JP2023505335A - 心拍数パターンに基づいてほてりを検知するためのシステム及び方法 - Google Patents
心拍数パターンに基づいてほてりを検知するためのシステム及び方法 Download PDFInfo
- Publication number
- JP2023505335A JP2023505335A JP2022534466A JP2022534466A JP2023505335A JP 2023505335 A JP2023505335 A JP 2023505335A JP 2022534466 A JP2022534466 A JP 2022534466A JP 2022534466 A JP2022534466 A JP 2022534466A JP 2023505335 A JP2023505335 A JP 2023505335A
- Authority
- JP
- Japan
- Prior art keywords
- heart rate
- sequence data
- individual
- rate sequence
- probability
- 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
- 208000033830 Hot Flashes Diseases 0.000 title claims abstract description 98
- 206010060800 Hot flush Diseases 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005094 computer simulation Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 8
- 238000001816 cooling Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 238000011285 therapeutic regimen Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 2
- 230000001225 therapeutic effect Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000000977 initiatory effect Effects 0.000 description 6
- 230000037007 arousal Effects 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 206010062519 Poor quality sleep Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009245 menopause Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000003821 menstrual periods Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000007704 transition 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
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
-
- 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
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- 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
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- 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
-
- 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
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
-
- 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
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (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)
Abstract
個人におけるほてりの発生を検知する方法は、所定の時間にわたり、個人に関する心拍数シーケンスデータを取得するステップであって、心拍数シーケンスデータは、個人が装着したセンサーユニットによって検知された個人の心拍データに基づくステップと、心拍数シーケンスデータを計算モデル構成要素に提供するステップであって、計算モデル構成要素は、心拍数シーケンスデータを経時的に調べて、心拍数が低下してベースライン範囲を下回り、次いで上昇してベースライン範囲を上回るパターンに対する心拍数シーケンスデータのモニタリングに基づき、個人がほてりを感じている確率を決定するステップと、計算モデル構成要素で心拍数シーケンスデータを分析して確率を決定するステップとを有する。
Description
[01] 開示される概念は、個人におけるほてりの発生を検知するためのシステム及び方法に関し、特に、心拍数パターンに基づいて個人におけるほてりの発生を検知するためのシステム及び方法に関する。一態様では、ほてりが検知された場合、そのほてりに対する治療措置が自動的に開始される。
[02] ほてりは、突然始まり、自然発生的且つ一時的な熱っぽい感覚であり、通常は胸、首、及び顔に感じられ、直後に発汗が起こる。これらは、特に症状が生活の質を損なう場合、閉経前後の期間に女性が診療を求める最も一般的な理由となる。ほてりの頻度と重症度は、閉経への移行中に増す可能性があり、典型的には最終月経期の約1年後にピークに達する。ほてりは6か月から数年続く可能性があり、継続時間は平均で5分未満である。平均的な頻度は、1日10回から1週間に数回までと様々である。
[03] ほてりは、胸部に熱さ及び発汗を引き起こすため、胸で電気皮膚反応(GSR)をモニターすることによって検知可能である。しかしながら、胸でGSRを測定するためのウェアラブルセンサーは、皮膚に付着させるための接着剤を必要とし、接着剤は時間の経過とともに劣化して定期的なメンテナンスが必要になるため、面倒である。
[04] したがって、女性のほてりの長期的なモニタリングを支援する、便利で低コストの解決策が求められている。
[05] したがって、本発明の目的は、一実施形態において、個人におけるほてりの発生を検知する方法を提供することである。この方法は、所定の時間にわたり、個人に関する心拍数シーケンスデータを取得するステップであって、心拍数シーケンスデータは、個人が装着したセンサーユニットによって検知された個人の心拍データに基づくステップと、心拍数シーケンスデータを計算モデル構成要素に提供するステップであって、計算モデル構成要素は、心拍数シーケンスデータを経時的に調べて、心拍数が低下してベースライン範囲を下回り、次いで上昇してベースライン範囲を上回るパターンに対する心拍数シーケンスデータのモニタリングに基づき、個人がほてりを感じている確率を決定するステップと、計算モデル構成要素で心拍数シーケンスデータを分析して確率を決定するステップとを有する。方法は、確率を評価して、ほてりが示されているかどうかを判定するステップと、確率によってほてりが示された場合に、個人に関連付けられた環境パラメータ制御装置にほてりに対する治療措置を開始させるステップとを更に有する。更に、ほてりの発生の判定を用いて、ほてり事象の尤度又は重症度の軽減を目的とした薬物治療、食事療法、及びライフスタイル要因などの介入戦略の有効性を評価することが可能である。
[06] 別の実施形態では、個人におけるほてりの発生を検知するためのシステムが提供される。システムは、計算モデル構成要素を含むコントローラを備え、計算モデル構成要素は、個人が装着したセンサーによって検知された個人の心拍データに基づく心拍数シーケンスデータを受け、心拍数シーケンスデータを経時的に調べて、心拍数が低下してベースライン範囲を下回り、次いで上昇してベースライン範囲を上回るパターンに対する心拍数シーケンスデータのモニタリングに基づき、個人がほてりを感じている確率を決定する。
[07] 本発明のこれら及び他の目的、特徴、及び特性、更には構造の関連する要素の動作方法及び機能、各部分の組み合わせ、並びに製造の経済性は、すべてが本明細書の一部を形成する添付の図面を参照しながら以下の説明及び添付の特許請求の範囲を考察すると、より明らかになるであろう。様々な図において、同様の参照番号は対応する部分を示す。しかしながら、図面は例示及び説明のみを目的とし、本発明の制限を定めるものではないことを明確に理解されたい。
[19] 本明細書において使用されるとき、単数形は、コンテキストがそうではないことを明確に示していない限り、複数の参照を含む。
[20] 本明細書において使用されるとき、2つ以上の部分又は構成要素が「結合される」とは、リンクが生じている限り、それらの部分が、直接的又は間接的に、すなわち、1つ若しくは複数の中間の部分又は構成要素を介して、連結される又は共に動作することを意味するものとする。
[21] 本明細書において使用されるとき、「数」という用語は、1又は1より大きい整数(すなわち、複数)を意味するものとする。
[22] 本明細書において使用されるとき、「コントローラ」という用語は、データ(例えば、ソフトウェアルーチン、及び/又はそうしたルーチンによって用いられる情報)の格納、検索、実行、及び処理を行うことができる、いくつかのプログラム可能なアナログ及び/又はデジタルデバイス(関連付けられたメモリ部品又は部分を含む)を意味するものとし、限定されないが、フィールドプログラマブルゲートアレイ(FPGA)、複合プログラマブルロジックデバイス(CPLD)、プログラマブルシステムオンチップ(PSOC)、特定用途向け集積回路(ASIC)、マイクロプロセッサ、マイクロコントローラ、プログラマブルロジックコントローラ、又は任意の他の適切な処理デバイス若しくは装置を含む。メモリ部分は、コンピュータの内部記憶領域の形など、データ及びプログラムコードを格納するための記憶レジスタ、すなわち、非一時的機械可読媒体を提供する様々なタイプの内部及び/又は外部記憶媒体(限定されないが、RAM、ROM、(1つ又は複数の)EPROM、(1つ又は複数の)EEPROM(登録商標)、FLASH(登録商標)など)のうちの任意の1つ又は複数とすることができ、揮発性メモリ又は不揮発性メモリとすることができる。
[23] 本明細書において使用されるとき、「構成要素」及び「システム」という用語は、ハードウェア、ハードウェアとソフトウェアの組み合わせ、ソフトウェア、又は実行中のソフトウェアのいずれかである、コンピュータに関連するエンティティを指すことが意図される。例えば、構成要素は、限定されないが、プロセッサで稼働中のプロセス、プロセッサ、オブジェクト、実行ファイル、実行のスレッド、プログラム、及び/又はコンピュータとすることができる。例として、サーバで稼働中のアプリケーションとサーバはどちらも、構成要素とすることができる。1つ又は複数の構成要素が、プロセス及び/又は実行のスレッドの中に存在することができ、構成要素は、1つのコンピュータに置くこと、及び/又は2つ以上のコンピュータの間で分散させることが可能である。
[24] 本明細書において使用されるとき、「ディープラーニングニューラルネットワーク」という用語は、入力層と出力層との間に複数の隠れ層を有し、各層を通して動かし、各出力の確率を計算することによって入力を出力に変える正しい数学的操作(線形又は非線形)を決定する人工ニューラルネットワークを意味するものとする。
[25] 本明細書において使用されるとき、「隠れ層」という用語は、その出力が他のニューロンの入力に接続され、結果としてネットワークの出力としては認識されない、1つ又は複数のニューロンからなるニューラルネットワーク層を意味するものとする。
[26] 本明細書において使用されるとき、「回帰型ニューラルネットワーク」という用語は、ノード間の接続が時間シーケンスに沿って有向グラフを形成し、したがって、ネットワークが時間的動的挙動を示すことを可能にする、一種の人工ニューラルネットワークを意味するものとする。
[27] 本明細書において使用される方向の表現、例えば、限定されないが、上部、底部、左、右、上方、下方、前方、後方、及びこれらの派生語は、図面に示される要素の向きに関するものであり、本明細書に明示的に記述されていない限り、特許請求の範囲を限定するものではない。
[28] 開示される概念は、ほてり事象前の(限定されないが、心電図(ECG若しくはEKG)センサー、又はフォトプレチスモグラフ(PPG)センサー)などのデバイスを用いて測定された)心拍数の時間経過が、睡眠中に観察される他のタイプの興奮によるものと実質的に異なるという独自の洞察から生まれている。より具体的には、図1Aは、睡眠中に発生するほてり事象の間に記録される典型的な心拍数パターンを示し、図1Bは、覚醒中(例えば、日中)に発生するほてり事象の間に記録される典型的な心拍数パターンを示し、図1Cは、(ほてりではない興奮による)睡眠中の短い覚醒の間に記録される典型的な心拍数パターンを示し、図1Dは、(ほてりではない興奮による)睡眠中の長い覚醒の間に記録される典型的な心拍数パターンを示している。各図中の垂直線は、時間シーケンス内の各事象の開始時間を識別している。図1A及び図1Bにおいて理解されるように、ほてり事象の間に得られる心拍数の測定値は、ほてり事象前に少なくとも第1の量(例えば、事象前の2分間は毎分4拍)のベースラインから下がった状態を示し、その後、事象中に急速に上昇して少なくとも第2の量(例えば、毎分8拍)のベースラインを超える。反対に、図1C及び図1Dにおいて理解されるように、ほてりではない興奮は、事象前には心拍数のベースラインからの低下を示さず、むしろ反対の心拍数の傾向を示す。すなわち、事象中、心拍数の上昇後に心拍数の低下が起こる。これは、PPGセンサー又はECGセンサーなどのセンサーによって測定される心拍数の時間経過に基づいて睡眠中に発生するほてり事象に関連する心拍数の上昇をほてりではない事象と比較し、区別することが可能であることを示している。
[29] したがって、本明細書において様々な特定の例示的実施形態で更に詳しく説明するように、開示される概念は、腕時計、インイヤーデバイス、チェストストラップ、又はパッチなどのウェアラブルデバイスに組み込まれたPPGセンサー又はECGセンサーなどのセンサーを使って取得される心拍数データを用い、こうした閉経に関連する状態の影響を受ける女性を長期にモニタリングするための、ほてり事象を自動的に検知する方法を提供する。したがって、日中及び夜間に心拍数の測定を継続的に行ってほてりの開始を検知し、症状を緩和するための治療措置を作動させる。その結果、ユーザはもはやほてりによって目覚めることがなくなり、睡眠の質が改善する。
[30] 様々な特定の例示的実施形態に関して本明細書において更に詳しく説明するように、開示される概念は、以下のステップを含む。まず、邪魔にならないという、都合のよい長時間の使用に不可欠な特徴をもたらす上記のようなウェアラブルセンサーを用いて、心臓の活動状態をモニターする。これには、ウェアラブルデバイスの信号波形からの心拍の検知及び心拍数データの計算が含まれる。次に、ある特定の時間(例えば、4分)にわたる心拍数値のシーケンスを定める。次いで、シーケンスの初期(例えば、最初の10秒)における平均心拍数を決定する。次いで、例えば各値から決定した平均心拍数を引くことによって、シーケンス中の心拍数値を正規化する。次いで、限定されないが、回帰型ニューラルネットワーク、ニューロンの全結合層、又はほてり事象前の心拍数の時間的推移に関する情報を含むフィルタなどの計算モデルを用いて、正規化された心拍数値のシーケンスを処理して、ほてり事象が発生している確率を決定する。最後に、尤度/確率の値のシーケンスを処理し、閾値処理を行うことによって、ほてり事象とほてりではない事象との間の二分決定を行う。ほてりが発生していると判定された場合には、治療緩和ステップを自動的に開始することができる。追加として又は別法として、発生の客観的な示度を与えるために、記録追跡するほてり事象を変更することができる。これは特に、夜には睡眠のために記憶(recall diary)の中で事象が忘れられる場合には特に興味深い。その結果、経時的な事象の記録を用いて、傾向を観察し、状態を管理することが可能になる。
[31] 図2は、開示される概念の例示的な一実施形態による、個人におけるほてりの発生を検知し、それに基づき治療措置を開始するためのシステム2の概略図である。図2において理解されるように、システム2は、ウェアラブルセンサーユニット4、ウェアラブルセンサーユニット4に近接し、それと電子通信する計算デバイス6、ネットワーク8、計算モデル構成要素12を含む中央コンピュータシステム10、及び環境パラメータ制御装置14を含めた複数の構成要素を備えている。以下では、これらの構成要素のそれぞれについて詳しく説明する。図2において理解されるように、計算デバイス6、中央コンピュータシステム10、及び環境パラメータ制御装置14はすべて、本明細書に記載されるシステム2の操作を容易にするためにネットワーク8と電子通信している。更に、示される例示的実施形態では、計算モデル構成要素12は「クラウド」に存在しているが、PCなどの計算デバイスにローカルに実装されてもよいことが理解されるであろう。
[32] ウェアラブルセンサーユニット4は、モニターされる個人が装着するように構造及び構成が決められる。図3は、非限定的かつ例示的な一実施形態による、ウェアラブルセンサーユニット4の内部構成要素を示すブロック図である。例示的なウェアラブルセンサーユニット4は、ウェアラブルセンサーユニット4を装着する個人に対する心拍を表すデータ(すなわち、心拍データ)を生成するように構造及び構成が決められた心拍センサー16を含む。例示的実施形態において、心拍センサー16は、PPGセンサー又はECGセンサー(例えば、1~12のリード)であるが、開示される概念の範囲内で他のタイプの心臓パラメータセンサーを使用してもよいことが理解される。例えば、限定されないが、心拍センサー16は、心臓の鼓動による体の動き及び胸の振動を測定するセンサー(例えば、心拍データを測定するために胸部に配置される加速度計)などのバリストカルジオグラフィセンサーでもよい。
[33] ウェアラブルセンサーユニット4は、心拍センサー16の出力を受けるように結合されたコントローラ18を更に含み、非限定的な例示的実施形態では、本明細書に記載されるように、心拍数データ、及びそれから心拍数シーケンスデータを決定するように構造及び構成が決められる。最後に、ウェアラブルセンサーユニット4は、ウェアラブルセンサーユニット4が短距離無線ネットワークを介して計算デバイス6と通信することを可能にするように構造及び構成が決められた短距離無線通信モジュール20を含む。短距離無線通信モジュール20は、例えば、限定されないが、WiFiモジュール、Bluetooth(登録商標)モジュール、ZigBeeモジュール、IEEE802.15.4モジュール、又は互換性のある通信性能を提供する任意の他の適切な短距離無線通信モジュールとすることができる。
[34] 再び図2を参照すると、例示的実施形態において、計算デバイス6は、例えば、限定されないが、スマートフォン、タブレットPC、ラップトップコンピュータ、又はいくつかの他の計算デバイスとすることができる。計算デバイス6は、デスクトップPCなど、非携帯用の計算デバイスでもよい。計算デバイス6は、上記のような短距離無線ネットワークを介してウェアラブルセンサーユニット4と無線通信できるように構成される。更に、計算デバイス6は、有線又は無線の接続を介してネットワーク8と通信できるように構造及び構成が決められる。例示的実施形態において、計算デバイス6は、本明細書に記載されるように、計算デバイス6がデータを収集及び伝達することを可能にするソフトウェアアプリケーション(例えば、ウェブ/モバイルアプリ)を格納及び実行する。
[35] ネットワーク8は、例えば、インターネット、1つ又は複数の専用通信ネットワーク、或いはそれらの任意の組み合わせとすることができる。本明細書において使用されるとき、「通信ネットワーク」という用語は、限定されないが、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、イントラネット、エクストラネット、グローバル通信ネットワーク、インターネット、及び/又は無線通信ネットワークを明示的に含むものとする。本明細書に記載されるネットワーク8への有線及び/又は無線の接続は、安全であることが好ましい(例えば、暗号化された仮想私設ネットワークの形)。
[36] 中央コンピュータシステム10は、限定されないが、1つ又は複数のPC或いはサーバコンピュータなど、計算デバイスとデータ格納用の1つ又は複数のメモリ構成要素とを有する任意の適切な処理又は計算用のシステムを備えている(例えば、コントローラ)。図10において理解されるように、中央コンピュータシステム10は、本明細書に記載されるように、中央コンピュータシステム10が受けたデータを処理するための計算モデル構成要素12を収容及び実行する。より具体的には、中央コンピュータシステム10は、その内部にいくつかのルーチンを格納し、そうしたルーチンは、コントローラによって実行可能であり、また本明細書に記載される計算モデル構成要素12の少なくとも1つの実施形態を(有形媒体に格納された、コンピュータ/プロセッサが実行可能な命令として)実行する。計算モデル構成要素12は、例えば、限定されないが、回帰型ニューラルネットワーク又は人工ニューロンの全結合層を含むディープラーニングニューラルネットワークなど、テンプレートマッチングシステム又は人工知能システムとすることができる。計算モデル構成要素12が人工知能システムを含む場合、開示される概念は、そうした人工知能システムが特定の訓練用心拍数データを用いて訓練及び試験を受け、将来的には受け取った心拍数データに基づいてほてり発生の確率を評価できるようになることを企図している。特に、本明細書において更に詳しく説明するように、そのような人工知能ベースのシステムは、(心拍データから決定される)心拍数データから個人がほてり事象を感じている確率を決定するために、そうしたデータの時間的変化を調べるように訓練される。
[37] 環境パラメータ制御装置14は、ウェアラブルセンサーユニット4を装着する個人が居住する家、病院、又は看護施設などの場所に関連付けられたデバイスである。環境パラメータ制御装置14は、本明細書に記載されるようにほてりが検知されたときに、治療措置(例えば、温度変更)を実施するように構造及び構成が決められ、例えば、限定されないが、コンピュータ制御のHVACシステム、冷却ブランケット、又は水冷冷却システムとすることができる。例示的な環境パラメータ制御装置14は、計算デバイス6によって送られたコマンドを受けて実行するように構造及び構成が決められたコントローラを含む。
[38] 図4は、開示される概念の例示的な一実施形態による、個人におけるほてりの発生を検知し、それに基づき治療措置を開始する方法を示す流れ図である。示される例示的実施形態において、図4の方法は、図2のシステム2によって実施される。この方法は、ウェアラブルセンサーユニット4がウェアラブルセンサーユニット4を装着している個人から生の心拍データを抽出するステップ100から始まる。本明細書の他の箇所で論じるように、例示的実施形態において、ウェアラブルセンサーユニット4は、そうした目的のために心拍センサー16を使用する。更に、例示的実施形態において、心拍データは、心拍センサー16によって検知されたRR間隔を識別するデータを含み、ECG QRS波形データ又はPPG脈波データの形とすることができる。次に、ステップ105において、ウェアラブルセンサーユニット4のコントローラ18は、ある特定の時間(例えば、4分)にわたる生の心拍データから心拍数データを計算し、生の心拍数シーケンス(複数の生の心拍数を含む)を作成する。次いで、ステップ110において、コントローラ18は、生の心拍数シーケンスから、その時間に対する正規化された心拍数シーケンスを生成する。例示的実施形態において、正規化された心拍数シーケンスは、最初の10秒など、シーケンスの初期における平均心拍数を決定することによって生成される。その場合、シーケンス中の各心拍数値から、計算された平均心拍数値を引くことによって、シーケンス中の心拍数値が正規化される。しかしながら、この正規化の方法は例示的なものにすぎず、開示される概念の範囲内で、データを正規化する他の方法も企図されることが理解されるであろう。例えば、他の正規化手法には、同様の結果を得るために標準スケーリング又は最小-最大スケーリングを適用することが含まれる。
[39] 次に、ウェアラブルセンサーユニット4は、正規化された心拍数シーケンスデータを計算デバイス6へ送る。例示的実施形態において、これは、ウェアラブルセンサーユニット4の短距離無線通信モジュール20を介して無線で行われる。しかしながら、そうしたデータを通信する他の方法も可能であることが理解されるであろう。次いで、計算デバイス6は、正規化された心拍数シーケンスデータを、ネットワーク8を通して中央コンピュータシステム10へ伝える。次に、ステップ115において、心拍数シーケンスデータが実際のほてり事象を示している尤度又は確率を決定するために、正規化された心拍数シーケンスデータが、中央コンピュータシステム10の計算モデル構成要素12によって処理される。本明細書の他の箇所で論じるように、計算モデル構成要素12は、いくつかの異なる代替の例示的手法として実装することができ、本明細書ではそれらのいくつかについて詳しく論じる。
[40] 次に、ステップ120において、決定された確率又は尤度がある所定の閾値よりも大きいかどうかの判定が行われる。ステップ120での答えが「はい」の場合、方法は、これまでに何らかの治療措置が作動されていたかどうかを判断するステップ125へ進む。答えが「はい」であれば、方法はステップ100へ戻る。一方、ステップ125での答えが「いいえ」であれば、方法はステップ130へ進む。ステップ130では、中央コンピュータシステム10が、治療措置を作動させるための手順をとる。特に、例示的実施形態において、中央コンピュータシステム10は、ネットワーク8を通して計算デバイス6へ、次いで環境パラメータ制御装置14へ送られる1つ又は複数の制御信号を生成し、それによって、環境パラメータ制御装置14に、検知されたほてりに対する確実な治療措置を開始させる。例えば、環境パラメータ制御装置14がHVACシステムである場合、個人を冷やすために、個人がいる場所の温度を下げる。或いは、環境パラメータ制御装置14が冷却ブランケット又は水冷システム(例えば、水冷床)などのデバイスである場合、個人の温度を下げるために、そのデバイスが作動される。次いで、方法はステップ100へ戻る。一方、ステップ120での答えが「いいえ」の場合には、方法はステップ125へ進まずに、ステップ135へ進む。ステップ135では、これまでに治療措置が作動されていたかどうかが判断される。答えが「いいえ」であれば、方法はステップ100へ進む。一方、ステップ135での答えが「はい」であれば、方法はステップ140へ進み、ステップ140では、これまで作動していた治療手段はもはや不要であるため、中央制御システム10によって(適当なコマンド信号を介して)不作動にされる。次いで、方法はステップ100へ戻る。
[41] このように、図2のシステム2、及び図4に示し、直前に説明した方法は、ほてりを示す心拍数の時間的傾向をモニターすることによってほてりの発生を検知するための自動化された機構を提供する。この機構は、ほてりが検知されると、検知されたほてりの影響を軽減するための治療措置を開始する。
[42] 上記のようなシステム2及び図4に示す方法は、開示される概念の例示的な一実装形態を提供するが、開示される概念の範囲内でその代替形態が企図されることが理解されるであろう。例えば、説明した方法は、ウェアラブルセンサーユニット4による生の心拍数シーケンスデータ及び正規化された心拍数シーケンスデータの計算を含むが、そうした工程は、例えば、計算デバイス6又は中央コンピュータシステム10など、システム2の他の構成要素によって実施されてもよいことが理解されるであろう。そうした工程が実施された後、正規化された心拍数シーケンスデータを、本明細書において論じる計算モデル構成要素12によって処理することができる。
[43] 更に他の代替形態も可能である。例えば、図5はシステム2に類似した代替のシステム2'を示しているが、計算モデル構成要素12が中央コンピュータシステム10に存在し、それによって実行されるのではなく、計算デバイス6に存在し、それによって実行され、従って処理は計算デバイス6でローカルに行われる。この例において、計算デバイス6は、必要に応じて環境パラメータ制御装置14を制御するためのコマンドを発行する。別の例として、図6はシステム2及び2'に類似した更なる代替のシステム2''を示しているが、計算モデル構成要素12が中央コンピュータシステム10又は計算デバイス6に存在し、それによって実行されるのではなく、ウェアラブルセンサーユニット4のコントローラ18に存在し、それによって実行され、従って処理はウェアラブルセンサーユニット4でローカルに行われる。この例では、ウェアラブルセンサーユニット4は、必要に応じて環境パラメータを制御するためのコマンドを(短距離無線通信モジュール20を介して無線で)発行する。
[44] 特定の例示的な一実施形態において、計算モデル構成要素12は(どこに存在する場合でも)、テンプレートマッチング手法を実施するように構造及び構成が決められる。特定の一実装形態において、テンプレートマッチング手法は、本明細書の他の箇所で説明するように、ほてり事象の間に生じ得る心拍数パターンを記述する重み(w[i])のテンプレートを用いて、入力された心拍数シーケンス(例えば、正規化された心拍数シーケンスデータ)を乗算することを含む。図7は、ほてり事象の前後に観察される典型的な心拍数パターンに対応する値を有する重みの典型的なセットを示している。以下の式によれば、
入力された心拍数パターン(長さNiのHR[i])とほてりパターン(長さNiのw[i])との間の一致度が、MHFL(ほてりテンプレートと心拍数シーケンスとの間のマッチング値)によって定められる。心拍数シーケンス(例えば、本明細書で説明する正規化された心拍数シーケンス)と典型的なほてりの心拍数パターンとの間の一致度を記述するMHFLを計算した後、後処理アルゴリズムを用いてほてり事象が始まる瞬間の識別を敏感にすることができる。テンプレートマッチング関数によって出力されるマッチング値(MHFL)の差の20秒間(Nw=20)の標準偏差を用いて、PHFL(ほてり事象の確率)の値がある特定の閾値を超えたときにほてり事象を識別できることが確認されている。例示的実施形態において、PHFLは以下の式に従って決定される。
図8A及び図8Bは、ほてり事象付近の240秒のシーケンスにおけるPHFLの値と、訓練データセットの一晩中測定されたシーケンスの分布を示している。PHFLの値がほてり事象に対応して増加することが理解される。同時に、図8A及び図8Bは、PHFL値を閾値処理することによって、偶然(黒い対角線)を大きく上回るROC曲線の下の面積で示されるように、夜間のほてり検知について高い精度が得られることを示している。
[45] 代替的な一実施形態において、計算モデル構成要素12は、直前に説明したようにあるシーケンスと予め定められたテンプレートとの間の一致を測定するのではなく、人工ニューロンの1つ又は複数の全結合層とすることも可能であり、その場合、以下に従って、入力された心拍数値に重みを適用することにより、全結合層における各ノードの活性化関数の合計に基づいてほてりの尤度(PHFL)を与えることが可能である。
PHFL=Σj:0…Nj(A[j]x(Σi:0…Ni(w[i、j]xHR[i])))
PHFL=Σj:0…Nj(A[j]x(Σi:0…Ni(w[i、j]xHR[i])))
[46] ここで、A[j]は全結合層(Nj=240ノード)の各jノードの活性化関数(例えば、正規化線形、ロジットなど)であり、w[i、j]は、入力層の値をjノードに向かって変化させるために用いられる重みの値であり、HR[i]は、心拍数セグメント全体のサイズ(Ni=240入力ノード:HR/秒×60秒/分×4分)である入力層におけるiポジションでの値を表す。全結合層の処理ノードからの出力の合計を、いくつかの他の全結合層に送ること、又は、HR[i]の入力を考慮すれば、ほてりの確率に応じた値を記述する出力として用いることが可能である。
[47] 別の代替的実施形態では、HR[i]の入力シーケンスを、ディープラーニングニューラルネットワーク/回帰型ニューラルネットワークなどのアルゴリズム(長短期記憶層、gruなど)を用いて処理することが可能である。このタイプのニューラルネットワーク層は、特に、ほてり事象の確率などの出力値に相当する入力データ中の特徴的な時間的パターンを見出すことが示されている。
[48] 更に別の代替的実施形態として、ほてり事象の間の時間経過がほてりではない事象に関連する興奮及び覚醒と異なる他のバイタルサイン(呼吸数、血圧、PPG波形、体温)を、(1つ又は複数の適切なセンサーを備えた)ウェアラブルセンサーユニット4によって捉え、心拍数に加えてそうしたバイタルサインを用いてほてり事象の開始を確実に検知することも可能である。
[49] 特許請求の範囲において、括弧内に置かれた参照記号はいずれも、請求項を限定するものと解釈されるべきではない。「備える」又は「含む」という語は、請求項に挙げられたもの以外の要素又はステップの存在を排除するものではない。複数の手段を列挙するデバイスの請求項において、これらの手段の複数がハードウェアの同一のアイテムによって具現化されてもよい。単数形の要素は、そうした要素が複数存在することを排除するものではない。複数の手段を列挙するデバイスの請求項のいずれにおいても、これらの手段のうちの複数がハードウェアの同一のアイテムによって具現化されてもよい。特定の要素が互いに異なる従属請求項に記載されているからといって、これらの要素を組み合わせて使用できないことを示すわけではない。
[50] 本発明を、現在のところ最も実用的で好ましい実施形態と考えられるものに基づき、例示を目的として詳しく説明してきたが、そうした詳細は単に例示を目的としており、本発明は、開示される実施形態に限定されず、むしろ、添付の特許請求の範囲の主旨及び範囲内にある変更形態及び等価な構成部を含むことが意図されていることを理解されたい。例えば、本発明は、可能な限り、任意の実施形態の1つ又は複数の特徴を任意の他の実施形態の1つ又は複数の特徴と組み合せ可能であることを企図していることを理解されたい。
Claims (34)
- 個人におけるほてりの発生を検知する方法であって、前記方法は、
所定の時間にわたり、前記個人に関する心拍数シーケンスデータを取得するステップであって、前記心拍数シーケンスデータは、前記個人が装着したセンサーユニットによって検知された前記個人の心拍データに基づく、取得するステップと、
前記心拍数シーケンスデータを計算モデル構成要素に提供するステップであって、前記計算モデル構成要素は、前記心拍数シーケンスデータを経時的に調べて、心拍数が低下してベースライン範囲を下回り、次いで上昇して前記ベースライン範囲を上回るパターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている確率を決定するステップと、
前記計算モデル構成要素で前記心拍数シーケンスデータを分析して前記確率を決定するステップと
を有する、方法。 - 決定された前記確率を評価して、ほてりが示されているかどうかを判定するステップと、決定された前記確率によってほてりが示されていると判定された場合に、前記個人に関連付けられた環境パラメータ制御装置に前記ほてりに対する治療措置を開始させるステップとを更に有する、請求項1に記載の方法。
- 決定された前記確率を評価して、ほてりが示されているかどうかを判定するステップと、決定された前記確率によってほてりが示されていると判定された場合に、示された前記ほてりの記録を格納するステップとを更に有する、請求項1に記載の方法。
- 前記パターンにおいて、心拍数が低下して少なくとも第1の大きさだけ前記ベースライン範囲を下回り、次いで上昇して、少なくとも前記第1の大きさよりも大きい第2の大きさだけ前記ベースライン範囲を上回る、請求項1に記載の方法。
- 前記パターンにおいて、ある特定の限られた時間内に心拍数が低下して少なくとも前記第1の大きさだけ前記ベースライン範囲を下回り、その後、心拍数が上昇して、少なくとも前記第2の大きさだけ前記ベースライン範囲を上回る、請求項4に記載の方法。
- 決定された前記確率を評価して、ほてりが示されているかどうかを判定するステップは、前記確率が閾値を上回るかどうかを判定するステップを有する、請求項1に記載の方法。
- 前記心拍数シーケンスデータは、前記センサーユニットによって検知された前記個人の前記心拍データに基づく生の心拍数シーケンスデータから生成された、正規化された心拍数シーケンスデータである、請求項1に記載の方法。
- 前記生の心拍数シーケンスデータは心拍数値のシーケンスを含み、前記正規化された心拍数シーケンスデータは、前記シーケンスの初期の間の前記心拍数値の平均値を決定し、次いで、前記シーケンスの前記心拍数値から前記平均値を引くことによって生成される、請求項7に記載の方法。
- 前記センサーユニットは、前記心拍データを生成するための、PPGセンサー、ECGセンサー、又は加速度計のうちの少なくとも1つを備える、請求項1に記載の方法。
- 前記計算モデル構成要素は、前記パターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている前記確率を決定するために、テンプレートマッチング手法を使用する、請求項1に記載の方法。
- 前記テンプレートマッチング手法は、前記パターンを記述する重みのテンプレートを用いて前記心拍数シーケンスデータを乗算することによって、マッチング値を決定することを含む、請求項10に記載の方法。
- 前記テンプレートマッチング手法は、前記マッチング値の差の標準偏差を用いて、確率値がある特定の閾値を超えたときにほてり事象を識別することを含む、請求項11に記載の方法。
- 前記計算モデル構成要素は、前記パターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている前記確率を決定するために、人工ニューロンの全結合層を使用する、請求項1に記載の方法。
- 前記全結合層の各ノードが活性化関数を有し、心拍数シーケンスデータに重みを適用して、前記全結合層の各ノードの前記活性化関数の合計に基づいてほてりの尤度を与える、請求項13に記載の方法。
- 前記計算モデル構成要素は、前記パターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている前記確率を決定するために、ディープラーニングニューラルネットワークを使用する、請求項1に記載の方法。
- 前記ディープラーニングニューラルネットワークは、回帰型ニューラルネットワークを含む、請求項15に記載の方法。
- 前記計算モデル構成要素は、前記センサーユニットとは別個に設置された計算デバイス内に存在する、請求項1に記載の方法。
- 前記計算モデル構成要素は、前記センサーユニット内に存在する、請求項1に記載の方法。
- 前記環境パラメータ制御装置は、HVACシステム、冷却ブランケット、及び水冷冷却システムのうちの1つである、請求項1に記載の方法。
- コンピュータ可読プログラムコードが組み込まれた非一時的コンピュータ使用可能媒体であって、前記コンピュータ可読プログラムコードは、ほてりの発生を検知する請求項1に記載の方法を実施するために実行される、非一時的コンピュータ使用可能媒体。
- 個人におけるほてりの発生を検知するための装置であって、前記装置は、
計算モデル構成要素を含むコントローラ備え、前記計算モデル構成要素は、前記個人が装着したセンサーによって検知された前記個人の心拍データに基づく心拍数シーケンスデータを受け、前記心拍数シーケンスデータを経時的に調べて、心拍数が低下してベースライン範囲を下回り、次いで上昇して前記ベースライン範囲を上回るパターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている確率を決定する、装置。 - 前記コントローラは、決定された前記確率を評価して、ほてりが示されているかどうかを判定し、決定された前記確率によってほてりが示されていると判定された場合に、前記個人に関連付けられた環境パラメータ制御装置に前記ほてりに対する治療措置を開始させる、請求項21に記載の装置。
- 前記パターンにおいて、心拍数が低下して少なくとも第1の大きさだけ前記ベースライン範囲を下回り、次いで上昇して、少なくとも前記第1の大きさよりも大きい第2の大きさだけ前記ベースライン範囲を上回る、請求項21に記載の装置。
- 前記心拍数シーケンスデータは、前記センサーユニットによって検知された前記個人の前記心拍データに基づく生の心拍数シーケンスデータから生成された、正規化された心拍数シーケンスデータである、請求項21に記載の装置。
- 前記生の心拍数シーケンスデータは心拍数値のシーケンスを含み、前記正規化された心拍数シーケンスデータは、前記シーケンスの初期の間の前記心拍数値の平均値を決定し、次いで、前記シーケンスの前記心拍数値から前記平均値を引くことによって生成される、請求項24に記載の装置。
- 前記計算モデル構成要素は、前記パターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている前記確率を決定するために、テンプレートマッチング手法を使用する、請求項21に記載の装置。
- 前記テンプレートマッチング手法は、前記パターンを記述する重みのテンプレートを用いて前記心拍数シーケンスデータを乗算することによって、マッチング値を決定することを含む、請求項26に記載の装置。
- 前記テンプレートマッチング手法は、前記マッチング値の差の標準偏差を用いて、確率値がある特定の閾値を超えたときにほてり事象を識別することを含む、請求項27に記載の装置。
- 前記計算モデル構成要素は、前記パターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている前記確率を決定するために、人工ニューロンの全結合層を使用する、請求項21に記載の装置。
- 前記全結合層の各ノードが活性化関数を有し、心拍数シーケンスデータに重みを適用して、前記全結合層の各ノードの前記活性化関数の合計に基づいてほてりの尤度を与える、請求項29に記載の装置。
- 前記計算モデル構成要素は、前記パターンに対する前記心拍数シーケンスデータのモニタリングに基づき、前記個人がほてりを感じている前記確率を決定するために、ディープラーニングニューラルネットワークを使用する、請求項21に記載の装置。
- 前記ディープラーニングニューラルネットワークは、回帰型ニューラルネットワークを含む、請求項31に記載の装置。
- 前記センサーユニットは、前記個人が装着するウェアラブルセンサーユニットの一部であり、前記コントローラは、前記ウェアラブルセンサーユニットとは別個に設置された計算デバイス内に存在する、請求項21に記載の装置。
- 前記コントローラ及び前記センサーユニットは、前記個人が装着するウェアラブルセンサーユニットの一部である、請求項21に記載の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962945918P | 2019-12-10 | 2019-12-10 | |
US62/945,918 | 2019-12-10 | ||
PCT/EP2020/084349 WO2021115890A1 (en) | 2019-12-10 | 2020-12-03 | System and method for detecting hot flashes based on heart rate patterns |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023505335A true JP2023505335A (ja) | 2023-02-08 |
JPWO2021115890A5 JPWO2021115890A5 (ja) | 2023-12-11 |
Family
ID=73740373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022534466A Pending JP2023505335A (ja) | 2019-12-10 | 2020-12-03 | 心拍数パターンに基づいてほてりを検知するためのシステム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210169343A1 (ja) |
EP (1) | EP4072404A1 (ja) |
JP (1) | JP2023505335A (ja) |
CN (1) | CN114786567A (ja) |
WO (1) | WO2021115890A1 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2007277A4 (en) * | 2006-04-18 | 2010-06-02 | Susan Mirow | METHOD AND APPARATUS FOR ANALYZING PSYCHIATRIC AND PHYSICAL CONDITIONS |
US9320448B2 (en) * | 2008-04-18 | 2016-04-26 | Pacesetter, Inc. | Systems and methods for improved atrial fibrillation (AF) monitoring |
US20160279381A1 (en) * | 2015-03-23 | 2016-09-29 | Adam Jude Ahne | Night terror lamp |
US11804301B2 (en) * | 2018-07-06 | 2023-10-31 | Sri International | Systems and methods involving predictive modeling of hot flashes |
-
2020
- 2020-12-03 JP JP2022534466A patent/JP2023505335A/ja active Pending
- 2020-12-03 WO PCT/EP2020/084349 patent/WO2021115890A1/en unknown
- 2020-12-03 CN CN202080085608.2A patent/CN114786567A/zh active Pending
- 2020-12-03 EP EP20820356.2A patent/EP4072404A1/en not_active Withdrawn
- 2020-12-09 US US17/115,864 patent/US20210169343A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20210169343A1 (en) | 2021-06-10 |
CN114786567A (zh) | 2022-07-22 |
EP4072404A1 (en) | 2022-10-19 |
WO2021115890A1 (en) | 2021-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2944251B1 (en) | Method, apparatus and computer-readable medium for confidence level determination of ambulatory hr algorithm based on a three-way rhythm classifier | |
US8795173B2 (en) | Methods and apparatus for assessment of atypical brain activity | |
CN108024717B (zh) | 确定室性期前收缩(pvc)类型和负荷的系统和方法 | |
EP3681389B1 (en) | Direct heart sound measurement using mobile device accelerometers | |
US10426394B2 (en) | Method and apparatus for monitoring urination of a subject | |
CN114901128A (zh) | 心律失常性心跳弹性睡眠呼吸暂停检测 | |
JP6304050B2 (ja) | 生体状態推定装置 | |
Vanitha et al. | Hierarchical SVM to detect mental stress in human beings using Heart Rate Variability | |
US20240099665A1 (en) | Electrocardiogram data processing server, electrocardiogram data processing method of extracting analysis required section while segmenting electrocardiogram signal into signal segments with variable window sizes, and computer program | |
US20230000441A1 (en) | Method of Determining Fused Sensor Measurement and Vehicle Safety System Using the Fused Sensor Measurement | |
JP2023505335A (ja) | 心拍数パターンに基づいてほてりを検知するためのシステム及び方法 | |
US10478066B2 (en) | System and method for detection of cravings in individuals with addiction | |
EP3425542A1 (en) | Method for determining the degree of activation of the trigeminovascular system | |
JP2020534973A (ja) | ユーザの視野の低下の進行をモニタするための装置と方法 | |
JP2023518366A (ja) | ウェアラブルからのデータ及びユーザ反応履歴に基づいて、毎日のストレス管理のための個人化された推奨を提供するシステム及び方法 | |
CN108601533B (zh) | 用于确定心力衰竭风险的确定系统 | |
US20220183620A1 (en) | Determining a sleep state of a user | |
US20220361808A1 (en) | Sleep-wakefulness determination device and program | |
US20230012526A1 (en) | System and a method for predicting time of ovulation | |
US20230337924A1 (en) | State information determination method and device, control method and device | |
US11806130B2 (en) | Predicting the probability of a brain injury of a subject resulting from a fall | |
US20240000319A1 (en) | Monitoring shivering and sweating episodes | |
JP2023546174A (ja) | 脳活動を分析するためのシステム及び方法 | |
CN116234495A (zh) | 用于检测恒温活生物体对感染的易损性和感染的可佩戴的检测系统 | |
CN117377432A (zh) | 动态和模块化心脏事件检测 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231201 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231201 |