JP2022551816A - レム状態および覚醒状態を指定するためのシステムおよび方法 - Google Patents
レム状態および覚醒状態を指定するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2022551816A JP2022551816A JP2022517752A JP2022517752A JP2022551816A JP 2022551816 A JP2022551816 A JP 2022551816A JP 2022517752 A JP2022517752 A JP 2022517752A JP 2022517752 A JP2022517752 A JP 2022517752A JP 2022551816 A JP2022551816 A JP 2022551816A
- Authority
- JP
- Japan
- Prior art keywords
- epoch
- coupling
- data
- vlfc
- low frequency
- 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
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
- A61B5/4812—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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- 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
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
- A61B5/7289—Retrospective gating, i.e. associating measured signals or images with a physiological event after the actual measurement or image acquisition, e.g. by simultaneously recording an additional physiological signal during the measurement or image acquisition
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
-
- 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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本開示は、睡眠エポックがレム睡眠エポックであるか、または覚醒エポックであるかを分析するシステムおよび方法を提供する。本開示の態様によれば、コンピュータで実施される方法は、人の睡眠期間にわたる心肺結合データにアクセスすることと、前記心肺結合データにおける超低周波結合に対応する睡眠期間のエポックを特定することと、前記エポックに対応する心肺結合データにおける高周波結合データおよび/または低周波結合データにアクセスすることと、前記エポックに対応する高周波結合データおよび/または低周波結合データに基づいて前記エポックをレム睡眠エポックまたは覚醒エポックとして指定することとを含み、前記エポックは、非心肺結合生理学的データを使用せずに心肺結合データに基づいて指定される。【選択図】図1
Description
関連出願の相互参照
本出願は、2019年9月21日に提出された米国仮特許出願第62/903,833号の利益および優先権を主張し、その全体が参照により本明細書に組み込まれる。
本出願は、2019年9月21日に提出された米国仮特許出願第62/903,833号の利益および優先権を主張し、その全体が参照により本明細書に組み込まれる。
本開示は、睡眠分析に関し、特に、睡眠期間中のレム状態および覚醒状態を指定するための、人の睡眠期間中の心肺結合(CPC)データの分析、またはCPCデータと生理学的データの分析に関する。
心肺結合は、対応する直接または導出された呼吸信号と結合された心拍変動からのN-N間隔系列の2つの生理学的信号間で定量的分析を実行して、これらの2つの信号のコヒーレントクロスパワーを判定することにより、睡眠の質を評価する技術である。心肺結合は、とりわけ、米国特許第7,324,845号、米国特許第7,734,334号、米国特許第8,403,848号、および米国特許第8,401,626号に記載されており、これらはすべて、各々の全体が参照により本明細書に組み込まれる。
心肺結合は、結合周波数の観点で特徴付けられる。高周波結合は、統合された安定したNレム睡眠のバイオマーカである安定した睡眠を表し、これは、安定した呼吸の期間、高い迷走神経緊張、脳波図(EEG)上の一般的に非周期性交互パターン、高い相対デルタパワー、生理学的血圧降下(健康上)、および/または安定した覚醒閾値と関連付けられる。高周波結合(HFC)では、結合周波数は0.1Hzを超える。
低周波結合は、安定した睡眠とは反対の特徴を有する統合された不安定なNレム睡眠のバイオマーカである不安定な睡眠を表す。不安定な睡眠は、周期性交互パターン(CAP)と呼ばれるEEG活動、呼吸パターンが変動する期間(1回換気量の変動)、心拍数の周期的変動(CVHR)、血圧の非降下、および/または可変覚醒閾値と関連付けられる。断片的なレム睡眠は、低周波結合特徴を有する。低周波結合(LFC)では、結合周波数は[0.01,0.1]Hzの範囲内にある。低周波結合は、上昇した低周波結合広帯域または上昇した低周波結合狭帯域としてさらに分類することができる。
超低周波結合は、レム睡眠状態および覚醒状態を表す。0.01Hz未満の周波数範囲が、超低周波結合(vLFC)として定義される。レムおよび覚醒の生理学は、ポリソムノグラフィ(PSG)の観点から、2つの状態を区別するための主要なツールとして用いられる眼電図と密接に関連している。レムおよび覚醒は、心肺結合(CPC)において非常によく似た外観を有し、超低周波結合(vLFC)として現れる。
心肺結合データに基づいて様々な睡眠状態を指定するための睡眠分析技術をさらに開発および改善することに関心がもたれる。
本開示は、睡眠分析に関し、特に、睡眠期間中のレム状態および覚醒状態を指定するための、人の睡眠期間中の心肺結合(CPC)データの分析、またはCPCデータと生理学的データの分析に関する。
本開示の態様によれば、コンピュータで実施される方法は、人の睡眠期間にわたる心肺結合データにアクセスすることと、前記心肺結合データにおける超低周波結合を含む睡眠期間のエポックを特定することと、前記エポックに対応する心肺結合データにおける高周波結合データまたは低周波結合データのうちの少なくとも1つにアクセスすることと、前記エポックに対応する高周波結合データまたは低周波結合データのうちの少なくとも1つに基づいて前記エポックをレム睡眠エポックまたは覚醒エポックとして指定することとを含み、前記エポックは、非心肺結合生理学的データを使用せずに心肺結合データに基づいて指定される。
方法の様々な実施形態では、エポックは、低周波結合の優位性を呈し、方法は、前記エポック中の超低周波結合のパワーを閾値と比較することをさらに含む。
方法の様々な実施形態では、閾値は、人、人の状態、または人を含む母集団のうちの少なくとも1つに基づいている。
方法の様々な実施形態では、前記エポックを指定することは、(i)低周波結合の優位性、および(ii)前記エポック中の超低周波結合のパワーが閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定することを含む。
方法の様々な実施形態では、エポックは、超低周波結合の優位性を呈する。
方法の様々な実施形態では、前記エポックの超低周波結合の優位性は、前記エポックに対応する心肺結合データにおける超低周波結合範囲のうちの所定の上限範囲内の優位性に基づいている。
方法の様々な実施形態では、前記エポックを指定することは、(i)超低周波結合範囲のうちの所定の上限範囲内の超低周波結合の優位性、および(ii)前記エポックに対応する高周波結合データまたは低周波結合データのうちの少なくとも1つにおいて、低周波結合または高周波結合のうちの少なくとも1つのパワーが閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定することを含む。
方法の様々な実施形態では、前記エポックを指定することは、(i)前記エポックにおける超低周波結合の優位性、および(ii)前記エポックに対応する低周波結合データにおける上昇した低周波結合狭帯域の存在、に基づいて前記エポックをレム睡眠エポックとして指定することを含む。
本開示の態様によれば、システムは、1つ以上のプロセッサと、命令を記憶する少なくとも1つのメモリを含む。命令は、1つ以上のプロセッサによって実行されると、システムに、人の睡眠期間にわたる心肺結合データにアクセスさせ、前記心肺結合データにおける超低周波結合を含む睡眠期間のエポックを特定させ、前記エポックに対応する心肺結合データにおける高周波結合データまたは低周波結合データのうちの少なくとも1つにアクセスさせ、前記エポックに対応する高周波結合データまたは低周波結合データのうちの少なくとも1つに基づいて前記エポックをレム睡眠エポックまたは覚醒エポックとして指定させ、エポックは、非心肺結合生理学的データを使用せずに心肺結合データに基づいて指定される。
システムの様々な実施形態では、エポックは、低周波結合の優位性を呈し、命令は、1つ以上のプロセッサによって実行されると、システムに、前記エポック中の超低周波結合のパワーを閾値と比較させる。
システムの様々な実施形態では、閾値は、人、人の状態、または人を含む母集団のうちの少なくとも1つに基づいている。
システムの様々な実施形態では、前記エポックを指定することにおいて、命令は、1つ以上のプロセッサによって実行されると、システムに、(i)低周波結合の優位性、および(ii)前記エポック中の超低周波結合のパワーが閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定させる。
システムの様々な実施形態では、エポックは、超低周波結合の優位性を呈する。
システムの様々な実施形態では、前記エポックの超低周波結合の優位性は、前記エポックに対応する心肺結合データにおける超低周波結合範囲のうちの所定の上限範囲内の優位性に基づいている。
システムの様々な実施形態では、前記エポックを指定することにおいて、命令は、1つ以上のプロセッサによって実行されると、システムに、(i)超低周波結合範囲のうちの所定の上限範囲内の超低周波結合の優位性、および(ii)前記エポックに対応する高周波結合データまたは低周波結合データのうちの少なくとも1つにおいて、低周波結合または高周波結合のうちの少なくとも1つのパワーが閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定する。
システムの様々な実施形態では、前記エポックを指定することにおいて、命令は、1つ以上のプロセッサによって実行されると、システムに、(i)前記エポックにおける超低周波結合の優位性、および(ii)前記エポックに対応する低周波結合データにおける上昇した低周波結合狭帯域の存在、に基づいて前記エポックをレム睡眠エポックとして指定させる。
本開示の態様によれば、コンピュータで実施される方法は、人の睡眠期間にわたる心肺結合データにアクセスすることと、前記心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することと、前記vLFCエポックに対応する人のアクティグラフィデータにアクセスすることと、前記vLFCエポックに対応するアクティグラフィデータにおいて、アクティグラフィ測定値の所定のパーセンテージが運動閾値を下回る運動を示していることに基づいて前記vLFCエポックをレムエポックとして指定することを含む。
方法の様々な実施形態では、所定のパーセンテージは、vLFCエポックに対応するアクティグラフィデータにおいて、アクティグラフィ測定値の95%であり、運動閾値は0.01G/sである。
方法の様々な実施形態では、方法は、様々なアクティグラフィセンサに関する前記所定のパーセンテージまたは運動閾値のうちの少なくとも1つを変化させることを含む。
本開示の態様によれば、システムは、1つ以上のプロセッサと、命令を記憶する少なくとも1つのメモリを含む。命令は、1つ以上のプロセッサによって実行されると、システムに、人の睡眠期間にわたる心肺結合データにアクセスさせ、前記心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類させ、vLFCエポックに対応する人のアクティグラフィデータにアクセスさせ、前記vLFCエポックに対応するアクティグラフィデータにおいて、アクティグラフィ測定値の所定のパーセンテージが運動閾値を下回る運動を示していることに基づいて前記vLFCエポックをレムエポックとして指定させる。
システムの様々な実施形態では、所定のパーセンテージは、前記vLFCエポックに対応するアクティグラフィデータにおいて、アクティグラフィ測定値の95%であり、運動閾値は0.01G/sである。
システムの様々な実施形態では、命令は、1つ以上のプロセッサによって実行されると、さらにシステムに、様々なアクティグラフィセンサに関する前記所定のパーセンテージまたは運動閾値のうちの少なくとも1つを変化させる。
本開示の態様によれば、コンピュータで実施される方法は、人の睡眠期間にわたる心肺結合データにアクセスすることと、前記心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することと、人の生理学的測定値に基づいており、アクティグラフィ測定値に基づいていない、前記vLFCエポックに対応する人の擬似アクティグラフィデータにアクセスすることと、前記vLFCエポックに対応する擬似アクティグラフィデータに基づいて前記vLFCエポックをレムエポックまたは覚醒エポックとして指定することを含む。
方法の様々な実施形態では、方法は、生理学的測定値の信号品質に基づいて前記vLFCエポックに対応する擬似アクティグラフィデータを生成することを含む。
方法の様々な実施形態では、擬似アクティグラフィデータを生成することは、信号品質がより低いときにより大きな動きに対応するデータを生成し、信号品質がより高いときにより小さな動きに対応するデータを生成することを含む。
方法の様々な実施形態では、生理学的測定値は、人のECG測定値またはプレチスモグラフィ測定値のうちの少なくとも1つを含む。
方法の様々な実施形態では、擬似アクティグラフィデータを生成することは、vLFCエポック中のピークを検出するべく生理学的測定値を処理することと、検出されたピークのカウントが所定の閾値を下回るときおよび検出されたピークの形状が予想されるピークの形状と一致するときに、より小さな動きに対応するデータを生成することと、検出されたピークのカウントが所定の閾値を上回るときおよび検出されたピークの形状が予想されるピークの形状と異なるときに、より大きな動きを示すデータを生成することを含む。
方法の様々な実施形態では、生理学的測定値は酸素飽和度測定値を含む。
本開示の態様によれば、システムは、1つ以上のプロセッサと、命令を記憶する少なくとも1つのメモリを含む。命令は、1つ以上のプロセッサによって実行されると、システムに、人の睡眠期間にわたる心肺結合データにアクセスさせ、前記心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類させ、人の生理学的測定値に基づいており、アクティグラフィ測定値に基づいていない、前記vLFCエポックに対応する人の擬似アクティグラフィデータにアクセスさせ、前記vLFCエポックに対応する擬似アクティグラフィデータに基づいて前記vLFCエポックをレムエポックまたは覚醒エポックとして指定させる。
システムの様々な実施形態では、命令は、1つ以上のプロセッサによって実行されると、システムに、生理学的測定値の信号品質に基づいてvLFCエポックに対応する擬似アクティグラフィデータを生成させる。
システムの様々な実施形態では、擬似アクティグラフィデータを生成する際に、命令は、1つ以上のプロセッサによって実行されると、システムに、信号品質がより低いときにより大きな動きに対応するデータを生成させ、信号品質がより高いときにより小さな動きに対応するデータを生成させる。
システムの様々な実施形態では、生理学的測定値は、人のECG測定値またはプレチスモグラフィ測定値のうちの少なくとも1つを含む。
システムの様々な実施形態では、擬似アクティグラフィデータを生成する際に、命令は、1つ以上のプロセッサによって実行されると、システムに、前記vLFCエポック中のピークを検出するべく生理学的測定値を処理させ、検出されたピークのカウントが所定の閾値を下回るときおよび検出されたピークの形状が予想されるピークの形状と一致するときに、より小さな動きに対応するデータを生成させ、検出されたピークのカウントが所定の閾値を上回るときおよび検出されたピークの形状が予想されるピークの形状と異なるときに、より大きな動きを示すデータを生成させる。
システムの様々な実施形態では、生理学的測定値は酸素飽和度測定値を含む。
本開示の態様によれば、コンピュータで実施される方法は、人の睡眠期間にわたる心肺結合データにアクセスすることと、前記心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することと、生理学的測定値を含み、アクティグラフィ測定値を含まない、vLFCエポックに対応する人の生理学的データにアクセスすることと、睡眠呼吸障害を示すvLFCエポックに対応する生理学的データに基づいて前記vLFCエポックをレムエポックとして指定することを含む。
方法の様々な実施形態では、生理学的測定値は酸素飽和度測定値を含み、方法は、vLFCエポック中の睡眠呼吸障害イベントを特定するべく酸素飽和度測定値を処理することを含む。
本開示の態様によれば、システムは、1つ以上のプロセッサと、命令を記憶する少なくとも1つのメモリを含む。命令は、1つ以上のプロセッサによって実行されると、システムに、人の睡眠期間にわたる心肺結合データにアクセスさせ、前記心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類させ、生理学的測定値を含み、アクティグラフィ測定値を含まない、前記vLFCエポックに対応する人の生理学的データにアクセスさせ、睡眠呼吸障害を示すvLFCエポックに対応する生理学的データに基づいて前記vLFCエポックをレムエポックとして指定させる。
システムの様々な実施形態では、生理学的測定値は酸素飽和度測定値を含み、命令は、1つ以上のプロセッサによって実行されると、システムに、vLFCエポック中の睡眠呼吸障害イベントを特定するべく酸素飽和度測定値を処理させる。
本開示のシステムおよび方法の目的および特徴は、添付の図面を参照してその様々な実施形態の説明が読まれるときに当業者に明らかとなるであろう。
本開示は、睡眠期間中のレム状態および覚醒状態を指定するための、人の睡眠期間中の心肺結合(CPC)データの分析、またはCPCデータと生理学的データの分析に関する。レム睡眠中に、被検者はほとんど動かないままであるか、または「骨格筋麻痺」の状態にあり、主な機械的運動は眼球にある。レムはvLFCとして現れ、どのような顕著な運動も存在しないはずであるため、本開示による1つの手法は、十分なアクティグラフィなしのvLFCに基づいてレム状態を特定し、十分なアクティグラフィありのvLFCに基づいて覚醒状態を特定する。本開示の他の態様は、レム状態または覚醒状態を指定するためにアクティグラフィデータを使用しない。例えば、本明細書で後でより詳細に説明するように、擬似アクティグラフィデータを使用することができる。本開示の他の態様は、非CPC生理学的データを使用せずに、レム状態または覚醒状態を指定するために心肺結合データのみを使用し、これについては本明細書で後述する。
ここで図1を参照すると、本開示の態様による例示的な測定システム100の図が示されている。測定システム100は、心電図測定値または他の生理学的測定値など、心肺結合(「CPC」)を計算するために使用することができる生理学的測定値を取得するために、睡眠中の人に取り付けることができる。測定システム100は、ECG測定値、プレチスモグラフィ測定値、酸素飽和度測定値、および/またはアクティグラフィ測定値などの様々な測定値も取得し、その使用については本明細書で後述する。図1は、図1に示されていない部分を含む人の体の様々な部分に配置され得る例示的な様々なセンサである。例えば、様々なセンサが、他の場所の中でも特に、人の胴体、頭部、および/または手足に配置され得る。生理学的信号を検出するための様々なセンサが当業者によって理解されるであろう。例えば、様々な実施形態では、センサは、人の体に触れるセンサであり得る、または人に直接触れないタッチレスセンサ(例えば、バリストカルジオグラフィに基づくセンサ)であり得る。生理学的測定値は、ディスクドライブ、フラッシュドライブ、ソリッドステートドライブ、または他の記憶媒体などの記憶媒体に記録することができる。様々な実施形態では、様々な生理学的測定値を並行して記録することができる。様々な実施形態では、各記録されたデータは、タイムスタンプがタグ付けされ得るか、またはタイムスタンプに関連付けられ得る。記録されたデータにタイムスタンプをタグ付けまたは関連付けることによって、様々な記録された測定値を、時間的に相関させることができる。記録された測定値を時間的に相関させる他の方法が使用され得ることが企図される。
本開示の一態様は、非CPCデータを使用せずに心肺結合スペクトル分析に基づいてレム状態または覚醒状態を指定するためのシステムおよび方法に関する。前述のように、超低周波結合(vLFC)は、レム睡眠状態または覚醒状態を表す。図2は、非CPC生理学的データを使用せずにレム睡眠と覚醒状態とを区別するために人の睡眠期間からのCPCデータを分析する例示的な動作を示す。本明細書の説明では、睡眠期間は、本明細書で「エポック」と呼ばれる場合があるセグメントに分割することができる。様々な実施形態では、異なるエポックは同じ持続時間を有し得る、または異なるエポックは異なる持続時間を有し得る。
図2を参照すると、ブロック210で、動作は、人の睡眠期間にわたる心肺結合データにアクセスすることを含む。CPCデータは、例えば、図1の測定システムまたは別のシステムからアクセスすることができる。ブロック220で、動作は、心肺結合データにおける超低周波結合を含む睡眠期間のエポックを特定することを含む。以下でより詳細に説明するように、超低周波結合(vLFC)を含むエポックは、vLFCが優位である(すなわち、最高周波結合パワーがvLFC帯にある)場合がある、またはvLFC優位ではない場合がある。ブロック230で、動作は、エポックに対応する心肺結合データにおける高周波結合データおよび/または低周波結合データにアクセスすることを含む。ブロック240で、動作は、非心肺結合生理学的データを使用せずに、エポックに対応する高周波結合データおよび/または低周波結合データに基づいて、エポックをレム睡眠エポックまたは覚醒エポックとして指定することを含む。図2の動作は、図9のコンピューティングシステムなどのコンピューティングシステムによって実施することができ、これについては本明細書で後述する。以下、図2の動作の実施形態を説明する。
以下の説明は、vLFC結合を含むが、エポックの優位なCPC状態が低周波結合(LFC)として分類されている、すなわち、最高周波結合パワーがLFC帯にあるエポックに関するものである。このようなエポック中では、vLFCパワーは、非ゼロであり、LFCパワーよりも小さい。
本開示の態様によれば、非ゼロのvLFCパワーおよびLFC優位であるエポックの場合、このようなエポックは、不安定なNレムではなく、断片的なレムとして特徴付けられる。断片的なレムのエポック中、および上限範囲内のvLFC周波数帯の優位性がない場合、このようなエポックは、vLFC帯に適用される動的な閾値に基づいてレム睡眠状態として指定することができ、動的な閾値は人によって異なる場合がある。このようなエポックの例は図3に示されており、エポック310は、非ゼロのvLFCパワーおよびLFC優位であることが示されている。
非ゼロのvLFCパワーおよびLFC優位であるこのようなエポックでは、レム分類は、指定がvLFC優位ではなく非ゼロのvLFCパワーに基づいているという観点から、固定の閾値に基づいていない場合がある。むしろ、動的な閾値は、レム睡眠状態および覚醒状態をより正確に示すことを可能にする。例えば、特定の固定の閾値は、健康な睡眠状態の人に適している場合があるが、その特定の閾値は、悪化した状態がvLFC帯に影響を及ぼす可能性がある不健康な睡眠状態の人のレム睡眠状態および覚醒状態を正確に指定しない場合がある。したがって、とりわけ、様々な条件、人、または母集団に適した動的な閾値を使用して、非ゼロのvLFCパワーおよびLFC優位であるエポック(例えば図3)において、レム睡眠および覚醒を指定することができる。様々な実施形態では、動的な閾値は、特定の母集団の平均に基づくことができる。例えば、エポックがLFC優位であり、vLFCパワーが特定の母集団の平均vLFCパワーを上回っている場合、そのエポックはレムとして分類することができる。他のタイプの動的な閾値が本開示の範囲内にあることが企図される。
以下の説明は、優位なCPC状態がvLFCとして分類されているエポックに関する。本開示の態様によれば、vLFCエポックをレム状態または覚醒状態として指定することは、優位なCPC状態がvLFCとして分類された後のCPC周波数帯の分析に基づいている。
様々な実施形態では、vLFC優位であるエポックは、LFC帯および/またはHFC帯に活性化(例えば、非ゼロのパワー)が存在するとき、および優位なCPC周波数がvLFC帯の上限範囲内にある(例えば、0.01Hzに近いがこれを超えない)とき、レム状態として指定することができる。図4は、このようなエポック410、420の例を示す。
様々な実施形態では、vLFC優位であるエポックは、上昇した低周波結合狭帯域(eLFCNB)も存在するとき、レム状態として指定することができる。低周波結合は、上昇した低周波結合広帯域(eLFCBB)または断片化、上昇した低周波結合狭帯域(eLFCNB)または周期性、或いは上昇した低周波結合なしとしてサブカテゴリ化することができる。eLFCNBは、周期性のマーカであり、周期性呼吸、チェーン・ストークス呼吸、および中枢性無呼吸に関連付けられる。eLFCBBは、断片化を引き起こす睡眠中の痛みまたは他の外乱などの他の障害によって引き起こされることがあり、一方、eLFCNBは、周期性四肢運動によって引き起こされることがある。
図4は、eLFCNBも存在するvLFC優位であるエポック410、420の例を示す。試験中に、このようなエポックは、ポリソムノグラフィデータに基づいてレム状態として指定され、また、CPCデータのみに基づいて正確に指定された。本明細書で用いられる場合の上昇した超低周波結合狭帯域(eVLFCNB)、または「周期的レム」睡眠という用語は、vLFC周波数帯で優位な上昇した低周波結合狭帯域(eLFCNB)の発生を特定するために用いられる。eVLFCNB、または周期的レムは、新しいCPC状態として役に立つことが理解されるであろう。したがって、レム睡眠状態および覚醒状態を指定するための手法は、eVLFCNBをレム睡眠状態として指定するように構成される。eVLFCNBが存在しない場合、前述のように、vLFC帯の上限範囲内の優位性(例えば、CPC周波パワーが0.05を上回るがvLFC帯での合計パワーを下回る)を使用して、エポックをレム睡眠状態として指定することができる。
したがって、図2~図4および上記の説明は、非CPCデータを使用せずにCPCデータのみを分析することでエポックをレム睡眠状態として指定することができる実施形態を示している。前述の実施形態および図2~図4の実施形態は、例示的なものであり、本開示の範囲を限定するものではない。
本開示の別の態様は、心肺データと、アクティグラフィ、酸素飽和度などの様々な生理学的信号、および/またはECGおよびプレチスモグラフィなどの擬似アクティグラフィ生理学的信号を分析することに基づいてレム状態または覚醒状態を指定するためのシステムおよび方法に関する。CPCデータとアクティグラフィデータを使用することは、図5および図6に関連して説明される。CPCデータと擬似アクティグラフィ生理学的データおよび/または酸素飽和度データを使用することは、図7および図10に関連して説明する。
本開示の態様によれば、図5は、心肺データとアクティグラフィデータを分析することに基づいてレム状態または覚醒状態を指定する例示的な動作のフロー図を示している。動作は、エポックをレム状態または覚醒状態として指定するために動き測定値に閾値を適用する。様々な実施形態では、動き情報を収集するために、記録デバイス(例えば、ハードウェア)は、加速度計センサを含む。加速度計は、本開示では人である物体の加速度(速度の変化率)を測定するセンサデバイスである。本開示の態様によれば、生のアクティグラフィ信号を処理して、特定の測定単位で加速度を報告する量を生成することができる。一般的な測定単位は、m/s2またはGの力である。アクティグラフィデータは、例えば図1のシステムを使用して取得および保存することができる。
図5を引き続き参照すると、ブロック510において、動作は、人の睡眠期間にわたる心肺結合データにアクセスすることを含む。ブロック520において、動作は、心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することを含む。分類は、エポックでのvLFC優位性に基づくことができる。ブロック530において、動作は、前記vLFCエポックに対応する人のアクティグラフィデータにアクセスすることを含む。アクティグラフィデータは、ストレージまたはコンピューティングシステムからアクセスすることができ、これは図9に関連して説明される。vLFCエポックに対応するアクティグラフィデータは、例えばタイムスタンプに基づいて識別することができる。ブロック540において、動作は、前記vLFCエポックに対応するアクティグラフィデータにおいて、アクティグラフィ測定値の所定のパーセンテージが運動閾値を下回る運動を示していることに基づいて、前記vLFCエポックをレムエポックとして指定することを含む。以下で一例が提供される。
様々な実施形態では、レム状態および覚醒状態を指定するために0.01G/sの閾値を用いることができ、これにより、0.01G/s未満の加速度はレム睡眠の指標として扱われ、0.01G/s以上の加速度は覚醒状態の指標として扱われる。閾値の特定の値は例示的なものであり、他の値を用いることができる。様々な実施形態では、閾値を超える加速度サンプルの数がエポックのサンプルの総数と比較されて、エポックをレム睡眠状態または覚醒状態として指定するための測度が生成される。様々な実施形態では、エポックの加速度サンプルの95%が閾値を下回る場合、そのエポックはレム状態として指定することができる。それ以外の場合、そのエポックは覚醒状態として指定される。パーセンテージの閾値は例示的なものであり、別の値とすることができる。様々な実施形態では、確実性を高め、断片化の測定値またはその欠如を導出するために、分析されるエポックまたは期間の長さを変更することができる。
様々な実施形態では、加速度閾値は、加速度計のハードウェアおよびファームウェアの仕様(例えば、ダイナミックレンジ、サンプリングレートなど)に基づいて変更する必要があり得る。例えば、新しい加速度計センサは、レム/覚醒を指定するための加速度閾値を設定するべく、分析するおよび参照デバイスと比較する必要があり得る。
図6は、図5の動作に基づいてレム状態/覚醒状態が示されたCPCおよび生理学的データの例を示している。PSG参照との比較のために、PSGによってスコア付けされた覚醒の延長期間とすべてのレム期間が紫色のボックスに示されている。
本開示の態様によれば、図7は、心肺データと擬似アクティグラフィデータを分析することに基づいてレム状態または覚醒状態を指定する例示的な動作のフロー図を示している。本明細書で用いられる場合の「擬似アクティグラフィ信号」またはデータという用語は、アクティグラフィを示す特定の特徴を有する非アクティグラフィ生理学的信号を指す。擬似アクティグラフィ信号は、例えば、とりわけ、ECG信号、プレチスモグラフィ信号、および酸素飽和度信号を含むことができる。様々な実施形態では、擬似アクティグラフィ信号は、人がレム状態にあるときに信号品質が高まり、人が覚醒状態にある時に低下する、生理学的信号とすることができる。信号品質は、例えば、とりわけ、信号強度、信号の有効性、または信号の存在に影響を及ぼす変化によって劣化することがある。いくつかの態様によれば、信号品質の断続的劣化は、モーションアーチファクトと相関し、擬似アクティグラフィとして利用することができる。様々な実施形態では、vLFC優位である信号品質の断続的劣化は、覚醒状態として指定することができ、一方、vLFC優位であるほぼ元のまたは元の信号品質は、レム状態として指定することができる。したがって、開示されるシステムおよび方法は、エポックをレム状態または覚醒状態として指定するために擬似アクティグラフィ信号を分析することができる。
図7を引き続き参照すると、ブロック710において、動作は、人の睡眠期間にわたる心肺結合データにアクセスすることを含む。ブロック720において、動作は、心肺結合データに基づいて睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することを含む。例えば、vLFCエポックは、vLFC優位性を呈することができる。ブロック730において、動作は、vLFCエポックに対応する人の擬似アクティグラフィデータにアクセスすることを含む。擬似アクティグラフィデータは、人の生理学的測定値に基づいており、アクティグラフィ測定値に基づいていない。前述のように、擬似アクティグラフィデータは、とりわけ、ECG信号、プレチスモグラフィ信号、および酸素飽和度信号を含むことができる。ブロック740において、動作は、vLFCエポックに対応する擬似アクティグラフィデータに基づいてvLFCエポックをレムエポックまたは覚醒エポックとして指定することを含む。図7の動作は、図9のコンピューティングシステムなどのコンピューティングシステムで実施することができ、これについては本明細書で後述する。図7の動作の様々な実施形態を以下で説明する。
本開示の態様によれば、ECGおよびプレチスモグラフィ信号に関して、信号品質は、ECGおよびプレチスモグラフィ信号の特徴抽出性能を評価することによって定量化することができる。ECGの場合、このような特徴は、とりわけ、Rピーク、P波、STセグメント、および/またはQRS複合波を含むがこれらに限定されない。プレチスモグラフィの場合、このような特徴は、とりわけ、収縮期ピーク、拡張期ピーク、および/または重複切痕を含むがこれらに限定されない。信号が劣化する、および/または検出される特徴がなくなると、信号品質結果が低下する。
様々な実施形態では、特定の特徴が棄却され得る。信号が弱い期間中に、検出器は、信号の特徴の検出に失敗する場合があり、これにより、「特徴の欠落」が生じる。様々な実施形態では、マークされたすべての特徴をプリセットテンプレートと比較することができ、テンプレートとの相関を計算することができる。モーションアーチファクト期間中に、信号が歪み、マークされた特徴とテンプレートとの相関が低くなり、特徴が「棄却された特徴」として棄却される場合がある。
様々な実施形態では、信号品質は、検出される特徴の量を所与の時間セグメントにわたって検出される特徴の予想数と比較することで定量化することができる。時間セグメントの長さは、所望の粒度に応じて変えることができる。様々な実施形態では、信号品質は、マークされた特徴である、選択された時間セグメントにわたる予想される特徴のパーセンテージとして表すことができる。
様々な実施形態では、検出される特徴が信号ピークであるとき、信号品質は、検出されたピークのカウントが所定の閾値を下回るとき、および検出されたピークの形状が予想されるピークの形状と一致するときに、より少ない動きに対応するデータとして定量化することができ、検出されたピークのカウントが所定の閾値を上回るとき、および検出されたピークの形状が予想されるピークの形状と異なるときに、より大きな動きを示すデータとして定量化することができる。
本開示の態様によれば、酸素飽和度信号に関して、酸素飽和度信号の信号品質は、値と変化率を評価することに基づいている。酸素飽和度は、[0%,100%]の範囲内の血中酸素飽和度を報告する。センサが人から完全に接続解除されている場合(例えば動きのため)、酸素飽和度の値は0%に低下すると予想される。これらの期間中に、信号品質はゼロ(0)になる。動きなどによる被検者からの断続的な接続解除は、センサの接触不良を引き起こす可能性があるが、完全な接続解除ではない。これらの状況では、酸素飽和度値は、実際のヒト生理学ではあり得ない率で急速に低下する。
本開示の態様によれば、酸素飽和度低下率が評価され、3%/秒の閾値変化(すなわち、0.03/s)または別の値などの閾値と比較される。様々な実施形態では、閾値を超えている期間中、信号品質値は0に設定することができ、それ以外の場合、信号品質値は1に設定することができる。信号品質をスコア付けする他の方法が本開示の範囲内にあることが企図される。3%の閾値は例示的なものであり、他の値を用いることができる。様々な実施形態では、感度を変えるために閾値を変更することができ、偽陰性の飽和度低下が真の飽和度低下に勝るように閾値を設定することがないように注意することができる。
様々な実施形態では、信号品質は、検出される特徴の量を所与の時間セグメントにわたって検出される特徴の予想数と比較することで定量化することができる。時間セグメントの長さは、所望の粒度に応じて変えることができる。様々な実施形態では、信号品質は、マークされた特徴である、選択された時間セグメントにわたる予想される特徴のパーセンテージとして表すことができる。
したがって、ECG、ポリソムノグラフィ、および酸素飽和度を含む擬似アクティグラフィ信号の様々な例が説明される。これらの例は説明のために提供され、本開示の範囲を限定するものではない。他の生理学的信号を擬似アクティグラフィ信号として用いることができ、それらは本開示の範囲内にあることが企図される。生理学的信号の信号品質を判定するための本明細書で説明される実施形態は、例示的なものであり、信号品質を擬似アクティグラフィ信号であると判定する他の方法が本開示の範囲内にあることが企図される。
図8は、例示的なアクティグラフィ信号、および人の擬似アクティグラフィ信号の例示的な信号品質のグラフであり、左側のy軸に各時間セグメントにわたる信号品質スコア、右側のy軸にアクティグラフィ(G/s)、およびx軸にサンプル番号が示されている。図8に示すように、グラフはアクティグラフィの増加に伴って高い信号品質特徴の数がどのように減少するかを示しているので、アクティグラフィ信号、および擬似アクティグラフィ信号の信号品質は逆相関している。
本開示の態様によれば、図7を引き続き参照すると、酸素飽和度データが利用可能なとき、開示されるシステムおよび方法は、エポックをレム状態または覚醒状態として指定するために酸素飽和度データを分析することができる。本開示の態様によれば、睡眠呼吸障害に関連することが多い酸素飽和度低下イベント期間を検出するために、血中酸素飽和度(SO2、SaO2、SpO2など)の測定値を分析することができる。vLFC優位期間中のこのようなイベントの存在はレム睡眠を示す。参照によりその全体が本明細書に組み込まれる国際出願公開番号WO2020061014A1に記載の技術などの、酸素飽和度低下イベントおよび/または睡眠呼吸障害イベントを特定するための様々な技術および手法を用いることができる。酸素飽和度データを使用して酸素飽和度低下イベントおよび/または睡眠呼吸障害イベントを特定するための他の技術および手法が本開示の範囲内にあることが企図される。
前述の技術のそれぞれ(例えば、図2、図5、図7)は、独立して用いることができるが、それらは、レム状態/覚醒状態を指定するのを支援するために利用可能な信号に基づいて、確実性、精度、および/または融通性を高めるために組み合わせて用いることもできる。これらの技術は、レム睡眠状態に特有の睡眠障害の診断も支援することができる。例えば、「レム無呼吸」は、レム睡眠中に無呼吸/低呼吸イベントが発生する睡眠呼吸障害のサブカテゴリと考えられる。この目的のために、酸素飽和度信号があることで、疾患の分類精度が向上する可能性がある。さらに、アクティグラフィの使用を通じてまたはCPCスペクトル分析がレムを示す期間中のアクティグラフィ信号の分析によりレムとして分類される期間が全くないことは、レム期間が機械的運動(夢遊病を含む)と関連付けられるレム行動障害(RBD)の存在を示す可能性がある。
図10は、どの信号をレム/覚醒分類に用いるかを決定するための例示的な動作を示すフローチャートである。図10の動作は、図9のコンピューティングシステムなどのコンピューティングシステムで実施することができ、これについては後述する。ブロック1010で、動作は、利用可能な信号にアクセスするべくデータファイルを読み出すことを含む。ブロック1020で、動作は、ECG信号および/またはプレチスモグラフィ信号が利用可能であるかどうかを判定することを含む。利用可能でない場合、動作はブロック1022で終了することができる。このような信号が存在する場合、ブロック1030で、動作は、CPCエポックのアレイを生成するべくCPC処理を実行することを含み、各エポックは、優位な周波数帯:HFC、LFC、またはvLFCに基づいて3つのCPC状態のうちの1つに分類される。このプロセスは、「基本ラベリング」と呼ぶことができる。さらに、各エポックは、eLFCなし、eLFCBB、またはeLFCNBのものとして分類することができ、このプロセスは、「拡張ラベリング」と呼ぶことができる。ブロック1040において、本明細書で前述したように、vLFCとして分類される各エポックについて、拡張ラベルがeLFCNBとして分類されている場合、そのエポックはレム状態として指定することができる。ブロック1030においてレム/覚醒状態が示されていない場合、動作はブロック140に続く。
ブロック1040で、動作は、アクティグラフィデータが存在するかどうかを判定する。存在する場合、動作は、図5に関連して上述したようにモーションアーチファクトが十分な数のサンプルについて所定の閾値を下回る場合に、そのエポックをレム状態として指定することを含む。それ以外の場合、そのエポックは覚醒状態として指定される。アクティグラフィがデータを利用できない場合、動作はブロック1050に続く。
ブロック1050で、動作は、図7に関連して説明したように、レム/覚醒状態を指定するために擬似アクティグラフィ信号を使用することを含む。例えば、検出された過剰なおよび欠落したN-N間隔の合計が所定の閾値を下回り、酸素飽和度信号品質(存在する場合)にアーチファクトがない場合、そのエポックは、レム状態として指定することができる。
ブロック1060で、動作は、酸素飽和度信号が存在するかどうかを判定することを含む。存在する場合、動作は、飽和度低下イベントが存在し、且つアーチファクトがないかどうかを判定する。飽和度低下イベントが存在し、且つアーチファクトがない場合、動作はエポックをレム状態として指定することができる。
したがって、上記の動作に基づいて睡眠ステージ分類1070のアレイが生成される。前述の動作は、例示的なものであり、変形が本開示の範囲内にあることが企図される。例えば、様々な実施形態では、ブロック1060によって判定されるような飽和度低下イベントの存在は、ブロック1040および/または1050の判定に勝る可能性がある、またはブロック1040および/または1050でエポックを「不明な」状態として指定する可能性がある。
図10の動作は例示的なものであり、レム状態/覚醒状態を判定するために生理学的データとCPCデータとの組み合わせを用いる他の方法が本開示の範囲内にあることが企図される。
本開示の態様および実施形態は、本明細書に記載の機能を実行することができる1つ以上のコンピューティングシステムに実装することができる。図9を参照すると、本開示を実装するためのコンピューティングシステム900の例が示されている。本明細書に記載の本開示の様々な実施形態は、コンピューティングシステム900によって実施することができる。しかしながら、他のコンピュータシステムおよび/またはコンピュータアーキテクチャを使用して本開示をどのように実施するかは当業者には明白であろう。
コンピューティングシステム900は、プロセッサ904などの1つ以上のプロセッサを含む。プロセッサ904は、通信インフラストラクチャ906(例えば、通信バス、クロスオーバー・バー、またはネットワーク)に接続される。
コンピューティングシステム900は、表示のために通信インフラストラクチャ906から(または図示していないフレームバッファから)グラフィックス、テキスト、および他のデータを受信するディスプレイ930を含むことができる。様々な実施形態では、ディスプレイ930は、とりわけ、CPCデータ、アクティグラフィデータ、酸素飽和度データ、ECGデータ、および/またはプレチスモグラフィデータを含む、本明細書で説明した様々な測定値およびメトリックを提示することができる。様々な実施形態では、ディスプレイ930は、グラフおよび数値表現を提示することができる。提示および報告は、本明細書の上記で開示した様々なメトリックのいくつかまたはすべてを含むことができる。
コンピューティングシステム900はまた、メインメモリ908、好ましくはランダムアクセスメモリ(RAM)を含み、また、二次メモリ910を含むことができる。二次メモリ910は、例えば、ハードディスクドライブ912、および/または、フロッピーディスクドライブ、磁気テープドライブ、光ディスクドライブなどを表す取り外し可能なストレージドライブ914を含むことができる。取り外し可能なストレージドライブ914は、周知の方法で、取り外し可能なストレージユニット918からの読み出しおよび/またはこれへの書き込みを行う。取り外し可能なストレージユニット918は、取り外し可能なストレージドライブ914によって読み書きされるフロッピーディスク、磁気テープ、光ディスクなどを表す。理解されるように、取り外し可能なストレージ918は、コンピュータソフトウェア(例えば、プログラムまたは他の命令)および/またはデータを記憶しているコンピュータで使用可能な記憶媒体を含む。
様々な実施形態では、二次メモリ910は、コンピュータソフトウェアおよび/またはデータをコンピューティングシステム900にロードすることを可能にするための他の同様のデバイスを含むことができる。このようなデバイスは、例えば、取り外し可能なストレージ922およびインターフェース920を含むことができる。そのような例は、プログラムカートリッジおよびカートリッジインターフェース(レガシーデバイスに見られるものなど)、取り外し可能なメモリチップ(EPROMまたはPROMなど)および関連するソケット、並びに他の取り外し可能な記憶装置922、並びに取り外し可能な記憶装置922からコンピューティングシステム900にソフトウェアおよびデータが転送されることを可能にするインターフェース920を含むことができる。
コンピューティングシステム900はまた、通信インターフェース924を含むことができる。通信インターフェース924は、コンピューティングシステム900と外部デバイスとの間でソフトウェアおよびデータが転送されることを可能にする。通信インターフェース924の例としては、他の構成要素の中でもとりわけ、モデム、ネットワークインターフェース(イーサネットまたはWiFiカードなど)、通信ポート、PCMCIAまたはSDまたは他のスロット、およびカードが挙げられる。通信インターフェース924を介して転送されるソフトウェアおよびデータは、通信インターフェース924によって受信することができる電子信号、電磁気信号、光信号、または他の信号であり得る信号928の形態である。これらの信号928は、通信経路(すなわち、チャネル)926を介して通信インターフェース924に提供される。通信経路926は、信号928を搬送し、ワイヤまたはケーブル、光ファイバ、電話回線、セルラーフォンリンク、RFリンク、自由空間光通信、および/または他の通信チャネルを用いて実装することができる。
本明細書で用いられる場合の「コンピュータプログラム媒体」および「コンピュータで使用可能な媒体」という用語は、一般に、取り外し可能なストレージ918、取り外し可能なストレージ922、ハードディスクドライブ912に入れられたハードディスク、および信号928などのメディアを指すのに用いられる。これらのコンピュータプログラム製品は、コンピューティングシステム900にソフトウェアを提供するためのデバイスである。本開示は、このようなコンピュータプログラム製品を含む。
コンピュータプログラム(コンピュータ制御論理またはコンピュータ可読プログラムコードとも呼ばれる)は、メインメモリ908および/または二次メモリ910に格納される。コンピュータプログラムはまた、通信インターフェース924を介して受信することができる。このようなコンピュータプログラムは、実行されると、コンピューティングシステム900が本明細書で説明したように本開示を実施することを可能にする。特に、コンピュータプログラムは、実行されると、プロセッサ904が、例えば、上で説明した方法200、300、400、500、および600の様々なステップなど、本開示のプロセスおよび動作を実施することを可能にする。したがって、このようなコンピュータプログラムは、コンピューティングシステム900のコントローラを表す。
本開示がソフトウェアを用いて実施される実施形態では、ソフトウェアは、コンピュータプログラム製品に格納し、取り外し可能なストレージドライブ914、ハードドライブ912、インターフェース920、または通信インターフェース924を用いてコンピューティングシステム900にロードすることができる。制御論理(ソフトウェア)は、プロセッサ904によって実行されると、プロセッサ904に本明細書に記載の本開示の機能を実行させる。したがって、本開示の技術は、ソフトウェア医療機器(SaMD)としてまたは非医療ソフトウェアとして提供され得る。様々な実施形態では、ソフトウェアは、クラウドベースのアプリケーションを含み得る。
本明細書に開示される実施形態は、本開示の例であり、様々な形態で具現化され得る。例えば、本明細書の特定の実施形態は、別個の実施形態として記載されるが、本明細書の実施形態の各々は、本明細書の他の実施形態のうちの1つ以上と組み合わされ得る。本明細書に開示される特定の構造的および機能的詳細は、限定的ではなく、実質的に任意の適切に詳細な構造で本開示を多様に採用するように当業者に教示するための代表的な基礎として解釈されるものとする。
「一実施形態では」、「実施形態では」、「様々な実施形態では」、「いくつかの実施形態では」、または「他の実施形態では」という句は、各々、本開示による同じまたは異なる実施形態のうちの1つ以上を指し得る。「AまたはB」という形式の句は、「(A)、(B)、または(AおよびB)」を意味する。「A、B、またはCのうちの少なくとも1つ」という形式の句は、「(A)、(B)、(C)、(AおよびB)、(AおよびC)、(BおよびC)、または(A、B、およびC)」を意味する。
本明細書に記載の方法、プログラム、アルゴリズムまたはコードのいずれかは、プログラミング言語またはコンピュータプログラムに変換されてもよく、またはプログラミング言語またはコンピュータプログラムで表現されてもよい。本明細書で使用される場合、「プログラミング言語」および「コンピュータプログラム」という用語は、各々、コンピュータへの命令を指定するために使用される任意の言語を含み、以下の言語およびその派生物を含む(ただし、これに限定されない)。アセンブラ、Basic、バッチファイル、BCPL、C、C+、C++、Delphi、Fortran、Java、JavaScript、マシンコード、オペレーティングシステムのコマンド言語、Pascal、Perl、PL1、Python、スクリプト言語、Visual Basic、プログラムを指定するメタ言語、およびすべての第1世代、第2世代、第3世代、第4世代、第5世代、またはさらなる世代のコンピュータ言語。データベースおよび他のデータスキーマ、および任意の他のメタ言語も含まれる。インタープリタ型であるか、コンパイル型であるか、またはコンパイル型およびインタープリタ型の両方のアプローチを使用する言語は区別されない。プログラムのコンパイルされたバージョンとソースバージョンとは、区別されない。したがって、プログラムは、プログラミング言語が2つ以上の状態(ソース、コンパイル型、オブジェクト、またはリンクなど)で存在し得る場合、任意のおよびすべてのそのような状態への言及である。
本明細書で説明するシステムはまた、1つ以上のコントローラを利用して、様々な情報を受信し、受信した情報を変換して出力を生成し得る。コントローラは、メモリに記憶される一連の命令を実行することができる任意のタイプのコンピューティングデバイス、計算回路、または任意のタイプのプロセッサもしくは処理回路を含み得る。コントローラは、複数のプロセッサおよび/またはマルチコア中央処理ユニット(CPU)を含んでもよく、マイクロプロセッサ、デジタルシグナルプロセッサ、マイクロコントローラ、プログラマブルロジックデバイス(PLD)、フィールドプログラマブルゲートアレイ(FPGA)など任意のタイプのプロセッサを含んでもよい。コントローラはまた、1つ以上のプロセッサによって実行されると、1つ以上のプロセッサに1つ以上の方法および/またはアルゴリズムを実行させるデータおよび/または命令を記憶するためのメモリを含み得る。
前述の説明は、単に本開示を示すにすぎないことを理解されたい。本開示から逸脱することなく、様々な代替および修正が当業者によって考案され得る。したがって、本開示は、すべてのそのような代替、修正、および変異を包含することを意図する。添付の図面を参照して説明される実施形態は、本開示の特定の例を示すためにのみ提示される。上記のものとごくわずかに異なる他の要素、ステップ、方法、および技術もまた、本開示の範囲内にあることが意図される。
Claims (38)
- コンピュータで実施される方法であって、
人の睡眠期間にわたる心肺結合データにアクセスすることと、
前記心肺結合データにおける超低周波結合を含む睡眠期間のエポックを特定することと、
前記エポックに対応する心肺結合データにおける高周波結合データまたは低周波結合データのうちの少なくとも1つにアクセスすることと、
前記エポックに対応する前記高周波結合データまたは前記低周波結合データのうちの少なくとも1つに基づいて前記エポックをレム睡眠エポックまたは覚醒エポックとして指定することと、
を含み、前記エポックは、非心肺結合生理学的データを使用せずに前記心肺結合データに基づいて指定される、
方法。 - 前記エポックは、低周波結合の優位性を呈し、前記方法は、前記エポック中の前記超低周波結合のパワーを閾値と比較することをさらに含む、請求項1に記載のコンピュータで実施される方法。
- 前記閾値は、人、人の状態、または人を含む母集団のうちの少なくとも1つに基づいている、請求項2に記載のコンピュータで実施される方法。
- 前記エポックを指定することは、(i)前記低周波結合の優位性、および(ii)前記エポック中の前記超低周波結合のパワーが閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定することを含む、請求項3に記載のコンピュータで実施される方法。
- 前記エポックは、超低周波結合の優位性を呈する、請求項1に記載のコンピュータで実施される方法。
- 前記エポックの超低周波結合の優位性は、前記エポックに対応する心肺結合データにおける超低周波結合範囲のうちの所定の上方範囲内の優位性に基づいている、請求項5に記載のコンピュータで実施される方法。
- 前記エポックを指定することは、(i)前記超低周波結合範囲のうちの前記所定の上方範囲内の前記超低周波結合の優位性、および(ii)前記エポックに対応する高周波結合データまたは低周波結合データのうちの少なくとも1つにおいて、前記低周波結合または前記高周波結合のうちの少なくとも1つのパワーが閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定することを含む、請求項6に記載のコンピュータで実施される方法。
- 前記エポックを指定することは、(i)前記エポックにおける前記超低周波結合の優位性、および(ii)前記エポックに対応する前記低周波結合データにおける上昇した低周波結合狭帯域の存在、に基づいて前記エポックをレム睡眠エポックとして指定することを含む、請求項5に記載のコンピュータで実施される方法。
- システムであって、
1つ以上のプロセッサと、
命令を記憶する少なくとも1つのメモリと、
を備え、前記命令は、1つ以上のプロセッサによって実行されると、前記システムに、
人の睡眠期間にわたる心肺結合データにアクセスさせ、
前記心肺結合データにおける超低周波結合を含む前記睡眠期間のエポックを特定させ、
前記エポックに対応する前記心肺結合データにおける高周波結合データまたは低周波結合データのうちの少なくとも1つにアクセスさせ、
前記エポックに対応する前記高周波結合データまたは前記低周波結合データのうちの少なくとも1つに基づいて前記エポックをレム睡眠エポックまたは覚醒エポックとして指定させ、前記エポックは、非心肺結合生理学的データを使用せずに前記心肺結合データに基づいて指定される、
システム。 - 前記エポックは、低周波結合の優位性を呈し、前記命令は、前記1つ以上のプロセッサによって実行されると、さらに前記システムに、前記エポック中の前記超低周波結合のパワーを閾値と比較させる、請求項9に記載のシステム。
- 前記閾値は、人、人の状態、または人を含む母集団のうちの少なくとも1つに基づいている、請求項10に記載のシステム。
- 前記エポックを指定することにおいて、前記命令は、前記1つ以上のプロセッサによって実行されると、前記システムに、(i)前記低周波結合の優位性、および(ii)前記エポック中の前記超低周波結合のパワーが前記閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定させる、請求項11に記載のシステム。
- 前記エポックは、超低周波結合の優位性を呈する、請求項9に記載のシステム。
- 前記エポックの前記超低周波結合の優位性は、前記エポックに対応する前記心肺結合データにおける超低周波結合範囲のうちの所定の上方範囲内の優位性に基づいている、請求項13に記載のシステム。
- 前記エポックを指定することにおいて、前記命令は、前記1つ以上のプロセッサによって実行されると、前記システムに、(i)前記超低周波結合範囲のうちの前記所定の上方範囲内の前記超低周波結合の優位性、および(ii)前記エポックに対応する前記高周波結合データまたは前記低周波結合データのうちの少なくとも1つにおいて、低周波結合または高周波結合のうちの少なくとも1つのパワーが閾値を超えていること、に基づいて前記エポックをレム睡眠エポックとして指定する、請求項14に記載のシステム。
- 前記エポックを指定することにおいて、前記命令は、前記1つ以上のプロセッサによって実行されると、前記システムに、(i)前記エポックにおける前記超低周波結合の優位性、および(ii)前記エポックに対応する前記低周波結合データにおける上昇した低周波結合狭帯域の存在、に基づいて前記エポックをレム睡眠エポックとして指定させる、請求項13に記載のシステム。
- コンピュータで実施される方法であって、
人の睡眠期間にわたる心肺結合データにアクセスすることと、
前記心肺結合データに基づいて前記睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することと、
前記vLFCエポックに対応する人のアクティグラフィデータにアクセスすることと、
前記vLFCエポックに対応する前記アクティグラフィデータにおいて、アクティグラフィ測定値の所定のパーセンテージが運動閾値を下回る運動を示していることに基づいて前記vLFCエポックをレムエポックとして指定することと、
を含む方法。 - 前記所定のパーセンテージは、前記vLFCエポックに対応する前記アクティグラフィデータにおいて、前記アクティグラフィ測定値の95%であり、前記運動閾値は0.01G/sである、請求項17に記載のコンピュータで実施される方法。
- 様々なアクティグラフィセンサに関する前記所定のパーセンテージまたは前記運動閾値のうちの少なくとも1つを変化させることをさらに含む、請求項17に記載のコンピュータで実施される方法。
- システムであって、
1つ以上のプロセッサと、
命令を記憶する少なくとも1つのメモリと、
を備え、前記命令は、1つ以上のプロセッサによって実行されると、前記システムに、
人の睡眠期間にわたる心肺結合データにアクセスさせ、
前記心肺結合データに基づいて前記睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類させ、
前記vLFCエポックに対応する人のアクティグラフィデータにアクセスさせ、
前記vLFCエポックに対応する前記アクティグラフィデータにおいて、アクティグラフィ測定値の所定のパーセンテージが運動閾値を下回る運動を示していることに基づいて前記vLFCエポックをレムエポックとして指定させる、
システム。 - 前記所定のパーセンテージは、前記vLFCエポックに対応する前記アクティグラフィデータにおいて、前記アクティグラフィ測定値の95%であり、前記運動閾値は0.01G/sである、請求項20に記載のシステム。
- 前記命令は、前記1つ以上のプロセッサによって実行されると、さらに前記システムに、様々なアクティグラフィセンサに関する前記所定のパーセンテージまたは前記運動閾値のうちの少なくとも1つを変化させる、請求項20に記載のシステム。
- コンピュータで実施される方法であって、
人の睡眠期間にわたる心肺結合データにアクセスすることと、
前記心肺結合データに基づいて前記睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することと、
人の生理学的測定値に基づいており、アクティグラフィ測定値に基づいていない、前記vLFCエポックに対応する人の擬似アクティグラフィデータにアクセスすることと、
前記vLFCエポックに対応する前記擬似アクティグラフィデータに基づいて前記vLFCエポックをレムエポックまたは覚醒エポックとして指定することと、
を含む方法。 - 生理学的測定値の信号品質に基づいて前記vLFCエポックに対応する前記擬似アクティグラフィデータを生成することをさらに含む、請求項23に記載のコンピュータで実施される方法。
- 前記擬似アクティグラフィデータを生成することは、前記信号品質がより低いときにより大きな動きに対応するデータを生成し、前記信号品質がより高いときにより小さな動きに対応するデータを生成することを含む、請求項23に記載のコンピュータで実施される方法。
- 前記生理学的測定値は、人のECG測定値またはプレチスモグラフィ測定値のうちの少なくとも1つを含む、請求項25に記載のコンピュータで実施される方法。
- 前記擬似アクティグラフィデータを生成することは、
前記vLFCエポック中のピークを検出するべく前記生理学的測定値を処理することと、
検出されたピークのカウントが所定の閾値を下回るときおよび前記検出されたピークの形状が予想されるピークの形状と一致するときに、より小さな動きに対応するデータを生成することと、
前記検出されたピークのカウントが所定の閾値を上回るときおよび前記検出されたピークの形状が予想されるピークの形状と異なるときに、より大きな動きを示すデータを生成することと、
を含む、請求項26に記載のコンピュータで実施される方法。 - 前記生理学的測定値は酸素飽和度測定値を含む、請求項25に記載のコンピュータで実施される方法。
- システムであって、
1つ以上のプロセッサと、
命令を記憶する少なくとも1つのメモリと、
を備え、前記命令は、1つ以上のプロセッサによって実行されると、前記システムに、
人の睡眠期間にわたる心肺結合データにアクセスさせ、
前記心肺結合データに基づいて前記睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類させ、
人の生理学的測定値に基づいており、アクティグラフィ測定値に基づいていない、前記vLFCエポックに対応する人の擬似アクティグラフィデータにアクセスさせ、
前記vLFCエポックに対応する前記擬似アクティグラフィデータに基づいて前記vLFCエポックをレムエポックまたは覚醒エポックとして指定させる、
システム。 - 前記命令は、前記1つ以上のプロセッサによって実行されると、さらに前記システムに、前記生理学的測定値の信号品質に基づいて前記vLFCエポックに対応する前記擬似アクティグラフィデータを生成させる、請求項29に記載のシステム。
- 前記擬似アクティグラフィデータを生成する際に、前記命令は、前記1つ以上のプロセッサによって実行されると、前記システムに、前記信号品質がより低いときにより大きな動きに対応するデータを生成させ、前記信号品質がより高いときにより小さな動きに対応するデータを生成させる、請求項29に記載のシステム。
- 前記生理学的測定値は、人のECG測定値またはプレチスモグラフィ測定値のうちの少なくとも1つを含む、請求項31に記載のシステム。
- 前記擬似アクティグラフィデータを生成する際に、前記命令は、前記1つ以上のプロセッサによって実行されると、前記システムに、
前記vLFCエポック中のピークを検出するべく前記生理学的測定値を処理させ、
前記検出されたピークのカウントが所定の閾値を下回るときおよび前記検出されたピークの形状が予想されるピークの形状と一致するときに、より小さな動きに対応するデータを生成させ、
前記検出されたピークのカウントが前記所定の閾値を上回るときおよび前記検出されたピークの形状が予想されるピークの前記形状と異なるときに、より大きな動きを示すデータを生成させる、請求項32に記載のシステム。 - 前記生理学的測定値は酸素飽和度測定値を含む、請求項31に記載のシステム。
- コンピュータで実施される方法であって、
人の睡眠期間にわたる心肺結合データにアクセスすることと、
前記心肺結合データに基づいて前記睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類することと、
生理学的測定値を含み、前記アクティグラフィ測定値を含まない、前記vLFCエポックに対応する人の生理学的データにアクセスすることと、
睡眠呼吸障害を示す前記vLFCエポックに対応する前記生理学的データに基づいて前記vLFCエポックをレムエポックとして指定することと、
を含む方法。 - 前記生理学的測定値は酸素飽和度測定値を含み、前記方法は、前記vLFCエポック中の睡眠呼吸障害イベントを特定するべく前記酸素飽和度測定値を処理することをさらに含む、請求項35に記載のコンピュータで実施される方法。
- システムであって、
1つ以上のプロセッサと、
命令を記憶する少なくとも1つのメモリと、
を備え、前記命令は、1つ以上のプロセッサによって実行されると、前記システムに、
人の睡眠期間にわたる心肺結合データにアクセスさせ、
前記心肺結合データに基づいて前記睡眠期間のエポックを超低周波結合(vLFC)エポックとして分類させ、
生理学的測定値を含み、アクティグラフィ測定値を含まない、前記vLFCエポックに対応する人の生理学的データにアクセスさせ、
睡眠呼吸障害を示すvLFCエポックに対応する前記生理学的データに基づいて前記vLFCエポックをレムエポックとして指定させる、
システム。 - 前記生理学的測定値は酸素飽和度測定値を含み、前記命令は、前記1つ以上のプロセッサによって実行されると、さらに前記システムに、前記vLFCエポック中の睡眠呼吸障害イベントを特定するべく前記酸素飽和度測定値を処理させる、請求項37に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962903833P | 2019-09-21 | 2019-09-21 | |
US62/903,833 | 2019-09-21 | ||
PCT/US2020/051799 WO2021055943A1 (en) | 2019-09-21 | 2020-09-21 | Systems and methods for designation of rem and wake states |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022551816A true JP2022551816A (ja) | 2022-12-14 |
JPWO2021055943A5 JPWO2021055943A5 (ja) | 2023-09-27 |
Family
ID=74883557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022517752A Pending JP2022551816A (ja) | 2019-09-21 | 2020-09-21 | レム状態および覚醒状態を指定するためのシステムおよび方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220386946A1 (ja) |
EP (1) | EP4030994A4 (ja) |
JP (1) | JP2022551816A (ja) |
CN (1) | CN114746005A (ja) |
AU (1) | AU2020348479A1 (ja) |
CA (1) | CA3155017A1 (ja) |
WO (1) | WO2021055943A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7088153B2 (ja) * | 2019-09-19 | 2022-06-21 | カシオ計算機株式会社 | Cap(周期性脳波活動)検出装置、cap(周期性脳波活動)検出方法及びプログラム |
US11748354B2 (en) * | 2020-09-27 | 2023-09-05 | International Business Machines Corporation | Data shape confidence |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU6942494A (en) * | 1993-05-21 | 1994-12-20 | Nims, Inc. | Discriminating between valid and artifactual pulse waveforms |
WO2004078132A2 (en) * | 2003-02-28 | 2004-09-16 | Consolidated Research Of Richmond, Inc. | Automated insomnia treatment system |
US7734334B2 (en) | 2004-05-17 | 2010-06-08 | Beth Israel Deaconess Medical Center, Inc. | Assessment of sleep quality and sleep disordered breathing based on cardiopulmonary coupling |
US7324845B2 (en) | 2004-05-17 | 2008-01-29 | Beth Israel Deaconess Medical Center | Assessment of sleep quality and sleep disordered breathing based on cardiopulmonary coupling |
US8617068B2 (en) * | 2006-09-27 | 2013-12-31 | ResMed Limitied | Method and apparatus for assessing sleep quality |
WO2009128000A1 (en) * | 2008-04-16 | 2009-10-22 | Philips Intellectual Property & Standards Gmbh | Method and system for sleep/wake condition estimation |
US8262582B2 (en) * | 2008-08-22 | 2012-09-11 | Valtion Teknillinen Tutkimuskeskus | Extraction of heart inter beat interval from multichannel measurements |
NZ614025A (en) * | 2009-04-20 | 2014-10-31 | Resmed Ltd | Discrimination of cheyne-stokes breathing patterns by use of oximetry signals |
AU2010255354A1 (en) * | 2009-06-04 | 2012-02-02 | Koninklijke Philips Electronics, N.V. | Method and system for providing behavioural therapy for insomnia |
US11134887B2 (en) * | 2017-06-02 | 2021-10-05 | Daniel Pituch | Systems and methods for preventing sleep disturbance |
WO2020061014A1 (en) | 2018-09-17 | 2020-03-26 | Mycardio Llc | Systems and methods for analysis of sleep disordered breathing events |
-
2020
- 2020-09-21 EP EP20864809.7A patent/EP4030994A4/en active Pending
- 2020-09-21 US US17/762,149 patent/US20220386946A1/en active Pending
- 2020-09-21 WO PCT/US2020/051799 patent/WO2021055943A1/en active Application Filing
- 2020-09-21 CN CN202080079952.0A patent/CN114746005A/zh active Pending
- 2020-09-21 AU AU2020348479A patent/AU2020348479A1/en active Pending
- 2020-09-21 CA CA3155017A patent/CA3155017A1/en active Pending
- 2020-09-21 JP JP2022517752A patent/JP2022551816A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4030994A1 (en) | 2022-07-27 |
WO2021055943A1 (en) | 2021-03-25 |
EP4030994A4 (en) | 2023-10-11 |
CN114746005A (zh) | 2022-07-12 |
US20220386946A1 (en) | 2022-12-08 |
CA3155017A1 (en) | 2021-03-25 |
AU2020348479A1 (en) | 2022-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mendonca et al. | A review of obstructive sleep apnea detection approaches | |
US8403848B2 (en) | Assessment of sleep quality and sleep disordered breathing based on cardiopulmonary coupling | |
JP6199330B2 (ja) | 酸素測定信号を用いるチェーンストークス呼吸パターンの識別 | |
US20170215808A1 (en) | Machine learnt model to detect rem sleep periods using a spectral analysis of heart rate and motion | |
WO2017136352A1 (en) | Machine learnt model to detect rem sleep periods using a spectral analysis of heart rate and motion | |
JP7455815B2 (ja) | 睡眠呼吸障害イベントを分析するためのシステムおよび方法 | |
WO2018180219A1 (ja) | 睡眠状態の評価 | |
CN106413541B (zh) | 用于诊断睡眠的系统和方法 | |
US8862195B2 (en) | Method, system, and apparatus for automatic detection of obstructive sleep apnea from oxygen saturation recordings | |
JP2022551816A (ja) | レム状態および覚醒状態を指定するためのシステムおよび方法 | |
JP7253047B2 (ja) | 健康状況または健康状態の評価のためのシステムおよび方法 | |
Ryser et al. | Respiratory analysis during sleep using a chest-worn accelerometer: A machine learning approach | |
Long | On the analysis and classification of sleep stages from cardiorespiratory activity | |
Liu et al. | OSA-weigher: an automated computational framework for identifying obstructive sleep apnea based on event phase segmentation | |
KR102637471B1 (ko) | 수면다원검사에 따른 호흡 이벤트 감지를 위한 데이터 처리 장치 및 그 동작 방법 | |
KR102637472B1 (ko) | 수면다원검사에 따른 호흡 이벤트 구간을 감지하기 위한 데이터 처리 장치 및 그 동작 방법 | |
Dutt et al. | Sleep Stage Identification based on Single-Channel EEG Signals using 1-D Convolutional Autoencoders | |
Zubair et al. | Detection of Sleep Apnea from ECG Signals using Sliding Singular Spectrum based Sub-Pattern Principal Component Analysis | |
AU2013221962B2 (en) | Discrimination of Cheyne-Stokes Breathing Patterns by Use of Oximetry Signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A529 | Written submission of copy of amendment under article 34 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A529 Effective date: 20220511 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230919 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230919 |