JP2022527000A - 被験者に生じうる睡眠障害に関連する感知ユニット及びデータ処理装置を含むシステム - Google Patents
被験者に生じうる睡眠障害に関連する感知ユニット及びデータ処理装置を含むシステム Download PDFInfo
- Publication number
- JP2022527000A JP2022527000A JP2021559451A JP2021559451A JP2022527000A JP 2022527000 A JP2022527000 A JP 2022527000A JP 2021559451 A JP2021559451 A JP 2021559451A JP 2021559451 A JP2021559451 A JP 2021559451A JP 2022527000 A JP2022527000 A JP 2022527000A
- Authority
- JP
- Japan
- Prior art keywords
- data
- mandibular
- movement
- analysis unit
- sleep
- 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
- 208000019116 sleep disease Diseases 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 title description 24
- 238000000034 method Methods 0.000 claims abstract description 72
- 230000033001 locomotion Effects 0.000 claims description 493
- 210000004373 mandible Anatomy 0.000 claims description 163
- 230000007958 sleep Effects 0.000 claims description 148
- 238000007405 data analysis Methods 0.000 claims description 86
- 230000001133 acceleration Effects 0.000 claims description 84
- 230000000241 respiratory effect Effects 0.000 claims description 83
- 238000005070 sampling Methods 0.000 claims description 52
- 206010021079 Hypopnoea Diseases 0.000 claims description 40
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 37
- 230000000414 obstructive effect Effects 0.000 claims description 36
- 230000037007 arousal Effects 0.000 claims description 29
- 230000004886 head movement Effects 0.000 claims description 27
- 208000008784 apnea Diseases 0.000 claims description 20
- 210000000988 bone and bone Anatomy 0.000 claims description 19
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 claims description 14
- 208000003417 Central Sleep Apnea Diseases 0.000 claims description 9
- 208000020685 sleep-wake disease Diseases 0.000 claims description 5
- 230000001747 exhibiting effect Effects 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 210000003128 head Anatomy 0.000 description 151
- 230000004913 activation Effects 0.000 description 92
- 238000001994 activation Methods 0.000 description 92
- 238000004458 analytical method Methods 0.000 description 88
- 238000005259 measurement Methods 0.000 description 88
- 210000004556 brain Anatomy 0.000 description 71
- 230000008667 sleep stage Effects 0.000 description 56
- 210000003205 muscle Anatomy 0.000 description 48
- 206010006514 bruxism Diseases 0.000 description 37
- 230000004461 rapid eye movement Effects 0.000 description 37
- 230000000694 effects Effects 0.000 description 33
- 230000001054 cortical effect Effects 0.000 description 28
- 230000036391 respiratory frequency Effects 0.000 description 28
- 230000006870 function Effects 0.000 description 26
- 230000002739 subcortical effect Effects 0.000 description 23
- 206010062519 Poor quality sleep Diseases 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000001514 detection method Methods 0.000 description 21
- 230000001965 increasing effect Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 11
- 238000011161 development Methods 0.000 description 11
- 229910052760 oxygen Inorganic materials 0.000 description 11
- 239000001301 oxygen Substances 0.000 description 11
- 238000000605 extraction Methods 0.000 description 10
- 230000008518 non respiratory effect Effects 0.000 description 10
- 238000007637 random forest analysis Methods 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 210000001352 masseter muscle Anatomy 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 208000035475 disorder Diseases 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000010200 validation analysis Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000008452 non REM sleep Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000001256 tonic effect Effects 0.000 description 7
- 239000000654 additive Substances 0.000 description 6
- 230000000996 additive effect Effects 0.000 description 6
- 239000005557 antagonist Substances 0.000 description 6
- 238000013459 approach Methods 0.000 description 6
- 210000000133 brain stem Anatomy 0.000 description 6
- 238000002567 electromyography Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 230000011514 reflex Effects 0.000 description 6
- 230000003860 sleep quality Effects 0.000 description 6
- 206010041235 Snoring Diseases 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000000147 hypnotic effect Effects 0.000 description 5
- 210000002176 pterygoid muscle Anatomy 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000036387 respiratory rate Effects 0.000 description 5
- 210000003901 trigeminal nerve Anatomy 0.000 description 5
- 206010010904 Convulsion Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 210000001847 jaw Anatomy 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000018984 mastication Effects 0.000 description 4
- 238000010077 mastication Methods 0.000 description 4
- 210000005036 nerve Anatomy 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 210000002345 respiratory system Anatomy 0.000 description 4
- 230000009747 swallowing Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000011534 incubation Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 210000000653 nervous system Anatomy 0.000 description 3
- 210000003800 pharynx Anatomy 0.000 description 3
- 230000004622 sleep time Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- NPPQSCRMBWNHMW-UHFFFAOYSA-N Meprobamate Chemical compound NC(=O)OCC(C)(CCC)COC(N)=O NPPQSCRMBWNHMW-UHFFFAOYSA-N 0.000 description 2
- 206010038687 Respiratory distress Diseases 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 210000003169 central nervous system Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 210000004720 cerebrum Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001055 chewing effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 210000003298 dental enamel Anatomy 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000001543 one-way ANOVA Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 210000001184 pharyngeal muscle Anatomy 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 208000023504 respiratory system disease Diseases 0.000 description 2
- 230000001020 rhythmical effect Effects 0.000 description 2
- 210000004761 scalp Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 210000000966 temporal muscle Anatomy 0.000 description 2
- 210000001738 temporomandibular joint Anatomy 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 210000003437 trachea Anatomy 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 241001669679 Eleotris Species 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 239000000556 agonist Substances 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000035565 breathing frequency Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000000959 ear middle Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003031 feeding effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 210000003823 hyoid bone Anatomy 0.000 description 1
- 206010020765 hypersomnia Diseases 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 210000002050 maxilla Anatomy 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000001767 medulla oblongata Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 210000001087 myotubule Anatomy 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 208000001797 obstructive sleep apnea Diseases 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 210000003314 quadriceps muscle Anatomy 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 210000001034 respiratory center Anatomy 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000001032 spinal nerve Anatomy 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000003582 temporal bone Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 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
- A61B5/48—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
-
- 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
- A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
- A61B5/065—Determining position of the probe employing exclusively positioning means located on or in the probe, e.g. using position sensors arranged on the probe
- A61B5/067—Determining position of the probe employing exclusively positioning means located on or in the probe, e.g. using position sensors arranged on the probe using accelerometers or gyroscopes
-
- 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
-
- 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
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1114—Tracking parts of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
- A61B5/4557—Evaluating bruxism
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6814—Head
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0214—Operational features of power management of power generation or supply
- A61B2560/0219—Operational features of power management of power generation or supply of externally powered implanted units
-
- 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
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- A61B2562/0223—Magnetic field sensors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Psychiatry (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Physical Education & Sports Medicine (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
- 被験者の下顎骨の回転運動を測定するために構成されたジャイロスコープ;
- データ分析ユニット及びデータリンク(該データリンクは、前記ジャイロスコープから測定された回転運動のデータを前記データ分析ユニットに送信するために構成される;
ここで、該データ分析ユニットは、N個の下顎骨運動クラスを保管するように構成されたメモリユニットを含み、ここで、Nは1より大きい整数であり、前記N個の下顎骨運動クラスのうちの少なくとも1つは睡眠障害の発症を示す;
- ここで、各第j(1<j<N)下顎骨運動クラスは、回転値の第jセットを含み、各回転値の第jセットは、該第jクラスに関連付けられた下顎骨回転の少なくとも1つの速度、速度変化、振動数、及び/または振幅を示す;
- ここで、該データ分析ユニットは、サンプリング期間中に測定された回転運動のデータをサンプリングし、それによって、サンプリングされた回転運動のデータを取得するために構成されたサンプリング要素を含む;
- ここで、該データ分析ユニットは、前記サンプリングされた回転運動のデータから複数の測定された回転値を導出するように構成される;かつ、
- ここで、該データ分析ユニットは、さらに、前記測定された回転値を前記N個の下顎骨運動クラスと照合するために構成される。
- 前記データリンクは、該加速度計から測定された加速度のデータを前記データ分析ユニットに送信するためにさらに構成される;
- ここで、各第j(1<j<N)下顎骨運動クラスは、加速度値の第jセットを含み、各加速度値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の少なくとも1つの動きを示す;
- ここで、前記サンプリング要素は、サンプリング期間中に測定された加速度のデータをサンプリングし、それによって、サンプリングされた加速度のデータを取得するために構成される;
- ここで、前記データ分析ユニットは、前記サンプリングされた加速度のデータから複数の測定された加速度値を導出するように構成される;かつ、
- ここで、前記データ分析ユニットは、さらに、前記測定された加速度値を前記N個の下顎骨運動クラスと照合するために構成される。
- 前記データリンクは、前記加速度計から測定された磁場データを前記データ分析ユニットに送信するためにさらに構成される;
- ここで、各第j(1<j<N)下顎骨運動クラスは、磁場データの値の第jセットを含み、各磁場データの値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の動きの少なくとも1つの速度または速度変化を示す;
- ここで、前記データ分析ユニットは、サンプリング期間中に測定された磁場データをサンプリングし、それによって、サンプリングされた磁場データを取得するために構成されたサンプリング要素を含む;
- ここで、前記データ分析ユニットは、前記サンプリングされた磁場データから複数の測定された磁場値を導出するように構成される;かつ、
- ここで、前記データ分析ユニットは、さらに、前記測定された磁場値を前記N個の下顎骨運動クラスと照合するために構成される。
- データ分析ユニットで、該被験者の下顎骨に配置されたジャイロスコープから回転運動のデータを、データリンクを介して受信するステップ;
- 該データ分析ユニットに含まれるメモリユニットで、N個の下顎骨運動クラスを保管するステップ(ここで、Nは1より大きい整数であり、該N個の下顎骨運動クラスの少なくとも1つは睡眠障害の発症を示す);
- ここで、各第j(1<j<N)下顎骨運動クラスは、回転値の第jセットを含み、各回転値の第jセットは、該第jクラスに関連付けられた下顎骨回転の少なくとも1つの速度、速度変化、振動数、または振幅を示す;
- 該データ分析ユニットに含まれるサンプリング要素を用いて、サンプリング期間中の回転運動のデータをサンプリングし、それにより、サンプリングされた回転運動のデータを取得するステップ;
- 該データ分析ユニットを用いて、前記サンプリングされた回転運動のデータから複数の測定された回転値を導出するステップ;及び、
- 該データ分析ユニットを用いて、前記測定された回転値を前記N個の下顎骨運動クラスと照合するステップ。
- 加速度計を用いて、加速度を測定するステップ(該加速度は、前記被験者の頭部及び/または下顎骨の動き及び/または位置を示す);
- 前記データリンクを用いて、該加速度計から測定された加速度のデータを前記データ分析ユニットに送信するステップ;
- ここで、各第j(1<j<N)下顎骨運動クラスは、加速度値の第jセットを含み、各加速度値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の少なくとも1つの動きを示す;
- サンプリング要素を用いて、サンプリング期間中に測定された加速度のデータをサンプリングし、それにより、サンプリングされた加速度のデータを取得するステップ;
- 前記データ分析ユニットを用いて、サンプリングされた加速度のデータから複数の測定された加速度値を導出するステップ;及び
- 前記データ分析ユニットを用いて、前記測定された加速度値を前記N個の下顎骨運動クラスと照合するステップ。
- 磁力計を用いて、磁場データを測定するステップ(該磁場データの変動は、前記被験者の頭部及び/または下顎骨の動きを示す);
- 前記データリンクを用いて、該磁力計から前記測定された磁場データを前記データ分析ユニットに送信するステップ;
- ここで、第j(1<j<N)下顎骨運動クラスは、磁場データの値の第jセットを含み;各磁場データの値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の動きの少なくとも1つの速度または速度変化を示す;
- 前記データ分析ユニットに含まれるサンプリング要素を用いて、サンプリング期間中に測定された磁場データをサンプリングし、それにより、サンプリングされた磁場データを取得するステップ;
- 前記データ分析ユニットを用いて、前記サンプリングされた磁場データから複数の測定された磁場値を導出するステップ;及び
- 前記データ分析ユニットを用いて、前記測定された磁場値を前記N個の下顎骨運動クラスと照合するステップ。
(1)2クラススコアリング(即ち、二進法):被験者の覚醒状態または睡眠状態を検出する場合;
(2)3クラススコアリング:被験者の覚醒状態、非REMの睡眠段階、またはREMの睡眠段階を含む睡眠段階を分類する場合;
(3)4クラススコアリング:被験者の覚醒状態、浅い睡眠(N1及びN2)段階、深い睡眠(N3)段階、またはREMの睡眠段階を含む睡眠段階を分類する場合;
(4)5クラススコアリング:被験者の覚醒状態、N1の睡眠段階、N2の睡眠段階、N3の睡眠段階、及びREMの睡眠段階を含む全ての睡眠段階を分類する場合。
- データ分析ユニットで、前記被験者の下顎骨に配置されたジャイロスコープから回転運動のデータを、データリンクを介して受信するステップ;
- 該データ分析ユニットに含まれるメモリユニットで、N個の下顎骨運動クラスを保管するステップ(注:Nは1より大きい整数であり、N個の下顎骨運動クラスの少なくとも1つは睡眠障害の発症(例えば、睡眠時呼吸障害(SDB)の発症)を示す。各第j(1<j<N)下顎骨運動クラスは、回転値の第jセットで構成され、各回転値の第jセットは、該第jクラスに関連付けられた下顎骨回転の少なくとも1つの速度、速度変化、振動数、または振幅を示す);
- 前記データ分析ユニットに含まれるサンプリング要素を用いて、サンプリング期間中の回転運動のデータをサンプリングするステップ(それにより、サンプリングされた回転運動のデータは得られる);
- 前記データ分析ユニットを用いて、サンプリングされた回転運動のデータから複数の測定された回転値を導出するステップ;及び、
- 前記データ分析ユニットを用いて、測定された回転値をN個の下顎骨運動クラスと照合するステップ。
従って、患者における睡眠障害は、快適かつ効率的に検出することができる。
- 加速度計を用いて、加速度を測定するステップ(該加速度は、被験者の頭部及び/または下顎骨の動き及び/または位置を示す);
- 前記データリンクを用いて、該加速度計から測定された加速度のデータを前記データ分析ユニットに送信するステップ;
- サンプリング要素を用いて、サンプリング期間中に測定された加速度のデータをサンプリングし、それにより、サンプリングされた加速度のデータを取得するステップ;
- 前記データ分析ユニットを用いて、サンプリングされた加速度のデータから複数の測定された加速度値を導出するステップ;及び
- 前記データ分析ユニットを用いて、測定された加速度値をN個の下顎骨運動クラスと照合するステップ。注:各第j(1<j<N)下顎骨運動クラスは、加速度値の第jセットを含み、各加速度値の第jセットは、該第jクラスに関連付けられた少なくとも1つの下顎骨または頭部の動きを示す。
加速度計とジャイロスコープの両方を使用すると、頭部全体の動きから下顎骨の動きを効果的に識別できる。
- 磁力計を用いて磁場データを測定するステップ(該磁場データの変動は、前記被験者の頭部及び/または下顎骨の動きを示す);
- 前記データリンクを用いて、該磁力計から測定された磁場データを前記データ分析ユニットに送信するステップ;
- 前記データ分析ユニットに含まれるサンプリング要素を用いて、サンプリング期間中に測定された磁場データをサンプリングし、それにより、サンプリングされた磁場データを取得するステップ;
- 前記データ分析ユニットを用いて、サンプリングされた磁場データから複数の測定された磁場値を導出するステップ;及び
- 前記データ分析ユニットを用いて、測定された磁場値をN個の下顎骨運動クラスと照合するステップ。注:第j(1<j<N)下顎骨運動クラスは、磁場データの値の第jセットで構成され;各磁場データの値の第jセットは、該第jクラスに関連付けられた下顎骨運動または頭部の動きの少なくとも1つの速度または速度変化を示す。
1. サンプリングされた下顎骨運動のデータを得る。下顎骨運動のデータは、サンプリングされた回転値、及び任意選択でサンプリングされた加速度値及び/またはサンプリングされた磁場値を含む。好ましくは、サンプリング速度は、1.0~100.0 Hz、または2.0~50.0 Hz、または5.0~25.0 Hz、好ましくは10.0 Hzである。好ましくは、得られたサンプリングされた下顎骨運動のデータを、10.0分間~12.0時間、または20.0分間~4.0時間、または30.0分間~2.0時間の間に得る。
2.下顎骨運動事象のタイムスタンプを特徴づける。
3.各タイムスタンプtiについて、次のステップを実行する:
3.a.tiが下顎骨運動事象の始まりであるかどうかを確認する。
3.b.tiが下顎骨運動事象の始まりであれば、
- tiをt_beginに割り当て、続いて該下顎骨運動事象の終了(t_end)を検索する;及び、
- t_begin及びt_endに指標をつける;
4.各下顎骨運動事象Eについて、次のステップを実行する:
4.a. 事象の期間を計算する。dt=(t_end-t_begin)
4.b. 該事象中にサンプリングされた下顎骨運動のデータの統計的分布を測定する。好ましくは、これは、最小値、最大値、平均値、中央値、最頻値、百分位数5、25、75、90、95、歪度、尖度、及びIQRを含むリストから選択された1つまたは複数の特徴を計算することを含む。
追加的または代替的に、GAM(General Additive Model)非線形モデルを用いて、時間tに対するスプライン関数でMM振幅及び/または位置を推定して、スプライン関数の係数を抽出する。
追加的または代替的に、単純な線形モデルを適合させ、振幅及び/または位置を含む下顎骨の動きから切片及び勾配を抽出する。
任意選択で、全ての特徴を連結する。
次に、下顎骨運動事象を下顎骨運動クラスと照合する。
いくつかの実施形態では、前記システムは、感知ユニット及び被験者の睡眠中に生じうる障害に関連するデータを処理するための装置を含む。該処理装置は、第1及び第2測定信号ストリームを識別するように適合された識別ユニットを含む。第1信号は、その周波数が第1所定周波数範囲に位置する。第2信号は、頭部及び/または下顎骨の動きを特徴付ける少なくとも1つの固有の特性の値が、該値からなる第2所定範囲に位置する。前記第1所定振動数範囲及び前記第2所定範囲は、前記被験者の睡眠状態を特徴付ける、該被験者のそれぞれ頭部及び下顎骨の動きの振動数の値からなる。前記識別ユニットは、第1及び第2ストリームで識別された第1及び第2信号が第1所定期間で存在することを観察した後、トリガー信号を産生するように適合される。また、前記識別ユニットは、前記トリガー信号を産生した後、第1及び第2測定信号ストリームにおいて、前記少なくとも1つの固有の特性の周波数及び/または値が前記被験者の下顎骨の動き及び頭部位置の変化を表す第3信号を識別するように適合される。前記識別ユニットは、前記トリガー信号の制御下で活性化されるように適合された分析ユニットに接続されている。該分析ユニットはまた、第3信号を睡眠障害に関連する振動数及び/または値を特徴付けるプロファイルと比較し、該比較の結果を産生するように適合される。本発明は、次の概念に基づいている。即ち、被験者の睡眠において、その呼吸運動が脳の神経中枢によって制御され、神経中枢がそれに取り付けられている頭部と下顎骨の筋肉を制御し、次に、筋肉が該被験者の頭部と下顎骨を位置付ける。前記加速度計及びジャイロスコープはそれぞれ、頭部と下顎骨の動きを特徴付ける測定信号の時間ストリームを提供する。前記識別ユニットを使用することにより、これらの測定信号のストリームから、被験者の睡眠状態を特徴付けるものを識別し、前記分析ユニットを起動し、実際の睡眠中の被験者に影響を与える睡眠障害を分析することができる。
- 少なくとも1人の被験者からサンプリングされた回転運動のデータを提供するステップ; 該サンプリングされたデータは、本明細書に記載されるような1つまたは複数のサンプリング及び処理の方法によって提供され得る。
- 提供されたデータを機械学習分類器に入力し、予測スコアを算出するステップ;及び
- 算出されたスコアに基づいて、睡眠段階を判定するステップ。
(1)被験者の覚醒状態または睡眠状態を検出するための2クラススコアリング(即ち、二進法);
(2)被験者の覚醒状態、非REMの睡眠段階、またはREMの睡眠段階を含む睡眠段階を分類するための3クラススコアリング;
(3)被験者の覚醒状態、浅い睡眠(N1及びN2)段階、深い睡眠(N3)段階、またはREMの睡眠段階を含む睡眠段階を分類するための4クラススコアリング;及び
(4)被験者の覚醒状態、N1の睡眠段階、N2の睡眠段階、N3の睡眠段階、及びREMの睡眠段階を含む全ての睡眠段階を分類するための5クラススコアリング。
感知ユニット及びデータを処理するための装置(例えば、被験者の睡眠中に生じうる障害に関連する処理ユニット)を含む組み合わせ。前記感知ユニットは、被験者の頭部及び/または下顎骨の動きを測定するように適合された加速度計、及び該被験者の下顎骨の動きを測定するように適合されたジャイロスコープを含む。前記感知ユニットは、行われた測定に基づいて測定信号を産生するように適合される。前記装置は、それぞれ加速度計及びジャイロスコープからの測定信号のそれぞれ第1及び第2時間ストリームを受信するための第1及び第2入力を含む。該処理装置は、第1及び第2測定信号ストリームを識別するように適合された識別ユニットを含む。第1信号は、その周波数が第1所定周波数範囲に位置する。第2信号は、頭部及び/または下顎骨の動きを特徴付ける少なくとも1つの固有の特性の値が、該値からなる第2所定範囲に位置する。前記第1所定振動数範囲及び前記第2所定範囲は、前記被験者の睡眠状態を特徴付ける、該被験者のそれぞれ頭部及び下顎骨の動きの振動数の値からなる。前記識別ユニットは、第1及び第2ストリームで識別された第1及び第2信号が第1所定期間で存在することを観察した後、トリガー信号を産生するように適合される。また、前記識別ユニットは、前記トリガー信号を産生した後、第1及び第2測定信号ストリームにおいて、前記少なくとも1つの固有の特性の周波数及び/または値が前記被験者の下顎骨の動き及び頭部位置の変化を表す第3信号を識別するように適合される。前記識別ユニットは、前記トリガー信号の制御下で起動されるように適合された分析ユニットに接続される。該分析ユニットはまた、第3信号を睡眠障害に関連する振動数及び/または値を特徴付けるプロファイルと比較し、該比較の結果を産生するように適合される。
前記感知ユニットが当該被験者の頭部及び/または下顎骨の動きを測定するように適合された磁力計を含み、前記装置またはユニットが該磁力計からの測定信号の第3時間ストリームを受信するための第3入力を含み、前記分析ユニットが該磁力計からの測定信号を前記第3信号と統合するように適合されることを特徴とする、実施形態1による組み合わせ。
前記感知ユニットが酸素計、及び/または温度計、及び/またはオーディオセンサー、及び/または筋電図検査ユニット、及び/または脈拍フォトプレチスモグラフを含み、前記識別装置またはユニットがそれぞれ、該酸素計、温度計、オーディオセンサー、筋電図検査ユニット、及び脈拍フォトプレチスモグラフからの測定信号の第4、及び/または第5、及び/または第6、及び/または第7、及び/または第8時間ストリームを受信するための第4及び/または第5及び/または第6及び/または第7及び/または第8入力を含み、前記分析ユニットがそれぞれ、該酸素計、温度計、オーディオセンサー、筋電図検査ユニット、及び脈拍フォトプレチスモグラフからの測定信号を第3信号に統合するように適合されることを特徴とする、実施形態1または2による組み合わせ。
前記振動数からなる第1所定範囲が0.15 Hz~0.60 Hzであり、前記識別ユニットが被験者の少なくとも2回の呼吸サイクルの期間にわたって第1信号を識別するように適合されることを特徴とする、実施形態1~3のいずれか1つによる組み合わせ。
前記値からなる第2所定範囲が頭部位置の変化を示す少なくとも1つの頭部運動の振幅値を含むことを特徴とする、実施形態1~4のいずれか1つに記載の組み合わせ。
前記分析ユニットが第1及び/または第2ストリームにおいて、被験者の頭部を通って伸びる少なくとも1本の軸の周りの頭部の回転を特徴付ける信号を第3信号の中から識別するように適合されることを特徴とする、実施形態1~5のいずれか1つによる組み合わせ。
前記識別ユニットが被験者の下顎骨の動きと頭部位置の変化を特徴付ける第1と第2信号ストリームの動きを識別するように適合され、前記分析ユニットが該動きを特徴付ける情報を識別するために使用される少なくとも1つの特徴を該動きの信号ストリームから除去するように適合されることを特徴とする、実施形態1~6のいずれか1つによる組み合わせ。
前記処理装置がそれにバンドパスフィルター、及び/またはローパスフィルター、及び/または指数移動平均、及び/または信号の振動数のエントロピーの計算を適用することによって、第1及び/または第2ストリームに前処理を適用するように適合されることを特徴とする、実施形態1~7のいずれか1つによる組み合わせ。
前記分析ユニットは、第2期間、特に30秒間に、前記の動きを特徴付ける情報を識別するために使用される前記少なくとも1つの特性が、それぞれ睡眠状態か覚醒状態を特徴付ける値を有するかどうかを検証するように適合され、該分析ユニットは、前記の動きを特徴づけ、かつ第1及び第2受信済ストリームの分析済の信号から除去され、前記情報の識別に使用される少なくとも1つの特性が、それぞれ睡眠状態か覚醒状態を説明する値を有する場合に、それぞれ睡眠状態及び覚醒状態を示す第1データ項目を産生するように適合されることを特徴とする、実施形態7に依存する場合の実施形態7または8による組み合わせ。
前記分析ユニットは、第2期間、特に30秒間に、前記の動きを特徴付ける情報を識別するために使用され、第1及び第2受信済のストリームの分析済の信号から除去された前記周波数及び/または少なくとも1つの特性が、それぞれN1の睡眠状態及びREMの睡眠状態を特徴付ける値を有するかどうかを検証するように適合され、該分析ユニットは、前記の動きを特徴づけ、かつ第1及び第2受信済ストリームの分析済の信号から除去された前記周波数及び/または少なくとも1つの特性が、それぞれN1の睡眠状態及びREMの睡眠状態を表す値を有する場合に、それぞれN1の睡眠状態及びREMの睡眠状態を示す第2及び第3データ項目を産生するように適合されることを特徴とする、実施形態7に依存する場合の実施形態7、9または8のいずれか1つによる組み合わせ。
前記分析ユニットは、第2期間、特に30秒間に、前記の動きを特徴付ける情報を識別するために使用され、第1及び第2受信済のストリームの分析済の信号から除去された少なくとも1つの特性が、それぞれN2の睡眠状態及びN3の睡眠状態を特徴付ける値を有するかどうかを検証するように適合され、該分析ユニットは、前記の動きを特徴づけ、かつ第1及び第2受信済ストリームの分析済の信号から除去され、前記情報の識別に使用される少なくとも1つの特性が、それぞれN2の睡眠状態及びN3の睡眠状態を表す値を有する場合に、それぞれN2の睡眠状態及びN3の睡眠状態を示す第4及び第5データ項目を産生するように適合されることを特徴とする、実施形態7、9または10による組み合わせ。
前記分析ユニットは、第3期間、特に3~15秒間に、第1及び第2の受信済のストリームの分析済の信号の少なくとも1つの固有の特性が、それぞれ皮質活性化及び皮質下活性化を特徴付けるレベルを有するかどうかを検証するように適合され、該分析ユニットは、第1及び第2受信済ストリームの分析済の信号の前記少なくとも1つの固有の特性がそれぞれ皮質活性化及び皮質下活性化を表すレベルを有する場合、皮質活性化及び皮質下活性化を示す第6データ項目を産生するように適合されることを特徴とする、実施形態1~11のいずれか1つによる組み合わせ。
前記分析ユニットは、分析済の信号の少なくとも1つの固有の特性が、それぞれ閉塞性無呼吸、閉塞性低呼吸、呼吸努力関連覚醒、中枢性無呼吸、及び中枢性低呼吸を特徴付けるレベルを有するかどうかを検証するように適合され、該分析ユニットはまた、第1及び第2ストリームの分析済の信号の前記少なくとも1つの固有の特性がそれぞれ閉塞性無呼吸、閉塞性低呼吸、呼吸努力関連覚醒、中枢性無呼吸、及び中枢性低呼吸を表すレベルを有する場合、それぞれ閉塞性無呼吸、閉塞性低呼吸、呼吸努力関連覚醒、中枢性無呼吸、及び中枢性低呼吸を示す第7、第8、及び第9データ項目を産生するように適合されることを特徴とする、実施形態1~12のいずれか1つによる組み合わせ。
前記識別ユニットが、振動数の値及び/または睡眠状態中に観察されない変動を示す少なくとも1つの固有の特性の値を第1及び第2ストリームで識別し、そのような変動を観察した際に中和信号を産生し、それを中和するために該中和信号を前記分析ユニットに供給するように適合されることを特徴とする、実施形態1~13のいずれか1つによる組み合わせ。
前記分析ユニットは、少なくとも3回の呼吸サイクル中に0.5~5 Hz範囲に確立された周波数で、第1及び第2ストリームの分析済の信号の少なくとも1つの固有の特性が少なくとも1 mmを超えて増加したかどうか、該動きが位相性である場合、または少なくとも2秒間持続的かつ強直的に1 mmを超えたかどうかを検証し、該検証中の歯ぎしりを示す第10データ項目を産生するように適合されることを特徴とする、実施形態1~14のいずれか1つによる組み合わせ。
前記分析ユニットが無呼吸、低呼吸または努力期間中に下顎骨を動員する筋肉ゲインのループゲインの計算へのアクセスを提供する第1及び第2ストリームの1つまたは複数の値を起動後の受動的崩壊点及び/または起動前の覚醒点から捕らえるように適合されることを特徴とする、実施形態1~15のいずれか1つによる組み合わせ。
実施例
・呼吸努力に関連する動き、その後、
・一時的な皮質活性化または皮質下活性化に関連する動き、その後、
・歯ぎしりのサイクル中の発作数、2つの発作間のサイクルの長さ、発作の持続時間等、明確に区別できる歯ぎしりまたは咀嚼の動きに関連する動き。
- 頭部と下顎骨の位置(例えば、ロール角、ピッチ角、及びヨー角)
- 下顎骨及び頭部の各軸に沿った加速度
- 下顎骨及び頭部の各軸に沿った回転速度
- 下顎骨及び頭部の1つまたは複数の軸の周りの回転速度の標準(空間では、ベクトルuが座標(x、y、z)をもつ場合、その標準は次のように記述される:(x2 + y2 + z2)0.5)
- 下顎骨及び頭部の1本または複数の軸に沿った加速度の標準
- 10または30秒間測定された値、または2回の活性化で定義された値の中央値
- 10または30秒間測定された値、または2回の活性化で定義された値の平均値
- 10または30秒間測定された値、または2回の活性化で定義された値の最大値
- 10または30秒間測定された値、または2回の活性化で定義された値の最小値
- 10または30秒間測定された値、または2回の活性化で定義された値の標準偏差
- 測定値の指数移動平均値(半減期は5、60、120、及び180秒を有する)
- 測定値の全ての振動数、呼吸振動数帯域(0.15~0.60 Hz)、低振動数帯域(0~0.10 Hz)にわたるフーリエ変換及び積分
- フーリエ変換及び測定値のエネルギー最大振動数または第2エネルギー最大振動数の識別
- 測定値の90秒間ウィンドウにわたるシャノンエントロピー
- 過去と未来を考慮に入れるために、下顎骨、頭部、及びその他の特性の回転速度及び加速度信号の時間オフセット。
1)200人の被験者に感知ユニットを装備し、同時に睡眠分野での参照臨床検査である睡眠ポリグラフ検査を受けさせる。
2)次に、これらの被験者うちの40人から捕らえられた信号を用いて、各ランダムフォレストモデルをトレーニングする。該感知ユニットからの信号と前処理ステップ後に得られた特徴のサブセットを、ランダムフォレストアルゴリズムでの睡眠検査の参照結果と組み合わせて注入し、この入力データに基づいて分類モデルを産生する。
3)次に、残りの被験者をモデル検証に使用する。これらの被験者に対応する感知ユニットからの信号を、前のステップで産生されたモデルに注入し、結果を産生し、それらの結果を睡眠ポリグラフで得られた結果と比較する。モデルで得られた結果と睡眠ポリグラフで得られた結果が十分に一致すると見なされた場合、該モデルは有効であると見なされる。それ以外の場合、該セクションのステップ2から開発を再開する。
・低い振幅で安定し;
・高い、または「増強する」中枢性で増強し;口が閉じ、後者が閉塞性であれば、発症が修正され;
・低い、または「低減する」中枢性で増強し;口が開き、発症が課せられ、閉塞的であり;
・低い、または「低減する」中枢性で減少し; 発症が課せられ、中枢性であり;
・外側翼突筋が動員されるときに、高い、または「高まる」中枢性で増強する。
・催眠術:睡眠の段階と、記録中の覚醒/睡眠の移行の瞬間の進化;
・録音の開始時間と終了時間、ベッドで過ごした時間、及び/または横臥している時間;
・総睡眠時間;様々な有効性指標;
・睡眠の断片化;例えば、微小覚醒と覚醒(活性化)の数と指標、覚醒/睡眠遷移変化の数と指標;
・呼吸及び非呼吸運動発症の数と指標;
・例えば、大脳制御振幅の周期的、定期的、徐々に増減する変動を伴う中枢呼吸発症が繰り返される場合において、期間の持続時間が40秒間を超えると測定されると、おそらく心不全の状況で、周期的な呼吸のタイプが進行していると疑うことができる;
・周期的な性質の事象は、閉塞性の発症である場合もあれば、閉塞性の発症が周期的に繰り返される場合もある(例えば、ループゲインが高い場合や覚醒度が強い場合);
・呼吸努力に無関係な繰り返される皮質下活性化は、その四肢運動と関連していることを示唆している。
(1)下顎骨は受動的であるか、または中枢運動制御が数呼吸サイクルの期間中は抑制されている間、下顎骨は筋肉組織の強壮性及び/または位相性のサポートなしで活性化の退行で低下する。口が閉じた後、受動的に口を開くことによるその位置の緩和、即ち下顎骨は、それをサポートすると見なされる筋肉組織の強壮部分が、可変距離であるが、顕著な勾配(>1/10 mm/s)で失われるため、サポートされなくなった。口を閉じることとそれに続く勾配の変化の前に記録された最低点との間の距離の測定は、神経中枢による制御の喪失がある活性化から続くときの咽頭部の受動的崩壊性のマーカーである。この状況は、数回(最大5回)の呼吸サイクルに相当する時間続く可能性がある。
下顎骨の位置を制御する筋肉組織の中枢制御(強壮部分の持続性)が失われないため、この弛緩は起こらず、口は閉じたままであるか、実質的に閉じたままである可能性がある。
(2)次に、下顎骨は、新しい活性化が誘発される前に、発症中に呼吸制御の振動数で下顎骨の位置を再度決定する、位相性及び/または強直性の形態での筋肉反応ゲインを示す。これから、下顎骨の位置と動きを制御する筋肉活動の再開が続く。この筋肉の活動を再開は、呼吸運動がある場合とない場合、即ち位相成分がある場合とない場合、即ち測定のバックグラウンドノイズを超えて測定可能な少なくとも1つのピーク間の振幅がある場合の新しい位置を表す勾配の変化によって現れる場合がある(>0.05 mm)。この後者の動きは、呼吸運動の再開、即ち呼吸振動数の変化を示し、従って、評価の規則に従って、閉塞性発症を中枢または混合として認定することを可能にする呼吸努力を示す。中枢性の動きにより、口の開きの程度が安定しているか、増加しているか、減少しているかを特定できるが、呼吸の動きのピーク間の振幅は、現在の努力の程度を反映している。
(3)中枢性または振幅点が最も低くなり、そこから口を閉じる動作が実行される。活性化によって決定される最初の動作は、覚醒度の閾値と同様である。この動きは、例えばREMの場合や、口を前方及び高い位置に保持している外側翼突筋と咬筋の活動によって呼吸努力が発揮されるために口が開かない場合等、下向きになることがあり、この動きは、活性化の証明である。後者は皮質または皮質下、または皮質下、次に皮質系列であるか、発症中に下顎骨があまり開かなかった場合、おそらく外側翼突筋の活動が原因で、活性化中に突然開く可能性があるが、ほとんどの場合、発症中に口が開いたため、活性化によって残酷に閉じられる。
(4)図4に示すように、前記覚醒点からの活性化中の最大距離で下顎骨位置点が続く。それらを隔てる距離は、活性化中の下顎骨運動の振幅の尺度である。その値は、努力の再開の開始から覚醒点までの呼吸運動の振幅の変化を介して活性化される前に、発症中に展開された呼吸努力のレベルと測定され、比較される。これらの値の比率は、下顎骨のループゲインの程度の尺度である。
1. 生のMMデータ系列を、例えば、サンプリング速度10または25 Hzでロードする。該系列は、例えば、30分間~8時間のような著しい期間を有する;
2. 閉塞性及び中枢性低呼吸発症のタイムスタンプを特徴づける;
3. タイムスタンプtiごとに次のステップを実行する:
3.a. tiが閉塞性または中枢性低呼吸発症の始まりであるかどうかを確認する。
3.b. tiが閉塞性または中枢性低呼吸発症の始まりであれば、
- tiを(t_begin)に割り当て、続いて終了(t_end)を検索し、そして、
- t_begin及びt_endに指標を付け、生のデータ系列を「発症E」という名前の一時的なホルダーに抽出する;
4. 発症Eごとに次のステップを実行する:
4.a. 発症期間dt=(t_end-t_begin)を計算し、
4.b. 発症中に測定されたパラメーターの分布を測定する;
- 最小値、最大値、平均値、中央値、最頻値、百分位数5、25、75、90、及び95、歪度、尖度、及びIQR;
- GAM非線形モデルを適合させて、時間tのスプライン関数によってMMの振幅及び/または位置を推定し、スプライン関数の係数を抽出する;
- 単純な線形モデルを近似し、切片と線形勾配を抽出する;
- 測定データを下顎骨運動クラスと照合することにより、全ての特徴とラベルを連結する。
(1)ジャイロスコープ及び加速度計を含む本発明のシステムを用いて、被験者の睡眠中の下顎骨の動きを記録する。得られたデータパックは、前記の3軸加速度計及びジャイロスコープセンサーで得られた6チャネルの生信号を含む。該生データは、睡眠段階用のEEG、EOG及びEMG信号、3軸加速度計及びジャイロスコープセンサーで得られた6チャネルのMM信号等、睡眠段階の測定に適した他の装置からの記録をさらに含む場合がある。
機械学習実験用の入力データとして、手作りの特徴抽出を使用できる。例えば、特徴産生モジュールは、30秒間ごとに中央に配置されたスライディングウィンドウを用いて、MM活動信号の6つのチャネルから1728個の特徴のセットを抽出した。抽出された特徴には、低振動数帯域(0~0.1 Hz)、高振動数帯域(>0.3 Hz)、または呼吸性振動数帯域(0.2~0.3 Hz)における信号エネルギー、いくつかの半減期を有する指数移動平均、いくつかの振動数帯域におけるエネルギーのエントロピー、上記の特徴に適用される統計的特徴:中枢性の傾向(平均値、中央値)、極値(最小値、最大値)、四分位数、標準偏差、及び上記の全ての特徴の正常な標準化値が含まれる。
特徴選択とハイパーパラメーター調整は、入力データが参加者のレベルでランダムにフォールドに分割される交差検定を用いて実行された。最終モデルは、最も関連性の高い特徴と最適化されたハイパーパラメーター値のみを用いて、全てのトレーニングセットでトレーニングされた。ターゲットラベル間の比率が不均衡であるため、トレーニングデータは、各トレーニングセッションの前に総合的なマイノリティオーバーサンプリング手法(SMOTE)で均衡が保たれた。
機械学習アルゴリズム:Extreme GradieNt BoostiNg(XGB)分類器は、3つの分類タスク全てのコアアルゴリズムとして採用されている。該XGB分類器は、凸損失関数(予測出力とターゲット出力の差に基づく)とモデルの複雑さのペナルティ項を組み合わせた正則化された目的関数を最小化することにより、トレーニングプロセス中に最適化される。
モデルトレーニング:学習目標は、特定のタスクに応じて3つのターゲットラベルを分類することを目的としたマルチクラス分類に設定される。該トレーニングは、ドロップアウト-複数加法回帰ツリー(DART)ブースター及びヒストグラム最適化近似グリーディツリー構築アルゴリズムを意味した。対数損失が評価測定基準として選択された(従って、3つのターゲットクラス間の均衡の保たれた精度が最適化される)。過剰適合を防ぐために、学習速度(eta、またはステップサイズの縮小)パラメーターを0.01に設定する。これにより、特徴の重みが縮小され、ブースティングプロセスがより保守的になる。
モデルの出力は、各ターゲットラベルの確率スコアを産生するソフトマックス関数を意味する。そして、最終的な決定(30秒間ごとに1つのラベルのみを割り当てる)は、これら3つの確率スコアに最大値を与える引数の関数を適用することによって達成される。
クラスごとの一致評価:正規化された混同行列により、特定のマルチクラス分類タスクに対するモデルのクラスごとのパフォーマンスを評価できる。行は手動のPSGスコアリングから導き出された真実であり、列は自動化されたアルゴリズムスコアリングの結果を示す。混同行列の対角セルは、クラスごとの真の陽性率を示す。
精度(または正の予測値)は、真陽性/(真陽性+偽陽性)として定義され、陽性のケースを正しく識別するモードの能力を測定する。再現率(感度、ヒット率、真陽性率とも呼ばれる)は、モデルの有用性(全ての被験者実例間の正しい分類の割合として定義される)を示し、再現率=真陽性予測/全て陽性実例;
F1スコアは、クラスごとの再現率と適合率の調和平均として定義される複合的な測定基準である。
2 ×(適合率×再現率)/(適合率+再現率)
F1スコアには直感的な意味があり、モデルの正確さ(正しく分類される期間の数)と、モデルの堅牢性(誤分類率が低い)を示す。実際のデータは、睡眠段階間の不均衡な比率を示しており、全てのラベルが等しく重要であるため、全てのクラスで等しく高いF1スコアを取得する分類子が採用されている。
グローバルな期間ごとの一致評価測定基準:均衡の保たれた精度(BAC)は、ターゲットクラス間の真の陽性率と真の陰性率の平均を測定する。コーエンのカッパ係数は、モデルの分類と実際の観測値(手動PSGスコアリング)の間の一致の強度を測定する。該一致の強度の6つのレベルとして解釈できる:0未満:弱い、0~2:わずか、0.2~0.4:普通、0.41~0.6:中程度、0.61~0.8:かなり、0.81~1:ほぼ完璧。
これらの定量的スコアの定義を以下の表に示す:
Claims (15)
- 頭部及び下顎骨を有する被験者における睡眠障害を特徴づけるためのシステムであって、
該システムは、前記被験者の下顎骨の回転運動を測定するために構成されたジャイロスコープを含み;
該システムは、データ分析ユニット及びデータリンクをさらに含み;
該データリンクは、前記ジャイロスコープから測定された回転運動のデータを前記データ分析ユニットに送信するために構成され;
ここで、該データ分析ユニットは、N個の下顎骨運動クラスを保管するように構成されたメモリユニットを含み、ここで、Nは1より大きい整数であり、前記N個の下顎骨運動クラスのうちの少なくとも1つは睡眠障害の発症を示し;
ここで、各第j(1<j<N)下顎骨運動クラスは、回転値の第jセットを含み、各回転値の第jセットは、該第jクラスに関連付けられた下顎骨回転の少なくとも1つの速度、速度変化、振動数、及び/または振幅を示し;
ここで、該データ分析ユニットは、サンプリング期間中に測定された回転運動のデータをサンプリングし、それによって、サンプリングされた回転運動のデータを取得するために構成されたサンプリング要素を含み;
ここで、該データ分析ユニットは、前記サンプリングされた回転運動のデータから複数の測定された回転値を導出するように構成され;かつ、
ここで、該データ分析ユニットは、さらに、前記測定された回転値を前記
N個の下顎骨運動クラスと照合するために構成される、
システム。 - 加速度を測定するように適合された加速度計をさらに含む、請求項1に記載のシステムであって、該加速度は、前記被験者の頭部及び/または下顎骨の動き及び/または位置を示し、
前記データリンクは、該加速度計から測定された加速度のデータを前記データ分析ユニットに送信するためにさらに構成され;
ここで、各第j(1<j<N)下顎骨運動クラスは、加速度値の第jセットを含み、各加速度値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の少なくとも1つの動きを示し;
ここで、前記サンプリング要素は、サンプリング期間中に測定された加速度のデータをサンプリングし、それによって、サンプリングされた加速度のデータを取得するために構成され;
ここで、前記データ分析ユニットは、前記サンプリングされた加速度のデータから複数の測定された加速度値を導出するように構成され;かつ、
ここで、前記データ分析ユニットは、さらに、前記測定された加速度値を前記N個の下顎骨運動クラスと照合するために構成される、
システム。 - 磁力計をさらに含む、請求項1または2に記載のシステムであって、該磁力計は、磁場データを測定するように適合され、磁場データの変動は、前記被験者の頭部及び/または下顎骨の動きを示し、
前記データリンクは、前記加速度計から測定された磁場データを前記データ分析ユニットに送信するためにさらに構成され;
ここで、各第j(1<j<N)下顎骨運動クラスは、磁場データの値の第jセットを含み、各磁場データの値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の動きの少なくとも1つの速度または速度変化を示し;
ここで、前記データ分析ユニットは、サンプリング期間中に測定された磁場データをサンプリングし、それによって、サンプリングされた磁場データを取得するために構成されたサンプリング要素を含み;
ここで、前記データ分析ユニットは、前記サンプリングされた磁場データから複数の測定された磁場値を導出するように構成され;かつ、
ここで、前記データ分析ユニットは、さらに、前記測定された磁場値を前記N個の下顎骨運動クラスと照合するために構成される、
システム。 - 前記ジャイロスコープ、及び任意選択で、前記加速度計及び/または磁力計またはその一部が、感知ユニットに含まれ、該感知ユニットが、前記被験者の下顎骨に取り付け可能である、請求項1~3のいずれか1項に記載のシステム。
- 前記N個の下顎骨運動クラスの1つまたは複数が、所定の振動数範囲によって特徴付けられる、請求項1~4のいずれか1項に記載のシステム。
- 前記分析ユニットが、前記ジャイロスコープ、加速度計、及び/または磁力計のデータに基づいて、前記被験者の頭部の動きを識別するために構成される、請求項1~5のいずれか1項に記載のシステム。
- 前記N個の下顎骨運動クラスの少なくとも1つが、前記被験者が覚醒していることを示し、前記N個の下顎骨運動クラスの複数が、該被験者が睡眠中であることを示す、請求項1~6のいずれか1項に記載のシステム。
- 前記N個の下顎骨運動クラスの少なくとも1つは、前記被験者がN1の睡眠状態であることを示し、かつ、該N個の下顎骨運動クラスの少なくとも1つは、前記被験者がREMの睡眠状態であることを示し、任意選択で、該N個の下顎骨運動クラスの少なくとも1つは、前記被験者がN2の睡眠状態であることを示し、かつ/または該N個の下顎骨運動クラスの少なくとも1つは、前記被験者がN3の睡眠状態であることを示す、請求項7に記載のシステム。
- 前記N個の下顎骨運動クラスの1つまたは複数が、閉塞性無呼吸、閉塞性低呼吸、呼吸努力関連覚醒、中枢性無呼吸、及び/または中枢性低呼吸を示す、請求項1~8のいずれか1項に記載のシステム。
- 前記N個の下顎骨運動クラスの1つが、歯ぎしりを示し、ここで、前記測定された回転運動のデータが、少なくとも1 mmの下顎骨運動振幅、前記動きが位相性である場合、少なくとも3回の呼吸サイクル中に0.5~5 Hzの範囲に確立された振動数で、または少なくとも2秒間持続的かつ強直的に1 mmを超える下顎骨運動振幅を示す、請求項1~9のいずれか1項に記載のシステム。
- 下顎骨を有する被験者における睡眠障害の特徴付けを支援するための方法であって、
データ分析ユニットで、該被験者の下顎骨に配置されたジャイロスコープから回転運動のデータを、データリンクを介して受信するステップ;
該データ分析ユニットに含まれるメモリユニットで、N個の下顎骨運動クラスを保管するステップ(ここで、Nは1より大きい整数であり、該N個の下顎骨運動クラスの少なくとも1つは睡眠障害の発症を示す);
ここで、各第j(1<j<N)下顎骨運動クラスは、回転値の第jセットを含み、各回転値の第jセットは、該第jクラスに関連付けられた下顎骨回転の少なくとも1つの速度、速度変化、振動数、または振幅を示し;
該データ分析ユニットに含まれるサンプリング要素を用いて、サンプリング期間中の回転運動のデータをサンプリングし、それにより、サンプリングされた回転運動のデータを取得するステップ;
該データ分析ユニットを用いて、前記サンプリングされた回転運動のデータから複数の測定された回転値を導出するステップ;及び
該データ分析ユニットを用いて、前記測定された回転値を前記N個の下顎骨運動クラスと照合するステップ
を含む、方法。 - 請求項11に記載の方法であって、
加速度計を用いて、加速度を測定するステップ(該加速度は、前記被験者の頭部及び/または下顎骨の動き及び/または位置を示す);
前記データリンクを用いて、該加速度計から測定された加速度のデータを前記データ分析ユニットに送信するステップ;
ここで、各第j(1<j<N)下顎骨運動クラスは、加速度値の第jセットを含み、各加速度値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の少なくとも1つの動きを示し;
サンプリング要素を用いて、サンプリング期間中に測定された加速度のデータをサンプリングし、それにより、サンプリングされた加速度のデータを取得するステップ;
前記データ分析ユニットを用いて、サンプリングされた加速度のデータから複数の測定された加速度値を導出するステップ;及び
前記データ分析ユニットを用いて、前記測定された加速度値を前記N個の下顎骨運動クラスと照合するステップ
をさらに含む、方法。 - 請求項11または12に記載の方法であって、
磁力計を用いて、磁場データを測定するステップ(該磁場データの変動は、前記被験者の頭部及び/または下顎骨の動きを示す);
前記データリンクを用いて、該磁力計から前記測定された磁場データを前記データ分析ユニットに送信するステップ;
ここで、各第j(1<j<N)下顎骨運動クラスは、磁場データの値の第jセットを含み;各磁場データの値の第jセットは、該第jクラスに関連付けられた下顎骨または頭部の動きの少なくとも1つの速度または速度変化を示し;
前記データ分析ユニットに含まれるサンプリング要素を用いて、サンプリング期間中に測定された磁場データをサンプリングし、それにより、サンプリングされた磁場データを取得するステップ;
前記データ分析ユニットを用いて、前記サンプリングされた磁場データから複数の測定された磁場値を導出するステップ;及び
前記データ分析ユニットを用いて、前記測定された磁場値を前記N個の下顎骨運動クラスと照合するステップ
をさらに含む、方法。 - 前記分析ユニットを用いて、前記ジャイロスコープ、加速度計、及び/または磁力計のデータに基づいて、前記被験者の頭部の動きを識別するステップをさらに含む、請求項11~13のいずれか1項に記載の方法。
- 前記N個の下顎骨運動クラスの少なくとも1つが、歯ぎしりを示し、ここで、前記測定された回転運動のデータが、少なくとも1 mmの下顎骨運動振幅、前記動きが位相性である場合、少なくとも3回の呼吸サイクル中に0.5~5 Hzの範囲に確立された振動数で、または少なくとも2秒間持続的かつ強直的に1 mmを超える下顎骨運動振幅を示す、請求項11~14のいずれか1項に記載の方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BE20190028A BE1027158B1 (fr) | 2019-03-28 | 2019-03-28 | Ensemble d’un organe de captation et d’un dispositif de traitement de données relatives à des perturbations qui peuvent se présenter durant le sommeil d’un être vivant |
BEBE2019/0028 | 2019-03-28 | ||
EP19189095 | 2019-07-30 | ||
EP19189095.3 | 2019-07-30 | ||
PCT/EP2020/058822 WO2020193778A1 (en) | 2019-03-28 | 2020-03-27 | System comprising a sensing unit and a device for processing data relating to disturbances that may occur during the sleep of a subject |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022527000A true JP2022527000A (ja) | 2022-05-27 |
JPWO2020193778A5 JPWO2020193778A5 (ja) | 2023-03-16 |
Family
ID=70227996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021559451A Pending JP2022527000A (ja) | 2019-03-28 | 2020-03-27 | 被験者に生じうる睡眠障害に関連する感知ユニット及びデータ処理装置を含むシステム |
Country Status (8)
Country | Link |
---|---|
US (2) | US20220330897A1 (ja) |
EP (1) | EP3946004A1 (ja) |
JP (1) | JP2022527000A (ja) |
KR (1) | KR20210145230A (ja) |
CN (2) | CN113677260B (ja) |
AU (1) | AU2020245769A1 (ja) |
CA (1) | CA3135090A1 (ja) |
WO (1) | WO2020193778A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3135090A1 (en) | 2019-03-28 | 2020-10-01 | Sunrise Sa | System comprising a sensing unit and a device for processing data relating to disturbances that may occur during the sleep of a subject |
CN115699206A (zh) * | 2020-05-27 | 2023-02-03 | 皇家飞利浦有限公司 | 用于个体化风险评分分析的方法和系统 |
EP4221812B1 (en) | 2020-10-01 | 2024-03-06 | Sunrise SA | Wearable device for decreasing the respiratory effort of a sleeping subject |
JP2022163395A (ja) * | 2021-04-14 | 2022-10-26 | 日本光電工業株式会社 | 生体情報取得装置、処理装置、およびコンピュータプログラム |
BE1029552B1 (fr) * | 2021-12-05 | 2023-01-27 | Nomics | Méthode de détection des éveils liés à l'effort respiratoire (rera) par des signaux modifiés de distance ou de mouvement mandibulaire chez des sujets souffrant de troubles du sommeil |
CN116350189A (zh) * | 2023-02-20 | 2023-06-30 | 休美(北京)微系统科技有限公司 | 磨牙事件检测系统及磨牙数据处理方法 |
CN117270061B (zh) * | 2023-11-17 | 2024-01-30 | 江苏多维科技有限公司 | 一种铁磁材料检测方法及检测设备 |
Family Cites Families (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3801758A (en) | 1973-03-19 | 1974-04-02 | Airpax Electronics | Multiple switch assembly with external slide member allowing actuation of only one switch at a time |
FR2655072A1 (fr) * | 1989-11-24 | 1991-05-31 | Sita | Machine de nettoyage urbain. |
US5551419A (en) * | 1994-12-15 | 1996-09-03 | Devilbiss Health Care, Inc. | Control for CPAP apparatus |
US6107922A (en) * | 1999-07-14 | 2000-08-22 | Bryuzgin; Andrey | Driver sleep or fatigue alarm |
JP3735603B2 (ja) * | 2002-12-12 | 2006-01-18 | 株式会社東芝 | 睡眠状態検出装置および睡眠状態管理システム |
EP1555505A1 (fr) | 2004-01-16 | 2005-07-20 | Nomics, société anonyme | Dispositif de mesure de distance |
CN100486545C (zh) * | 2004-11-19 | 2009-05-13 | 同济大学 | 阻塞性睡眠呼吸暂停患者口腔矫治器疗效预判系统 |
US7680538B2 (en) | 2005-03-31 | 2010-03-16 | Case Western Reserve University | Method of treating obstructive sleep apnea using electrical nerve stimulation |
US8545416B1 (en) * | 2005-11-04 | 2013-10-01 | Cleveland Medical Devices Inc. | Integrated diagnostic and therapeutic system and method for improving treatment of subject with complex and central sleep apnea |
US7660636B2 (en) | 2006-01-04 | 2010-02-09 | Accelerated Care Plus Corp. | Electrical stimulation device and method for the treatment of dysphagia |
CN103442630A (zh) * | 2007-07-16 | 2013-12-11 | 梅特罗斯里普公司 | 生理数据收集系统 |
CA2721154C (en) | 2008-04-14 | 2017-01-24 | Itamar Medical Ltd. | Non-invasive method and apparatus for determining light-sleep and deep-sleep stages |
CN101566328A (zh) * | 2008-04-23 | 2009-10-28 | 旭日有限公司 | 发光二极管照明模块及照明装置 |
US9415216B2 (en) | 2009-10-20 | 2016-08-16 | Nyxoah SA | Devices for treatment of sleep apnea |
US20110230702A1 (en) | 2010-03-16 | 2011-09-22 | Kirk Honour | Device, System, And Method For Treating Sleep Apnea |
US20110308528A1 (en) * | 2010-06-22 | 2011-12-22 | Jean-Paul Ciardullo | Sleep disorder relief device and method |
US10216893B2 (en) | 2010-09-30 | 2019-02-26 | Fitbit, Inc. | Multimode sensor devices |
US9167991B2 (en) | 2010-09-30 | 2015-10-27 | Fitbit, Inc. | Portable monitoring devices and methods of operating same |
JP6043289B2 (ja) * | 2010-10-20 | 2016-12-14 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 覚醒した患者での閉塞性睡眠時無呼吸の診断のための装置および装置の作動方法 |
US20130226020A1 (en) | 2010-11-05 | 2013-08-29 | Resmed Limited | Acoustic detection mask systems and/or methods |
US8336546B2 (en) | 2011-02-08 | 2012-12-25 | Hancock Medical, Inc. | Positive airway pressure system with head control |
AU2012343270B2 (en) | 2011-11-25 | 2017-01-05 | Braebon Medical Corporation | Method and apparatus for verifying compliance with dental appliance therapy |
KR101363654B1 (ko) | 2012-05-30 | 2014-02-17 | 단국대학교 산학협력단 | 코골이 및 무호흡 치료 장치 |
US9641239B2 (en) | 2012-06-22 | 2017-05-02 | Fitbit, Inc. | Adaptive data transfer using bluetooth |
US9504828B2 (en) | 2012-07-26 | 2016-11-29 | Nyxoah SA | Electrical contacts on a medical device patch |
US9907967B2 (en) | 2012-07-26 | 2018-03-06 | Adi Mashiach | Transcutaneous power conveyance device |
US11013883B2 (en) * | 2013-03-15 | 2021-05-25 | Kryo, Inc. | Stress reduction and sleep promotion system |
US20200129762A1 (en) | 2013-05-30 | 2020-04-30 | Neurostim Technologies Llc | Detection and treatment of obstructive sleep apnea |
CA2917532A1 (en) | 2013-06-17 | 2014-12-31 | Guy SIMAN | Implant unit delivery tool |
EP3071288B1 (en) | 2013-11-19 | 2018-11-14 | The Cleveland Clinic Foundation | System for treating obstructive sleep apnea using a neuromuscular stimulator |
DE202013105962U1 (de) * | 2013-12-30 | 2014-01-22 | Zebris Medical Gmbh | Kopfbogen einer Vorrichtung zur Bestimmung der Position und von Bewegungsfreiheitsgraden des Unterkiefers |
PL406957A1 (pl) * | 2014-01-27 | 2015-08-03 | Intelclinic Spółka Z Ograniczoną Odpowiedzialnością | System do zarządzania snem polifazowym, sposób jego działania, urządzenie do analizy snu, sposób klasyfikacji aktualnej fazy snu oraz zastosowanie systemu i urządzenia do zarządzania snem polifazowym |
US9410979B2 (en) | 2014-09-23 | 2016-08-09 | Fitbit, Inc. | Hybrid angular motion sensors |
US9808185B2 (en) | 2014-09-23 | 2017-11-07 | Fitbit, Inc. | Movement measure generation in a wearable electronic device |
AU2015342962A1 (en) * | 2014-11-06 | 2017-06-29 | Shane MATT | Three dimensional imaging of the motion of teeth and jaws |
FR3029117B1 (fr) | 2014-11-27 | 2022-05-06 | Dreem | Dispositif et procede de stimulation des ondes lentes cerebrales |
US10638972B2 (en) * | 2014-12-08 | 2020-05-05 | University Of Washington | Systems and methods of identifying motion of a subject |
GB201501983D0 (en) | 2015-02-06 | 2015-03-25 | Morgan Innovation & Technology Ltd | Treatment of snoring and sleep apnoea |
US20160296165A1 (en) * | 2015-04-10 | 2016-10-13 | Dymedix Corporation | Screening system for assessing sleep abnormalities |
US20160354602A1 (en) * | 2015-06-05 | 2016-12-08 | The Alfred E. Mann Foundation For Scientific Research | Upper airway stimulator systems for obstructive sleep apnea |
TWI593389B (zh) | 2015-06-30 | 2017-08-01 | 學校法人兵庫醫科大學 | 吞嚥障礙檢查裝置、吞嚥障礙治療裝置以及刺激電流設定方法 |
US20170035350A1 (en) * | 2015-08-04 | 2017-02-09 | Bruxlab BV | System and method for detecting bruxism |
US10251774B2 (en) * | 2015-12-18 | 2019-04-09 | Real 3D Polymers Group Llc | Sleep apnea and anti-snoring system |
RU2628064C2 (ru) * | 2015-12-21 | 2017-08-14 | Евгений Михайлович Рощин | Способ диагностики наличий подвижности нижней челюсти и устройство для его реализации |
US11298258B2 (en) | 2015-12-22 | 2022-04-12 | Somnomed Limited | Mandibular advancement device |
KR20170083483A (ko) * | 2016-01-08 | 2017-07-18 | 전남대학교산학협력단 | 실시간 수면장애 감시 장치 |
CN205493840U (zh) * | 2016-01-28 | 2016-08-24 | 中国人民解放军第二军医大学 | 口罩式睡眠呼吸监测仪 |
DE102016103320A1 (de) | 2016-02-25 | 2017-08-31 | Hicat Gmbh | System zur intraoralen Messung von Kieferverlagerungen |
US20170265801A1 (en) * | 2016-03-15 | 2017-09-21 | Aalok Nital Patwa | Bruxism Detection System With Chin-Mounted Accelerometer Sensor |
JP6439729B2 (ja) * | 2016-03-24 | 2018-12-19 | トヨタ自動車株式会社 | 睡眠状態推定装置 |
JP2019518520A (ja) * | 2016-05-19 | 2019-07-04 | ハンコック メディカル, インコーポレイテッド | 位置閉塞性睡眠時無呼吸検出システム |
US10646708B2 (en) | 2016-05-20 | 2020-05-12 | Thync Global, Inc. | Transdermal electrical stimulation at the neck |
US10325514B2 (en) | 2016-06-02 | 2019-06-18 | Fitbit, Inc. | Systems and techniques for tracking sleep consistency and sleep goals |
CN107518952B (zh) * | 2016-06-17 | 2021-08-20 | 阿莱恩技术有限公司 | 利用感测的口内器具 |
US10470847B2 (en) * | 2016-06-17 | 2019-11-12 | Align Technology, Inc. | Intraoral appliances with sensing |
DE102016120583B3 (de) * | 2016-10-27 | 2018-04-12 | Sicat Gmbh & Co. Kg | Verfahren zur Aufnahme von Kieferbewegungen |
US11103665B2 (en) | 2016-11-09 | 2021-08-31 | Koninklijke Philips N.V. | Respiratory apparatus and method of operating the respiratory apparatus |
US20200155840A1 (en) | 2017-07-17 | 2020-05-21 | Health Apps Pty Ltd | System for aiding early detection and management of breathing disorers |
WO2019093023A1 (ja) | 2017-11-13 | 2019-05-16 | ヤーマン株式会社 | 美容マスク |
US20190247650A1 (en) | 2018-02-14 | 2019-08-15 | Bao Tran | Systems and methods for augmenting human muscle controls |
CN108451503A (zh) * | 2018-03-12 | 2018-08-28 | 卢纪元 | 生物反馈疗法机制和基于该机制的智能睡眠诊疗系统 |
WO2019227150A1 (en) | 2018-05-31 | 2019-12-05 | Neuroscience Research Australia (Neura) | Systems, devices and methods for the treatment of oral and pharyngeal disorders |
JP2021524772A (ja) | 2018-06-01 | 2021-09-16 | ゼネア テクノロジーズ インコーポレイテツドZennea Technologies Inc. | 睡眠関連脳障害を治療するための方法および装置 |
US11771899B2 (en) | 2018-07-10 | 2023-10-03 | The Cleveland Clinic Foundation | System and method for treating obstructive sleep apnea |
EP3593707B1 (en) | 2018-07-11 | 2023-12-20 | Ectosense NV | System for diagnosing sleep |
CA3135090A1 (en) | 2019-03-28 | 2020-10-01 | Sunrise Sa | System comprising a sensing unit and a device for processing data relating to disturbances that may occur during the sleep of a subject |
EP3989813A4 (en) | 2019-06-28 | 2023-10-04 | ResMed Pty Ltd | BAND WITH INTEGRATED STIMULATOR |
EP4221812B1 (en) | 2020-10-01 | 2024-03-06 | Sunrise SA | Wearable device for decreasing the respiratory effort of a sleeping subject |
-
2020
- 2020-03-27 CA CA3135090A patent/CA3135090A1/en active Pending
- 2020-03-27 AU AU2020245769A patent/AU2020245769A1/en active Pending
- 2020-03-27 CN CN202080025685.9A patent/CN113677260B/zh active Active
- 2020-03-27 JP JP2021559451A patent/JP2022527000A/ja active Pending
- 2020-03-27 WO PCT/EP2020/058822 patent/WO2020193778A1/en unknown
- 2020-03-27 KR KR1020217035106A patent/KR20210145230A/ko unknown
- 2020-03-27 EP EP20712198.9A patent/EP3946004A1/en active Pending
- 2020-03-27 US US17/598,184 patent/US20220330897A1/en active Pending
- 2020-03-27 CN CN202410016857.6A patent/CN117694838A/zh active Pending
-
2022
- 2022-05-25 US US17/664,942 patent/US11864910B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN113677260A (zh) | 2021-11-19 |
US20220330897A1 (en) | 2022-10-20 |
AU2020245769A1 (en) | 2021-10-14 |
CA3135090A1 (en) | 2020-10-01 |
KR20210145230A (ko) | 2021-12-01 |
WO2020193778A1 (en) | 2020-10-01 |
CN113677260B (zh) | 2024-01-26 |
US11864910B2 (en) | 2024-01-09 |
EP3946004A1 (en) | 2022-02-09 |
US20220287632A1 (en) | 2022-09-15 |
CN117694838A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11864910B2 (en) | System comprising a sensing unit and a device for processing data relating to disturbances that may occur during the sleep of a subject | |
ES2802130T3 (es) | Sistema y método para determinar el sueño y las fases de sueño de una persona | |
JP7393405B2 (ja) | 睡眠呼吸障害のスクリーニング、診断および監視のためのシステムおよび方法 | |
US10172548B2 (en) | Systems and methods for providing an automated titration for oral appliance therapy | |
US11540769B2 (en) | System and method for tracking sleep dynamics using behavioral and physiological information | |
US20220133222A1 (en) | A sleep monitoring system and method | |
CN103687540A (zh) | 使用记录的呼吸音振幅谱图和音高升降曲线诊断osa/csa | |
US20230389856A1 (en) | Method and system for determination of treatment therapeutic window, detection, prediction, and classification of neuroelectrical, cardiac, and pulmonary events, and optimization of treatment according to the same | |
US20170332917A1 (en) | Non-intrusive portable sleep apnea assessment system | |
US20220218273A1 (en) | System and Method for Noninvasive Sleep Monitoring and Reporting | |
US20240138759A1 (en) | System comprising a sensing unit and a device for processing data relating to disturbances that may occur during the sleep of a subject | |
US20230380757A1 (en) | Obstructive Sleep Apnea Episode Detection System | |
Ranta | Sleep classification in infants using a bed mattress sensor and analysis of ECG | |
US20230337961A1 (en) | Sensing system with features for determining physiological metrics of a subject and for predicting electrophysiological events of a subject | |
Zuzarte | Movement as a Vital Sign in Neonates: Early Movement Monitoring in High-Risk Infants | |
Cervetto | A study on sleep parameters in Parkinson's Disease patients | |
Hasan et al. | Phenotyping Sleep: Beyond EEG | |
Samy | Non-Intrusive Analytical Approaches to Obstructive Sleep Apnea Detection | |
Kheirkhah Dehkordi | Assessment of respiratory flow and efforts using upper-body acceleration considering Sleep Apnea Syndrome | |
Walsh | Non-Contact Sleep Monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230308 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230308 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240418 |