサに結合された無線周波数センサと、請求項23に記載のプロセッサ可読媒体とを含む処理デバイス。
- 請求項23に記載のプロセッサ可読媒体にアクセス可能なサーバで実施される方法であって、前記方法は、前記サーバで、前記プロセッサ可読媒体の前記プロセッサ実行可能命令をネットワークを介して処理デバイスにダウンロードするための要求を受信することと、前記要求に応答して、前記プロセッサ実行可能命令を前記処理デバイスに送信することと、を含む方法。
- 人の睡眠呼吸障害状態を監視するための装置であって、1つまたは複数のプロセッサを含んで構成され、
前記1つまたは複数のプロセッサが、
1つまたは複数の動作信号から1つまたは複数の呼吸信号を抽出することと、ここで、前記1つまたは複数の動作信号は、1つまたは複数のセンサを用いた能動非接触感知によって生成され、
受動信号から1つまたは複数のエネルギー帯域信号を抽出することと、ここで、前記受動信号は、前記1つまたは複数のセンサを用いた受動非接触感知によって生成され、前記受動信号は、前記1つまたは複数のセンサのうちの音センサによって検出された音響情報を表し、
前記1つまたは複数のエネルギー帯域信号および/または前記1つまたは複数の呼吸信号を評価して、睡眠呼吸障害変調の強度を表す1つまたは複数の強度信号を生成することと、
睡眠呼吸障害の1つまたは複数の測定値を生成するために、前記1つまたは複数の強度信号から導出された1つまたは複数の特徴を分類する、または分類のために送信することと、
を行うように構成される装置。 - 前記能動非接触感知および前記受動非接触感知のために構成された1つまたは複数のセンサをさらに含む、請求項1に記載の装置。
- 前記1つまたは複数のプロセッサは、さらに、
(a)睡眠呼吸障害の前記1つまたは複数の測定値に基づいて睡眠呼吸障害指標を生成することと、
(b)前記睡眠呼吸障害指標をディスプレイに表示する、および/または転送することと、
(c)睡眠呼吸障害の前記1つまたは複数の測定値をディスプレイに表示する、および/または転送することと、
を行うように構成される、請求項29から30のいずれか一項に記載の装置。 - 前記1つまたは複数のプロセッサは、分類するために、睡眠セッションの閾値を超える多数の睡眠呼吸障害事象の存在の肯定および否定のうちの1つを識別するように構成され、睡眠呼吸障害の前記1つまたは複数の測定値は、前記識別の結果を表すバイナリフラグを含む、請求項29から31のいずれか一項に記載の装置。
- 睡眠呼吸障害の前記1つまたは複数の測定値は、睡眠呼吸障害の確率を含み、前記バイナリフラグは、前記確率が閾値を超えた場合に肯定を表す、請求項32に記載の装置。
- 睡眠呼吸障害の前記1つまたは複数の測定値は、無呼吸事象および低呼吸事象の総数の推定値を表す無呼吸低呼吸指数を含む、請求項29から33のいずれか一項に記載の装置。
- 睡眠呼吸障害の前記1つまたは複数の測定値は、睡眠呼吸障害の確率を含み、前記1つまたは複数のプロセッサは、さらに、
(a)前記確率に基づいて睡眠段階調整係数を生成することと、
(b)前記調整係数の関数として睡眠段階時間を調整することと、
を行うように構成される、
請求項29から34のいずれか一項に記載の装置。 - 前記1つまたは複数のプロセッサは、さらに、1つまたは複数の強度信号に基づくクラスタフラグ信号を生成するように構成され、前記クラスタフラグ信号は、SDB変調の有無を識別する時系列を表す、請求項31から35のいずれか一項に記載の装置。
- 前記クラスタフラグ信号は、前記前記1つまたは複数の強度信号の値と閾値との間の比較に基づいて生成される、請求項36に記載の装置。
- 前記クラスタフラグ信号のフラグは、前記1つまたは複数の強度信号の値が第1の強度閾値よりも大きい場合に真に設定され、前記クラスタフラグ信号は、第2の強度閾値との比較におけるフィルタリングされた信号の値の評価に従ってさらに設定され、前記フィルタリングされた信号は、前記1つまたは複数の強度信号をフィルタリングすることによって導出される、請求項37に記載の装置。
- 1つまたは複数の特徴は、
(a)SDBクラスタを有する総睡眠時間の1つまたは複数の割合と、
(b)ピーク強度またはピーク平均強度と、および/または
(c)前記1つまたは複数のエネルギー帯域信号からの複数の強度信号から導出された複数の特徴と、
を含む、請求項29から38のいずれか一項に記載の装置。 - 前記1つまたは複数のプロセッサは、さらに、検出されたSDBクラスタの存在を特徴付ける生成されたクラスタフラグ信号に基づいて睡眠覚醒補正マスク信号を生成するように構成され、前記1つまたは複数のプロセッサは、さらに、前記睡眠覚醒補正マスク信号を睡眠段階化プロセスに適用するように構成され、覚醒分類のインスタンスは、前記睡眠覚醒補正マスク信号に従って睡眠のインスタンスに補正される、請求項29から39のいずれか一項に記載の装置。
- 前記生成された睡眠呼吸障害指標は、ディスプレイデバイス上に表示されたグラフィックリスクオメータを含み、前記グラフィックリスクオメータはポインタおよびスケールを含む、請求項31から40のいずれか一項に記載の装置。
- 前記1つまたは複数の呼吸信号を評価し、睡眠呼吸障害変調の強度を表す1つまたは複数の強度信号を生成するために、前記1つまたは複数のプロセッサは、
エンベロープ信号を生成することと、
前記エンベロープ信号を正規化することと、
正規化されたエンベロープ信号からスペクトル特性を生成することと、
を行うように構成される、請求項29から41のいずれか一項に記載の装置。 - 前記スペクトル特性は、
(1)睡眠呼吸障害の周波数範囲のパワースペクトル密度演算のピーク周波数、
(2)次の比率を含む帯域内メトリック、(a)パワースペクトル密度演算のピーク周波数、および(b)前記パワースペクトル密度演算からの前記睡眠呼吸障害の周波数範囲のパワー、および
(3)次の比率を含む帯域内メトリック、(a)パワースペクトル密度演算のピーク周波数付近の狭帯域のパワー、および(b)前記パワースペクトル密度演算の前記スペクトルの合計パワーと前記ピーク周波数付近の前記狭帯域の前記パワーとの間の差、
のいずれか1つまたは複数を含む、請求項42に記載の装置。 - 前記1つまたは複数のエネルギー帯域信号を評価し、睡眠呼吸障害変調の強度を表す1つまたは複数の強度信号を生成するために、前記1つまたは複数のプロセッサは、
前記1つまたは複数のエネルギー帯域信号のエネルギー帯域信号を組み合わせることと、
前記組み合わせられたエネルギー帯域信号からエンベロープ信号を生成することと、
前記組み合わせられたエネルギー帯域信号からの前記エンベロープ信号をフィルタリングおよび正規化することと、
前記フィルタリングおよび正規化されたエンベロープ信号からスペクトル特性を生成することと、
を行うように構成される、請求項29から43のいずれか一項に記載の装置。 - 前記フィルタリングおよび正規化された前記エンベロープ信号からの前記スペクトル特性は、
(1)次の比率を含む帯域内メトリック、(a)パワースペクトル密度演算のピーク周波数、および(b)前記パワースペクトル密度演算からの睡眠呼吸障害の周波数範囲のパワー、および
(2)次の比率、(a)パワースペクトル密度演算のピーク周波数付近の狭帯域のパワー、および(b)前記パワースペクトル密度演算の前記スペクトルの合計パワーと前記ピーク周波数付近の前記狭帯域の前記パワーとの差、
のいずれか一方または両方を含む、請求項44に記載の装置。 - 1つまたは複数の動作信号から1つまたは複数の呼吸努力信号を抽出するために、前記1つまたは複数のプロセッサは、複数の動作信号を組み合わせるように構成され、前記複数の動作信号のそれぞれは、前記複数の動作信号の他の動作信号からの検出範囲とは異なる検出範囲からの動作を表す動作信号である、請求項29から45のいずれか一項に記載の装置。
- 受動信号から前記1つまたは複数のエネルギー帯域信号を抽出するために、前記1つまたは複数のプロセッサは、
前記受動信号の変換を計算することにより、前記受動信号の音の周波数を帯域信号に分離することと、
前記帯域信号のエネルギー値を計算することと、
帯域信号ごとに計算されたエネルギー値を平均することと、
を行うように構成される、請求項29から46のいずれか一項に記載の装置。 - (1)前記能動非接触感知は、(a)前記1つまたは複数のセンサがマイクロフォンおよびスピーカーを含むソナー感知、(b)前記1つまたは複数のセンサが無線周波数送信機および受信機を含むレーダー感知、および(c)周波数変調連続波(FMCW)感知のいずれかを含み、(2)前記受動非接触感知は、呼吸関連音の音響感知を含み、前記1つまたは複数のセンサがマイクロフォンを含む、請求項29から47のいずれか一項に記載の装置。
- 前記1つまたは複数のプロセッサは、処理デバイス内にあり、前記処理デバイスは、一般的なコンピューティングデバイス、スマートフォン、タブレットコンピュータ、スマートスピーカー、スマートテレビ、スマートウォッチ、および呼吸療法デバイスのいずれかを含む、請求項29から48のいずれか一項に記載の装置。
- 前記1つまたは複数のプロセッサは、睡眠呼吸障害の前記1つまたは複数の測定値に基づいて呼吸療法デバイスの治療の設定への変更を制御するように構成される、請求項29から49のいずれか一項に記載の装置。
- 前記1つまたは複数のプロセッサは、さらに、
睡眠呼吸障害の前記生成された1つまたは複数の測定値を受信することと、
(a)前記受信した睡眠呼吸障害の1つまたは複数の測定値をディスプレイに表示すること、または(b)データ通信送信を介して、前記受信した睡眠呼吸障害の1つまたは複数の測定値を局所処理デバイスに送信することと、
を行うように構成される、請求項29から50のいずれか一項に記載の装置。 - 請求項23に記載のプロセッサ可読媒体をさらに含む、請求項29に記載の装置。
- 人による咳を識別するための1つまたは複数のプロセッサの方法であって、
人の近くで受動非接触感知によってマイクロフォンで生成された受動信号にアクセスすることと、ここで、前記受動信号は、前記マイクロフォンによって検出された音響情報を表し、
前記信号から1つまたは複数の咳関連の特徴を導出することと、
前記人による咳の1つまたは複数の事象の表示を生成するために前記1つまたは複数の咳関連の特徴を分類する、または分類のために送信することと、
を含む方法。 - (1)前記1つまたは複数の咳関連の特徴を分類することは、咳タイプを識別することを含み、前記咳タイプは、(a)乾性咳タイプ、(b)生産性咳タイプ、(c)喘鳴関連咳タイプ、および(d)けいれんに関連する咳タイプのいずれか1つまたは複数を含み、および/または
(2)前記1つまたは複数の咳関連の特徴を分類することは、咳帰属タイプを識別することを含み、前記咳帰属タイプは、(a)喘息性咳タイプ、(b)慢性閉塞性肺(COPD)咳タイプ、(c)気管支炎咳タイプ、(d)結核(TB)咳タイプ、(e)肺炎咳タイプ、(f)肺癌咳タイプ、(g)胃食道逆流症(GERD)、および(h)上気道咳症候群のいずれか1つまたは複数を含む、請求項53に記載の方法。 - 前記1つまたは複数のプロセッサは、さらに、前記1つまたは複数の咳の事象のうちの1つの事象の強度のレベルを示す咳強度メトリックを生成する、請求項53から54のいずれか一項に記載の方法。
- 前記1つまたは複数のプロセッサは、前記咳強度メトリックの変動性を決定する、請求項55に記載の方法。
- 前記受動信号から導出される前記1つまたは複数の咳関連の特徴は、周波数の特徴、時間の特徴、スペクトログラムの特徴、およびウェーブレットの特徴のいずれか1つ、複数、またはすべてを含む、請求項53から56のいずれか一項に記載の方法。
- (a)前記信号から導出された前記1つまたは複数の咳関連の特徴の周波数関連の特徴は、(1)局所ピーク、(2)1つまたは複数の周囲のピークに対するドミナントピークの比率、(3)局所での最大値、(4)全体での最大値、(5)高調波、(6)1つまたは複数の周波数成分の積分、(8)異なる周波数エネルギー推定値の比率、(7)1つまたは複数のメル周波数ケプストラル係数(MFCC)、(9)スペクトル束、(10)スペクトル重心、(11)高調波積スペクトル、(12)スペクトル拡散、(13)1つまたは複数のスペクトル自己相関係数、(14)スペクトル尖度、および(15)線形予測符号化(LPC)のいずれか1つ、複数、またはすべてを含み、および/または
(b)前記信号から導出された前記1つまたは複数の咳関連の特徴の時間関連の特徴は、(1)二乗平均平方根(RMS)値、(2)ゼロ交差率、(3)エンベロープ、(4)自己相関関数に基づくピッチのいずれか1つ、複数、またはすべてを含む、
請求項53から57のいずれか一項に記載の方法。 - 前記信号のバックグラウンドノイズを除去するために音声活性化検出によって前記受動信号を処理することをさらに含む、請求項53から58のいずれか一項に記載の方法。
- 前記信号から咳の数を推定することをさらに含む、請求項53から59のいずれか一項に記載の方法。
- 咳の数の変動を推定することをさらに含む、請求項60に記載の方法。
- 前記1つまたは複数のプロセッサは、検出された呼吸波形から呼吸の特徴を抽出するように構成され、前記人による咳の1つまたは複数の事象の表示を生成するために前記1つまたは複数の咳関連の特徴を分類することは、前記検出された呼吸波形から抽出された1つまたは複数の呼吸の特徴に基づいており、前記1つまたは複数の呼吸の特徴は、(1)吸気時間、(2)吸気深度、(3)呼気時間、(4)呼気深度、(5)吸気対呼気比、(6)咳による前記呼吸波形の1つまたは複数のノッチ、および(7)呼吸数の1つ、複数、または全てを含む、請求項53から61のいずれか一項に記載の方法。
- 前記1つまたは複数の呼吸の特徴は、受動非接触感知および能動非接触感知のうちの1つまたは複数によって導出され、
前記1つまたは複数のプロセッサは、能動非接触感知装置を用いた能動非接触感知によって1つまたは複数の動作信号を生成し、
前記1つまたは複数のプロセッサは、前記生成された1つまたは複数の動作信号の評価に基づいて、前記人による咳の1つまたは複数の事象の表示を生成する、請求項62に記載の方法。 - 前記人の体位の検出をさらに含む、請求項63に記載の方法。
- 前記生成された1つまたは複数の動作信号の評価は、
(a)前記人に特有の生体認証の検出と、および/または
(b)前記1つまたは複数の動作信号からの睡眠段階情報の検出と、
を含む、請求項63から64のいずれか一項に記載の方法。 - 前記1つまたは複数のプロセッサは、前記睡眠段階情報の検出に基づいて、音響的に感知された咳の事象を除去する、請求項65に記載の方法。
- 前記1つまたは複数のプロセッサは、前記睡眠段階情報の検出に基づいて、音響的に感知された咳の事象を前記人に帰属させる、請求項65から66のいずれか一項に記載の方法。
- (a)前記1つまたは複数のプロセッサは、さらに、前記状態のさらなる調査を推奨するため、前記人による咳の前記1つまたは複数の事象の表示に関するデータを通信し、および/または環境パラメータ、治療デバイスの設定、行動の変化および/または治療パラメータの1つまたは複数を制御するために構成され、および/または
(b)1つまたは複数のプロセッサは、さらに、寝具を交換または洗濯するためのリマインダーを生成するように構成される、
請求項53から67のいずれか一項に記載の方法。 - 請求項53から68のいずれか一項に記載の方法であって、ユーザの環境相互作用を検出するために音を監視することを含み、
(a)前記ユーザの環境相互作用は、クリッカー、器具、およびドアのいずれか1つまたは複数を含むユーザ環境相互作用の特徴の検出を含み、および/または(b)前記ユーザの環境相互作用を検出するために音を監視することは、前記監視対象者との接触の必要性の表示を生成するために監視対象者の活動のパターンを評価することを含む、請求項53から68のいずれか一項に記載の方法。 - 1つまたは複数のプロセッサによって実行されるときに、前記1つまたは複数のプロセッサに、人による咳を識別させるプロセッサ実行可能命令を記憶したプロセッサ可読媒体であって、前記プロセッサ実行可能命令は、請求項53から69のいずれか一項に記載の方法を実行するように構成されるプロセッサ可読媒体。
- 請求項70に記載のプロセッサ可読媒体にアクセス可能なサーバであって、前記プロセッサ可読媒体の前記プロセッサ実行可能命令をネットワークを介して処理デバイスにダウンロードするための要求を受信するように構成されるサーバ。
- 処理デバイスであって、1つまたは複数のプロセッサと、前記1つまたは複数のプロセッサに結合されたスピーカーと、前記1つまたは複数のプロセッサに結合されたマイクロフォンと、請求項70に記載のプロセッサ可読媒体と、を含み、前記1つまたは複数のプロセッサは、請求項68に記載のサーバを用いて前記プロセッサ実行可能命令にアクセスするように構成される処理デバイス。
- 前記処理デバイスは、スマートフォン、タブレットコンピュータ、一般的なコンピューティングデバイス、スマートスピーカー、スマートテレビ、スマートウォッチ、および呼吸療法デバイスのいずれかを含む、請求項72に記載の処理デバイス。
- 処理デバイスであって、1つまたは複数のプロセッサと、前記1つまたは複数のプロセッサに結合されたマイクロフォンと、前記1つまたは複数の前記プロセッサに結合された無線周波数センサと、請求項70に記載のプロセッサ可読媒体とを含む処理デバイス。
- 請求項70に記載のプロセッサ可読媒体にアクセス可能なサーバで実施される方法であって、前記方法は、前記サーバで、前記プロセッサ可読媒体の前記プロセッサ実行可能命令をネットワークを介して処理デバイスにダウンロードするための要求を受信することと、前記要求に応答して、前記プロセッサ実行可能命令を前記処理デバイスに送信することと、を含む方法。
- 人による咳を識別するための処理デバイスであって、
受動非接触感知用に構成された1つまたは複数のマイクロフォンと、ここで、前記1つまたは複数のマイクロフォンは、人の近くで受動非接触感知によって信号を生成し、前記信号は、前記1つまたは複数のマイクロフォンによって検出された音響情報を表し、
前記1つまたは複数のマイクロフォンに結合された1つまたは複数のプロセッサと、
を含んで構成され、
前記1つまたは複数のプロセッサは、
前記1つまたは複数のマイクロフォンで生成された前記信号にアクセスするように構成されたモジュールと、
前記信号から1つまたは複数の特徴を導出するように構成されたモジュールと、
前記人による咳の1つまたは複数の事象の表示を生成するために、前記1つまたは複数の特徴を分類する、または分類のために送信するように構成されたモジュールと、
を含む処理デバイス。 - 前記処理デバイスは、スマートフォン、タブレットコンピュータ、一般的なコンピューティングデバイス、スマートスピーカー、スマートテレビ、スマートウォッチ、および呼吸療法デバイスのいずれかを含む、請求項76に記載の処理デバイス。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862769272P | 2018-11-19 | 2018-11-19 | |
US62/769,272 | 2018-11-19 | ||
US201862784491P | 2018-12-23 | 2018-12-23 | |
US62/784,491 | 2018-12-23 | ||
PCT/EP2019/081818 WO2020104465A2 (en) | 2018-11-19 | 2019-11-19 | Methods and apparatus for detection of disordered breathing |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022507834A true JP2022507834A (ja) | 2022-01-18 |
JPWO2020104465A5 JPWO2020104465A5 (ja) | 2022-11-28 |
Family
ID=68699393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021527983A Pending JP2022507834A (ja) | 2018-11-19 | 2019-11-19 | 呼吸障害の検出のための方法および装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220007965A1 (ja) |
EP (1) | EP3883468A2 (ja) |
JP (1) | JP2022507834A (ja) |
CN (1) | CN113710151A (ja) |
WO (1) | WO2020104465A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162966A1 (ja) * | 2022-02-28 | 2023-08-31 | ミネベアミツミ株式会社 | 異常判定モデルの生成方法、異常判定装置、異常判定方法、及び学習済みモデル |
Families Citing this family (94)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3080399A1 (en) | 2017-10-30 | 2019-05-09 | The Research Foundation For The State University Of New York | System and method associated with user authentication based on an acoustic-based echo-signature |
WO2020136592A1 (ja) * | 2018-12-28 | 2020-07-02 | 南紀之 | 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム |
EP4027879A1 (en) | 2019-09-13 | 2022-07-20 | ResMed Sensor Technologies Limited | Systems and methods for detecting movement |
EP4065057B1 (en) | 2019-11-30 | 2023-12-27 | ResMed Sensor Technologies Limited | Systems and methods for adjusting user position using multi-compartment bladders |
US11875659B2 (en) | 2019-12-12 | 2024-01-16 | Google Llc | Privacy-preserving radar-based fall monitoring |
WO2021130681A1 (en) | 2019-12-26 | 2021-07-01 | Resmed Sensor Technologies Limited | Systems and methods for generating reminders to use respiratory therapy systems |
EP4084673A1 (en) | 2019-12-31 | 2022-11-09 | ResMed Sensor Technologies Limited | Systems and methods for determining a sleep time |
US11583226B2 (en) * | 2020-01-05 | 2023-02-21 | Kelly Huang | Method and system of monitoring and alerting patient with sleep disorder |
JP2023513887A (ja) | 2020-01-31 | 2023-04-04 | レズメド センサー テクノロジーズ リミテッド | 不眠症関連症状を軽減するためのシステムおよび方法 |
WO2021152484A1 (en) | 2020-01-31 | 2021-08-05 | Resmed Sensor Technologies Limited | Systems and methods for requesting consent for data |
JP2023513889A (ja) | 2020-01-31 | 2023-04-04 | レズメド センサー テクノロジーズ リミテッド | 口漏れを検出するためのシステムおよび方法 |
CN115334959A (zh) | 2020-01-31 | 2022-11-11 | 瑞思迈传感器技术有限公司 | 用于呼吸暂停-低通气指数计算的睡眠状态检测 |
EP4111462A2 (en) | 2020-02-26 | 2023-01-04 | ResMed Sensor Technologies Limited | Method and apparatus for edema detection |
WO2021171266A1 (en) | 2020-02-27 | 2021-09-02 | Resmed Sensor Technologies Limited | Systems and methods for predicting alertness |
CN115605133A (zh) | 2020-03-05 | 2023-01-13 | 瑞思迈传感器技术有限公司(Ie) | 用于增加个体睡意的系统和方法 |
US11724051B2 (en) | 2020-03-06 | 2023-08-15 | Resmed Sensor Technologies Limited | Systems and methods for detecting an intentional leak characteristic curve for a respiratory therapy system |
EP4126150A1 (en) | 2020-03-28 | 2023-02-08 | ResMed Sensor Technologies Limited | User interface with integrated sensor |
US20230240595A1 (en) | 2020-03-31 | 2023-08-03 | Resmed Sensor Technologies Limited | Systems and methods for detecting rem behavior disorder |
WO2021198941A1 (en) | 2020-03-31 | 2021-10-07 | Resmed Sensor Technologies Limited | System and method for mapping an airway obstruction |
EP4125560A1 (en) | 2020-03-31 | 2023-02-08 | ResMed Sensor Technologies Limited | Systems and methods for determining movement of a conduit |
AU2020440233A1 (en) * | 2020-04-01 | 2022-10-27 | UDP Labs, Inc. | Speech-controlled health monitoring systems and methods |
US11468908B2 (en) * | 2020-04-15 | 2022-10-11 | Optum, Inc. | Hybrid input machine learning frameworks |
KR20230053547A (ko) | 2020-04-20 | 2023-04-21 | 레즈메드 아시아 피티이. 엘티디. | 수면-관련 파라미터 분석을 위한 시스템 및 방법 |
AU2021265344A1 (en) | 2020-04-30 | 2022-12-08 | Resmed Sensor Technologies Limited | Systems and methods for promoting a sleep stage of a user |
US20230172486A1 (en) | 2020-04-30 | 2023-06-08 | Resmed Sensor Technologies Limited | Systems and methods for analyzing physical features of an individual |
JP2023525692A (ja) | 2020-04-30 | 2023-06-19 | レズメド センサー テクノロジーズ リミテッド | 覚醒サービス |
JP2023527717A (ja) | 2020-05-28 | 2023-06-30 | レズメド センサー テクノロジーズ リミテッド | ユーザ活動を監視するためのシステムおよび方法 |
WO2021243293A1 (en) | 2020-05-29 | 2021-12-02 | Resmed Sensor Technologies Limited | Systems and methods for locating user interface leak |
US11878118B2 (en) | 2020-06-05 | 2024-01-23 | Resmed Sensor Technologies Limited | Systems and methods for identifying a user interface |
WO2021250573A1 (en) | 2020-06-08 | 2021-12-16 | Resmed Sensor Technologies Limited | Acoustic detection of water level in humidifier |
MX2022015537A (es) | 2020-06-08 | 2023-04-27 | Resmed Sensor Tech Ltd | Sistemas y metodos para categorizar y/o caracterizar una interfaz de usuario. |
CN115701934A (zh) * | 2020-06-18 | 2023-02-14 | 瑞爱普健康有限公司 | 受试者声音中的事件检测 |
WO2021260656A1 (en) | 2020-06-26 | 2021-12-30 | Resmed Sensor Technologies Limited | Systems and methods for communicating an indication of a sleep-related event to a user |
EP4171358A1 (en) | 2020-06-30 | 2023-05-03 | ResMed Sensor Technologies Limited | Systems and methods for generating custom messages to encourage a behavioral response |
CN111938604A (zh) * | 2020-07-09 | 2020-11-17 | 上海交通大学 | 一种基于多模态技术的呼吸系统疾病远程监控系统 |
CN111884967B (zh) * | 2020-07-29 | 2022-07-01 | 黑龙江大学 | 基于时频分析和卷积神经网络的qpsk信号解调方法 |
US20230270350A1 (en) | 2020-07-30 | 2023-08-31 | Resmed Inc | Systems and methods for determining a health condition on a device local to a respiratory system user |
CN116249481A (zh) | 2020-07-31 | 2023-06-09 | 瑞思迈传感器技术有限公司 | 用于确定呼吸治疗期间的运动的系统和方法 |
US11406281B2 (en) | 2020-08-11 | 2022-08-09 | Google Llc | Contactless cough detection and attribution |
US11754676B2 (en) | 2020-08-11 | 2023-09-12 | Google Llc | Precision sleep tracking using a contactless sleep tracking device |
US11832961B2 (en) | 2020-08-11 | 2023-12-05 | Google Llc | Contactless sleep detection and disturbance attribution |
US11808839B2 (en) | 2020-08-11 | 2023-11-07 | Google Llc | Initializing sleep tracking on a contactless health tracking device |
KR20230057392A (ko) * | 2020-08-28 | 2023-04-28 | 구글 엘엘씨 | 호흡기 건강 모니터링을 위한 비접촉식 디바이스 |
AU2021331633A1 (en) | 2020-08-31 | 2023-03-09 | Resmed Sensor Technologies Limited | Systems and methods for pre-symptomatic disease detection |
JP2023544119A (ja) | 2020-09-18 | 2023-10-20 | レズメド センサー テクノロジーズ リミテッド | 併存疾患を監視するシステム及び方法 |
CN116456901A (zh) | 2020-09-18 | 2023-07-18 | 瑞思迈传感器技术有限公司 | 用于帮助呼吸治疗系统用户的系统和方法 |
US20230405250A1 (en) | 2020-09-29 | 2023-12-21 | Resmed Sensor Technologies Limited | Systems and methods for determining usage of a respiratory therapy system |
EP4103048A4 (en) * | 2020-09-30 | 2024-03-20 | ResMed Pty Ltd | SYSTEMS AND METHODS FOR DIAGNOSING THERAPY TERMINATION |
CN116600751A (zh) | 2020-10-09 | 2023-08-15 | 瑞思迈传感器技术有限公司 | 自动口腔矫治器调整 |
EP4237793A1 (en) | 2020-10-30 | 2023-09-06 | ResMed Sensor Technologies Limited | Systems and methods for determining a length and/or a diameter of a conduit |
US20230420124A1 (en) | 2020-11-20 | 2023-12-28 | Resmed Sensor Technologies Limited | Systems and methods for monitoring a comfort level of an individual |
JP2023551012A (ja) | 2020-11-27 | 2023-12-06 | レズメド ピーティーワイ リミテッド | 呼吸治療中にユーザの体位を識別するためのシステムおよび方法 |
CN112598033B (zh) * | 2020-12-09 | 2022-08-30 | 兰州大学 | 生理信号处理方法、装置、设备及存储介质 |
US20240062872A1 (en) | 2020-12-18 | 2024-02-22 | Resmed Sensor Technologies Limited | Cohort sleep performance evaluation |
US20240033459A1 (en) | 2020-12-23 | 2024-02-01 | Resmed Sensor Technologies Limited | Systems and methods for detecting rainout in a respiratory therapy system |
US20240066249A1 (en) | 2020-12-23 | 2024-02-29 | Resmed Sensor Technologies Limited | Systems and methods for detecting occlusions in headgear conduits during respiratory therapy |
WO2022149092A1 (en) * | 2021-01-07 | 2022-07-14 | Circadia Technologies Ltd. | Systems, apparatus and methods for acquisition, storage, and analysis of health and environmental data |
JP2024505098A (ja) | 2021-01-29 | 2024-02-02 | レズメド センサー テクノロジーズ リミテッド | 主観的快適度レベルを推定するためのシステムおよび方法 |
US20240075225A1 (en) | 2021-01-29 | 2024-03-07 | Resmed Sensor Technologies Limited | Systems and methods for leak detection in a respiratory therapy system |
WO2022173663A1 (en) * | 2021-02-09 | 2022-08-18 | Halare, Inc. | Multi-therapy systems, methods and apparatuses for the alleviation of sleep disordered breathing |
EP4298638A1 (en) | 2021-02-26 | 2024-01-03 | ResMed Inc. | System and method for continuous adjustment of personalized mask shape |
WO2022208368A1 (en) | 2021-03-31 | 2022-10-06 | Resmed Sensor Technologies Limited | Systems and methods for managing blood pressure conditions of a user of a respiratory therapy system |
WO2022219481A1 (en) | 2021-04-16 | 2022-10-20 | Resmed Sensor Technologies Limited | Systems and methods for characterizing a user interface or a vent using acoustic data associated with the vent |
EP4329848A1 (en) | 2021-04-29 | 2024-03-06 | ResMed Sensor Technologies Limited | Systems and methods for modifying pressure settings of a respiratory therapy system |
CN113221722B (zh) * | 2021-05-08 | 2022-07-26 | 浙江大学 | 语义信息获取方法及装置、电子设备、存储介质 |
EP4088651A1 (en) | 2021-05-12 | 2022-11-16 | Ectosense NV | Method for detecting sleep disordering events |
EP4346556A1 (en) | 2021-05-24 | 2024-04-10 | ResMed Sensor Technologies Limited | Systems and methods for determining a sleep stage of an individual |
US20220409090A1 (en) * | 2021-06-28 | 2022-12-29 | Google Llc | Opportunistic sonar monitoring of vital signs |
WO2023275812A1 (en) | 2021-06-30 | 2023-01-05 | Resmed Sensor Technologies Limited | Systems and methods for characterizing a conduit in a respiratory therapy system |
AU2021107064B4 (en) * | 2021-08-24 | 2022-08-25 | Rudder Technology Pty Ltd | Non-contact human respiration detection with radar signals |
WO2023031802A1 (en) | 2021-08-30 | 2023-03-09 | Resmed Sensor Technologies Limited | Intelligent respiratory entrainment |
WO2023031737A1 (en) | 2021-08-30 | 2023-03-09 | Resmed Sensor Technologies Limited | Biofeedback cognitive behavioral therapy for insomnia |
WO2023084366A1 (en) | 2021-11-10 | 2023-05-19 | Resmed Sensor Technologies Limited | Enhanced wearable sensing |
CN114027801B (zh) * | 2021-12-17 | 2022-09-09 | 广东工业大学 | 一种睡眠鼾声识别与打鼾抑制方法及系统 |
CN114176543A (zh) * | 2021-12-29 | 2022-03-15 | 广东工业大学 | 一种睡眠体征及状态检测方法 |
WO2023126840A1 (en) | 2021-12-30 | 2023-07-06 | Resmed Sensor Technologies Limited | Systems and methods for monitoring the use of a respiratory therapy system by an individual with diabetes |
WO2023149861A1 (en) * | 2022-02-01 | 2023-08-10 | Google Llc | Contactless respiration guidance system facilitating real-time feedback |
WO2023187686A1 (en) | 2022-03-30 | 2023-10-05 | ResMed Pty Ltd | Systems and methods for determining a positional sleep disordered breathing status |
WO2023192481A1 (en) | 2022-03-31 | 2023-10-05 | Resmed Inc. | Methods and systems for an overall health score |
TWI809864B (zh) * | 2022-05-10 | 2023-07-21 | 亞迪電子股份有限公司 | 感測方法和感測系統 |
TWI815546B (zh) * | 2022-07-11 | 2023-09-11 | 中國醫藥大學 | 睡眠呼吸中止症評估程式的建立方法、睡眠呼吸中止症評估系統與睡眠呼吸中止症評估方法 |
WO2024020106A1 (en) | 2022-07-22 | 2024-01-25 | ResMed Pty Ltd | Systems and methods for determining sleep scores based on images |
WO2024020231A1 (en) | 2022-07-22 | 2024-01-25 | Resmed Digital Health Inc. | Systems and methods for selectively adjusting the sleeping position of a user |
WO2024023743A1 (en) | 2022-07-28 | 2024-02-01 | Resmed Sensor Technologies Limited | Systems for detecting a leak in a respiratory therapy system |
WO2024039569A1 (en) | 2022-08-17 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for determining a risk factor for a condition |
WO2024039774A1 (en) | 2022-08-19 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for collaborative sleep therapy usage |
WO2024039890A1 (en) | 2022-08-19 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for determining a user interface type |
WO2024039752A1 (en) | 2022-08-19 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for determining matches based on sleep information |
WO2024039751A1 (en) | 2022-08-19 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for providing a sleep therapy community |
WO2024039742A1 (en) | 2022-08-19 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for presenting dynamic avatars |
WO2024049704A1 (en) | 2022-08-30 | 2024-03-07 | Resmed Digital Health Inc. | Systems and methods for pulmonary function testing on respiratory therapy devices |
WO2024069436A1 (en) | 2022-09-27 | 2024-04-04 | Resmed Sensor Technologies Limited | Systems and methods for analyzing sounds made by an individual during a sleep session |
WO2024069500A1 (en) | 2022-09-29 | 2024-04-04 | Resmed Sensor Technologies Limited | Systems and methods for cardiogenic oscillation detection |
CN116211256B (zh) * | 2023-03-16 | 2023-12-22 | 武汉理工大学 | 一种非接触式的睡眠呼吸信号获取方法和装置 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0088761B1 (en) | 1981-04-24 | 1987-08-12 | Somed Pty. Ltd. | Device for treating snoring sickness |
US5105354A (en) * | 1989-01-23 | 1992-04-14 | Nippon Kayaku Kabushiki Kaisha | Method and apparatus for correlating respiration and heartbeat variability |
AUPP366398A0 (en) | 1998-05-22 | 1998-06-18 | Resmed Limited | Ventilatory assistance for treatment of cardiac failure and cheyne-stokes breathing |
JP4753881B2 (ja) * | 2004-01-16 | 2011-08-24 | コンプメディクス リミテッド | 心電図から導出された睡眠呼吸障害の監視、検出及び分類のための装置及び信号処理方法 |
US9820658B2 (en) * | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
US20060212273A1 (en) * | 2005-03-04 | 2006-09-21 | Individual Monitoring Systems.Inc. | Real-time snoring assessment apparatus and method |
US8562526B2 (en) | 2006-06-01 | 2013-10-22 | Resmed Sensor Technologies Limited | Apparatus, system, and method for monitoring physiological signs |
AU2007317469B2 (en) | 2006-11-01 | 2010-05-20 | Resmed Sensor Technologies Limited | System and method for monitoring cardiorespiratory parameters |
US8844525B2 (en) * | 2008-07-25 | 2014-09-30 | Resmed Limited | Method and apparatus for detecting and treating heart failure |
JP5575789B2 (ja) * | 2008-11-19 | 2014-08-20 | インスパイア・メディカル・システムズ・インコーポレイテッド | 睡眠呼吸障害の治療方法 |
CN115813368A (zh) * | 2012-05-30 | 2023-03-21 | 瑞思迈传感器技术有限公司 | 用于监控心肺健康的方法和设备 |
JP5969283B2 (ja) * | 2012-06-28 | 2016-08-17 | フクダ電子株式会社 | 生体信号解析装置およびその制御方法 |
US9445729B2 (en) | 2012-07-20 | 2016-09-20 | Resmed Sensor Technologies Limited | Range gated radio frequency physiology sensor |
US9542933B2 (en) * | 2013-03-08 | 2017-01-10 | Analog Devices Global | Microphone circuit assembly and system with speech recognition |
US20160022204A1 (en) * | 2013-03-13 | 2016-01-28 | Kirill Mostov | An apparatus for remote contactless monitoring of sleep apnea |
EP4133997A1 (en) | 2013-07-08 | 2023-02-15 | ResMed Sensor Technologies Limited | A method carried out by a processor and system for sleep management |
US10638971B2 (en) * | 2014-02-25 | 2020-05-05 | Somnics, Inc. (Usa) | Methods and applications for detection of breath flow and the system thereof |
US10369310B2 (en) * | 2014-03-05 | 2019-08-06 | ResMed Pty Ltd | Method and apparatus for treatment of respiratory disorders |
WO2016170011A1 (en) | 2015-04-20 | 2016-10-27 | Resmed Sensor Technologies Limited | Gesture recognition with sensors |
CN108135486A (zh) * | 2015-08-17 | 2018-06-08 | 瑞思迈传感器技术有限公司 | 睡眠呼吸障碍筛查仪 |
US20200297955A1 (en) | 2015-08-26 | 2020-09-24 | Resmed Sensor Technologies Limited | Systems and methods for monitoring and management of chronic disease |
WO2018050913A1 (en) * | 2016-09-19 | 2018-03-22 | Resmed Sensor Technologies Limited | Apparatus, system, and method for detecting physiological movement from audio and multimodal signals |
CN110234279B (zh) * | 2016-12-28 | 2022-09-20 | 皇家飞利浦有限公司 | 表征睡眠呼吸障碍的方法 |
-
2019
- 2019-11-19 US US17/293,253 patent/US20220007965A1/en active Pending
- 2019-11-19 WO PCT/EP2019/081818 patent/WO2020104465A2/en unknown
- 2019-11-19 JP JP2021527983A patent/JP2022507834A/ja active Pending
- 2019-11-19 CN CN201980089577.5A patent/CN113710151A/zh active Pending
- 2019-11-19 EP EP19809736.2A patent/EP3883468A2/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162966A1 (ja) * | 2022-02-28 | 2023-08-31 | ミネベアミツミ株式会社 | 異常判定モデルの生成方法、異常判定装置、異常判定方法、及び学習済みモデル |
Also Published As
Publication number | Publication date |
---|---|
US20220007965A1 (en) | 2022-01-13 |
CN113710151A (zh) | 2021-11-26 |
EP3883468A2 (en) | 2021-09-29 |
WO2020104465A3 (en) | 2020-07-23 |
WO2020104465A2 (en) | 2020-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022507834A (ja) | 呼吸障害の検出のための方法および装置 | |
JP7273774B2 (ja) | 心肺健康状態をモニタリングするシステム、システムの作動方法及びコンピュータ可読媒体 | |
JP7284782B2 (ja) | 慢性疾患の監視および管理のためのシステムおよび方法 | |
CN111655125B (zh) | 用于健康和医学感测的设备、系统和方法 | |
US20230190140A1 (en) | Methods and apparatus for detection and monitoring of health parameters | |
KR102091167B1 (ko) | 수면 스테이지를 결정하는 시스템 및 방법 | |
CN113382676A (zh) | 用于改变发送到外部源的数据量的系统和方法 | |
CA2931662C (en) | Acoustic upper airway assessment system and method, and sleep apnea assessment system and method relying thereon | |
JP2018531055A6 (ja) | 慢性疾患の監視および管理のためのシステムおよび方法 | |
CN108135486A (zh) | 睡眠呼吸障碍筛查仪 | |
CN105658142B (zh) | 咽下推测装置 | |
JP2017536905A (ja) | 音響的監視システム、監視方法及び監視するコンピュータプログラム | |
JP2012166037A (ja) | 呼吸事象検出システムおよび方法 | |
US20230107369A1 (en) | Systems and methods for detecting mouth leak | |
US11878118B2 (en) | Systems and methods for identifying a user interface | |
WO2024069436A1 (en) | Systems and methods for analyzing sounds made by an individual during a sleep session | |
EP4218021A2 (en) | Systems and methods for diagnosing operational issues in a respiratory system | |
김재필 | Obstructive Sleep Apnea Severity Classification using Sleep Breathing Sounds | |
CA2717270A1 (en) | Sleep apnea monitoring and diagnosis based on pulse oximetery and tracheal sound signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221117 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221117 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230804 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240305 |