JP2024026058A - 患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 - Google Patents
患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 Download PDFInfo
- Publication number
- JP2024026058A JP2024026058A JP2023173428A JP2023173428A JP2024026058A JP 2024026058 A JP2024026058 A JP 2024026058A JP 2023173428 A JP2023173428 A JP 2023173428A JP 2023173428 A JP2023173428 A JP 2023173428A JP 2024026058 A JP2024026058 A JP 2024026058A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- subset
- layers
- output
- data
- 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
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 191
- 230000008569 process Effects 0.000 claims abstract description 107
- 206010003119 arrhythmia Diseases 0.000 claims abstract description 92
- 238000012806 monitoring device Methods 0.000 claims abstract description 79
- 241000124008 Mammalia Species 0.000 claims abstract description 29
- 239000000853 adhesive Substances 0.000 claims abstract description 14
- 230000001070 adhesive effect Effects 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 442
- 238000012545 processing Methods 0.000 claims description 124
- 238000012549 training Methods 0.000 claims description 116
- 206010003658 Atrial Fibrillation Diseases 0.000 claims description 96
- 238000012544 monitoring process Methods 0.000 claims description 51
- 238000007906 compression Methods 0.000 claims description 46
- 230000006835 compression Effects 0.000 claims description 46
- 230000006793 arrhythmia Effects 0.000 claims description 44
- 238000011002 quantification Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 23
- 230000033001 locomotion Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 18
- 206010047302 ventricular tachycardia Diseases 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 12
- 230000008014 freezing Effects 0.000 claims description 10
- 238000007710 freezing Methods 0.000 claims description 10
- 230000026676 system process Effects 0.000 claims description 7
- 208000003734 Supraventricular Tachycardia Diseases 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 208000003663 ventricular fibrillation Diseases 0.000 claims description 4
- 206010062519 Poor quality sleep Diseases 0.000 claims description 3
- 230000000994 depressogenic effect Effects 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 claims description 3
- 230000007958 sleep Effects 0.000 claims description 3
- 210000000707 wrist Anatomy 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 38
- 238000001514 detection method Methods 0.000 abstract description 21
- 230000007774 longterm Effects 0.000 abstract description 6
- 206010061592 cardiac fibrillation Diseases 0.000 abstract 1
- 230000002600 fibrillogenic effect Effects 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 204
- 238000004422 calculation algorithm Methods 0.000 description 51
- 238000004458 analytical method Methods 0.000 description 33
- 230000005540 biological transmission Effects 0.000 description 24
- 238000013186 photoplethysmography Methods 0.000 description 20
- 238000000605 extraction Methods 0.000 description 15
- 208000024891 symptom Diseases 0.000 description 15
- 230000008901 benefit Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 13
- 238000013461 design Methods 0.000 description 9
- 230000000877 morphologic effect Effects 0.000 description 9
- 206010003662 Atrial flutter Diseases 0.000 description 8
- 230000036541 health Effects 0.000 description 8
- 230000002441 reversible effect Effects 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 7
- 239000012790 adhesive layer Substances 0.000 description 6
- 238000013459 approach Methods 0.000 description 6
- 238000011176 pooling Methods 0.000 description 6
- 206010015856 Extrasystoles Diseases 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 208000006011 Stroke Diseases 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000000718 qrs complex Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000033764 rhythmic process Effects 0.000 description 4
- 206010003671 Atrioventricular Block Diseases 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 206010003673 Atrioventricular block complete Diseases 0.000 description 2
- 206010019280 Heart failures Diseases 0.000 description 2
- 201000000668 Mobitz type II atrioventricular block Diseases 0.000 description 2
- 206010041235 Snoring Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000005476 soldering Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 201000002931 third-degree atrioventricular block Diseases 0.000 description 2
- 206010003677 Atrioventricular block second degree Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 208000027534 Emotional disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010042602 Supraventricular extrasystoles Diseases 0.000 description 1
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 1
- 201000008803 Wolff-Parkinson-white syndrome Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 208000030303 breathing problems Diseases 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 239000000017 hydrogel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 208000004731 long QT syndrome Diseases 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 208000001797 obstructive sleep apnea Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 229920001451 polypropylene glycol Polymers 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 230000036555 skin type Effects 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- A61B5/02—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
- A61B5/24—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
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/257—Means for maintaining electrode contact with the body using adhesive means, e.g. adhesive pads or tapes
-
- 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
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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
- A61B5/68—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
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- 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
- A61B5/683—Means for maintaining contact with the body
- A61B5/6832—Means for maintaining contact with the body using adhesives
- A61B5/6833—Adhesive patches
-
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- A61B2560/0204—Operational features of power management
- A61B2560/0209—Operational features of power management adapted for power saving
-
- 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
- A61B2560/04—Constructional details of apparatus
- A61B2560/0406—Constructional details of apparatus specially shaped apparatus housings
-
- 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
- A61B2562/16—Details of sensor housings or probes; Details of structural supports for sensors
- A61B2562/164—Details of sensor housings or probes; Details of structural supports for sensors the sensor is mounted in or on a conformable substrate or carrier
-
- 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
- A61B2562/16—Details of sensor housings or probes; Details of structural supports for sensors
- A61B2562/166—Details of sensor housings or probes; Details of structural supports for sensors the sensor is mounted on a specially adapted printed circuit board
-
- 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
- A61B2562/16—Details of sensor housings or probes; Details of structural supports for sensors
- A61B2562/168—Fluid filled sensor housings
-
- 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
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/363—Detecting tachycardia or bradycardia
Abstract
【課題】心不整脈などの人の生理学的特徴を推論するために細動心電データを記録する非侵襲的な心臓モニタリング装置を提供する。【解決手段】心臓モニタ装置は、水密ハウジングと、哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、表面が哺乳動物に密封可能に係合されている間に哺乳動物の連続心拍信号を検出するように配置され、ハウジング内に恒久的に配置された少なくとも2つの電極と、検出された心拍信号をコンピュータ実行可能な命令のサブセットによって処理するように構成されたハードウェアプロセッサと、送信機とを含む。検出された心臓心拍信号を、遠隔のコンピューティングシステムにおいて処理することが可能となる。いくつかの実施形態は、哺乳動物に長時間接着して心臓心拍信号を長時間検出するためのウェアラブル心臓モニタ装置を含む。【選択図】図19
Description
本出願は、2020年2月12日出願の、米国特許仮出願第62/975,626号、および2020年10月13日出願の、米国特許仮出願第63/090,951号に基づく優先権を主張するものであり、その全体が参照により本明細書に組み込まれる。前述の出願の出願日が本出願の有効出願日であることについては、米国特許法第119条(e)を含むがそれに限定されない適切な法的根拠がある。
本開示の目的のために、様々な実施形態の特定の態様、利点、及び新規の特質が本明細書に記載される。必ずしも全てのそのような利点が、任意の特定の実施形態に従って達成され得るわけではないことを理解されたい。したがって、様々な実施形態は、本明細書で教示される1つの利点又は複数の利点を達成するように実施され得るが、本明細書で教示又は示唆され得るその他の利点を必ずしも達成しないかもしれない。
本明細書に記載される実施形態は、少なくとも1週間以上、より典型的には2~3週間以上、ヒト又は動物被験者によって継続的かつ快適に装着され得る生理学的モニタリング装置に向けられている。一実施形態では、装置は、心拍(cardiac rhythm)(例えば、心電図、ECG)データを感知及び記録するように特に設計されているが、様々な代替実施形態では、1つ又は複数の追加の生理学的パラメータが感知及び記録されてもよい。そのような生理学的モニタリング装置は、患者の体験を容易にし、及び/又は向上させ、心不整脈の診断をより正確かつ適時に行うための多くの機能を含んでもよい。
いくつかの実施形態は、ユーザの心拍信号(cardiac rhythm signal)データをモニタするためのウェアラブル(wearable)心臓モニタ装置を含み、ウェアラブル心臓モニタ装置は、
水密(watertight)ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリング完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合されている間に哺乳動物の連続心拍信号を検出するように配置され、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をコンピュータ実行可能な命令の第1のサブセットによって処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、コンピュータ実行可能な命令の第2のサブセットによって出力を処理することにより、心不整脈の発生の可能性を推論(infer)するように構成されている。
水密(watertight)ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリング完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合されている間に哺乳動物の連続心拍信号を検出するように配置され、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をコンピュータ実行可能な命令の第1のサブセットによって処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、コンピュータ実行可能な命令の第2のサブセットによって出力を処理することにより、心不整脈の発生の可能性を推論(infer)するように構成されている。
いくつかの実施形態において、不整脈は、心室頻拍(ventricular tachycardia)、上室頻拍(supraventricular tachycardia)、異所性興奮(ecstopy)、心室細動(ventricular fibrillation)、又は長期休止(extended pauses)のうちの少なくとも1つを含む。
いくつかの実施形態において、心不整脈の発生の可能性を推論することは、第1のサブセットの出力を第2のサブセットを介して処理するステップを含み、第1のサブセットは、少なくとも24時間連続的に検出され、保存された心拍信号を処理した。
いくつかの実施形態において、ハウジングは、押し下げて、感知された心臓の事象の時間的なインスタンスの記録を開始するように構成された患者トリガを含む。
いくつかの実施形態において、電極は、全体がハウジング内に配置される。
いくつかの実施形態において、コンピュータ実行可能命令の第1のサブセットは、ニューラルネットワークの層の第1のサブセットを含み、コンピュータ実行可能命令の第2のサブセットは、ニューラルネットワークの層の第2のサブセットを含む。
いくつかの実施形態は、ユーザの生体信号データをモニタするためのウェアラブル心臓モニタ装置を含み、ウェアラブル装置は、
ハウジングとウィングとを含む接着アセンブリであって、ウィングは、ユーザからの心電信号(cardiac signal)を検出するように構成された電極を含む、接着アセンブリと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサと、
送信機であって、送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成されており、コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理することによって、心不整脈の発生の可能性を推論するように構成されている、送信機と、
を含む。
ハウジングとウィングとを含む接着アセンブリであって、ウィングは、ユーザからの心電信号(cardiac signal)を検出するように構成された電極を含む、接着アセンブリと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサと、
送信機であって、送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成されており、コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理することによって、心不整脈の発生の可能性を推論するように構成されている、送信機と、
を含む。
いくつかの実施形態において、コンピューティングシステムは、検出された心電信号から心房細動負担(burden)を決定するようにさらに構成される。
いくつかの実施形態において、心房細動負担は、ある期間中にユーザが心房細動で経過した時間の量を含む。
いくつかの実施形態において、心房細動負担は、睡眠期間中及び覚醒期間中にユーザが心房細動で経過した時間の量を含む。
いくつかの実施形態は、ユーザの生体信号データをモニタするためのウェアラブル装置を含み、ウェアラブル装置は、
ユーザから心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成される。
ユーザから心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成される。
いくつかの実施形態において、ハードウェアプロセッサは、ECG信号を検出する実質的にリアルタイムで連続的にニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成される。
いくつかの実施形態において、ニューラルネットワークの層の第1のサブセットの出力は、Rピーク(R peak)の表示(indication)を含む。
いくつかの実施形態において、コンピューティングシステムは、層の第2のサブセットを介して心電信号を再構築するようにさらに構成される。
いくつかの実施形態において、ニューラルネットワークの層の第1のサブセットの出力は、ニューラルネットワークの層の第1のサブセットの入力よりも小さい次元数(dimensionality)を有する。
いくつかの実施形態において、ハードウェアプロセッサは、特徴(characteristic)に基づいて複数のニューラルネットワークから特定のニューラルネットワークを選択するように構成される。
いくつかの実施形態において、特徴とは、ウェアラブル装置の特徴、ウェアラブル装置とコンピューティングシステムとの間のネットワークの特徴、のうちの少なくとも1つを含む。
いくつかの実施形態において、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を圧縮(compress)するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、圧縮された出力を送信するステップを含み、コンピューティングシステムは、送信データを解凍(decompress)するように構成され、層の第2のサブセットを介して出力を処理するステップは、復元されたデータを処理するステップを含む。
いくつかの実施形態において、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を数値化(quantize)するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、出力を送信するステップを含む。
いくつかの実施形態において、ハードウェアプロセッサは、数値化された出力を圧縮するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、圧縮された出力を送信するステップを含み、コンピューティングシステムは、送信データを解凍するように構成され、層の第2のサブセットを介した出力を処理することは、解凍されたデータを処理するステップを含む。
いくつかの実施形態において、第1のサブセットの出力をコンピューティングシステムに送信することは、数値化された出力を送信するステップを含む。
いくつかの実施形態は、ユーザの特徴の尤度(likelihood of a characteristic of a user)を推論するモニタを含み、
モニタは、
ハウジングと、
ハウジング内に恒久的に配置され、表面の連続信号を検出するように位置付けられた少なくとも2つの電極と、
コンピュータ実行可能命令の第1のサブセットを介して検出された信号を処理するように構成されたハードウェアプロセッサを含むプリント回路基板アセンブリと、
送信機と、を含み、
送信機は、コンピュータ実行可能命令の第1のサブセットのデータ出力をコンピュータシステムに送信し、コンピュータシステムは、コンピュータ実行可能命令の第2のサブセットを介してデータ出力を処理して発生の可能性を推論するように構成される。
モニタは、
ハウジングと、
ハウジング内に恒久的に配置され、表面の連続信号を検出するように位置付けられた少なくとも2つの電極と、
コンピュータ実行可能命令の第1のサブセットを介して検出された信号を処理するように構成されたハードウェアプロセッサを含むプリント回路基板アセンブリと、
送信機と、を含み、
送信機は、コンピュータ実行可能命令の第1のサブセットのデータ出力をコンピュータシステムに送信し、コンピュータシステムは、コンピュータ実行可能命令の第2のサブセットを介してデータ出力を処理して発生の可能性を推論するように構成される。
いくつかの実施形態において、コンピューティングシステムに送信されるコンピュータ実行命令の第1のサブセットのデータ出力の次元数は、少なくとも2つの電極から検出された信号のデータより小さい。
いくつかの実施形態において、コンピュータ実行可能命令の第1のサブセットのデータ出力は暗号化されており、送信機は暗号化されたデータ出力を送信し、コンピューティングシステムはコンピュータ実行可能命令の第2のサブセットを介して、暗号化されたデータ出力を処理する。
いくつかの実施形態において、送信機は、無線通信チャネルを介して、コンピューティングシステムにデータ出力を送信する。
いくつかの実施形態において、モニタは、コンピュータ実行可能命令の更新された第1のサブセットをコンピューティングシステムから受信し、コンピュータ実行可能命令の第1のサブセットをコンピュータ実行可能命令の更新された第1のサブセットに更新するように構成された受信機をさらに備え、ハードウェアプロセッサは、コンピュータ実行可能命令の更新された第1のサブセットを介して信号を処理するようにさらに構成される。
いくつかの実施形態において、モニタは、モーションデータを収集するように構成された加速度計をさらに含み、コンピューティングシステムは、モーションデータを検出された信号と照合して発生の可能性を推論するように構成される。
いくつかの実施形態において、モニタは心臓モニタであり、連続信号は心電信号であり、発生事象は不整脈事象である。
いくつかの実施形態において、コンピュータ実行可能命令の第1のサブセットは、ニューラルネットワークの層の第1のサブセットを含み、コンピュータ実行可能命令の第2のサブセットは、ニューラルネットワークの層の第2のサブセットを含む。
いくつかの実施形態は、ユーザの特徴の尤度を推論するモニタを含み、
モニタは、
水密ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリングが完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合する間に哺乳動物の連続心拍信号を検出するように位置付けられ、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をコンピュータ実行可能命令の第1のサブセットを介して処理するように構成されたハードウェアプロセッサを含む、プリント回路基板アセンブリと、
送信機と、を含み、
送信機は、コンピュータ実行可能命令の第1のサブセットのデータ出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、コンピュータ実行可能命令の第2のサブセットを介してデータ出力を処理して不整脈の発生の可能性を推論するように構成される。
モニタは、
水密ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリングが完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合する間に哺乳動物の連続心拍信号を検出するように位置付けられ、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をコンピュータ実行可能命令の第1のサブセットを介して処理するように構成されたハードウェアプロセッサを含む、プリント回路基板アセンブリと、
送信機と、を含み、
送信機は、コンピュータ実行可能命令の第1のサブセットのデータ出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、コンピュータ実行可能命令の第2のサブセットを介してデータ出力を処理して不整脈の発生の可能性を推論するように構成される。
いくつかの実施形態において、不整脈は、心室頻拍、上室頻拍、異所性興奮、心室細動、又は長期休止のうちの少なくとも1つを含む。
いくつかの実施形態において、心不整脈の発生の可能性を推論することは、第1のサブセットの出力を第2のサブセットを介して処理するステップを含み、第1のサブセットは、少なくとも24時間連続的に検出され、保存された心拍信号を処理した。
いくつかの実施形態において、ハウジングは、押し下げて、感知された心臓の事象の時間的なインスタンスの記録を開始するように構成された患者トリガを含んでいる。
いくつかの実施形態は、ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングするためのシステムを含み、
システムは、ウェアラブル装置を含み、
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間(time period)の第1のトレーニングデータを処理することによって第1の特質(feature)を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除(unfreeze)するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第1および第2のニューラルネットワークを同時にトレーニングして第2の特徴を識別するステップと、
により、ニューラルネットワークをトレーニングするように構成される。
システムは、ウェアラブル装置を含み、
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間(time period)の第1のトレーニングデータを処理することによって第1の特質(feature)を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除(unfreeze)するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第1および第2のニューラルネットワークを同時にトレーニングして第2の特徴を識別するステップと、
により、ニューラルネットワークをトレーニングするように構成される。
いくつかの実施形態において、ニューラルネットワークの層の第1のサブセットの出力は、ニューラルネットワークの層の第1のサブセットの入力よりも小さい次元数である。
いくつかの実施形態において、ハードウェアプロセッサは、特徴に基づいて複数のニューラルネットワークから特定のニューラルネットワークを選択するように構成される。
いくつかの実施形態において、特徴とは、ウェアラブル装置の特徴、ウェアラブル装置とコンピューティングシステムとの間のネットワークの特徴のうちの少なくとも1つを含む。
いくつかの実施形態において、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を圧縮するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、圧縮された出力を送信するステップを含み、コンピューティングシステムは、送信データを解凍するように構成され、層の第2のサブセットを介して出力を処理することは、解凍されたデータを処理するステップを含む。
いくつかの実施形態において、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を数値化するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、出力を送信するステップを含む。
いくつかの実施形態は、ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングする方法を含み、
方法は、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、を含む。
方法は、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、を含む。
いくつかの実施形態において、第2のトレーニングデータは第3のトレーニングデータであり、第2の時間期間は第3の時間期間である。
いくつかの実施形態において、トレーニングは、ウェアラブル装置の利用可能な処理能力に基づく。
いくつかの実施形態において、トレーニングは、ウェアラブル装置の利用可能なメモリに基づく。
いくつかの実施形態において、トレーニングは、ウェアラブル装置と外部コンピューティングシステムとの間のネットワークの利用可能性に基づく。
いくつかの実施形態において、トレーニングは、ユーザの特徴のタイプに基づく。
いくつかの実施形態において、ユーザの特徴のタイプは、心不整脈の発生を含む。
特定の実施形態において、コンピューティングシステムは、レポートを提供するようにさらに構成され、レポートは、心不整脈の発生の可能性を含む。
特定の実施形態において、レポートは、心房細動負担の経時的なグラフを含む。
特定の実施形態において、レポートは、心房細動の存在の徴候(indication)を含む。
特定の実施形態において、レポートは少なくとも14日間のモニタリング期間を含む。
特定の実施形態において、コンピューティングシステムは、サーバまたはゲートウェイである。
特定の実施形態において、コンピューティングシステムは、スマートフォンである。
特定の実施形態において、コンピューティングシステムは、スマートフォンの仲介を介して送信機と通信する。
特定の実施形態において、ウェアラブル装置は、二次信号を収集するように構成され、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットを介して二次信号を処理するように構成される。
特定の実施形態において、ウェアラブル装置は、ユーザの動き(movement)を測定するように構成された加速度計をさらに含み、二次信号は、加速度計データである。
特定の実施形態において、コンピューティングシステムは、心房細動負担を決定するようにさらに構成され、心房細動負担は、ユーザの動作中に心房細動状態で経過した時間の量を含む。
特定の実施形態において、ユーザの動作は、第1の度合いの動作と第2の度合いの動作とを含む。
特定の実施形態において、二次信号は、電極の接触の優良性データである。
特定の実施形態において、電極及びハードウェアプロセッサは、胸ストラップの中に収納されている。
特定の実施形態において、電極及びハードウェアプロセッサは、人間の手首に装着されるように構成された腕時計の中に収納されている。
特定の実施形態において、電極及びハードウェアプロセッサは、ウェアラブルフィットネスバンド内に収納されている。
特定の実施形態において、不整脈は、心室頻拍を含む。
特定の実施形態において、不整脈は、上室頻拍を含む。
特定の実施形態において、不整脈は、異所性興奮を含む。
特定の実施形態において、不整脈は、心室細動を含む。
特定の実施形態において、不整脈は、長期休止を含む。
特定の実施形態において、ハードウェアプロセッサは、ウェアラブル装置から取り外され、ウェアラブル装置から取り外された状態で変更されるように構成される。
特定の実施形態において、出力を数値化することは、出力の値を四捨五入する又は切り捨てるステップを含む。
特定の実施形態において、出力に対する数値化の量は、可逆圧縮性能(lossless compression performance)に基づく。
特定の実施形態において、出力に対する数値化の量は、処理能力、ストレージ、またはネットワークの使用量、のうちの少なくとも1つ、に関する効率、およびニューラルネットワークの精度に基づく。
特定の実施形態において、ニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に数値化を適用することによってトレーニングされる。
特定の実施形態において、ニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に可逆圧縮を適用することによってトレーニングされる。
特定の実施形態において、ニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に数値化および可逆圧縮を適用することによってトレーニングされる。
特定の実施形態において、ニューラルネットワークは、数値化および可逆圧縮を行わずにトレーニングされて第1のニューラルネットワークを生成し、第1のニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に数値化および可逆圧縮を適用してトレーニングされて、第2のニューラルネットワークを生成する。
いくつかの実施形態は、データをモニタするためのウェアラブル装置を含み、ウェアラブル装置は、
ユーザから心電信号を検出するように構成されたセンサと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は第1のサブセットの出力をコンピューティングシステムに送信するように構成されており、
コンピューティングシステムはニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成される。
ユーザから心電信号を検出するように構成されたセンサと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は第1のサブセットの出力をコンピューティングシステムに送信するように構成されており、
コンピューティングシステムはニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成される。
いくつかの実施形態は、心不整脈の発生の可能性を推定する(estimate)ためのコンピューティングシステムを含み、
コンピューティングシステムは、
ユーザからの心電信号を検出するように構成されたセンサを含むウェアラブル装置からデータを受信するように構成された1つ以上の第1のハードウェアプロセッサと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理し、受信したデータをニューラルネットワークの層の第2のサブセットを介して処理し、層の第2のサブセットの出力から、心不整脈の発生の可能性の推論を受信するように構成された1つ以上の第2のハードウェアプロセッサと、を含む。
コンピューティングシステムは、
ユーザからの心電信号を検出するように構成されたセンサを含むウェアラブル装置からデータを受信するように構成された1つ以上の第1のハードウェアプロセッサと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理し、受信したデータをニューラルネットワークの層の第2のサブセットを介して処理し、層の第2のサブセットの出力から、心不整脈の発生の可能性の推論を受信するように構成された1つ以上の第2のハードウェアプロセッサと、を含む。
いくつかの実施形態は、データをモニタリングする方法を含み、
方法は、
ユーザから心電信号を検出するステップと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するステップと、
第1のサブセットの出力をコンピューティングシステムに送信するステップと、を含み、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈発生の可能性を推論する。
方法は、
ユーザから心電信号を検出するステップと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するステップと、
第1のサブセットの出力をコンピューティングシステムに送信するステップと、を含み、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈発生の可能性を推論する。
いくつかの実施形態は、コンピュータ実行可能命令を収納する非一時的コンピュータ記憶媒体を含み、プロセッサによって実行されると、プロセッサに、
ユーザから心電信号を検出するステップと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するステップと、
第1のサブセットの出力をコンピューティングシステムに送信するステップと、を実行させ、
コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理して心不整脈発生の可能性を推論する。
ユーザから心電信号を検出するステップと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するステップと、
第1のサブセットの出力をコンピューティングシステムに送信するステップと、を実行させ、
コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理して心不整脈発生の可能性を推論する。
いくつかの実施形態は、ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングする方法を含み、
方法は、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、を含む。
方法は、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、を含む。
特定の実施形態において、第2のトレーニングデータは第3のトレーニングデータであり、第2の時間期間は第3の時間期間である。
特定の実施形態において、トレーニングは、ウェアラブル装置の利用可能な処理能力に基づく。
特定の実施形態において、トレーニングは、ウェアラブル装置の利用可能なメモリに基づく。
特定の実施形態において、トレーニングは、ウェアラブル装置と外部コンピューティングシステムとの間のネットワークの利用可能性に基づく。
特定の実施形態において、トレーニングは、ユーザの特徴のタイプに基づく。
特定の実施形態において、ユーザの特徴のタイプは、心不整脈の発生を含む。
いくつかの実施形態は、ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングするシステムを含み、このシステムは、ウェアラブル心臓モニタ装置を含み、
ウェアラブル心臓モニタ装置は、
水密ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリングが完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合する間に哺乳動物の連続心拍信号を検出するように位置付けられた、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理することによって心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、
によってニューラルネットワークをトレーニングするように構成される。
ウェアラブル心臓モニタ装置は、
水密ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリングが完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合する間に哺乳動物の連続心拍信号を検出するように位置付けられた、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理することによって心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、
によってニューラルネットワークをトレーニングするように構成される。
いくつかの実施形態は、ユーザの生体信号データをモニタするためのウェアラブル装置を含み、
ウェアラブル装置は、
ハウジングとウィングとを含む接着アセンブリであって、ウィングは、ユーザからの心電信号を検出するように構成された電極を含む、接着アセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理してQT間隔(QT interval)を推論するように構成される。
ウェアラブル装置は、
ハウジングとウィングとを含む接着アセンブリであって、ウィングは、ユーザからの心電信号を検出するように構成された電極を含む、接着アセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理してQT間隔(QT interval)を推論するように構成される。
特定の実施形態において、コンピューティングシステムは、検出された心電信号から心房細動負担を決定するようにさらに構成される。
特定の実施形態において、心房細動負担は、ある期間中にユーザが心房細動状態で経過した時間の量を含む。
特定の実施形態において、心房細動負担は、睡眠期間中及び覚醒期間中にユーザが心房細動状態で経過した時間の量を含む。
特定の実施形態において、ハードウェアプロセッサは、ECG信号の検出と実質的にリアルタイムで連続的にニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成される
特定の実施形態において、ニューラルネットワークの層の第1のサブセットの出力は、Rピークの表示を含む。
特定の実施形態において、コンピューティングシステムは、層の第2のサブセットを介して心電信号を再構築するようにさらに構成される。
いくつかの実施形態は、ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングするためのシステムを含み、システムはウェアラブル装置を含み、
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、
によってニューラルネットワークをトレーニングするように構成される。
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、
によってニューラルネットワークをトレーニングするように構成される。
特定の実施形態において、ニューラルネットワークの層の第1のサブセットの出力は、ニューラルネットワークの層の第1のサブセットの入力よりも小さい次元数である。
特定の実施形態において、ハードウェアプロセッサは、特徴に基づいて複数のニューラルネットワークから特定のニューラルネットワークを選択するように構成される。
特定の実施形態において、特徴とは、ウェアラブル装置の特徴、ウェアラブル装置とコンピューティングシステムとの間のネットワークの特徴、のうちの少なくとも1つを含む。
特定の実施形態において、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を圧縮するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、圧縮された出力を送信するステップを含み、コンピューティングシステムは、送信データを解凍するように構成され、層の第2のサブセットを介して出力を処理するステップは、解凍されたデータを処理するステップを含む。
特定の実施形態において、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を数値化するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、出力を送信するステップを含む。
特定の実施形態において、コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットの出力からECG信号を再構築することによって、QT間隔を推論する。
特定の実施形態において、コンピューティングシステムは、複数のQT間隔を含むエンコードされた特質のウィンドウからの平均QT間隔に基づいてQT間隔を推論する。
いくつかの実施形態は、ユーザの生体信号データをモニタするためのウェアラブル装置を含み、
ウェアラブル装置は、
ハウジング及びウィングを含む接着アセンブリであって、ウィングは、ユーザからの心電信号を検出するように構成された電極を含む、接着アセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ある期間にわたる複数の拍動(beat)に基づくテンプレート拍動を生成するために構成される。
ウェアラブル装置は、
ハウジング及びウィングを含む接着アセンブリであって、ウィングは、ユーザからの心電信号を検出するように構成された電極を含む、接着アセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ある期間にわたる複数の拍動(beat)に基づくテンプレート拍動を生成するために構成される。
いくつかの実施形態は、ユーザの生体信号データをモニタするためのウェアラブル装置を含み、
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサであって、ニューラルネットワークの層の第1のサブセットの出力がRRピーク間隔を含み、RRピーク間隔が2つの連続したRピーク間の経過時間を含む、ハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第1のサブセットの出力におけるRRピーク間隔を、ニューラルネットワークの層の第2のサブセットを介して処理することによって、心不整脈の発生の可能性を推論するように構成される。
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサであって、ニューラルネットワークの層の第1のサブセットの出力がRRピーク間隔を含み、RRピーク間隔が2つの連続したRピーク間の経過時間を含む、ハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第1のサブセットの出力におけるRRピーク間隔を、ニューラルネットワークの層の第2のサブセットを介して処理することによって、心不整脈の発生の可能性を推論するように構成される。
特定の実施形態において、ニューラルネットワークの層の第1のサブセットは、重複するスライディングウィンドウを使用してRR間隔サブシーケンスを抽出し、検出された心電信号上でスライディングウィンドウをシフトさせることによって、RRピーク間隔のシーケンスを生成する。
本発明のこれらおよび他の態様および実施形態は、図面を参照しながら、以下により詳細に説明される。
以下の説明は、多数の様々な実施形態に向けられたものである。しかしながら、記載された実施形態は、多くの異なる方法で実施および/または変化させることができる。例えば、記載された実施形態は、多数の生理学的パラメータのいずれかをモニタするための任意の適切な装置、器具、又はシステムにおいて実装されてもよい。例えば、以下の説明は、主に、長期的なパッチベースの心拍モニタリング装置に焦点を当てている。1つの代替実施形態では、生理学的モニタリング装置は、例えば、パルスオキシメトリ(oximetry)及び閉塞性睡眠時無呼吸症候群(sleep apnea)の診断のために使用されてもよい。生理学的モニタリング装置の使用方法もまた、様々である。場合によっては、装置は1週間またはそれ以下着用され、他の場合には、装置は少なくとも7日間及び/又は7日間以上、例えば14日間から21日間又はそれ以上着用され得る。
心臓の異常な心拍や不整脈は、それほど深刻ではない他の原因によって引き起こされることが多いため、これらの症状のいずれかが不整脈によるものであるかを判断することが重要な課題となっている。しばしば、不整脈は頻度が少なく、および/または、散発的に発生するため、迅速かつ信頼性の高い診断が困難である。現在、心拍モニタリングは、主にホルターモニタ(Holter monitor)のような短時間(1日以内)の電極を胸部に装着する装置によって行われている。電極は、通常ベルトに装着される記録装置にワイヤで接続される。電極は毎日交換する必要があり、ワイヤも煩わしい。また、記録装置のメモリや記録時間にも限りがある。また、装着することで患者の動きを妨げ、入浴などの特定の行動ができなくなることが多い。さらに、ホルターモニタは資本設備であり、入手可能性が限られているため、しばしば供給上の制約やそれに伴う検査の遅れにつながる。これらの制約は、装置の診断的有用性、装置を使用する患者の順応性(compliance)、および重要な情報をすべて把握する可能性を著しく阻害する。順応性の欠如や機器の欠点によって、正しい診断を下すために、追加の機器やフォローオンモニタリング、その他の検査が必要になることが多い。
ホルターモニタや心臓事象モニタなどの心拍モニタリング装置を用いて不整脈の発生と症状を関連付ける現在の方法は、正確な診断を下すには十分でないことが多い。実際、ホルターモニタは最大90%の確率で診断につながらないことが示されている(DE Wardら著、「24時間外来心電図モニタの診断価値の評価」、Biotelemetry Patient Monitoring誌、第7巻、1980年に出版)。
さらに、実際に心拍モニタリング装置を入手してモニタリングを開始するという医療行為は、通常、非常に複雑である。通常、そのようなモニタリング装置からのデータの発注、追跡、モニタリング、回収、および解析には多数の手順が必要である。今日使用されている心臓モニタリング装置は、ほとんどの場合、患者の主治医(primary care physician:PCP)ではなく、心臓専門医または心臓電気生理学者(electrophysiologist:EP)によって発注される。このことは、PCPが患者を最初に診察し、患者の症状が不整脈によるものかもしれないと判断する最初の医師であることが多いため、重要な意味を持つ。患者がPCPを受診した後、PCPは患者に心臓専門医またはEPを受診させるための予約を取る。この予約は、通常、初診から数週間後に行われるため、診断が遅れ、不整脈のエピソードが発生しても診断されずに終わる可能性が高くなる。患者が最終的に心臓専門医またはEPにかかると、通常、心拍モニタリング装置が注文される。モニタリング期間は24~48時間(ホルターモニタ)または最長1カ月(心臓事象モニタまたはモバイルテレメトリ装置)である。モニタリングが終了すると、患者は通常、装置をクリニックに返却しなければならず、それ自体が不便になることもある。データはモニタリング会社または病院やオフィスにいる技術者によって処理された後、最終的に報告書が心臓専門医またはEPに解析のために送られる。このようにプロセスが複雑なため、心拍モニタリングを受ける患者の数は、本来受けることが望ましい患者の数よりも少なくなってしまっている。
心臓モニタリングに関するこれらの問題のいくつかに対処するために、本願の譲受人は、小型で長期間着用可能な生理学的モニタリング装置の様々な実施形態を開発した。この装置の一実施形態は、Zio(登録商標)Patchである。様々な実施形態は、例えば、米国特許番号8,150,502、8,160,682、8,244,335、8,560,046、及び8,538,503にも記載されており、これらの全開示内容は、その全体が参照により本明細書に組み込まれるものとする。一般に、上記文献に記載された生理学的パッチベースのモニタは、患者の胸部に快適にフィットし、少なくとも1週間、典型的には2~3週間装着されるように設計されている。モニタは、装置が装着されている間、連続的に心拍信号データを検出及び記録し、この心拍データは、その後、処理及び解析に利用可能である。
生理学的モニタリング装置
図1A及び1Bを参照すると、生理学的モニタリング装置100の一実施形態の斜視図及び分解プロファイル図が提供される。図1Aに見られるように、生理学的モニタリング装置100は、水密で剛性のハウジング115と結合された可撓性本体110、およびヒンジ部132を含んでもよい。可撓性本体110(「可撓性基板」または「可撓性構成体」と呼ばれることがある)は、典型的には、剛性ハウジング115から横方向に延びる2つのウィング130、131と、それぞれがウィング130、131の1つに埋め込まれた2つの可撓性電極トレース(electrode trace)311、312と、を含む。各電極トレース311、312は、可撓性本体110の底面上で、可撓性電極(図1Aでは見えない)と結合される。電極は、モニタリング装置100が取り付けられている患者からの心拍信号を感知するように構成されている。電極トレース311、312は、次に、剛性ハウジング115に収容された電子機器(図1Aでは見えない)にそれらの信号を送信する。剛性ハウジング115はまた、典型的には、1つ以上の電池などの電源を含む。
図1A及び1Bを参照すると、生理学的モニタリング装置100の一実施形態の斜視図及び分解プロファイル図が提供される。図1Aに見られるように、生理学的モニタリング装置100は、水密で剛性のハウジング115と結合された可撓性本体110、およびヒンジ部132を含んでもよい。可撓性本体110(「可撓性基板」または「可撓性構成体」と呼ばれることがある)は、典型的には、剛性ハウジング115から横方向に延びる2つのウィング130、131と、それぞれがウィング130、131の1つに埋め込まれた2つの可撓性電極トレース(electrode trace)311、312と、を含む。各電極トレース311、312は、可撓性本体110の底面上で、可撓性電極(図1Aでは見えない)と結合される。電極は、モニタリング装置100が取り付けられている患者からの心拍信号を感知するように構成されている。電極トレース311、312は、次に、剛性ハウジング115に収容された電子機器(図1Aでは見えない)にそれらの信号を送信する。剛性ハウジング115はまた、典型的には、1つ以上の電池などの電源を含む。
ここで図1Bを参照すると、生理学的モニタリング装置100の部分分解図が、剛性ハウジング115を構成する、及び剛性ハウジング115内に収容される構成部品をより詳細に示している。この実施形態では、剛性ハウジング115は、下部ハウジング部材145と着脱可能に結合する上部ハウジング部材140を含む。上部ハウジング部材140と下部ハウジング部材145との間に挟まれるのは、上部ガスケット370、および下部ガスケット360(図1Bでは見えないが、上部ガスケット370のすぐ下)である。ガスケット370、360は、組み立てられたときに剛性ハウジング部材115を水密状態にするのに役立つ。モニタリング装置100の多数の構成要素は、上部ハウジング部材140と下部ハウジング部材145との間に収容され得る。例えば、一実施形態では、ハウジング115は、可撓性本体110の一部、プリント回路基板アセンブリ(PCBA)120、バッテリホルダ150、及び2つのバッテリ160を収容してもよい。プリント回路基板アセンブリ120は、電極トレース311、312及び電池160に接触するようにハウジング115内に配置される。様々な実施形態において、1つ以上の追加の構成要素が、剛性ハウジング115内に含まれるか、または剛性ハウジング115に取り付けられてもよい。これらのオプションの構成要素のいくつかは、追加の図面を参照して、以下でさらに説明される。
バッテリホルダ150は、様々な代替の実施形態によれば、(図示の実施形態のように)2つのバッテリ、1つのバッテリ、または2つ以上のバッテリを保持することができる。他の代替的な実施形態では、他の電源が使用されてもよい。図示の実施形態では、バッテリホルダ150は、バッテリ160をホルダ150内に保持するための複数の保持タブ153を含んでいる。さらに、バッテリホルダ150は、PCBA120の表面からバッテリ160の正しい間隔を確立し、スプリングフィンガ235及び236との適切な接触を保証するための複数のフット152を含む。スプリングフィンガ235及び236は、この実施形態では、バッテリ160をPCBA120にはんだ付けする代わりに使用される。代替の実施形態においてはんだ付けが使用され得るが、スプリングフィンガ235及び236の1つの利点は、それらの構成要素のいずれかを損傷することなく、電池160がPCBA120及びホルダ150から取り外され、したがって両方の多重再使用を可能にすることである。はんだ接続を排除することはまた、モニタリング装置100の組み立て及び分解を単純化し、迅速化する。いくつかの実施形態において、上部ハウジング部材140は、患者事象トリガとして機能することができる。
ここで図2A及び2Bの実施形態を参照すると、プリント回路基板アセンブリ120(又はPCBA)は、上面220、底面230、患者トリガ入力210、及びスプリング接点235、236、及び237を含んでもよい。患者トリガ入力210は、上述した上部ハウジング部材140などの患者トリガからの信号をPCBA120に中継するように構成されてもよい。例えば、患者トリガ入力210は、患者トリガ(例えば、上部ハウジング部材140の上面)からの圧力に応答するPCBスイッチ又はボタンであってよい。
ここで図3A及び図3Bの実施形態を参照すると、可撓性本体110がより詳細に示されている。図3Aに示されるように、可撓性本体110は、ウィング130、131、各ウィング130、131の少なくとも一部の周りの薄い境界133(または「リム」、または「エッジ」)、電極トレース311、312、および剛性ハウジング115との各ウィング130、131の接合部の、またはその近くのヒンジ部132(または「ショルダ」)を含んでもよい。
図3C及び3Dの実施形態に示されるように、ECG回路インタフェース部313は、装置100又はズームイン装置部分101が組み立てられると、スプリングフィンガ237と物理的に接触し、PCBA120との電気通信を提供する。電極インタフェース部310は、ハイドロジェル電極350に接触する。したがって、電極トレース311、312は、電極350からPCBA120に心拍信号(及び/又は様々な実施形態における他の生理学的データ)を送信する。
図3Eは、さらに別の実施形態を描いており、上部ガスケット370が、上部基板300に固着されたまま上部ハウジング140のプロファイルから離れて突出するタブ371を含む。タブ371は、電極トレース311、312の一部を覆い、可撓体が剛性ハウジングと接する最も高い応力のポイントにおいて、トレースのために歪みの緩和を提供する。
ここで図4の実施形態を参照すると、剛性ハウジング115の上部ハウジング部材140および下部ハウジング部材145が、より詳細に示されている。上部及び下部ハウジング部材140、145は、それらの間にガスケット360、370を入れて一緒に結合されると、PCBA120、バッテリホルダ150、バッテリ160及び剛性ハウジング115内に含まれる他の任意のコンポーネントを含むための水密エンクロージャを形成するように構成されてもよい。ハウジング部材140、145は、耐水性プラスチックなど、内部構成要素を保護するための任意の適切な材料で作られてもよい。
ここで図5Aの実施形態を参照すると、バッテリホルダ150がより詳細に示されている。バッテリホルダ150は、プラスチックまたは他の適切な材料で作られてもよく、PCBA120に取り付けられ、その後、剛性ハウジング115に取り付けられるように構成され、2つのバッテリ160(図1B)を保持することが可能である。複数の突起152は、電池160がPCBA120の表面から一定の距離を置いて配置されるための安定したプラットフォームを提供し、敏感な電子部品との不要な接触を避けつつ、スプリング接点235の適切な圧縮を提供する(図5B)。
ここで図6A及び6Bの実施形態を参照すると、生理学的モニタリング装置100が、側面断面図で示されている。6Aに示されるように、生理学的モニタリング装置100は、剛性ハウジング115と結合された可撓性本体110を含んでもよい。可撓性本体110は、上部基板層300、下部基板層330、接着剤層340、及び電極350を含んでもよい。電極トレース311、312も典型的には可撓性本体110の一部であり、上部基板層300と下部基板層330との間に埋め込まれるが、図6では示されていない。可撓性本体110は、ハウジング115のいずれかの側に延びる2つのウィング130、131と、各ウィング130、131の少なくとも一部を囲む境界133とを形成する。剛性ハウジング115は、可撓性本体110の一部を間に挟むように下部ハウジング部材145と結合された上部ハウジング部材140を含んでよく、PCBA120のための水密に密閉されたコンパートメントを提供する。上部ハウジング部材140は、内側トリガ部材430を含んでもよく、PCBAは、患者トリガ部材210を含んでもよい。先に説明したように、下部ハウジング部材145は、モニタリング装置100の快適性を高めるために、複数のディンプル450又はディボットを含んでもよい。特定の実施形態において、PCBA120の不要な曲がりを低減し防止するための追加の機構が使用されてもよい。この機構は、図6Bに示されている。
図7を参照すると、いくつかの実施形態において、生理学的モニタリング装置100は、1つ又は複数の追加の任意選択の特質を含んでもよい。例えば、一実施形態では、モニタリング装置100は、取り外し可能なライナ810、上部ラベル820、装置識別子830、及び下部ラベル840を含んでもよい。
ここで図8A及び8Bの実施形態を参照すると、生理学的モニタリング装置100は、一般に、各ウィング130、131と剛性ハウジング115との接合部又はその近くにヒンジ部132を含む。さらに、各ウィング130、131は、典型的には、接着剤層340を介して患者に接着されるが、剛体115は、患者に接着されず、したがって、患者の移動及び体勢の変更の間、患者の皮膚の上で自由に「浮く」(例えば、上下に動く)ことが可能である。言い換えれば、患者の胸部が収縮すると、剛性ハウジングは皮膚の上に飛び出すか、浮くので、装置100への応力を最小限に抑え、快適性を高め、ウィング130、131が皮膚から剥離する傾向を低減することができる。
ここで図9A~9Fを参照すると、生理学的モニタリング装置100をヒト被験者の皮膚に適用する方法の一実施形態が説明される。この実施形態では、図9Aに示す第1のステップの前に、典型的には、装置100が配置される左胸部の皮膚の小部分の毛を剃り、剃った部分を擦る及び/又は洗浄することによって、患者の皮膚を準備してもよい。図9Aに示されるように、患者の皮膚が準備されると、装置100を適用する第1のステップは、装置100の底面上の接着剤層340から2つの接着剤カバー600の一方または両方を除去し、したがって、接着剤層340を露出させることを含んでもよい。図9Bに示されるように、次のステップは、接着剤層340が所望の位置で皮膚に付着するように、装置100を皮膚に適用することであってもよい。図9Cを参照すると、装置100が皮膚に適用された後、装置100の皮膚への付着を確実にするのを助けるために、可撓性本体110に圧力を加えて胸に押し付けてもよい。
次のステップでは、図9Dを参照すると、ライナ810は、可撓性本体110の上面から取り除かれる(例えば、剥がされる)。図9Eに示すように、ライナ810が取り除かれると、可撓性本体110が皮膚に確実に接着されるのを助けるために、圧力が再び適用されてもよい。最後に、図9Fに示すように、上部ハウジング部材140は、生理学的モニタリング装置140をオンにするために押されてもよい。この説明された方法は、1つの実施形態に過ぎない。代替の実施形態では、1つ又は複数のステップが省略されてもよく、及び/又は1つ又は複数の追加のステップが追加されてもよい。
上記及び本明細書の他の場所で説明した生理学的モニタは、モニタからのデータ収集を改善するデータ処理及び送信の方法及びシステムと更に組み合わせてもよい。さらに、以下に説明する方法及びシステムは、上述のモニタの、高い患者順応性及び使いやすさを維持しながら、臨床情報のタイムリーな送信を可能にすることによって、モニタの性能を向上させることができる。例えば、本明細書のこのセクションまたは本明細書の他の箇所で説明するデータ処理および送信の方法およびシステムは、モニタの電池寿命を延長するのに役立ち、モニタの精度を向上させ、および/または本明細書のこのセクションまたは他の箇所で説明する他の改善および利点を提供することができる。
装置のモニタリングおよび臨床解析のプラットフォーム
図10~図17の実施形態に関連して以下に詳細に説明するシステム及び方法は、図1~図9に関連して上述したようなウェアラブル生理学的モニタから心電図信号データ及び他の生理学的データを選択的に抽出、送信、及び解析することができる。以下に説明するシステム及び方法は、複数の手段を介して同時にデータを記録及び送信するウェアラブル生理学的モニタの性能を向上させることができる。例えば、抽出されたデータを選択的に送信することは、ウェアラブルパッチが全ての記録されたデータを送信する必要がないため、電力消費を減少させることができる。抽出されたデータを送信することにより、電力消費が高くバッテリ寿命を減少させる、総合的なオンボードの心拍解析を必要とせずに、解析の多くをウェアラブル装置から離れた場所で行うことができる。さらに、ウェアラブル装置に固有の電力制約のない遠隔解析は、データの解析におけるより高い感度と精度を可能にする可能性がある。消費電力の減少は、モニタリングサイクル中の装置交換、バッテリ交換またはバッテリ再充電の間の期間を延長し、あるいはその必要性をなくすので、患者の順応性を向上させるのに役立つ。バッテリ消費を減少させることにより、例えば、少なくとも1週間、少なくとも2週間、少なくとも3週間、または3週間以上など、装置交換なしでより長いモニタリング期間を可能にすることができる。
図10~図17の実施形態に関連して以下に詳細に説明するシステム及び方法は、図1~図9に関連して上述したようなウェアラブル生理学的モニタから心電図信号データ及び他の生理学的データを選択的に抽出、送信、及び解析することができる。以下に説明するシステム及び方法は、複数の手段を介して同時にデータを記録及び送信するウェアラブル生理学的モニタの性能を向上させることができる。例えば、抽出されたデータを選択的に送信することは、ウェアラブルパッチが全ての記録されたデータを送信する必要がないため、電力消費を減少させることができる。抽出されたデータを送信することにより、電力消費が高くバッテリ寿命を減少させる、総合的なオンボードの心拍解析を必要とせずに、解析の多くをウェアラブル装置から離れた場所で行うことができる。さらに、ウェアラブル装置に固有の電力制約のない遠隔解析は、データの解析におけるより高い感度と精度を可能にする可能性がある。消費電力の減少は、モニタリングサイクル中の装置交換、バッテリ交換またはバッテリ再充電の間の期間を延長し、あるいはその必要性をなくすので、患者の順応性を向上させるのに役立つ。バッテリ消費を減少させることにより、例えば、少なくとも1週間、少なくとも2週間、少なくとも3週間、または3週間以上など、装置交換なしでより長いモニタリング期間を可能にすることができる。
図10は、連続心拍モニタリング装置904によって生成され得るようなRR間隔時系列902から心拍情報を推論するためのシステム900の実施形態の一般的な概要を示す図である。システムに入力されるRR間隔時系列902は、連続する心拍間のタイミング間隔の一連の測定値を含んでもよい。RR間隔時系列902データは、心拍感知機能を組み込んだ、心拍チェストストラップ又は心拍時計などの専用の心拍モニタ、又はウェアラブルな健康又はフィットネス装置906、908から抽出又は受信されてもよい。あるいは、RR間隔時系列902は、ECG信号904を(例えば、QRS検出アルゴリズムを使用してECG内のRピークを突き止めることによって)測定するように設計されたウェアラブルパッチから得られてもよい。さらに、RR間隔時系列902は、光電式容積脈波法(PPG)から得られるような代替の生理学的信号から推論されてもよい。このシナリオでは、PPG信号から決定されるピークからピークまでの間隔時系列は、RR間隔時系列の正確な推定値として使用されてもよい。
特定の実施形態において、心拍推論システムは、個々のRR間隔時系列902に加えて、所定のユーザ918の装置から測定された複数のRR間隔時系列を受け入れてもよい。特定の実施形態において、心拍推論システム910は、推論結果の精度及び/又は価値を高めるために、RR間隔時系列データに加えて、一般に代替センサチャネルと呼ばれる追加のデータ源を受け入れてもよい。
iRhythm ZioPatch(商標)904などの、図1~9に関連してさらに上述した現在のウェアラブルセンサは、1回のバッテリ充電で最大2週間、単一リードの心電図(ECG)信号を記録することが可能である。
抽出、送信、および処理システム
図11は、図10に関連して上述したシステム及び/又は方法と同様の、送信機能を有するウェアラブル医療センサ1002のシステム及び方法1000の一実施形態の模式図である。いくつかの実施形態において、本明細書のこのセクション又は他の場所で説明される任意のタイプのセンサ又はモニタであってよいセンサ1002は、ECG又は同等の生体信号1004を連続的に感知し、ECG又は同等の生体信号1004を連続的に記録する。次いで、収集された信号1004は、例示的な特質A、B、及びCを表す1つ又は複数の特質に連続的に抽出(1006)されてもよい。ECG又は同等の生体信号の特質は、信号1004の遠隔での解析を容易にするために抽出される。
図11は、図10に関連して上述したシステム及び/又は方法と同様の、送信機能を有するウェアラブル医療センサ1002のシステム及び方法1000の一実施形態の模式図である。いくつかの実施形態において、本明細書のこのセクション又は他の場所で説明される任意のタイプのセンサ又はモニタであってよいセンサ1002は、ECG又は同等の生体信号1004を連続的に感知し、ECG又は同等の生体信号1004を連続的に記録する。次いで、収集された信号1004は、例示的な特質A、B、及びCを表す1つ又は複数の特質に連続的に抽出(1006)されてもよい。ECG又は同等の生体信号の特質は、信号1004の遠隔での解析を容易にするために抽出される。
上述のような特質抽出が完了すると、次に、様々な特質1008が、処理装置/サーバ1012に送信されてもよい(1010)。特質1008(及び以下に説明するような代替のセンサチャネルデータ及び/又は特質)は、物理的にセンサ1002の一部分ではない処理装置1012に一定の間隔で送信される(1010)。
いくつかの実施形態において、送信された特質1014は、データ特質1014を利用する遠隔プロセッサによって処理され、不整脈を含む可能性が高いセグメント/位置を解析及び識別する(1018)心拍推論システム1016を介して解析を実行する。例えば、識別され得る不整脈及び異所性興奮のタイプは、休止、第2度または第3度AVB、完全心臓ブロック、SVT、AF、VT、VF、二段脈(bigeminy)、三段脈(trigeminy)、および/または異所性興奮を含み得る。判断の信頼性は、心拍の識別に含まれることがある。
識別された不整脈位置1018は、次に、センサ1002に返信される(1020)。センサへの返信1020は、例えばBluetoothを介して、本明細書または本明細書の他の場所に記載された任意の通信プロトコル/技術によって達成され得る。次いで、センサは、送信された識別位置1022を読み出し、ECGの送信された識別位置1022に対応するメモリの領域にアクセスする(1024)。いくつかの実施形態において、センサは、不整脈識別の確信度をさらに高めるために、識別されたセグメントの追加解析を適用する。この更なる心拍確信度決定ステップ1026は、電力消費が高い送信ステップの前に、正の予測性(positive predictivity)を高めることを可能にする。実施形態では、確信度が定義された閾値を超える場合、データセグメントが送信される。上述のように確信度が閾値を超える場合、センサ1002は、要求されたECGセグメント1028を、本明細書または本明細書の他の場所で説明する任意の送信手段を介して処理装置に送信することができる。
図12は、図11に関連して上述したシステム及び/又は方法1000と非常に類似した送信能力を有するウェアラブルECG及び/又は医療センサ2002のシステム及び方法2000の一実施形態の模式図である。図12のシステムは、二次送信装置2004を含むという点で図11のシステムとは異なる。
図13は、図11及び12に関連して上述したシステム及び/又は方法に非常に類似した、送信機能を有するウェアラブルECG及び/又は医療センサ3002のシステム及び方法3000の一実施形態の模式図である。図13は、図13が、特質3010の代替出力及び/又は抽出3008を生じる代替センサチャネル3004、3006を図示する点で図11及び12と異なる。他のチャネルのデータの収集は、ECG抽出された特質をさらに増強するのに役立つ場合がある。代替センサチャネルからのデータは、全体が送信されてもよいし、データチャネルの特定の特質3010が抽出されてもよい(3008)。
図14は、図11から図13に関連して上述したシステム及び/又は方法に非常に類似した、送信機能を有するウェアラブルECG及び/又は医療センサ4002のシステム及び方法4000の一実施形態の模式図である。図14は、図14の実施形態が追加のデータフィルタを組み込んでいるため、図11から図13とは異なっている。いくつかの実施形態において、処理装置4004は、複数のソースから導出され得るフィルタ基準(filter criteria)を適用することによって、心拍推論システム4008によって識別された心拍4006をフィルタリングすることもできる。
図15は、図10から図14の医療用センサといくつかの類似点を有する、完全なECG検出を行わない消費者ウェアラブル装置用のシステム5000の一実施形態の模式図である。センサ5002は、医療グレードのECGセンサである必要はなく、単に拍動の検出を可能にするだけである。実施形態において、センサ5002は、心拍位置が導出され得るデータチャネルを連続的に感知し得る。可能なデータソースとしては、PPG(精度を高めるために、任意に複数のチャネルを有する)、生体インピーダンス、及び図10から図14のセンサと比較して不十分な信号品質のために完全な実装を伴わないECG、がある。図10から図14の装置と同様に、この信号から特質を抽出してもよく、例えば、Rピーク位置、Rピークオーバーフローフラグ、飽和フラグ、呼吸数、P/T波位置、Rピーク振幅(またはプロキシ)、またはECG信号振幅プロキシなどである。
完全なECG検出を行わない消費者装置システム5000は、有利には、消費者が入手可能な心拍センサを用いた不整脈解析を可能にし、それによって、装置のコストを低減し、入手可能性を増大させることができる。その結果、これは、薬局店頭検診(over-the-counter screening)を介することを含め、より多くの人に対する不整脈検診を可能にし得る。
図16は、症状の送信を伴うECGモニタシステム6000の一実施形態の模式図である。このようなシステムは、図1~図14に関連して説明したセンサと同様のウェアラブルECGセンサを含むであろう。上述したように、このようなセンサは、ECGを連続的に感知し記録する。患者による各症状トリガは、ECGデータストリップの転送を開始することができる。
図17は、症状が有るとき、及び症状が無いときの両方の送信を伴うECGモニタシステム7000の一実施形態の模式図である。いくつかの実施形態において、各非症状トリガは、上述したようなECGデータストリップの転送を開始する。
ニューラルネットワークを使用してRピークシーケンスから負担を推定するシステム
いくつかの実施形態において、ウェアラブル装置が開示される。ウェアラブル装置は、ECG信号など、ユーザの生体信号を検出するためのセンサを含んでもよい。ウェアラブル装置は、ニューラルネットワークの層の第1のサブセットを介して検出された生体信号を処理することができる。ウェアラブル装置は、ニューラルネットワークの層の第1のサブセットの出力を取り、その出力をコンピューティング装置(例えば、スマートフォン又はサーバなどの外部システム)に送信して、過去の心不整脈の徴候などのユーザの特徴を導き出し、及び/又は将来の不整脈の発症を予測するために、同じニューラルネットワークの層の第2のサブセットを介してデータをさらに処理することができる。いくつかの実施形態において、コンピューティング装置は、ウェアラブル装置の外部のプロセッサ、又はウェアラブル装置内のプロセッサである。特定の実施形態において、本明細書に記載されるように、計算の少なくとも一部は、ウェアラブル装置の外部の1つ以上のプロセッサ及び/又はウェアラブル装置内の1つ以上のプロセッサで発生し得る。
いくつかの実施形態において、ウェアラブル装置が開示される。ウェアラブル装置は、ECG信号など、ユーザの生体信号を検出するためのセンサを含んでもよい。ウェアラブル装置は、ニューラルネットワークの層の第1のサブセットを介して検出された生体信号を処理することができる。ウェアラブル装置は、ニューラルネットワークの層の第1のサブセットの出力を取り、その出力をコンピューティング装置(例えば、スマートフォン又はサーバなどの外部システム)に送信して、過去の心不整脈の徴候などのユーザの特徴を導き出し、及び/又は将来の不整脈の発症を予測するために、同じニューラルネットワークの層の第2のサブセットを介してデータをさらに処理することができる。いくつかの実施形態において、コンピューティング装置は、ウェアラブル装置の外部のプロセッサ、又はウェアラブル装置内のプロセッサである。特定の実施形態において、本明細書に記載されるように、計算の少なくとも一部は、ウェアラブル装置の外部の1つ以上のプロセッサ及び/又はウェアラブル装置内の1つ以上のプロセッサで発生し得る。
いくつかの実施形態において、層の第1のサブセットの出力は、Rピークシーケンスの表示である。他の実施形態では、層の第1のサブセットの出力は、RR間隔の表示である。ウェアラブル装置は、ニューラルネットワークの層の第1のサブセットを介してECG信号を処理し、層の第1のサブセットの出力からRピークシーケンスを受信することができる。ウェアラブル装置は、Rピークシーケンスを外部コンピューティング装置に送信することができる。外部コンピューティング装置は、ニューラルネットワークの層の第2のサブセットを介してRピークシーケンスを処理し、層の第2のサブセットの出力として、導出されたユーザの特徴(過去の心不整脈の徴候及び/又は将来の不整脈の発症の予測、心房細動の負担など)を受信することができる。
最近、心房細動(AFib)などの不整脈を検出するために、ウェアラブルセンサを使用する研究が盛んに行われている。このような研究に用いられるウェアラブルセンサは、大きく分けて2つのカテゴリに分類される。1つ目のカテゴリは、心電図(ECG)モニタリング装置。2つ目のカテゴリは、光電式容積脈波法(PPG)ベースの装置である。PPGベースの機器をAFibの検出に使用する場合、その結果はまちまちである。例えば、ある研究では、PPGベースの装置からの心拍数と歩数データを利用して、臨床環境における心房細動のための除細動の直前および直後の患者集団(cohort)から、PPGデータが得られたデータセットにディープニューラルネットワークベースのアルゴリズムを適用すると適切な結果が得られたが、同じアプローチとアルゴリズムが、持続性心房細動の、著しく幅広い外来患者集団でより低調な結果であったことがある。外来患者の集団で結果が低い理由は数多く考えられるが、最も影響力のある要因は、制御されていない環境での心拍数推定のためのPPG信号の品質が低いことであると思われる。このため、ECGモニタリング装置のようなウェアラブル心臓モニタを使用して記録されたECG信号から得られる心拍データを使用して、より正確にAFibを検出する必要性が生じている。
心房細動負担とは、患者が心房細動の状態で経過した時間の割合のことである。最近、成人における心房細動負担と虚血性脳卒中のリスクとの関連性を示す研究により、心房細動負担という概念が注目されている。したがって、患者の心房細動負担を迅速かつ正確に推定できる心臓モニタリングの解決策は、脳卒中のリスクが高いと判断された患者にとって有意義な医療介入につながる可能性がある。
臨床解析のために、心臓モニタ装置を用いて記録された患者のECG信号は、通常、様々な持続時間を有し、異なる心拍タイプのエピソードにセグメント化される。正常で健康な患者は、通常、正常洞調律(NSR)と呼ばれる正常な心拍の状態にある。様々な心臓の疾患は、不整脈として知られる不規則/異常な心拍のパターンとして現れ、それがECG信号の不規則/異常なパターンに変換される。心不整脈には心房細動など様々なタイプがある。患者は、正常な心拍と様々なタイプの心不整脈の間を行ったり来たりすることもあれば、心房細動のように常にこれらの異常な心拍の1つであることもあり得る。心房細動の負担とは、患者が心房細動の状態で経過した時間の割合のことである。心房粗動(flutter)も心房細動と密接に関連し、脳卒中のリスクを高める不整脈である。心房細動と心房粗動は、時として互いに見分けがつきにくく、臨床的意義が類似しているため、負担計算のために一般的に一緒にグループ化されている。したがって、本開示の目的においては、実施形態はAFibを参照して説明されるが、いくつかの実施形態は心房粗動にも(又はそれのみに)適用可能であることが理解される。
QRS複合体は、心電図信号の主要な特質である。QRS複合体内のピークは、一般に、Rピークと呼ばれる。いくつかの実施形態において、ECG信号からRピーク信号を検出する。Rピークが検出されると、瞬間的な心拍数は、2つの連続するRピーク間の持続時間の逆数(RR間隔と呼ばれる)として推定することができる。心房細動エピソードの主要な識別特徴(signature)は、RR間隔が大きく変動することである。
図18Aは、NSR心拍に対応するECGストリップからの読み取りを例示する一実施形態のグラフである。図18Bは、NSR心拍に対応するECGストリップからの読み取りを例示する一実施形態のグラフである。ドットは、Rピークの位置を示す。
患者から記録された心電図信号は、異なる心拍タイプのエピソードにセグメント化され、心房細動状態で経過した時間の割合を計算することによって、心房細動の負担を計算することができる。しかし、もしRピーク位置のシーケンスのみを抽出し(ECG信号全体ではなく)、その計算を行うならば、AFib負担の推定は別のアルゴリズムの問題になる。このようなアルゴリズムが有用となるシナリオとしては、心房細動をモニタする装置自体で過剰な計算を行うことを避けたい場合(ECG信号全体を使用)、または、無線通信を使用してモニタリング装置からコンピュータサーバに送信されるデータ量を制限し、心房細動負担を計算したい場合などが考えられる。
本明細書に記載されるのは、ウェアラブル心臓モニタから得られる心拍データを用いてAFibを信頼性高く検出する実施形態である。いくつかの実施形態はまた、患者の日々のAFib負担を高い信頼性で推定することができる。
いくつかの実施形態において、アルゴリズム(例えば、ニューラルネットワーク)は、より短い解析ウィンドウ(例えば、30分又は1時間レベルの持続時間)上でAFib負担を推定することができる。
いくつかの実施形態において、より長い期間にわたる(例えば、より短い解析ウィンドウよりも長い)負担は、解析ウィンドウにわたる負担予測を蓄積することによって決定することができる。例えば、負担は、30分持続時間の非重複解析ウィンドウにわたって蓄積することができる。30分の解析期間(analysis window)にわたるRピーク配列が与えられると、解析期間内のRR間隔シーケンスが導出される。次に、RR間隔シーケンスは、オーバーラップしている可能性のある、期間w(解析期間に包含される)で長さsだけシフトした、スライディングウィンドウのセットからRR間隔サブシーケンスを抽出することにより、RR間隔サブシーケンスのシーケンスに変換される。各スライディングウィンドウから得られたRR間隔サブシーケンスは、すべてのサブシーケンスが同じ長さMを持つように追加(padded)/省略(truncated)される。例えば、解析ウィンドウ内にNw個のスライディングウィンドウがある場合、時間シーケンスの次元は(Nw、M)である。この時間シーケンスは、負担予測を行うためにニューラルネットワークモデルに供給される。概念を説明する目的で、wは30秒として、sは25秒として、Mは42として選択された。モニタ上のニューラルネットワークの部分(例えば、ニューラルネットワークの層の第1のサブセット)は、検出された心電信号を処理してRR間隔データ(及び/又はRR間隔サブシーケンス)を生成し、RR間隔データを遠隔コンピューティング装置に送信することが可能である。遠隔コンピューティング装置は、RR間隔データを処理して(例えば、ニューラルネットワークの第2の部分(例えば、ニューラルネットワークの層の第2のサブセット)を介して処理することにより)、不整脈の可能性などの推論を行うことが可能である。いくつかの実施形態において、ニューラルネットワークは、潜在的な負の健康事象のリスクが高いためユーザが装置をより長く着用すべきであるとか、ユーザが低リスクであり着用期間をより早く終了することができるという指示(indication)など、ウェアラブル装置の使用に関する決定を下すようにトレーニングすることが可能である。
有利なことに、データのそのような分離された処理は、多くの技術的利点を有し得る。例えば、部分的に処理されるデータのそのような選択的な送信は、ウェアラブルパッチの電力消費を減少させることができる。ウェアラブルパッチは、データ処理アルゴリズム全体(ニューラルネットワーク全体など)を記憶する必要はなく、処理するニューラルネットワーク層のサブセットを取得することだけが必要であり得る。したがって、ウェアラブル装置でのデータ処理は、はるかに高速で、より少ない計算を必要とし、処理を介してバッテリの使用をより少なくすることができる。ウェアラブルパッチ側の解析によれば、しばしば非常に高い電力消費となり、バッテリ寿命を減少させ得る完全なオンボード心拍解析が必要でなくなる場合がある。電池消費量の減少は、装置の交換、電池の再充電などの間の期間など、ウェアラブル装置の使用を延長することができる。さらに、ウェアラブル装置は、患者の心臓心拍の全体像を把握するために、より長いモニタリング期間を有することができる。
RR間隔データに基づく遠隔解析のもう1つの利点は、パッチ上の解析よりも高い感度と精度を可能とする可能性があることである。ウェアラブルパッチはメモリ量、処理能、バッテリに制約があるため、ウェアラブルパッチ上での解析はこれらの制約によって制限される可能性がある。遠隔解析は、多種多様なアルゴリズム、さらには判定と発生の決定木(decision tree)に基づくアルゴリズムを介してデータを処理することができる。
さらに、ウェアラブルパッチは、検出された心電信号全体よりも小さな次元数のデータを送信してもよい。有利なことに、要求されるのは、より少ないネットワークスループット(throughput)ですむ。ウェアラブルパッチは、無線ネットワークの状態が最適でない場合であっても、遠隔データ処理に十分なデータを送信することができる。さらに、アップロードされる必要があるのは、ニューラルネットワークのサブセットのみであるため、ウェアラブルパッチは、より速く、より弱いネットワーク条件で、更新されたニューラルネットワークコンピュータ実行可能命令またはダウンロード可能実行可能で更新することができ、より頻繁に更新されることが可能である。
さらに、バッテリおよび電力要求が低いため、より小さなCPUまたはより小さなバッテリを使用して、ウェアラブルパッチのサイズ(form factor)をより小さくすることができる。さらに、データ処理のためのバッテリ及び電力要求の低減は、ウェアラブル装置が、より多くの電極、加速度計などの他のセンサ、又は同じハードウェア及びソフトウェアをより長い期間実行するなどの他の重要なタスク、例えば他の重要なソフトウェアプロセスを実行したり、他のハードウェア装置に電力供給したりできるよう、ウェアラブル装置のバッテリ及び電力割り当て量を解放させる。
ニューラルネットワークのエンコード手法では、バッテリに制約のある装置のデータから、非常に高度なアルゴリズムを実行することができるのが利点である。この応用例としては、装置からリアルタイムでエンコードされたデータを集約し、被験者が特定の臨床結果を引き起こす全体的なリスクを評価するアルゴリズムを実行することが挙げられる。このように、システムは、ユーザに着用期間を動的に知らせることができる。例えば、ウェアラブル装置が一定量のデータを集約した後、遠隔コンピューティング装置が、被験者がある臨床結果を発症するリスクが非常に低いと判断することができる。システムは、ユーザに早期に着用期間を通知することができる。逆に、コンピューティング装置が、ユーザがある臨床結果に対して高リスクであると判断した場合、システムは、ユーザに装置をより長く着用するように通知することができる。
ニューラルネットワークの層の第1のサブセットが、遠隔処理のために送信されるRR間隔データを出力することの別の技術的利点は、ウェアラブルパッチを更新することなく、遠隔で推論を行うためのアルゴリズムを更新することができることである。例えば、更新されたアルゴリズム又はニューラルネットワークは、層の第2のサブセットに対する更新を介して遠隔コンピューティング装置上で更新することができ、一方、層の同じ第1のサブセットは、ウェアラブル装置上で使用することができる。技術的な利点は、ウェアラブルパッチを更新することなく、決定木に基づいて層の第2のサブセットを選択し、他のアルゴリズムと更新または交換することなどができ、システムを他のアルゴリズムとより互換性のあるものにすることである。
負担予測モデルのハイレベルなアーキテクチャの例
図19は、負担予測モデルのハイレベルなアーキテクチャである。負担予測モデルは、RR間隔サブシーケンスを入力として受け取り、AFib負担予測を生成する。ここで、Nwはスライディングウィンドウの数であり、Mは各スライディングウィンドウから抽出されたRR間隔サブシーケンスのサイズである。
図19は、負担予測モデルのハイレベルなアーキテクチャである。負担予測モデルは、RR間隔サブシーケンスを入力として受け取り、AFib負担予測を生成する。ここで、Nwはスライディングウィンドウの数であり、Mは各スライディングウィンドウから抽出されたRR間隔サブシーケンスのサイズである。
第1の層1902は時間分散特質抽出層であり、スライディングウィンドウから得られたRR間隔サブシーケンスごとに32次元の特質ベクトルを抽出する。この層の出力は、次元(Nw、32)の変換されたシーケンスである。この変換されたシーケンスは、次に、長・短期記憶(LSTM:Long Short Term Memory)セルを有する2つの再帰型ニューラルネットワーク(RNN:Recurrent Neural Network)層1904、1906に供給される。第1のRNN層1904は、次元(Nw、32)の別の変換されたシーケンスを返す一方、第2のRNN層1906は、次元32の単一の出力を返す。これに続いて、2つのデンス(Dense:完全に結合した)層1908、1910が、解析ウィンドウのAFib負担を表すスカラ値を生成する。
図20は、図19の高レベルアーキテクチャの実施形態で、LSTMアーキテクチャをより詳細に示す図である。
図21は、図19の特質抽出モデルの実施形態である。図示のように、特質抽出モデルは、その第1の層において、スライディングウィンドウ上に時間的に分布させることができる。また、スライディングウィンドウに時間的に分布する特質抽出のためのモデルは、それ自体、複数の層を有する別のニューラルネットワークとすることができる。
図19の開始時および図21のステップ2102で、特質抽出モデルは長さMのRR間隔部分列を入力として取り込み、図19のステップ1902、1904、1906および図21のステップ2104、2106、2108、2110、2112、2114で一次元畳み込み層(convolutional layer)およびマックスプーリング層(Max-pooling layer)のセットによって処理される。これに続いて、図19のステップ1908、1910、図21のステップ2120、2122で、32次元の特質ベクトルを出力するデンス(完全結合層)が行われる。この特質抽出モデルの意図は、持続時間wの各スライディングウィンドウ内のAFibの存在/非存在を示す特質を学習することである。
ニューラルネットワークの場合、モデルから得られる負担予測と真の負担値との差の絶対値の平均(全サンプルにわたって)を損失関数として次のように使用することができる。
ここで、「bハット(サーカムフレックス付きb)」はデータセットのi番目のウィンドウについてモデルが出力した負担予測、biはそのウィンドウの真の負担、Nはデータセットの全サンプル数である。
いくつかの実施形態において、特質抽出ネットワーク(例えば、図21)のパラメータは、最初に別々に学習され得る。これは、特質抽出ネットワークにスカラ出力及びシグモイド活性化(sigmoid activation)を有するさらに1つのデンス(完全結合)層を追加し、次に、30秒ECGストリップにおけるAFibの存在を検出するための二値分類(binary classification)を行うために、得られたモデルをトレーニングすることによって行われる。
こうして得られた特質抽出ネットワークのパラメータを凍結し、得られた特質抽出ネットワークを負担予測モデルにプラグインする(図20)。次に、負担予測モデルの後続層(再帰型ネットワーク層と完全結合層)をセクション4.2で述べた30分のウィンドウでトレーニングさせる。
特質抽出器ネットワークは、より大規模で多様なECGストリップのセットに対してトレーニングされ、心房細動の有無の指標となる特質を直接学習することができる。負担予測モデルの残りの層をトレーニングする際、学習しなければならないパラメータの数が減少するため、最適なパラメータの探索がより速く行われる可能性がある。一方、ネットワーク全体を同時にトレーニングする場合、同時に学習しなければならないパラメータの数は多くなり、モデルはより多様性のないECGストリップのセットにさらされることになる。これはオーバーフィッティングのリスクを増加させ、おそらく検証損失とトレーニング損失との間のギャップが大きくなることの理由である。
ニューラルネットワークを使用して、負担を推定する、及び/又は心拍アノテーションを予測するシステム
いくつかの実施形態は、ニューラルネットワークの層の第1のサブセットを含むエンコーダを介して、検出された生体信号を処理することができるウェアラブル装置を開示する。図22Aは、ニューラルネットワークエンコーディングを使用して心拍アノテーション(annotation)を予測するためのシステムの一実施形態の模式図である。いくつかの実施形態において、システムは、心房細動及び/又は心房粗動などの心拍リズムに対する心拍アノテーションの予測又は負担の推定など、1つ又は複数の予測を行うことができる。心臓モニタパッチ2202などのウェアラブル装置は、エンコーダなどのニューラルネットワークの層2206の第1のサブセットを介してECG入力2204を処理することができる。ウェアラブル装置は、ニューラルネットワークの層の第1のサブセット2206の出力を受信し、その出力をコンピューティング装置2208(例えば、スマートフォンまたはサーバなどの外部システム)に送信して、過去の心不整脈の徴候または予測および/または不整脈の将来の発症の予測などのユーザの特徴2212を導出するために、同じニューラルネットワークの層2210の第2のサブセットを含むデコーダ(decoder)を介してデータをさらに処理することができる。
いくつかの実施形態は、ニューラルネットワークの層の第1のサブセットを含むエンコーダを介して、検出された生体信号を処理することができるウェアラブル装置を開示する。図22Aは、ニューラルネットワークエンコーディングを使用して心拍アノテーション(annotation)を予測するためのシステムの一実施形態の模式図である。いくつかの実施形態において、システムは、心房細動及び/又は心房粗動などの心拍リズムに対する心拍アノテーションの予測又は負担の推定など、1つ又は複数の予測を行うことができる。心臓モニタパッチ2202などのウェアラブル装置は、エンコーダなどのニューラルネットワークの層2206の第1のサブセットを介してECG入力2204を処理することができる。ウェアラブル装置は、ニューラルネットワークの層の第1のサブセット2206の出力を受信し、その出力をコンピューティング装置2208(例えば、スマートフォンまたはサーバなどの外部システム)に送信して、過去の心不整脈の徴候または予測および/または不整脈の将来の発症の予測などのユーザの特徴2212を導出するために、同じニューラルネットワークの層2210の第2のサブセットを含むデコーダ(decoder)を介してデータをさらに処理することができる。
いくつかの実施形態において、層の第1のサブセットおよび第2のサブセットは、1つのニューラルネットワーク内にある。ニューラルネットワークは、層の第1のサブセットの出力が、ニューラルネットワークへの入力よりも小さい次元数でデータを出力できるように設計することができ、層の第2のサブセットの出力は、AFibの過去または将来の予測など、ユーザ特徴の表示を提供するように設計することができる。図22Bは、単一のニューラルネットワーク内の層の第1及び第2のサブセットの実施形態の模式図である。ニューラルネットワークは、層の第1のサブセット2222及び層の第2のサブセット2224の両方で同時にトレーニングすることができる。例えば、ニューラルネットワークが10個の隠れ層(hidden layer)を有する場合、最初の4層は、心臓モニタパッチ2226などのウェアラブル装置上で処理され、第1層への入力(例えば、良好なデータ圧縮機能を有する)よりも低次元数である第4層の出力は、サーバ2228などの外部コンピューティングシステムに送信される。外部コンピューティングシステムは、第4層の出力を、第5~第10層を介して処理する。ニューラルネットワークの各層の次元数は、特定のデータサイズ(例えば、各畳み込み層またはプーリング層の出力次元)を出力するように設計することができる。例えば、パッチ2226は、ECGデータ2232を2400ビット/秒(bps)で受信するECGエンコーダ2230を含むことができる。パッチ2226は、ニューラルネットワークの層2222の第1のサブセット(ECGエンコーダ2230内など)を介してECGデータ2232を処理し、128bpsでのデータなど、より小さい次元数のデータ2234を出力することができる。出力データ2234は、外部サーバ2228に送信することができる。外部サーバ2228は、ニューラルネットワークの層2224の第2のサブセットを介して出力データ2234を処理し、それがトレーニングされている患者の徴候又は予測2236を出力する分類器(classifier)2238を含むことができる。層の第1のサブセット2222及び第2のサブセット2224を含むニューラルネットワーク全体は、単一のニューラルネットワークとして設計及びトレーニングされることができる。
いくつかの実施形態において、層の第1のサブセットの出力は、ニューラルネットワークへの入力よりも小さい次元数とすることができる。このように、ウェアラブル装置から外部コンピューティング装置にECG信号全体(例えば、ニューラルネットワークへの入力)を送信する代わりに、ウェアラブル装置は、2400bps ECG信号2232全体の代わりに、層の第1のサブセットの128bps出力データ2234など、より少ないデータ量を外部コンピューティング装置に送信することが可能である。有利には、過去の心不整脈の徴候を導出し、及び/又は将来の不整脈の発症を予測するために、より少ないネットワークスループットが必要とされる。
さらに、過去の心不整脈の徴候を導き出すため、および/または将来の不整脈の発症を予測するために、ニューラルネットワークのすべての層を介してウェアラブル装置上のECG信号を処理する代わりに、ウェアラブル装置は、ECGエンコーダ2230を介してニューラルネットワークの層の第1のサブセットのみ(例えばエンコーダを介して)ECG信号を処理し、第1のサブセットの出力を層の第2のサブセットを(例えばデコーダまたは分類器2238を介して)処理する外部装置2228に送信することが可能である。図22Cは、パッチ上でニューラルネットワークの層のサブセットを処理するためのシステムの一実施形態の模式図である。パッチ2242は、ニューラルネットワーク2244の全ての層を処理して、AFibの予測の表示を受け取ることができる。しかしながら、そのような処理は、高いメモリおよび電力要求(これは、ひいては、より大きなサイズ要求、より大きなパッチサイズ、につながり得る)、およびバッテリ使用量の増加を必要とし得て、より短い使用時間につながる。しかしながら、他の実施形態では、パッチ2246は、ニューラルネットワークの層の第1のサブセット2248を処理することができ、外部サーバ2250は、層の第2のサブセットを処理することができる。有利には、ウェアラブル装置は、より少ない量の計算を実行し、層間のデータを収納するために必要なメモリがより少なくてすむ。
さらに、ウェアラブル装置2246は、ニューラルネットワークの層のサブセットのみを処理するのに必要なバッテリ、プロセッサ、および他の電子装置がより小さいため、サイズをより小さくすることができる。ウェアラブル装置は、他のタスクを実行するためのより多くのリソースを有することができる。例えば、1つのシナリオでは、ウェアラブル装置2242は、ECG信号を内部で処理し、5日間AFibを識別するために十分な計算能力及びバッテリを有することができる。しかし、ウェアラブル装置2246がウェアラブル装置2246上のニューラルネットワークの層の第1のサブセットを計算し、外部コンピューティング装置2250が第2のサブセットを処理できれば、システム全体として、20日間のスパンでAFib及び心房粗動の両方を識別できる可能性がある。本明細書に開示されるいくつかの実施形態は、ネットワークスループットを低減し、計算要求量を低減し、及び/又はウェアラブル装置の記憶容量を低減することができる。有利には、ウェアラブル装置は、プロセッサの使用を少なくすることによって、バッテリ寿命を維持することができる。
本明細書に開示された特定の実施形態は、ウェアラブル装置のメモリ要求について改善する。ウェアラブル装置がニューラルネットワークの層の第1のサブセットを処理し、外部コンピューティングシステムが第2のサブセットを処理する場合、ウェアラブル装置は、より少ないデータ(例えば、ニューラルネットワーク全体ではなく、層の第1のサブセットのみに対するソフトウェア実行可能命令)を記憶すればよい。したがって、電子ファイルのサイズがはるかに小さくなる。有利なことに、ウェアラブル装置は、メモリ要求が小さいだけでなく、ニューラルネットワークは、完全なニューラルネットワークよりも高速で積載(load)および処理することもできる。さらに、ウェアラブル装置内に埋め込まれたソフトウェアの更新は、より弱いネットワーク接続条件下でも、はるかに速く実行することができ、より頻繁に実行されるようにプログラムされることができる。さらに、より多くのニューラルネットワークをウェアラブル装置に収納することができる。例えば、単一の完全なニューラルネットワークをメモリに収納する代わりに、ウェアラブルパッチは、5つのニューラルネットワークのための層の最初のサブセットをローカルメモリに収納することができる。
いくつかの実施形態において、外部コンピューティング装置の目的は、ECG信号を再構築することではなく、何らかのユーザの特徴(例えば、AFibなどのクラス分けされた心拍状態の予測)を導出することであるため、ウェアラブル装置から送信されるデータは、ECG信号を完全に忠実に回復するのに十分である必要はない。したがって、ニューラルネットワークは、ECG信号の入力よりも小さい次元数の出力をその層の1つで生成し、ニューラルネットワークの他の層を実行するために外部のコンピューティングシステムに送信する量をはるかに少なくするようにトレーニングされることができる。図22Dは、層の第1のサブセットの出力をサーバに送信するための実施形態の模式図である。パッチ2262は、完全なECG信号(例えば、2400bpsで)、または他の特徴のデータをサーバ2264に送信することができる。しかしながら、そのようなデータは、予期しない第三者によってハッキングされ、機密データを取得される可能性がある。いくつかの実施形態は、ウェアラブル装置上でニューラルネットワークの層のサブセットを処理することを開示し、ECG信号全体を遠隔で処理するよりも技術的な利点を提供する。ECG信号全体を2400bpsで送信すること、またはRピーク、R間隔、および他の特徴の組み合わせをウェアラブル装置から外部コンピューティングシステムに送信することは、ウェアラブル装置がECG信号よりも次元数の小さい層のサブセットの出力を送信する場合よりも、ネットワーク帯域を必要とし得る。代わりに、本開示のいくつかの実施形態は、層2268のサブセットを処理するパッチ2266を含み、層の第1のサブセットを、ニューラルネットワークの残りの層2272を実行するサーバ2270に出力する。有利には、送信されるデータは、ニューラルネットワークの層の出力であってもよく、データセキュリティおよび暗号化の強化を提供する。
いくつかの実施形態は、健康データのセキュリティについて改善する。例えば、ECG信号全体、Rピーク、RR間隔、又はAFibの可能性の最終決定がウェアラブル装置から外部のコンピューティングシステムに送信された場合、第三者がそのようなデータを傍受してユーザの機密健康データを識別する可能性がある。代わりに、本明細書に開示されるいくつかの実施形態は、ニューラルネットワークの中間層の出力(エンコーダの出力など)を送信して、外部で後続の層(デコーダなど)によって処理されるようにする。送信されるデータは、本来、データ送信のためのデータの暗号化を提供するニューラルネットワークの層の出力であり得る。したがって、仮に第三者がそのようなデータを傍受したとしても、データをデコードすることはできず、ニューラルネットワークの元の入力を逆行解析することもできない。
いくつかの実施形態において、層の第1のサブセットは、より計算量の少ない層を含んでもよく、一方、層の第2のサブセットは、より計算量の多い層を含んでもよい。有利には、ウェアラブル装置は、より少ない計算量の層を処理することができ、ウェアラブル装置の処理に無関係である(agnostic)外部コンピューティングシステムは、(はるかに大きな処理能力およびメモリ容量を有するサーバなど)より計算量の多い層を処理することができる。
いくつかの実施形態において、ウェアラブルパッチは、ニューラルネットワークの層の第1のサブセットを介してデータを処理する前に、検出された心電信号に対して前処理を行うことができる。例えば、ウェアラブルパッチは、ダウンサンプリング、正規化、デジタルフィルタリング、および/またはそのような前処理を実行することができる。さらに、ウェアラブルパッチは、離散ウェーブレット変換、連続ウェーブレット変換、離散フーリエ変換、および離散コサイン変換など、より複雑な前処理を実行することができる。これらの変換は、データ中の多くの値が非常にゼロに近くなるような方法でデータを変換するので、非可逆圧縮方式において有益であり得る。そして、最も振幅の大きい値を単純に保存するエンコードを作成し、信号を再構築する際の誤差を抑えることができる。
ウェアラブルパッチは、離散ウェーブレット変換または離散コサイン変換を適用し、検出された心臓データに対して推論を行うアルゴリズムを単純に適用することができる。しかしながら、そのようなアプローチは、より高い振幅の特質が好まれるため、ECG心拍分類などの最終用途にとって重要な、より微細な特質を捉えることができない可能性がある。いくつかの実施形態において、システムは、最終用途に必要なデータをより知的にエンコードするために、この変換されたデータセット(例えば、前処理された心臓データ)上でニューラルネットワークエンコーダをトレーニングすることができる。有利には、変換がすでに最終用途に必要な信号に対して特定の動作を実行している可能性があるため、これは、生の信号に基づいて動作するものと比較して、より少ないパラメータを有する、より強力またはより単純なニューラルネットワークエンコーダ設計につながり得る、いくつかの用途にとって有益である可能性がある。
いくつかの実施形態において、ニューラルネットワークは、ウェアラブル装置から外部コンピューティングシステムに最適なデータ次元数を送信するようにトレーニングおよび/または設計され得る。図22Eは、ニューラルネットワークを設計する(および/またはトレーニングする)実施形態の模式図である。パッチ2281は、第1のニューラルネットワーク2284、第2のニューラルネットワーク2286、及び/又は第3のニューラルネットワーク2288の、層2284A、2286A、2288Aの第1のサブセットを処理することができる。パッチ2281は、層の第1のサブセットの出力をサーバ2282に送信することができる。サーバは、第1のニューラルネットワーク2284、第2のニューラルネットワーク2286、および/または第3のニューラルネットワーク2288の、層2284B、2286B、2288Bの第2のサブセットを処理することができる。
ニューラルネットワークは、ウェアラブル装置の利用可能な処理能力及び/又はメモリなどの1つ以上の要因に基づいて、トレーニング及び/又は設計することができる(本開示の目的のために、ニューラルネットワークはトレーニングされると説明されるが、特質は、ニューラルネットワークを介してデータを設計又は処理するために適用することができ、その逆もまた同様である)。例えば、ウェアラブル装置の処理能力が低い場合、ウェアラブル装置上ではニューラルネットワークの計算を少なくし、及び/又はニューラルネットワークのうちの少ない層を介して処理を行うようにし、外部コンピューティングシステム側ではより多く処理するように、ニューラルネットワークをトレーニングすることができる。パッチ2281は、より少ない計算及び/又はニューラルネットワークの層を含む第3のニューラルネットワーク2288を適用することができる。
いくつかの実施形態において、ニューラルネットワークは、ウェアラブル装置とコンピューティングシステムとの間のネットワークの利用可能性に応じてトレーニングされ得る。例えば、ニューラルネットワークは、ネットワークスループットが低い場合、より多くの層を処理し、及び/又はウェアラブル装置から外部コンピューティングシステムへより小さいデータ次元数を転送するようにトレーニングすることができる。パッチ2281は、ネットワーク接続が弱い(または閾値を下回る)ときのために、より小さいデータ次元数がサーバ2282に転送されることを含む第2のニューラルネットワーク2286を適用することができる。
いくつかの実施形態において、ニューラルネットワークは、ウェアラブル装置の利用可能なバッテリ寿命に従ってトレーニングされ得る。例えば、ニューラルネットワークは、バッテリ寿命がより低い場合、ウェアラブル装置上でより少ない層を処理するようにトレーニングされ得る。パッチ2281は、より少ない計算及び/又はニューラルネットワークの層を含む第3のニューラルネットワーク2288を適用することができる。
いくつかの実施形態において、ニューラルネットワークは、所望の結果に従ってトレーニングされ得る。例えば、パッチ2281は、ユーザのより多くの特徴など、ニューラルネットワークのより多くの出力を含む第1のニューラルネットワーク2284を適用することができる。例えば、患者が重症であるか、またはAFibの徴候を有する場合、パッチ2281は、第1のニューラルネットワーク2284を適用し、層の第1のサブセット2284Aを介して、サーバ2282が層の第2のサブセット2284Bの出力を介してより多くの情報を出力できるように、より多くの層およびノードを処理することが可能である。
いくつかの実施形態において、パッチ2281のソフトウェアは、特定の用途のために設計された(及び/又はトレーニングされた)特定のニューラルネットワークのための命令を含むことができる。例えば、あるニューラルネットワークは、特定の技術的制約(例えば、メモリ又はプロセッサ)を有するパッチ2281のために選択され、特定の目的(例えば、AFibの予測)を果たすことができ、別のニューラルネットワークは、異なる特徴及び異なる目的のために異なるパッチに選択されることができる。例えば、AFibの正確な検出は、別の所望の目的よりもパッチからより多くのデータを必要とし得る。したがって、AFibを検出するためのパッチは、別のパッチよりも多くの層を計算するソフトウェアを有するかもしれない。
いくつかの実施形態において、パッチ2281のソフトウェアは、性能メトリック(metric:評価関数)に基づいて設計(及び/又はトレーニング)され得る。例えば、ソフトウェアは、検出における一定の精度及び/又は一定の誤警報率を生み出すように設計されたニューラルネットワークを選択することができる。
いくつかの実施形態において、パッチ2281のソフトウェアは、複数のニューラルネットワークを含むことができる。パッチ2281は、複数のネットワークのうち、ある特定のニューラルネットワークを選択することができる。例えば、選択は、バッテリ電力又はネットワーク接続性が低い場合のために設計されたニューラルネットワークに基づくことができる(例えば、パッチ上でより少ない処理を行う、又はネットワークを介してより少ないデータを送信するニューラルネットワークに切り替える)。
いくつかの実施形態において、ニューラルネットワークは、ECG信号、RR間隔情報、Rピーク情報、ECG信号から導出されるメトリック、加速度計データ、インピーダンス、温度、音声(例えば、いびき)、周囲光、及び/又はその類似物など、ニューラルネットワークへの元の入力信号を再現するようにトレーニングされ得る。パッチ2281は、より小さいデータ次元数のデータをサーバ2282へ送信してもよく、サーバ2282は、より低い周波数でサンプリングされた元の入力信号、より低い品質の信号、再構築エラーに対するある閾値を有する信号、及び/又は同様のもののような元の入力信号、又はその派生物を再現する。
いくつかの実施形態において、ニューラルネットワークは、ユーザの現在の活動に応じてトレーニングされ得る。図22Fは、ユーザの現在の活動に基づいてニューラルネットワークを設計、トレーニング、および/または選択するための実施形態の模式図である。例えば、ユーザは、睡眠中2296またはランニング中2292、または異なるタイプのピーク感度を必要とし得る特定の医療処置を受けている最中である可能性がある。心拍の不規則性を効果的に検出できるように、より高い精度又は正確さを必要とする可能性がある特定の活動がいくつかある。活動がより高いRピーク精度を必要とする場合、ウェアラブル装置がより高い解像度のデータを送信し得るようにニューラルネットワークをトレーニングすることができる(例えば、眠っているユーザ2296の場合、信号レベル2298は、走っているユーザ2292よりもモーションアーチファクト(動いたことの効果)による影響が少なく、したがってECG信号により確信を持って頼ることができる。したがって、より正確な予測のために走っているユーザ2292には高いRピーク精度が好まれ、走っているユーザ2292に対しては、より堅牢なエンコーディングプロセスを使用してデータ精度を確保してもよい)。対照的に、走っているユーザ2292の場合、R信号レベル2294は明確であってもよく(例えば、明確にRピークが示される)、したがって、より低いRピーク感度で十分である可能性がある。このシナリオでは、パッチは、より高いRピーク感度を必要としないように設計されたニューラルネットワークを選択することができ、これは、処理能力またはネットワークスループットの低減など、本明細書に記載される利点につながり得る。
人工知能モデルなどのモデルのトレーニングは、必然的にコンピュータ技術に根ざしており、トレーニングデータを用いてそのようなモデルをトレーニングし、その後、モデルを新しいユーザデータセットに適用することによってモデルを改良する。このようなトレーニングは、典型的には巨大なサーバシステムによって実行される大規模なトレーニングデータセットで、多くのプロセッサコンピューティングと長時間の時間を必要とする複雑な処理を含む。モデルのトレーニングは、モデルのパラメータを調整するために使用される入力データと期待される出力値を含むことができるトレーニングデータのロジスティック回帰または前方/後方伝搬を必要とするかもしれない。このようなトレーニングは、機械学習アルゴリズムの枠組みであり、モデルを新しいデータ(新しい生体データなど)に適用し、トレーニング中に調整された重みまたはスコアに基づいて、モデルがトレーニングされた予測を行うことができるようにする。このようなトレーニングにより、偽陽性を減らし、AFibの検出性能を向上させることができる。
いくつかの実施形態において、ウェアラブル装置は、複数のニューラルネットワークを記憶し、ウェアラブル装置、ネットワーク、ユーザの現在の活動などの特徴の1つまたは複数の特徴に基づいて、あるニューラルネットワークを適用することが可能である。例えば、ウェアラブル装置は、バッテリ寿命が低い場合は第1のニューラルネットワークを処理し、ネットワークスループットが高い場合は第2のニューラルネットワークを処理することができる。
いくつかの実施形態において、ウェアラブル装置は、ウェアラブル装置がECG信号をリアルタイムで検出すると、ニューラルネットワークの層の第1のサブセットを介してECG信号を連続的に処理することができる。ウェアラブル装置は、層の第1のサブセットの出力を外部コンピューティング装置に連続的に送信することができ、外部コンピューティング装置は、実質的にリアルタイムで、ユーザの特徴(例えば、心不整脈)を導出するために、ニューラルネットワークの層の第2のサブセットを介して受信された出力を処理することができる。有利には、外部コンピューティング装置は、ネットワークスループット、メモリ要求、及び処理電力要求を低減しながら、ユーザで発生した実質的なリアルタイムで心不整脈を特定することができる。さらに、装置の制約によりウェアラブル装置自体で、また入力要求のため外部コンピューティングシステムで完全に実行できなかったであろう、より強力なアルゴリズムおよびニューラルネットワークが実現可能になった。
いくつかの実施形態において、ニューラルネットワークは、第1のニューラルネットワーク及び第2のニューラルネットワークを含むことができる。第1のニューラルネットワーク(例えば、時間的に分散した特質抽出モデル)は、本明細書でさらに説明するように、ユーザのECG信号、Rピークデータ、RR間隔サブシーケンス(例えば、30秒のスライディングウィンドウにおけるRR間隔)、エンコードされた特質、及び/又はそれらの同類、の1つ又は複数のタイプのデータを入力として受け取ることが可能である。第1のニューラルネットワークは、入力されたRR間隔サブシーケンスを処理し、各スライディングウィンドウについて心房細動(AF)特質を生成することができる。第1のニューラルネットワークの出力は、長・短期記憶(LSTM)セルを有する再帰型層(recurrent layer)を含む第2のニューラルネットワークに供給することができる。LSTMセルは、現在のスライディングウィンドウ及び過去のスライディングウィンドウのAF特質を処理して、伝達学習(transfer learning)アプローチを用いてデータを処理することができ、複数のスライディングウィンドウの経過にわたって、LSTMは、30秒ウィンドウよりも長いデータを考慮する心不整脈の徴候を有利に予測することができる。
いくつかの実施形態において、第1のニューラルネットワークおよび第2のニューラルネットワークは、段階的にトレーニングされる。第1のニューラルネットワークは、最初にトレーニングされ得る。30秒間隔のトレーニングデータを第1のニューラルネットワークに供給し、第1のニューラルネットワークの予想出力に基づいて重みを調整することができる。第1のニューラルネットワークをトレーニングした後、第1のニューラルネットワークの重みを凍結し、第2のニューラルネットワークをトレーニングすることができる。第2のニューラルネットワークは、30秒のウィンドウで第1のニューラルネットワークに投入されるデータより長い間隔のデータに基づいてトレーニングすることができ、出力はLSTMセルで第2のニューラルネットワークに投入される。第2のニューラルネットワークは、より長いデータセットにわたってAFibの予測を行うことができ、予測された出力は、第2のニューラルネットワークの重みを調整するために使用されることができる。第2のニューラルネットワークのトレーニングが完了したら、第1のニューラルネットワークの重みの凍結を解除し、さらなるトレーニングデータを用いて、第1および第2のニューラルネットワークの両方を同時にトレーニングすることが可能である。
ウェアラブル生体信号処理アプリケーションの拡大に伴い、これらのアプリケーションの洗練度と実用性を向上させる必要性が高まっている。一般的なシナリオは、小型でバッテリ駆動のウェアラブル端末に、生体信号を測定するセンサを搭載し、生体信号を処理し、オプションでリアルタイムまたはほぼリアルタイムで送信することである。装置の大きさは快適性に影響し、それが順応性、ひいては有用性に影響するため、装置をできるだけ小さくすることが有利である。このため、システムにはいくつかの制約(主にバッテリ寿命と処理能力)が生じ、その結果、ユーザがバッテリを充電する必要が生じたり、解析の質が低下して順応性が低下したりして、ユーザの体験に悪影響を及ぼす可能性がある。このような制約があると、装置上で行われる処理の洗練度が制限されるため、多くのアプリケーションで利用されているオプションは、スマートフォン、クラウドサーバ、基地局など、制約の少ないシステムに処理をオフロードすることである。
このパラダイムの中では、追加処理のためにオフロードされるデータの量とタイプの間にトレードオフが存在する。理想的には、完全な忠実度の生の生体信号がリアルタイムでオフロードされ、システムの制約の少ない部分で処理が最大限に高度化されることである。残念ながら、現在の技術の限界では、バッテリコストと、完全に忠実な信号をリアルタイムに、あるいはタイムリーに送信する技術的な制約のために、これは通常実現不可能である。この制限を克服する方法は、信号をより小さく表現させたもの(representation)を送信することで、電力要求を最小限に抑え、バッテリの充電または交換までの時間、または1回のバッテリ充電で駆動する場合の装置の潜在的なモニタリング期間を最大化することである。
この代替表現を作成するための方策は数多く存在する。アプリケーションによっては、カスタム設計されたアルゴリズムを使用して、さらに処理するためにアップロードする特質を、絞り込むことができる。この方策の一例として、モバイル心臓テレメトリ(MCT)装置、または装置上で実行されるアルゴリズムによって得られた心拍の位置を検出してアップロードすることができるウェアラブル活動トラッカが挙げられ、その後さらにクラウドサーバ上のより高度なアルゴリズムによって心不整脈を検出するために解析することができる。別の例としては、加速度計を使用して歩行を解析し、活動レベルを評価し、装置上の歩数カウントアルゴリズムの結果をアップロードして転倒のリスクを評価するウェアラブル装置がある。この一連のアプローチの限界は、選択した機能が最終用途に最適でない可能性があること、また、装置側のアルゴリズムが必要以上に計算負荷がかかる可能性があることである。
もう1つの一般的なアプローチは、信号の再構築を可能にする方法で生の生体信号データを圧縮することであろう。一般的に使用される技術には、可逆圧縮方式と非可逆(lossy)圧縮方式がある。可逆圧縮は、クラウドベースのサーバでの最適な処理を可能にする一方で、一般的にデータ送信の負担を十分な効果が得られるように軽減できるほど高い圧縮率を提供しない。ウェーブレットベースの圧縮などの非可逆圧縮技術は、再構築時に発生する誤差の量を考慮しても相対的に高いレベルの圧縮を実現することができる。この方策は特定のアプリケーションには有効かもしれないが、その目的は信号の再構築誤差を最小限に抑えることだけなので、再構築された信号が最終用途に必要な情報を保持する保証はない。この種の目的は、主に振幅の大きい信号の特質によって駆動され、振幅の小さい特質を無視したり、歪ませたりする可能性がある。アプリケーションによっては、心房細動に関連するECGの微妙なP波のように、比較的小さな振幅の信号特質が最終目的にとって重要な場合があり、心房細動や完全心臓ブロックなどの心拍を検出するために重要である。
本明細書で開示するシステムおよび方法は、システム内のすべての要素の最適なバランスを達成し、それらは、装置の処理負担、システムの送信負担、および最終用途の実用性である。これは、ニューラルネットワークエンコーディングを利用して達成され、それは、特定のエンドアプリケーションに必要な情報を保持しながら、計算しやすい方法で生の生体信号データを圧縮するスキームを生成するために使用され得る。ニューラルネットワークは、信号を圧縮された形式にエンコードし、その信号を再構築することができる。より一般的には、ニューラルネットワークのアーキテクチャは、エンコーダ部およびデコーダ部に構築することができる。
このアプリケーションでは、エンコーダ部は生の生体信号を圧縮する役割を担い、ターゲット装置上で動作し、入力よりも小さな次元数の出力をもたらすはずである。
デコーダ部は、ニューラルネットワークのエンコードされた層を起点として、ターゲットアプリケーションの予測値を生成する役割を担い、ターゲット装置以外の場所、例えば、スマートフォン、クラウドサーバ、通信ハブ/ゲートウェイなどに採用されることになる。エンコーダとデコーダの部分は、1つの一つながり(end-to-end)のニューラルネットワークとしてトレーニングされ、これは、エンコーダとデコーダの部分が同じ目的のために一緒に最適化されているため、効果的に最適なエンコーダとデコーダを同時に作成することになる。この方法は、システム設計の柔軟性を最大化し、最適な実装につなげることができる。例えば、エンコーダ部は特定の計算量や圧縮率を目標に設計し、ニューラルネットワークの出力は最終用途に必要なものを正確に選択されることが可能である。この技術は、高い計算複雑性を必要とし、処理をオフロードするメカニズムを持つ、あらゆるリアルタイムおよびほぼリアルタイムの信号処理アプリケーションに最適なものである。
心電図(ECG)、光電式容積脈波法(PPG)、音声信号などを利用して、心臓の電気的および構造的な状態をリアルタイムまたはほぼリアルタイムで検出する装置は、上記のような課題に直面している。特定の心不整脈は、例えば心電図記録における低振幅のP波パターンなど、微妙な形で現れるため、しばしば検出アルゴリズムに高度な技術と感度が要求される。臨床的有用性を最大化するために、心拍はノイズを含む最大15種類のクラスに分類されることがあり、これには、鼓動ごとの心拍パターンに依存するだけでなく、特にシングルリードECGアプリケーションでは、しばしば捉えにくい形態(morphology)的な違いも考慮する必要が発生する。既存の装置は、生の信号全体を単純にオフロードするため、頻繁な充電やバッテリ交換が必要になったり、圧縮技術を使用して処理をオフロードしたり、装置でECG信号の一般的に理解されている特質を検出し、それらを別のシステムにアップロードしてさらに処理することがある。特質には、QRS複合体、P波などのECG形態的特質の位置が含まれる場合がある。これらの装置の計算パワーとバッテリ寿命が限られているため、アルゴリズムはこれらの形態的特質を検出する能力において限られた精度しか持たないことになる。ECG信号の圧縮された表現を送信するために、ニューラルネットワークエンコーディングを採用することができる。この表現は、特定の心不整脈の特定、QRS複合体などのECG形態的特質の特定、ビート(鼓動)タイプの分類、心拍数の決定など、特定の最終用途のために最適化することができる。
ECG記録からリアルタイムまたはほぼリアルタイムで不整脈を検出するためのこの方策の実施例では、最初に、例えば200Hzでサンプリングされ、各サンプルについて14の異なる心拍ラベルを有する30秒ECGストリップのセットを使用してニューラルネットワークをトレーニングすることができる。前処理として、200Hzの信号を移動平均フィルタで3倍にダウンサンプリングし、2Hzのカットオフを持つIIRハイパスフィルタで調整する。この入力はまた、単位分散(unit variance)を有するようにスケーリングされる。これにより、約2~33Hzの範囲の情報が残され、ECG形態的情報の大部分が含まれる。これは、ニューラルネットワークへの信号の入力次元数を2000x1とする。前述のように、ニューラルネットワークの最初のセクションの目的は信号を圧縮することなので、入力信号の次元数を小さくする必要がある。
実施例では、ニューラルネットワークのエンコーディング部は、畳み込みとプーリング層のシーケンスを有し、各プーリング層は時間次元数を2分の1に減少させる。畳み込みとプーリング層のシーケンスを3回繰り返すと、これは8分の1の時間次元になる。またこの実施例では、エンコーダ部の最後の畳み込み層は2フィルタで、これは出力次元数を250x2とし、エンコード出力と呼ばれる。
ネットワークの次の層は、時間次元のサイズをネットワーク入力の元のサイズに戻す方策を採用する。これは、いくつかの転置畳み込み(transposed convolution)層(時にはデコンボリューション層と呼ばれることもある)を用いて達成することができる。この時点までのこのネットワークの層は、一実施形態では、元の入力信号を予測するように事前トレーニングされ得る。一実施形態では、残りの層は、残差(residual)畳み込みフィルタブロックを含む。この例では、12個のシーケンシャルブロックが使用され、各ブロックは2個の畳み込み層を含み、入力から出力への残差接続(residual connection)を有する。これらのブロックはまた、1ブロックおきに時間次元を半減させる。これらの最後のブロックの後、時間的に分散されたデンス層が各時間点で評価され、固有の心拍クラスを予測する。上記の例は、圧縮されたフォーマットで診断情報を保持する方法でECG情報をエンコードするアルゴリズムをトレーニングするためのフレームワークの1つの実施形態を説明する。
いくつかの実施形態において、エンコーディングプロセスは、ECG特質を永続的に生成するように実装することができる。上記の例のニューラルネットワークを使用すると、6000サンプル長のECGストリップは、2次元を有する特質ベクトルの250例を作成する。これは、24個の個々のECGサンプルごとに、2つのエンコードされた特質が得られると考えることができる。この処理の性質は因果関係であるため、これらの特質は30秒のECGセグメントという概念を持たずに永続的に作成することができる。これらの特質は、コンパクトな整数表現で保存できるようにスケーリングすることができ、さらに可逆圧縮を適用して特質のメモリフットプリントを削減することができる。エンコードされた特質の連続的なストリームを使用して、サーバ側のアルゴリズムは、エンコードされた特質を使用して関心のある事象を検出するために、多くの異なる方策を採用することができる。
不整脈(CHB、VT、AFIB/AFL、SVT、AVBなど)を含むセグメントを検出するための一実施形態において、ECGエンコーディングをトレーニングするために使用される元のマルチクラスアルゴリズムは、パッチ上に生成されるエンコードされた特質の30秒コンテキスト(context)を用いて評価することが可能である。このアルゴリズムは、30秒コンテキストのローリングウィンドウで、オーバーラップの有無にかかわらず評価することができる。不整脈を含む確率の高いセグメントを使用して、関心のある事象が存在するかどうかを判断することができる。
一実施形態では、ニューラルネットワークのエンコーディング部は、LSTMなどの畳み込み層、プーリング層、再帰型層の組み合わせを使用して、信号の次元数を低減することができる。
VT(心室頻拍)事象を検出するための1つの実施形態では、持続時間が約1秒のECGセグメントにおけるVTのシーケンスを予測するために、エンコードされた特質を使用してニューラルネットワークをトレーニングすることができる。この利点は、どの事象がより興味深いかを決定するために、より重篤なセグメントとより軽微なセグメントとの間の区別を行うことができることである。例えば、より長いセグメントはより短いセグメントよりも優先されてもよい。このアルゴリズムは、より具体的な長さの基準を満たすVTのエピソードの負担を決定するために使用することができる。従来のVT検出方法(特にバッテリに制約のある埋め込み装置)は、鼓動速度が突然増加するビートパターンに依存する。
例えば、広く使用されているパン・トンプキンス・アルゴリズムのようなビート検出に依存すると、その性能は広いQRSビートではしばしば低く、VTのような不整脈のビートパターンを確実に識別する能力は必然的に制限される。完全なECGが存在し、信号処理技術によって形態的情報(morphology information)を調べることができる場合であっても、電池で動作する装置では計算負荷が高く、毎日1回またはそれ以上の充電、および/またはセンサとゲートウェイまたは携帯電話ユニットの両方の電池交換を装置が必要とすることになる。例えば、現在のモバイル心臓テレメトリ(MCT)モダリティの多くは、この要件に苦慮しており、その負担は患者に転嫁されるため、順応性の低下、診断装置からの解析可能時間および臨床価値の低下の原因となっている。
AF(心房細動)の負担を評価するための1つの実施形態では、ECGエンコーディングを作成するためにトレーニングされた元のニューラルネットワークは、セグメントが心房細動(AFIB)または心房粗動(AFL)を含むかどうかを決定するために30秒コンテキストにわたって評価され、これらの時間の合計が負担を計算するために用いられることが可能である。さらに心房粗動については、心房細動に特徴的な不規則な拍動パターンが存在しないため、既存のモダリティでは正常洞(normal sinus)などの他の規則正しい心拍との鑑別に苦慮することが多い。そのためには、エンコードされた特質によって可能となる、拍動間の信号の詳細な検査が必要である。当然、完全なECGでもこれは可能であるが、情報を処理するためにより多くの計算能力を必要とし、それはしばしば周波数ドメイン解析の形をとり、ひいては、上記のMCTの実施形態で説明したように、充電または電池交換を伴う患者にとって使いにくい装置をもたらす結果にもなる。
AFの負担を評価するための別の実施形態では、エンコードされた特質をより大きなコンテキスト、例えば30分にわたって再帰型ニューラルネットワークに供給し、上述と同様の方法でAFの負担を予測することが可能である。
VTを特徴付けるための別の実施形態では、エンコードされた特質をより大きなコンテキスト、例えば30分にわたってネットワークに供給し、VTの総時間および/または存在する個別のVTエピソードの数を予測することが可能である。
心拍数を決定するための1つの実施形態において、ニューラルネットワークは、エンコードされた特質を使用して、例えば3秒などの時間セグメントに含まれる心拍数を予測するようにトレーニングされ得る。このニューラルネットワークは、スライディングウィンドウにわたって時間のセグメント内の拍動数を予測するために使用され得、次いで、様々な時間における心拍数を推定するために使用され得る。この心拍数情報は、他のアルゴリズムで検出された興味のある事象をさらに洗練させたり、優先順位をつけたりするために使用することができる。同様の方策により、心拍数の代わりに、または心拍数に加えて、心拍変動(variability)を推定することができる。
異所性拍動数を決定するための一実施形態では、エンコードされた特質を用いて、例えば3秒などの時間セグメントに含まれる異所性拍動の数を予測するようにニューラルネットワークをトレーニングすることができる。このニューラルネットワークは、例えば、1時間、12時間、又は24時間の期間のウィンドウにわたる異所性拍動の総数を推定するために使用され得る。かわりに、上述の心臓拍動の実施形態と組み合わせて、この実施形態は、例えば、1時間、12時間、又は24時間の期間におけるパーセントとして表される、異所性拍動と正常拍動の比率を推定するために使用され得る。上述のように広義に説明したこの実施形態は、心室性又は上室性の異所性拍動のいずれか、及び/又はそれぞれのカプレット(couplet)及びトリプレット(triplet)に適用され得る。
一実施形態では、Rピーク位置は、エンコードされた特質から再構築された時系列から近似することができる。これらのRピーク位置は、それ自体で、心拍数の計算、代替方法からの心拍数推定の精度の増強、または、例えば3秒を超える2つの心室収縮(venticular contraction)間の時間における臨床的に有意なギャップとして定義される心拍休止(cardiac pause)事象の検出に使用され得る。心拍数と同様に、この情報は、ECGが送信され報告されるべき関心のある事象をさらにフィルタリングし又は優先順位付けするために使用することができる。別の実施形態では、再構築された信号自体を完全なECGの部分と共に評価して、例えば、ECGセグメントの終わりから低心拍、高心拍、または不規則な心拍が続いているかどうかなど、より多くのコンテキストを提供することが可能である。このコンテキスト情報は、視覚検査に基づいてパッチからより完全な解像度のECGを手動で要求するプロセスを支援し、人間による品質保証に裏付けられた全体的に高い診断の鋭敏さにつながることが可能である。
代替の実施形態では、これらのRピーク位置に基づく心拍数を、臨床報告書において選択されたECGストリップとともに、報告書に示される事象についてより大きな時間的コンテキスト(例えば、8秒または16秒ストリップ)を提供する方法でプロットすることができる。心拍数は、瞬間的な速度(例えば、2つのRピーク間の間隔に基づく)、または複数のRピークに由来する各データ点を有する時間的な心拍数の傾向のいずれかとしてプロットされ得る。別の実施形態では、平均、最大、最小の心拍数トレンドを同時にプロットし、さらに大きな臨床的コンテキストを提供することができる。
いくつかの実施形態において、PPG及び加速度計を利用するウェアラブル装置は、心房細動(AFIB)エピソードを検出し、AFIB負担レベルを推定するために使用され得る。この構成のセンサは、ごく一般的に、不適切に装着されていること、装置のモーションがあること、または生理学的条件が劣悪であることなどの環境要因による信号品質の劣化に苦慮する。このため、AFIBの検出やAFIB負担の推定には、ノイズを理解し、アルゴリズムが偽陽性を予測するのを防ぐことができる、完全な忠実度の生のセンサ測定値を利用することが有利である。
既存の方策は、装置上で心拍間隔を検出し、この情報を使用してAFIBエピソードを推論することができる。信号品質メトリクスは、別々に計算され、アップロードされ得る。この方策では、信号の品質が悪いときに誤った心拍間隔を読み取ると、問題が生じる。上記の方策を使用して、生のPPG/加速度計信号からAFIBエピソードまたはAFIB負担を予測するニューラルネットワークを開発することができ、これはまた、圧縮された表現で信号をエンコードするものである。このネットワークは、信号の質の低さによる誤った予測の可能性が最も低い方法で情報をエンコードすることを学習することができる。エンコードは装置上で実行でき、エンコードされたデータをアップロードすることで、より高性能なサーバでデコードセクションを評価することができる。AFIBエピソードおよびAFIB負担の特定に加えて、ウェアラブルPPG装置からのエンコードされたセンサデータは、脈拍数を特徴付けるため、または心室頻拍、休止、房室(atrioventicular)ブロックなどの他の心不整脈を検出するために使用される可能性がある。また、糖尿病、高血圧、うつ病、うっ血性心不全、睡眠時無呼吸症候群などの健康状態を検出するために使用することができる。
別の実施形態では、エンコードされた特質は、Rピークに加えて、ECG拍動の波形成分、例えばP波、T波および/または波形内のポイント間のセグメントを記述するように最適化することができる。ニューラルネットワークをエンコードされた特質でトレーニングしてPR間隔を推定し、そのパターンで房室ブロックの微妙な分類(第1度、第2度Mobitz II、Wenckebach、第2度Mobitz II)を識別したり、QRS幅の推論とともにWolff-Parkinson-White症候群を特徴付けたりすることができる。特に、事象レコーダや、ILRのようにすべての信号を連続的に記録および保存しない装置や、すべての信号が完全に解析されない一部のMCTでは、これらの命への危険がより少ない無症状の不整脈も送信することが望ましい場合がある。
同様に、ニューラルネットワークをエンコードされた特質でトレーニングしてQT間隔を推定し、QT長症候群(Long QT Syndrome)などの臨床的に重要な所見を明らかにすることができ、装着時間の経過とともにモニタすることができる。例えば、このQT測定手法は、患者が薬物の投与量を調節して、薬物の有効性と安全性の最適な組み合わせを個別に判断する薬物滴定に使用することができる。また、ニューラルネットワークをトレーニングしてSTセグメントの変化を検出し、心筋梗塞の警告サインとなりうるST上昇やST低下をモニタすることも可能である。
別の実施形態では、システムが信号を受信し、その特徴についてより多くを学習するにつれて、エンコード方式を動的に調整し、適応させることができる。また、特定の患者について対象心拍が変化した場合には、別の方式と入れ替えることも可能である。例えば、一般的な不整脈の検出方法のかわりに、脳卒中後のモニタリングなどの脳神経系の適用において、そして心拍数やエピソードの持続時間に関係なく、心房細動を検出することに主眼が置かれるかもしれない。この場合、心房細動を高感度で検出するために事前にトレーニングし最適化したエンコードネットワークとデコードネットワークのペアを使用することができる。これらの異なるエンコーダは、オフラインで学習され、変更が必要なときにファームウェアに無線で更新されることが可能であり、または、要求されたときに起動するように組み込み装置にオプションとして事前にプログラムされることが可能である。代替の実施形態では、同様の方法で、感度(sensitivity)または特異性(specificity)のいずれかの性能に最適化されたアルゴリズムを実装することができる。
特定の実施形態において、入力信号は、加速度計および/またはジャイロスコープの軸からのチャネルを含むことができ、これは、軸の数に必要なサンプリングレート(例えば、歩数の推論を可能にする20Hz)を乗算するため、しばしば大きいスペースを占有してしまう。3軸加速度計および/または3軸ジャイロスコープ信号の特質は、より小さな次元数に縮小することができ、振幅などのあらかじめ定義された物理的な指標に限定されない貴重な情報を含む可能性がある。実際、より高い周波数のサンプリングによってのみ得られる特徴をエンコードすることで、活動間のより細かい区別を可能にすることができる。エンコードされた加速度計および/またはジャイロスコープの特質は、それ自体で、睡眠段階および活動レベル、歩数、方向、活動タイプなどを決定するために使用することができる。エンコードされた加速度計および/またはジャイロスコープの特質、あるいはECGとともにエンコードされたこれらの信号の特質を使用して、不整脈などの生理学的事象によって生成された信号とモーションアーチファクトの信号とをさらに区別することができる。また、同じデータは、例えば、退院後の代償障害(decompensation)事象の外来モニタのような形で、心不全患者の健康状態を評価するための1つの入力(活動レベルの傾向)として有用である。
他の実施形態では、インピーダンス情報、またはガルバニック皮膚反応のような皮膚接触を示す他の測定値を、ECGとともに、または独立してエンコードすることができる。ニューラルネットワークをトレーニングして、リードオフ(leads off)領域を検出し、ECGの特質と組み合わせて、信頼性の低い信号のセグメントをフィルタして排除するために使用することができる。同じインピーダンス値でも患者や条件によって信号品質が異なり得るため、インピーダンス値のみを用いた単純なステートマシン(state-machine)タイプのアルゴリズムでは、実際には非生理学的な信号であるにもかかわらずリードオン状態が発生したり、逆に、実際にはECG信号であり解析が可能であるのにリードオフが検出されたりすることがある。前者は、時には不整脈を模倣するノイズが発生しやすい外来機器において特に問題となり、その結果、偽陽性信号が発生することがあるが、その問題の一部は、ハードウェアの設計およびパッチなどの可撓性材料のサイズ調整によって軽減することはできる。ECGのエンコード機能と、インピーダンスや加速度計などの二次信号の生のまたはエンコードされた機能を使用するデコーダアルゴリズムは、これらの偽陽性をさらに排除し、さらにインピーダンス不良によって実際のECG信号が失われることがないようにすることができる。
特定の実施形態において、エンコードされた特質を使用して検出された不整脈の疑いがある場合、元の装置上のフル解像度ECGを使用してさらに解析することが有益である場合がある。エンコーダ実装によって可能になる省電力によって、デコーダベースのアルゴリズムが、装置上に保存されたフル解像度ECGの部分の送信またはオンボード解析のいずれかを要求することが可能になるはずである。ラベル付きのフル解像度ECGでトレーニングされた畳み込みニューラルネットワーク(CNN)から導出された別のアルゴリズムを、元のECGの制限された領域で実行することは、計算上実行可能のはずである。
特定の実施形態において、エンコードされた特質を用いて、心房細動などの不整脈や、近い将来に発生する可能性のある他の健康状態を学習および予測することができ、早期介入が可能となる。
特定の実施形態において、処理、すなわち、エンコードすること、またはエンコードされた特質を使用する後続の層(をデコードすること)のいずれかは、スマートフォンまたはゲートウェイ装置などの、セルまたは衛星などの長距離接続の前に送信される中間装置上で行われてもよい。特定の使用例では、例えば、これらの限られた電力モダリティにおけるバッテリ消費の重い部分であることが多い、生の信号を装置メモリに書き込むことが必要ない場合、エンコードとデコードの両方が、パッチ、スマートウォッチ、またはECGまたは他の信号を連続的にモニタできる他のウェアラブルなどの装置自体で起こり、エンコードされた信号のみが書き込まれてもよい。このアプローチは、記憶容量が限られているが、アルゴリズムがメモリに保存されたデータ(例えば、過去に発生したECGのデータ)上で実行する必要があるシナリオにおいて有用である可能性がある。
特定の実施形態において、この技術は、手首、耳たぶ、または胸部からのPPGなど、ECG以外の他の表面または経皮生体信号に適用され得る。ウェアラブル装置(多くの場合、消費者グレード)は、心拍数の傾向を把握するために、および場合によっては心房細動の検診をするために、PPG信号を捕捉することを特徴とする。これらの健康洞察機能は、多くの場合、30秒など非常に限られた時間の検出に限定され、さまざまな肌タイプやモーションを介して波形を確実に捕らえるために、例えば緑色光による比較的高出力の光検出を必要とする。PPG波形が不整脈血流に特有の識別特徴を含む場合に、単純な拍動検出を超える詳細のコンテキスト解析のために、または心房細動負担などのより長期的で臨床的に有用な測定基準に集約するために、PPGの全体を保存または送信することはできない。
いくつかの実施形態において、PPG及び/又はECG波形は、血圧及び血液灌流(perfusion)、血液量、心拍出量、駆出率(ejection fraction)、弁機能及び/又は健康などの他の心臓メトリクスを推論するためにエンコードされ、従来からの方法で計算された拍動間隔、又はファイデューシャルポイント間隔さえも最も有用な特質でない場合がある。特定の実施形態はPPGで説明されているが、ECGも適用可能な場合には使用可能であり、その逆もまたあり得ることが理解される。
特定の実施形態において、この技術は、EEGのようなさらにデータ量の多い信号に適用することができる。EEGを採用したウェアラブルアプリケーションは、チャネル数や装置の大きさのために、実験室での使用に限定されることが多い。EEGをトレーニングしたエンコード機能は、計算負荷が高いデコーダアルゴリズムをサーバにオフロードすることを可能にし、例えば、脳活動を通信に変換する装置の携帯性を可能にする可能性がある。
いくつかの実施形態において、ニューラルネットワークエンコーディングは、ターゲット装置のバッテリ消費をさらに低減するために、FPGA ICなどの専用ハードウェアに実装されてもよい。ニューラルネットワークエンコーダは、整数演算またはバイナリ演算を利用することによって、埋め込みアプリケーションのためにさらに最適化されてもよい。
いくつかの実施形態において、マーカまたはオブジェクトの検出または生理学的測定をもたらす画像または映像ストリームは、ニューラルネットワークエンコーディングを使用して、より強力なシステムに処理をオフロードすることができる。アプリケーションの例は以下の通りである。
車両、セキュリティモニタリングシステムにおける物体検出
顔の映像からの感情反応
顔や胸部の映像ストリームに基づく心拍数や呼吸などの生理学的測定
発作の検出
転倒の検出
拡張現実感(Augmented Reality)
乳幼児の顕著な事象(泣き声、呼吸の問題)のモニタリング。
車両、セキュリティモニタリングシステムにおける物体検出
顔の映像からの感情反応
顔や胸部の映像ストリームに基づく心拍数や呼吸などの生理学的測定
発作の検出
転倒の検出
拡張現実感(Augmented Reality)
乳幼児の顕著な事象(泣き声、呼吸の問題)のモニタリング。
いくつかの実施形態において、音声データは、スピーチ事象の識別またはリアルタイムでの音声の翻訳、呼吸モニタリング、呼吸器疾患の診断、いびきまたは無呼吸の検出を目的としてエンコードされる場合がある。
いくつかの実施形態において、超音波検査データは、妊娠中の収縮の識別、胎児の心拍の検出及び特徴識別、腫瘍、脳卒中、閉塞動脈、感染などの異常な生理学の識別などの目的のためにエンコードされてもよい。
コンピューティングシステムおよび方法
いくつかの実施形態において、上述したシステム、ツール、及びそれを使用する方法は、対話性、及びコンピューティングシステム13000によって実行されるデータ収集を可能にする。図23は、コンピューティングシステム13000が、ネットワーク13002と、それら自身もネットワーク13002と通信しているウェアラブルシステム13005、ゲートウェイ装置13006などの様々な外部コンピューティングシステム13004とも通信している実施形態を示すブロック図である。コンピューティングシステム13000は、本明細書に記載されるシステム及び方法を実装するために使用されてもよい。外部システム13004はグループ化されたものとして示されているが、各システムは互いに外部であってもよく、及び/又は遠隔に位置していてもよいことが認識される。
いくつかの実施形態において、上述したシステム、ツール、及びそれを使用する方法は、対話性、及びコンピューティングシステム13000によって実行されるデータ収集を可能にする。図23は、コンピューティングシステム13000が、ネットワーク13002と、それら自身もネットワーク13002と通信しているウェアラブルシステム13005、ゲートウェイ装置13006などの様々な外部コンピューティングシステム13004とも通信している実施形態を示すブロック図である。コンピューティングシステム13000は、本明細書に記載されるシステム及び方法を実装するために使用されてもよい。外部システム13004はグループ化されたものとして示されているが、各システムは互いに外部であってもよく、及び/又は遠隔に位置していてもよいことが認識される。
いくつかの実施形態において、コンピューティングシステム13000は、例えば、サーバ、ラップトップコンピュータ、モバイル装置(例えば、スマートフォン、スマートウォッチ、タブレット、パーソナルデジタルアシスタント)、キオスク、自動車コンソール、またはメディアプレーヤなどの1つまたは複数のコンピューティング装置を含んでいる。一実施形態では、コンピューティング装置13000は、1つ以上の中央処理装置(CPU)13105を含み、これらはそれぞれ、従来のまたは独自のマイクロプロセッサを含んでもよい。コンピューティング装置13000は、情報の一時記憶用のランダムアクセスメモリ(RAM)、情報の永久記憶用の1つ以上の読み取り専用メモリ(ROM)などの1つ以上のメモリ13130、およびハードドライブ、ディスケット、ソリッドステートドライブ、または光学媒体記憶装置などの1つ以上の大容量記憶装置13120を更に含んでいる。特定の実施形態において、処理装置、クラウドサーバ、サーバ、またはゲートウェイ装置が、コンピューティングシステム1300として実装されてもよい。一実施形態では、コンピューティングシステム13000のモジュールは、標準ベースのバスシステムを用いてコンピュータに接続される。別の実施形態では、標準ベースのバスシステムは、例えば、PCI(Peripheral Component Interconnect)、マイクロチャネル、SCSI(Small Computer computing system Interface)、ISA(Industrial Standard Architecture)及びEISA(Extended ISA)アーキテクチャで実装され得る。さらに、コンピューティング装置13000のコンポーネントおよびモジュールにおいて提供される機能は、より少ないコンポーネントおよびモジュールに結合されてもよいし、さらに追加のコンポーネントおよびモジュールに分離されてもよい。
コンピューティング装置13000は、例えば、iOS、Windows XP、Windows Vista、Windows 7、Windows 8、Windows 10、Windows Server、Embedded Windows、Unix、Linux、Ubuntu Linux、SunOS、Solaris、Blackberry OS、Android、または他のオペレーティングシステムのようなオペレーティングシステムソフトウェアによって制御および調整されてもよい。Macintoshシステムでは、オペレーティングシステムは、MAC OS Xなどの任意の利用可能なオペレーティングシステムであってもよい。他の実施形態では、コンピューティング装置13000は、独自のオペレーティングシステムによって制御されてもよい。従来のオペレーティングシステムは、実行のためにコンピュータプロセスを制御し、スケジュールし、メモリ管理を行い、ファイルシステム、ネットワーキング、I/Oサービスを提供し、とりわけ、グラフィカルユーザインタフェース(GUI)などのユーザインタフェースを提供し、その他の機能もはたす。
例示的なコンピューティング装置13000は、例えば、タッチパッドまたはタッチスクリーンなどの1つまたは複数のI/Oインタフェースおよび装置13110を含み得るが、キーボード、マウス、およびプリンタも含み得る。一実施形態では、I/Oインタフェース及び装置13110は、ユーザへのデータの視覚的提示を可能にする1つ以上のディスプレイ装置(タッチスクリーン又はモニタなど)を含む。より詳細には、ディスプレイ装置は、例えば、GUI、アプリケーションソフトウェアデータ、及びマルチメディアプレゼンテーションの表示を提供し得る。コンピューティングシステム13000は、例えば、カメラ、スピーカ、ビデオカード、グラフィックアクセレレータ、及びマイクロフォンなどの1つ以上のマルチメディア装置13140を含んでもよい。
コンピューティングシステム及びアプリケーションツールの一実施形態におけるI/Oインタフェース及び装置13110は、様々な外部装置への通信インタフェースを提供し得る。一実施形態では、コンピューティング装置13000は、例えば、有線、無線、または有線と無線の組み合わせの通信リンク13115を介して、ローカルエリアネットワーク、ワイドエリアネットワーク、および/またはインターネットのうちの1つまたは複数を含むネットワーク13002に電子的に結合される。ネットワーク13002は、有線又は無線通信リンクを介して、様々なセンサ、コンピューティング装置、及び/又は他の電子装置と通信することができる。
いくつかの実施形態において、フィルタ基準、信号及びデータは、本明細書に記載される方法及びシステムに従って、心拍推論モジュールアプリケーションツールによって処理され、1つ以上のデータソース13010からネットワーク13002を介してコンピューティングシステム13000に提供されてもよい。データソースは、1つ以上の内部及び/又は外部のデータベース、データソース、及び物理的なデータストアを含んでもよい。データソース13010、外部コンピューティングシステム13004、及び心拍インタフェースモジュール13190は、上述のシステム及び方法に従ってデータ(例えば、特質データ、生の信号データ、患者データ)を収納するためのデータベース、上述のシステム及び方法に従って処理されたデータ(例えば、センサに送信するデータ、臨床医に送信するデータ)を収納するためのデータベースなどを含んでもよい。図24の一実施形態において、センサデータ14050は、いくつかの実施形態において、センサから受信したデータ、臨床医から受信したデータなどを収納することができる。ルールデータベース14060は、いくつかの実施形態において、特質データを解析するための閾値のパラメータを確立するデータ(例えば、指示、プリファレンス、プロファイル)を収納してもよい。いくつかの実施形態において、データベース又はデータソースの1つ以上は、Sybase、Oracle、CodeBase、MySQL、SQLite、及びMicrosoft(登録商標) SQL Serverなどの関係データベース(relational database)、並びに、例えば、フラットファイルデータベース、エンティティ-関係データベース、及びオブジェクト指向データベース、NoSQLデータベース、及び/又はレコードベースのデータベースなどの他のタイプのデータベースを使用して実装されてもよい。
一実施形態におけるコンピューティングシステムは、CPU13105によって実行される実行可能なソフトウェアコードとして大容量記憶装置13120に収納されてもよい心拍インタフェースモジュール13190を含む。心拍インタフェースモジュール13190は、フィーチャモジュール14010、代替データモジュール14020、推論モジュール14030、フィードバックモジュール14040、センサデータ・データベース14050、及びルールデータベース14060を備えてもよい。これらのモジュールは、一例として、ソフトウェアコンポーネント、オブジェクト指向ソフトウェアコンポーネント、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、及び変数などのコンポーネントを含んでもよい。これらのモジュールはまた、いくつかの実施形態において、図10~図17に関して説明した処理を含む、本明細書に開示された処理を実行するように構成される。
可逆圧縮、及び/又は数値化
本開示のいくつかの実施形態において、システムは、データを遠隔サーバに送信してニューラルネットワークの層の第2のセットを介してデータを処理する前に、ニューラルネットワークの層の第1のセットの出力に可逆圧縮を実行することができる。可逆圧縮アルゴリズムは、圧縮されたデータから元のデータを完全に再構築することを可能にし得る。いくつかの実施形態において、システムは、遠隔サーバが圧縮されたデータをある閾値の精度で再構築することができる圧縮を実行することができ、したがって、損失を低減することができる。
本開示のいくつかの実施形態において、システムは、データを遠隔サーバに送信してニューラルネットワークの層の第2のセットを介してデータを処理する前に、ニューラルネットワークの層の第1のセットの出力に可逆圧縮を実行することができる。可逆圧縮アルゴリズムは、圧縮されたデータから元のデータを完全に再構築することを可能にし得る。いくつかの実施形態において、システムは、遠隔サーバが圧縮されたデータをある閾値の精度で再構築することができる圧縮を実行することができ、したがって、損失を低減することができる。
図25は、ECGエンコーダによる可逆圧縮の実施例を示す図である。パッチ2226は、ユーザのECGデータ2232を受信することができる。モニタ(例えば、パッチ2226)は、ニューラルネットワークの層の第1のセット2222を介して(例えば、ECGエンコーダ2230を介して)データをエンコードし、エンコードされた出力を可逆圧縮器2502に送信することができる。可逆圧縮器2502は、データをさらに小さい次元数に圧縮して、遠隔サーバ2228に送信することができる。遠隔サーバ2228は、可逆解凍器(decompressor)2504を介してデータを解凍することができる。次いで、遠隔サーバ2228は、分類器2238を介して、ニューラルネットワークの層の第2のサブセット2224を通して、解凍されたデータを処理することができる。
一例では、可逆圧縮スキームを使用して、出力されたエンコードされた特質と、より短い長さの表現との間のマッピングを行うことができる。8ビット整数の場合、バイナリ表現「00000000」としての0の値は、ECGエンコーダ2230からのニューラルネットワークの層の第1のサブセットの出力されたエンコードされた特質であり得るが、可逆圧縮方式は、「00000000」の8ビット数表現を他のものに変更することができる。可逆圧縮スキームは、ECGエンコーダ2230から出力される値と圧縮された値との間のマッピングを有することができる。例えば、ECGエンコーダ2230からの「00000000」8ビット数表現は、8ビットの代わりに2ビットしか必要としない「10」で表すことができる。可逆圧縮方式は、より一般的な出力エンコード特質に対して短いビット長コードを使用でき、一方、より珍しいエンコード特質に対して長いビット長コードが使用される。有利なことに、遠隔サーバに送信されるデータはより少なくなる。例えば、ECGエンコーダ2230から出力される0値がはるかに多い場合、可逆圧縮スキームは、0値を「10」にマッピングすることができる。しかし、ECGエンコーダ2230から433の値がほとんど出力されない場合、可逆圧縮方式は、「110110001」の二進法表現を有する433の値を「5523」にマッピングすることができる。
いくつかの実施形態において、可逆解凍器2504は、予め定められたマッピングされた値を取得することができる。いくつかの実施形態において、可逆解凍器2504は、静的であり、変化しないマッピングされた値を取得することができる。可逆解凍器2504は、可逆圧縮器2502からマッピングされた値を受信することができる。遠隔サーバ2228は、圧縮されたデータ(例えば、マッピングされた値)を、ECGエンコーダ2230に対応する実際の値にマッピングすることができる。例えば、可逆解凍器2504が「10」値及び「5523」値を受信した場合、可逆解凍器2504は、これらの値を「0」及び「443」にマッピングし、これらの値をそれに応じて出力することができる。次いで、これらの値は、分類器2238を介してニューラルネットワークの層の第2のサブセットを通して処理することができる。
有利には、(1)ニューラルネットワークを介してデータをエンコードし、(2)エンコードされたデータを圧縮する、システムのパッチからサーバに送信されるデータの次元数は、(1)ニューラルネットワークエンコーダのみを有するシステム(可逆圧縮なし)よりも小さくすることができる。さらに、可逆圧縮を使用すると、可逆解凍器を介してデータを再構築できるため、データ自体の完全性を維持しながら、より多くのデータを遠隔サーバ2228に送信することができる。一例で説明すると、互いに非常に近い0値のプロットがある場合、システムは、すべての0値を別々に送信する必要がなく、0値のプロットの代表的な表示を送信することができる。有利なことに、パッチからサーバに送信されるデータは、より少ないネットワークスループットの使用で済ますことができ、ニューラルネットワークの精度および性能を犠牲にすることなく、より厳しいネットワーク制約の下で動作することができる。さらに、このような圧縮は、データがパッチ2226から遠隔サーバ2228まで様々なネットワークを介して移動する際に、データのプライバシーおよびセキュリティをさらに強化することができる暗号化の1つの形態であり得る。
本明細書で述べたように、本開示のいくつかの実施形態は、出力の次元数を低減するために、ニューラルネットワークの層の第1のセットを介して、ECGエンコーダ2230を介するなど、データを圧縮するようにニューラルネットワークをトレーニングする。ニューラルネットワークの層の第1のセットは、ある次元数を出力するようにトレーニングされる。圧縮されたデータは、層の第1のセットの出力をニューラルネットワークの層の第2のセットに適用する遠隔装置に送信され、これは、データのデコーディングまたはデータの生理学的特徴の決定など、本明細書に記載のステップを含むことが可能である。
従来のニューラルネットワークでは、システムは浮動小数点数(例えば、32ビットのデータ)のような大きな数値表現を使用する。浮動小数点数は、非常に大きな値も非常に小さな値も表現でき、小数点以下多数桁もの高精度で表現できる。このような従来のシステムでは、ニューラルネットワークの学習やデータの処理を非常に正確に行うために、このような大きな数値表現が用いられている。しかし、このような大きな数値表現を使用すると、データの保存、処理、送信の効率が悪くなる。
本開示におけるいくつかの実施形態は、データを数値化することによって、そのような欠点を軽減する。図26は、ニューラルネットワークにおける層2222の第1のサブセットを処理した後に、ECGエンコーダ2230の出力データに対して数値化を実行するための数値化器2602を示す図である。パッチ2226は、ユーザのECGデータ2232を受信することができる。モニタ(例えば、パッチ2226)は、ニューラルネットワークの層2222の第1のセットを介して(例えば、ECGエンコーダ2230を介して)データをエンコードし、エンコードされた出力を数値化器2602に送信することができる。数値化器2602は、データを数値化して(例えば、データを切り捨てる又は四捨五入する)、遠隔サーバ2228に送信することができる。次いで、遠隔サーバ2228は、ニューラルネットワークの層2224の第2のサブセットを介して、数値化されたデータを処理することができる。
このような数値化は、ニューラルネットワークの全体的な性能のバランスをとりながら、より良い可逆圧縮性能を有するように最適化することができる。システムは、データを外部サーバに送信する前に、ニューラルネットワークの層の第1のセットの出力を数値化することができる。いくつかの実施形態において、データを数値化することは、データ表現のための四捨五入(例えば、最も近い整数への丸め)、切り捨て、またはビット数の削減を含むことができる。
いくつかの実施形態において、数値化の量は、効率と精度の間のバランスを最適化するように決定することができる。より積極的な数値化(例えば、データからより多くのビットを切り捨てる)は、データ表現のサイズをより少ないビット数に減らすことができるが、ニューラルネットワーク予測の精度に悪影響を及ぼし得る。しかし、より積極的でない数値化(例えば、データからより少ないビットを切り捨てる)は、精度を高めることができるが、人の上のモニタ装置の記憶及び送信要求の増加、パッチ2226及び遠隔サーバ2228の両方でより大きなデータ表現を記憶しなければならないことによる記憶要求の増加、並びにパッチ2226及び遠隔サーバ2228間のデータのネットワーク送信の増加などの代償を支払う。
より積極的な数値化は、数値化されたデータに誤差をもたらし、本明細書で指摘するように、数値化を使用するアルゴリズムの性能の劣化につながる可能性がある。ニューラルネットワークは、数値化によってもたらされる誤差を考慮してもある程度は機能するが、誤差がアルゴリズムの性能を著しく低下させる限界点が存在することになる。したがって、数値化の量は、ハードウェア効率の劣化と、分類器2238を介した分類におけるニューラルネットワークの精度とに基づいて、最適化することができる。
いくつかの実施形態において、ニューラルネットワークは、より積極的な数値化スキームを可能にするようにトレーニングされる。例えば、ニューラルネットワークは、可逆圧縮性能を最大化するようにトレーニングすることができる。ニューラルネットワークは、数値化に伴う劣化を低減するために、トレーニング中に数値化を導入することによってトレーニングすることができる。いくつかの実施形態において、ニューラルネットワークは、最初に数値化なしでトレーニングされる。その後、トレーニングされたニューラルネットワークは、数値化ありで再びトレーニングされる。有利なことに、ニューラルネットワークのトレーニングは、数値化を考慮に入れる。これは、ニューラルネットワークが、パッチ2226上で実行される層の第1のセットと、遠隔サーバ2228上で実行される層の第2のセットとに分割される場合に、特にここで関連する。有利には、そのようなトレーニングの結果は、数値化から低振幅信号をよりよく表現することができるニューラルネットワークおよび/または数値化を含むことができる。むしろニューラルネットワークは、低振幅信号が、遠隔サーバ2228の分類器2236などによって、信号中の特質を識別するために考慮されるように、その出力の値を調整する(例えば、低振幅信号の振幅を増大させる)ことが可能である。例えば、ニューラルネットワークは、信号が閾値に到達するように低振幅信号を誇張することができる。したがって、低振幅信号が数値化によって処理されるとしても、遠隔サーバ2228は、低振幅信号を登録することができる。ニューラルネットワークのそのようなトレーニングを行わない他のシステムは、数値化を介して低振幅信号を単にクリップすることができ、分類器2238は、そのような信号における特質を識別することができない可能性がある。
いくつかの実施形態において、可逆圧縮と数値化の両方を最適化して適用することができる。いくつかの実施形態において、ニューラルネットワークおよび数値化の代わりに最適な可逆圧縮は、異なる可逆圧縮アルゴリズムまたはその特徴の性能をモデル化することによって決定することができる。例えば、ニューラルネットワークの特質の出力は、0を中心とし標準偏差が1の分布を有するように設定することができる。次に、システムは、特定の可逆圧縮アルゴリズムが様々な数値化スキーム下でどの程度良好に動作するかをモデル化することができる。例えば、ニューラルネットワークの層の第1のサブセットの出力が128ビット/秒である場合、数値化器は、データを数値化して100ビット/秒を出力することができる。最適化は、少なくとも利用可能なネットワーク及び/又はネットワーク制約(1秒当たりのビット数の設定又はデータのビットサイズなど)に支配され得る。次に、可逆圧縮モデル(例えば、本明細書に記載されているような)を適用して、遠隔サーバにおけるニューラルネットワークの識別された特質について最適な性能を見つけることができる。
いくつかの実施形態において、最適化は、少なくともエンコーダのアーキテクチャによって支配され得る。例えば、第1のエンコーダ設計は8ビットを出力し、第2のエンコーダ設計は4ビットを出力するが、第1のエンコーダ設計の2倍のサンプルレートで出力することができる。この例では、ネットワーク制約を第1と第2のエンコーダで同じにすることができる。最初のエンコーダのデザインは、出力される特質量が少なく、より積極的な数値化が行われている。しかし、状況によっては、数値化率が高いにもかかわらず、特質量の生成率が高いため、2番目のエンコーダの設計の方が性能が高くなることがある。
いくつかの実施形態において、トレーニングへの数値化の実装は、テンソルフローの実装を適用することができる。トレーニング中、テンソルフローは、フォワードパスにおいて数値化を導入することができるが、勾配は数値化なしで計算される。これは、数値化誤差がネットワークを介して伝搬されるが、勾配は依然として滑らかであり、重みの更新が誤差に適切に応答することを可能にするように行われる。
図27は、数値化器2602と、可逆圧縮器2502及び可逆解凍器2504を介した可逆圧縮の両方を有する実施形態を示す。この実施形態では、ECGエンコーダ2230の出力は、エンコーダがデータをニューラルネットワークの層2222の第1のサブセットに通した後、数値化器2602に入力される。数値化器2602は、エンコードされた出力データを数値化する。次に、可逆圧縮器2502は、数値化されたデータを圧縮して、遠隔サーバ2228に送信2234することができる。次いで、遠隔サーバ2228は、可逆解凍器2504を介して送信されたデータ2234を解凍することができ、分類器2238は、ニューラルネットワークの層2224の第2のサブセットを介して解凍されたデータを処理することができる。
QT間隔アルゴリズムの解析
本開示のいくつかの実施形態において、システムは、QT間隔を定量化(quantify)することができ、これは、個々の心拍で提示されるQ及びT形態的特質の間の時間を定量化することを含むことができる。これらの特質の間の時間が長くなると、心臓に問題があることを示している可能性がある。
本開示のいくつかの実施形態において、システムは、QT間隔を定量化(quantify)することができ、これは、個々の心拍で提示されるQ及びT形態的特質の間の時間を定量化することを含むことができる。これらの特質の間の時間が長くなると、心臓に問題があることを示している可能性がある。
従来のシステムでは、QT間隔の定量化は、通常、最初に異なる形態的特質を特定し、特質上の特定の点間の差を単純に測定することによって達成される。しかし、完全な生ECGデータにアクセスできないシステムでは、QT間隔を定量化する従来の方法を適用できない場合がある。
本明細書に記載されるのは、完全な生のECG信号へのアクセスを有することなくQT間隔を定量化し得るいくつかの実施形態である。いくつかの実施形態において、遠隔サーバは、エンコーダからエンコードされた特質を受け取り、エンコードされた特質からECG信号を再構築することができる。次に、遠隔サーバは、形態的特質の位置を特定するための信号処理及びアルゴリズム技術を使用することができる。
いくつかの実施形態において、遠隔サーバは、QT間隔を含むエンコードされた特質のセグメントからQT間隔を直接予測するために、機械学習アルゴリズムをトレーニングすることができる。
いくつかの実施形態において、遠隔サーバは、1つ以上のQT間隔を含むエンコードされた特質のウィンドウから平均QT間隔を直接予測する機械学習アルゴリズムをトレーニングすることができる。
いくつかの実施形態において、システムは、いくつかの拍動を代表するテンプレートビートを生成することができる。テンプレートビートは、検出されたビート位置を囲むサンプルの固定ウィンドウの生ECGを平均化することによって生成することができる。QT間隔は、本明細書に記載されるアルゴリズム技術又は機械学習アルゴリズムを使用してテンプレートビートから導出することができる。図28A及び図28Bは、テンプレートビートを生成するためのプロセスを示す。例えば、図28Aは、4サイクルにわたるサンプルのウィンドウを図示する。各サイクルは、サンプルの固定ウィンドウを有する。システムは、ある期間にわたるサイクルの数を決定することができ、またはテンプレートビートの生成に使用されるサイクルの数を設定することができる。図28Bは、4サイクルからテンプレートビートを生成することを示す。いくつかの実施形態において、システムは、互いに対するサンプルを相対的に決定する。例えば、システムは、各サイクルにおける対応する点を特定し、サンプルの各々を一緒に平均化することができる。したがって、図28Bの左側に図示された4つのサイクルは、右側のテンプレートビートを生成するために平均化され得る。
いくつかの実施形態において、パッチは、テンプレートビートを生成することができる。他の実施形態では、遠隔サーバは、パッチからの受信データからテンプレートビートを生成することができる。いくつかの実施形態において、テンプレートビートは、ニューラルネットワークの層を介したデータ処理によって処理され、識別され得る。例えば、パッチは、テンプレートビートを生成し、テンプレートビートを本明細書に記載のニューラルネットワークに入力することができる。
一般に、本明細書で使用する「モジュール」という語は、ハードウェアまたはファームウェアに具現化されたロジック、あるいは、例えばPython、Java、Lua、Cおよび/またはC++などのプログラミング言語で書かれた、おそらく入口と出口点を有するソフトウェア命令の集合を意味する。ソフトウェアモジュールは、コンパイルされ、実行可能プログラムにリンクされ、ダイナミックリンクライブラリにインストールされてもよいし、例えば、BASIC、Perl、またはPythonなどのインタプリットされたプログラミング言語で記述されてもよい。ソフトウェアモジュールは、他のモジュールから、またはそれ自身から呼び出すことができ、および/または検出された事象またはインタラプトに応答して呼び出されることができることが理解されるであろう。コンピューティング装置上で実行するように構成されたソフトウェアモジュールは、コンパクトディスク、デジタルビデオディスク、フラッシュドライブ、または他の任意の有形媒体などのコンピュータ可読媒体上で提供されてもよい。そのようなソフトウェアコードは、コンピューティング装置による実行のために、コンピューティングシステム13000などの実行コンピューティング装置のメモリ装置上に、部分的または全体的に収納されてもよい。ソフトウェア命令は、EPROMのようなファームウェアに埋め込まれてもよい。ハードウェアモジュールは、ゲートやフリップフロップなどの接続されたロジックユニットで構成されてもよく、及び/又は、プログラマブルゲートアレイやプロセッサなどのプログラマブルユニットで構成されてもよいことがさらに理解されるであろう。本明細書に開示されたブロック図は、モジュールとして実装されてもよい。本明細書に記載されたモジュールは、ソフトウェアモジュールとして実装されてもよいが、ハードウェア又はファームウェアで表現されてもよい。一般に、本明細書で説明するモジュールは、その物理的な構成又は記憶にもかかわらず、他のモジュールと組み合わせたり、サブモジュールに分割したりすることができるロジックのモジュールを意味する。
前のセクションで説明したプロセス、方法、及びアルゴリズムの各々は、コンピュータハードウェアを構成する1つ以上のコンピュータシステム又はコンピュータプロセッサによって実行されるコードモジュールに具現化され、完全に又は部分的に自動化されてもよい。コードモジュールは、ハードドライブ、ソリッドステートメモリ、光ディスク、及び/又は同様のもののような、任意のタイプの非一時的コンピュータ可読媒体又はコンピュータストレージ装置に収納されてもよい。また、システム及びモジュールは、生成されたデータ信号として(例えば、搬送波又は他のアナログ又はデジタル伝搬信号の一部として)、無線ベース及び有線/ケーブルベースの媒体を含む様々なコンピュータ可読送信媒体で送信されてもよく、様々な形態(例えば、単一又は多重化アナログ信号の一部として、又は複数の個別デジタルパケット又はフレームとして)であってよい。プロセスおよびアルゴリズムは、部分的または全体的に特定用途向け回路に実装されてもよい。開示されたプロセスおよびプロセスステップの結果は、例えば、揮発性(volatile)または不揮発性ストレージなどの任意のタイプの非一時的コンピュータストレージに、永続的またはその他の方法で収納されてもよい。
上述した様々な特質及びプロセスは、互いに独立して使用されてもよく、又は様々な方法で組み合わされてもよい。全ての可能な組み合わせ及びサブコンビネーションが、本開示の範囲に入ることが意図されている。さらに、特定の方法またはプロセスブロックは、いくつかの実施態様において省略されてもよい。本明細書に記載された方法及び工程はまた、任意の特定の順序に限定されず、それに関するブロック又は状態(states)は、適切な他の順序で実行することができる。例えば、記述されたブロック又は状態は、具体的に開示された以外の順序で実行されてもよいし、複数のブロック又は状態が単一のブロック又は状態で組み合わされてもよい。例示したブロックまたは状態は、直列に、並列に、または他の方法で実行されてもよい。ブロック又は状態は、開示された例示的な実施形態に追加又は削除されてもよい。本明細書に記載された例示的なシステム及び構成要素は、記載されたものとは異なるように構成されてもよい。例えば、開示された例示的な実施形態と比較して、要素が追加されてもよく、削除されてもよく、又は再配置されてもよい。
特に「できる」、「できた」、「かもしれない」、または「あり得る」などの条件付き言語は、特に明記されていない限り、または使用される文脈内で理解される限り、一般に、特定の実施形態が、他の実施形態が含まない特定の特質、要素および/またはステップを含むことを伝えるように意図されている。したがって、このような条件付き言語は、特質、要素、および/またはステップが1つまたは複数の実施形態に何らかの形で必要であること、または1つまたは複数の実施形態が、これらの特質、要素、および/またはステップが任意の特定の実施形態に含まれるかどうか、または実行されるかどうかをユーザ入力または起動操作とともに決定するロジックを必ず含むことを意味することは一般に意図されていない。用語「含む」は、「含まれるがそれに限定されない」を意味する。用語「または」は、「および/または」を意味する。
本明細書に記載され、添付図に描かれたフローまたはブロック図における任意のプロセス記述、要素、またはブロックは、プロセスにおける特定のロジックの機能またはステップを実施するための1つまたは複数の実行可能命令を含むコードのモジュール、セグメント、または部分を表す可能性があると理解されるべきである。代替的な実装は、当業者に理解されるように、関連する機能に応じて、要素又は機能が削除され得て、又は示された、もしくは議論されたものとは異なる順序で、実質的に同時又は逆の順序を含めて実行され得る、本明細書に説明される実施形態の範囲内に含まれる。
上述した方法及びプロセスの全ては、1つ以上のコンピュータによって実行されるソフトウェアコードモジュールにおいて少なくとも部分的に具現化され、そして部分的又は完全に自動化されてもよい。例えば、本明細書に記載された方法は、コンピューティングシステム及び/又は任意の他の適切なコンピューティング装置によって実行されてもよい。方法は、有形のコンピュータ可読媒体から読み取られるソフトウェア命令または他の実行可能コードの実行に応答して、コンピューティング装置上で実行されてもよい。有形のコンピュータ可読媒体は、コンピュータシステムによって読み取り可能なデータを収納することができるデータ記憶装置である。コンピュータ可読媒体の例としては、読み取り専用メモリ、ランダムアクセスメモリ、その他の揮発性または不揮発性メモリ装置、CD-ROM、磁気テープ、フラッシュドライブ、および光学データ記憶装置が挙げられる。
上述した実施形態に対して多くの変形及び修正を行うことができ、その要素は、他の許容可能な例の中にあるものとして理解されることが強調されるべきである。全てのそのような修正及び変形は、本開示の範囲内に本明細書に含まれることが意図されている。前述の説明は、特定の実施形態を詳述したものである。しかしながら、前述がいかに詳細な文章記述で表現されても、システム及び方法は多くの方法で実施できることが理解されよう。例えば、ある実施形態の特質は、異なる実施形態の特質と共に使用することができる。また、上述したように、システムおよび方法の特定の特質または態様を説明するときの特定の用語の使用は、その用語が関連付けられるシステムおよび方法の特質または態様の任意の特定の特質を含むように制限されるように、その用語が本明細書で再定義されることを意味するものではないと考えるべきであることに留意すべきである。
生理学的モニタリング装置、方法、及びシステムの様々な実施形態が本明細書に開示されている。これらの様々な実施形態は、単独で又は組み合わせて使用することができ、実施形態の個々の特質に対する様々な変更は、本発明の範囲から逸脱することなく、修正することができる。例えば、様々な方法ステップの順序は、場合によっては変更されてもよく、及び/又は、1つ以上の任意の特質が、記載された装置に追加されてもよく、又は、記載された装置から削除されてもよい。したがって、上記に提供された実施形態の説明は、特許請求の範囲に規定される本発明の範囲を不必要に制限するものとして解釈されるべきではない。
本開示に記載された実施態様に様々な変更を加えることができ、本開示の精神又は範囲から逸脱することなく、本明細書に定義された総合的な原理を他の実施態様に適用することができる。したがって、本開示の範囲は、本明細書に示される実施態様に限定されることを意図するものではなく、本開示、本明細書に開示される原理及び新規な特質と整合する最も広い範囲が与えられるべきである。
本明細書で別々の実施形態の文脈で説明されている特定の特質も、単一の実施形態で組み合わせて実装することができる。逆に、単一の実施形態の文脈で説明される様々な特質もまた、複数の実施形態において別々に、または任意の適切な下位組み合わせで実装することができる。さらに、様々な特質は、特定の組み合わせで作用するものとして上記で説明され、当初はそのように主張されることさえあるが、主張された組み合わせからの1つ以上の特質は、場合によっては組み合わせから切除されることがあり得て、主張された組み合わせは、サブコンビネーションに、またはサブコンビネーションの変形に向けられることもあり得る。
同様に、操作は特定の順序で図面に描かれているが、そのような操作は、望ましい結果を達成するために、示された特定の順序で、または連続的に実行される必要はなく、また、すべての図示された操作が実行される必要はない。さらに、図面は、フロー図の形態で1つのより例示的なプロセスを模式的に描写していてもよい。しかし、図示されていない他の操作を、模式的に図示されている例示的なプロセスに組み込むことができる。例えば、1つ以上の追加の操作は、図示された操作のいずれかの前、後、同時、又は間に実行することができる。さらに、上述した実施形態における様々なシステム構成要素の分離は、全ての実施形態においてそのような分離が必要であると解釈されるべきではない。さらに、他の実施形態は、以下の特許請求の範囲の範囲内である。場合によっては、特許請求の範囲に記載された動作は、異なる順序で実行することができ、それでも望ましい結果を達成することができる。
Claims (71)
- ユーザの心拍信号データをモニタするためのウェアラブル心臓モニタ装置であって、ウェアラブル心臓モニタ装置は、
水密ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリングが完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合されている間に哺乳動物の連続心拍信号を検出するように位置づけられ、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号を、エンコーダを介して処理するように構成されたハードウェアプロセッサであって、エンコーダはコンピュータ実行可能な命令の第1のサブセットを含むハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、デコーダによって出力を処理することにより、心不整脈の発生の可能性を推論するように構成され、デコーダはコンピュータ実行可能な命令の第2のサブセットを含む、
ウェアラブル心臓モニタ装置。 - 不整脈は、心室頻拍、上室頻拍、異所性興奮、心室細動、又は長期休止のうちの少なくとも1つを含む、
請求項1に記載のウェアラブル心臓モニタ装置。 - 心不整脈の発生の可能性を推論することは、第1のサブセットの出力を第2のサブセットを介して処理するステップを含み、
第1のサブセットは、少なくとも24時間連続的に検出され、保存された心拍信号を処理した、
請求項1または2に記載のウェアラブル心臓モニタ装置。 - ハウジングは、押し下げて、感知された心臓の事象の時間的なインスタンスの記録を開始するように構成された患者トリガを含む、
請求項1~3のいずれか1つに記載のウェアラブル心臓モニタ装置。 - 電極は、全体がハウジング内に配置される、
請求項1~4のいずれか1つに記載のウェアラブル心臓モニタ装置。 - コンピュータ実行可能命令の第1のサブセットは、ニューラルネットワークの層の第1のサブセットを含み、コンピュータ実行可能命令の第2のサブセットは、ニューラルネットワークの層の第2のサブセットを含む、
請求項1~5のいずれか1つに記載のウェアラブル心臓モニタ装置。 - ユーザの生体信号データをモニタするためのウェアラブル心臓モニタ装置であって、
ウェアラブル装置は、
ハウジングとウィングとを含む接着アセンブリであって、ウィングは、ユーザからの心電信号を検出するように構成された電極を含む、接着アセンブリと、
検出された心電信号をエンコーダを介して処理するように構成されたハードウェアプロセッサであって、エンコーダはニューラルネットワークの層の第1のサブセットを含むハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、出力をデコーダを介して処理することによって、心不整脈の発生の可能性を推論するように構成され、デコーダはニューラルネットワークの層の第2のサブセットを含む、
ウェアラブル心臓モニタ装置。 - コンピューティングシステムは、検出された心電信号から心房細動負担を決定するようにさらに構成される、
請求項1~7のいずれか1つに記載のウェアラブル心臓モニタ装置。 - 心房細動負担は、ある期間中にユーザが心房細動で経過した時間の量を含む、
請求項8に記載のウェアラブル心臓モニタ装置。 - 心房細動負担は、睡眠期間中及び覚醒期間中にユーザが心房細動で経過した時間の量を含む、
請求項8に記載のウェアラブル心臓モニタ装置。 - ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングするためのシステムであって、
システムは、ウェアラブル心臓モニタ装置を含み、
ウェアラブル心臓モニタ装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第1および第2のニューラルネットワークを同時にトレーニングして第2の特徴を識別するステップと、
により、ニューラルネットワークをトレーニングするように構成される、
システム。 - ニューラルネットワークの層の第1のサブセットの出力は、ニューラルネットワークの層の第1のサブセットの入力よりも小さい次元数である、
請求項1~11のいずれか1つに記載のシステム。 - ハードウェアプロセッサは、特徴に基づいて複数のニューラルネットワークから特定のニューラルネットワークを選択するように構成される、
請求項1~12のいずれか1つに記載のシステム。 - 特徴とは、ウェアラブル装置の特徴、ウェアラブル装置とコンピューティングシステムとの間のネットワークの特徴のうちの少なくとも1つを含む、
請求項13に記載のシステム。 - ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を圧縮するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、圧縮された出力を送信するステップを含み、コンピューティングシステムは、送信データを解凍するように構成され、層の第2のサブセットを介して出力を処理することは、解凍されたデータを処理するステップを含む、
請求項1~14のいずれか1つに記載のシステム。 - ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットの出力を数値化するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、出力を送信するステップを含む、
請求項1~15のいずれか1つに記載のシステム。 - ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングする方法であって、
方法は、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、を含む、
方法。 - 第2のトレーニングデータは第3のトレーニングデータであり、第2の時間期間は第3の時間期間である、
請求項17に記載の方法。 - トレーニングは、ウェアラブル装置の利用可能な処理能力に基づく、
請求項17または18に記載の方法。 - トレーニングは、ウェアラブル装置の利用可能なメモリに基づく、
請求項17~19のいずれか1つに記載の方法。 - トレーニングは、ウェアラブル装置と外部コンピューティングシステムとの間のネットワークの利用可能性に基づく、
請求項17~20のいずれか1つに記載の方法。 - トレーニングは、ユーザの特徴のタイプに基づく、
請求項17~21のいずれか1つに記載の方法。 - ユーザの特徴のタイプは、心不整脈の発生を含む、
請求項1~22のいずれか1つに記載の方法。 - ユーザの生体信号データをモニタするためのウェアラブル心臓モニタ装置であって、
ウェアラブル装置は、
ユーザから心電信号を検出するように構成された電極を含むアセンブリと、
エンコーダを介して検出された心電信号を処理するように構成されたハードウェアプロセッサであって、エンコーダはニューラルネットワークの層の第1のサブセットを含む、ハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成される、
ウェアラブル装置。 - ハードウェアプロセッサは、ECG信号を検出する実質的にリアルタイムで連続的にニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成される、
請求項1~24のいずれか1つに記載のウェアラブル装置。 - ニューラルネットワークの層の第1のサブセットの出力は、Rピークの表示を含む、
請求項1~25のいずれか1つに記載のウェアラブル装置。 - コンピューティングシステムは、層の第2のサブセットを介して心電信号を再構築するようにさらに構成される、
請求項1~26のいずれか1つに記載のウェアラブル装置。 - ハードウェアプロセッサは、数値化された出力を圧縮するようにさらに構成され、第1のサブセットの出力をコンピューティングシステムに送信することは、圧縮された出力を送信するステップを含み、コンピューティングシステムは、送信データを解凍するように構成され、層の第2のサブセットを介した出力を処理するステップは、解凍されたデータを処理するステップを含む、
請求項1~27のいずれか1つに記載のウェアラブル装置。 - 第1のサブセットの出力をコンピューティングシステムに送信することは、数値化された出力を送信するステップを含む、
請求項1~28のいずれか1つに記載のウェアラブル装置。 - ユーザの特徴の尤度を推論するモニタであって、
モニタは、
ハウジングと、
ハウジング内に恒久的に配置され、表面の連続信号を検出するように位置付けられた少なくとも2つの電極と、
エンコーダを介して検出された信号を処理するように構成されたハードウェアプロセッサを含むプリント回路基板アセンブリであって、エンコーダはコンピュータ実行可能命令の第1のサブセットを含む、プリント回路基板アセンブリと、
送信機と、を含み、
送信機は、コンピュータ実行可能命令の第1のサブセットのデータ出力をコンピュータシステムに送信し、
コンピュータシステムは、デコーダを介してデータ出力を処理して発生の可能性を推論するように構成され、デコーダはコンピュータ実行可能命令の第2のサブセットを含む、
モニタ。 - コンピュータ実行可能命令の第1のサブセットのデータ出力は暗号化されており、送信機は暗号化されたデータ出力を送信し、コンピューティングシステムはコンピュータ実行可能命令の第2のサブセットを介して、暗号化されたデータ出力を処理する、
請求項1~30のいずれか1つに記載のモニタ。 - 送信機は、無線通信チャネルを介して、コンピューティングシステムにデータ出力を送信する、
請求項1~31のいずれか1つに記載のモニタ。 - コンピュータ実行可能命令の更新された第1のサブセットをコンピューティングシステムから受信し、コンピュータ実行可能命令の第1のサブセットをコンピュータ実行可能命令の更新された第1のサブセットに更新するように構成された受信機をさらに備え、
ハードウェアプロセッサは、コンピュータ実行可能命令の更新された第1のサブセットを介して信号を処理するようにさらに構成される、
請求項1~32のいずれか1つに記載のモニタ。 - モーションデータを収集するように構成された加速度計をさらに含み、コンピューティングシステムは、モーションデータを検出された信号と照合して発生の可能性を推論するように構成される、
請求項1~33のいずれか1つに記載のモニタ。 - モニタは心臓モニタであり、連続信号は心電信号であり、発生は不整脈事象である、
請求項1~34のいずれか1つに記載のモニタ。 - コンピュータ実行可能命令の第1のサブセットは、ニューラルネットワークの層の第1のサブセットを含み、コンピュータ実行可能命令の第2のサブセットは、ニューラルネットワークの層の第2のサブセットを含む、
請求項1~35のいずれか1つに記載のモニタ。 - ユーザの特徴の尤度を推論するモニタであって、
モニタは、
水密ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリングが完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合する間に哺乳動物の連続心拍信号を検出するように配置され、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をエンコーダを介して処理するように構成されたハードウェアプロセッサを含む、プリント回路基板アセンブリであって、エンコーダはコンピュータ実行可能命令の第1のサブセットを含む、プリント回路基板アセンブリと、
送信機と、を含み、
送信機は、コンピュータ実行可能命令の第1のサブセットのデータ出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、デコーダを介してデータ出力を処理して不整脈の発生の可能性を推論するように構成され、デコーダはコンピュータ実行可能命令の第2のサブセットを含む、
モニタ。 - コンピューティングシステムは、レポートを提供するようにさらに構成され、レポートは、心不整脈の発生の可能性を含む、
請求項1~37のいずれか1つに記載のウェアラブル装置。 - レポートは、心房細動負担の経時的なグラフを含む、
請求項1~38のいずれか1つに記載のウェアラブル装置。 - レポートは、心房細動の存在の徴候を含む、
請求項1~39のいずれか1つに記載のウェアラブル装置。 - レポートは少なくとも14日間のモニタリング期間を含む、
請求項1~40のいずれか1つに記載のウェアラブル装置。 - コンピューティングシステムは、サーバまたはゲートウェイである、
請求項1~41のいずれか1つに記載のウェアラブル装置。 - コンピューティングシステムは、スマートフォンである、
請求項1~42のいずれか1つに記載のウェアラブル装置。 - コンピューティングシステムは、スマートフォンの仲介を介して送信機と通信する、
請求項1~43のいずれか1つに記載のウェアラブル装置。 - ウェアラブル装置は、二次信号を収集するように構成され、ハードウェアプロセッサは、ニューラルネットワークの層の第1のサブセットを介して二次信号を処理するように構成される、
請求項1~44のいずれか1つに記載のウェアラブル装置。 - ユーザの動作は、第1の度合いの動作と第2の度合いの動作とを含む、
請求項1~45のいずれか1つに記載のウェアラブル装置。 - 二次信号は、電極の接触の優良性データである、
請求項1~46のいずれか1つに記載のウェアラブル装置。 - 電極とハードウェアプロセッサは、胸ストラップの中に収納されている、
請求項1~47のいずれか1つに記載のウェアラブル装置。 - 電極とハードウェアプロセッサは、人間の手首に装着されるように構成された腕時計の中に収納されている、
請求項1~48のいずれか1つに記載のウェアラブル装置。 - 電極及びハードウェアプロセッサは、ウェアラブルフィットネスバンド内に収納されている、
請求項1~49のいずれか1つに記載のウェアラブル装置。 - ハードウェアプロセッサは、ウェアラブル装置から取り外され、ウェアラブル装置から取り外された状態で変更されるように構成される、
請求項1~50のいずれか1つに記載のウェアラブル装置。 - 出力を数値化することは、出力の値を四捨五入する又は切り捨てるステップを含む、
請求項1~51のいずれか1つに記載のウェアラブル装置。 - 出力に対する数値化の量は、可逆圧縮性能に基づく、
請求項1~52のいずれか1つに記載のウェアラブル装置。 - 出力に対する数値化の量は、処理能力、ストレージ、またはネットワークの使用量、のうちの少なくとも1つ、に関する効率、およびニューラルネットワークの精度に基づく、
請求項1~53のいずれか1つに記載のウェアラブル装置。 - ニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に数値化を適用することによってトレーニングされる、
請求項1~54のいずれか1つに記載のウェアラブル装置。 - ニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に可逆圧縮を適用することによってトレーニングされる、
請求項1~55のいずれか1つに記載のウェアラブル装置。 - ニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に数値化および可逆圧縮を適用することによってトレーニングされる、
請求項1~56のいずれか1つに記載のウェアラブル装置。 - ニューラルネットワークは、数値化および可逆圧縮を行わずにトレーニングされて第1のニューラルネットワークを生成し、第1のニューラルネットワークは、ニューラルネットワークの層の第1のサブセットの出力に数値化および可逆圧縮を適用してトレーニングされて、第2のニューラルネットワークを生成する、
請求項1~57のいずれか1つに記載のウェアラブル装置。 - データをモニタするためのウェアラブル装置であって、
ウェアラブル装置は、
ユーザから心電信号を検出するように構成されたセンサと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は第1のサブセットの出力をコンピューティングシステムに送信するように構成されており、
コンピューティングシステムはニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成される、
ウェアラブル装置。 - 心不整脈の発生の可能性を推定するためのコンピューティングシステムであって、
コンピューティングシステムは、
ユーザからの心電信号を検出するように構成されたセンサを含むウェアラブル装置からデータを受信するように構成された1つ以上の第1のハードウェアプロセッサと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理し、受信したデータをニューラルネットワークの層の第2のサブセットを介して処理し、層の第2のサブセットの出力から、心不整脈の発生の可能性の推論を受信するように構成された1つ以上の第2のハードウェアプロセッサと、を含む、
コンピューティングシステム。 - データをモニタリングする方法であって、
方法は、
ユーザから心電信号を検出するステップと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するステップと、
第1のサブセットの出力をコンピューティングシステムに送信するステップと、を含み、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈発生の可能性を推論する、
方法。 - コンピュータ実行可能命令を収納する非一時的コンピュータ記憶媒体であって、
プロセッサによって実行されると、コンピュータ実行可能命令は、プロセッサに、
ユーザから心電信号を検出するステップと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するステップと、
第1のサブセットの出力をコンピューティングシステムに送信するステップと、を実行させ、
コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理して心不整脈発生の可能性を推論する、
非一時的コンピュータ記憶媒体。 - ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングする方法であって、
方法は、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、を含む、
方法。 - ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングするシステムであって、
システムは、ウェアラブル心臓モニタ装置を含み、
ウェアラブル心臓モニタ装置は、
水密ハウジングと、
哺乳動物に密封可能に係合するように構成されたハウジング上の表面と、
少なくとも7日間、モニタリングが完了するまで除去せずに哺乳動物に継続して貼り付けられたままであるように構成された表面上の接着剤と、
表面が哺乳動物に密封可能に係合する間に哺乳動物の連続心拍信号を検出するように位置付けられた、ハウジング内に恒久的に配置された少なくとも2つの電極と、
検出された心拍信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、出力をニューラルネットワークの層の第2のサブセットを介して処理することによって心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、
によってニューラルネットワークをトレーニングするように構成される、
システム。 - ユーザの生体信号データをモニタするためのウェアラブル装置であって、
ウェアラブル装置は、
ハウジングとウィングとを含む接着アセンブリであって、ウィングは、ユーザからの心電信号を検出するように構成された電極を含む、接着アセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理してQT間隔を推論するように構成される、
ウェアラブル装置。 - ユーザの特徴の尤度を推論するようにニューラルネットワークをトレーニングするためのシステムであって、
システムはウェアラブル装置を含み、
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットを介して出力を処理して心不整脈の発生の可能性を推論するように構成され、
システムは、
第1のニューラルネットワークを介して第1の時間期間の第1のトレーニングデータを処理することによって第1の特質を識別するように第1のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結するステップと、
第1のニューラルネットワークおよび第2のニューラルネットワークを介して、第1の時間期間より長い第2の時間期間の第2のトレーニングデータを処理することによって第2の特質を識別するように第2のニューラルネットワークをトレーニングするステップと、
第1のニューラルネットワークの重みを凍結解除するステップと、
第1および第2のニューラルネットワークを介して、第1の時間期間より長い第3の時間期間の第3のトレーニングデータを処理することによって第2の特質を識別するように第1および第2のニューラルネットワークを同時にトレーニングするステップと、
によってニューラルネットワークをトレーニングするように構成される、
システム。 - コンピューティングシステムは、ニューラルネットワークの層の第2のサブセットの出力からECG信号を再構築することによって、QT間隔を推論する、
請求項1~66のいずれか1つに記載のウェアラブル装置。 - コンピューティングシステムは、複数のQT間隔を含むエンコードされた特質のウィンドウからの平均QT間隔に基づいてQT間隔を推論する、
請求項1~67のいずれか1つに記載のウェアラブル装置。 - ユーザの生体信号データをモニタするためのウェアラブル装置であって、
ウェアラブル装置は、
ハウジング及びウィングを含む接着アセンブリであって、ウィングは、ユーザからの心電信号を検出するように構成された電極を含む、接着アセンブリと、
ニューラルネットワークの層の第1のサブセットを介して検出された心電信号を処理するように構成されたハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ある期間にわたる複数の拍動に基づくテンプレートビートを生成するために構成される、
ウェアラブル装置。 - ユーザの生体信号データをモニタするためのウェアラブル装置であって、
ウェアラブル装置は、
ユーザからの心電信号を検出するように構成された電極を含むアセンブリと、
検出された心電信号をニューラルネットワークの層の第1のサブセットを介して処理するように構成されたハードウェアプロセッサであって、ニューラルネットワークの層の第1のサブセットの出力がRRピーク間隔を含み、RRピーク間隔が2つの連続したRピーク間の経過時間を含む、ハードウェアプロセッサと、
送信機と、を含み、
送信機は、第1のサブセットの出力をコンピューティングシステムに送信するように構成され、
コンピューティングシステムは、ニューラルネットワークの層の第1のサブセットの出力におけるRRピーク間隔を、ニューラルネットワークの層の第2のサブセットを介して処理することによって、心不整脈の発生の可能性を推論するように構成される、
ウェアラブル装置。 - ニューラルネットワークの層の第1のサブセットは、重複するスライディングウィンドウを使用してRR間隔サブシーケンスを抽出し、検出された心電信号上でスライディングウィンドウをシフトさせることによって、RRピーク間隔のシーケンスを生成する、
請求項1~66のいずれか1つに記載の方法。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062975626P | 2020-02-12 | 2020-02-12 | |
US62/975,626 | 2020-02-12 | ||
US202063090951P | 2020-10-13 | 2020-10-13 | |
US63/090,951 | 2020-10-13 | ||
PCT/US2021/017667 WO2021163331A1 (en) | 2020-02-12 | 2021-02-11 | Non-invasive cardiac monitor and methods of using recorded cardiac data to infer a physiological characteristic of a patient |
JP2022549034A JP7406001B2 (ja) | 2020-02-12 | 2021-02-11 | 患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022549034A Division JP7406001B2 (ja) | 2020-02-12 | 2021-02-11 | 患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024026058A true JP2024026058A (ja) | 2024-02-28 |
Family
ID=74853800
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022549034A Active JP7406001B2 (ja) | 2020-02-12 | 2021-02-11 | 患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 |
JP2023173428A Pending JP2024026058A (ja) | 2020-02-12 | 2023-10-05 | 患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022549034A Active JP7406001B2 (ja) | 2020-02-12 | 2021-02-11 | 患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 |
Country Status (8)
Country | Link |
---|---|
US (9) | US11246524B2 (ja) |
EP (1) | EP4103051A1 (ja) |
JP (2) | JP7406001B2 (ja) |
KR (2) | KR20230119036A (ja) |
CN (1) | CN115426940A (ja) |
AU (2) | AU2021218704B2 (ja) |
CA (1) | CA3171482C (ja) |
WO (1) | WO2021163331A1 (ja) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2014209376B2 (en) | 2013-01-24 | 2017-03-16 | Irhythm Technologies, Inc. | Physiological monitoring device |
WO2016070128A1 (en) | 2014-10-31 | 2016-05-06 | Irhythm Technologies, Inc. | Wireless physiological monitoring device and systems |
US10736518B2 (en) | 2015-08-31 | 2020-08-11 | Masimo Corporation | Systems and methods to monitor repositioning of a patient |
US11517237B2 (en) * | 2019-03-27 | 2022-12-06 | Bittium Biosignals Oy | Adapter and external support structure for biosignal measurement system, biosignal measurement system and connection method |
US11596344B2 (en) * | 2019-10-30 | 2023-03-07 | Tencent America LLC | Deep neural network on ECG Poincare plot for atrial fibrillation classification |
KR20230119036A (ko) | 2020-02-12 | 2023-08-14 | 아이리듬 테크놀로지스, 아이엔씨 | 비-침습적 심장 모니터 및 기록된 심장 데이터를 사용하여환자의 생리학적 특성을 추론하는 방법 |
US20210296008A1 (en) | 2020-03-20 | 2021-09-23 | Masimo Corporation | Health monitoring system for limiting the spread of an infection in an organization |
USD958992S1 (en) * | 2020-05-06 | 2022-07-26 | Vivaquant Llc | Monitoring apparatus |
USD980091S1 (en) | 2020-07-27 | 2023-03-07 | Masimo Corporation | Wearable temperature measurement device |
USD974193S1 (en) * | 2020-07-27 | 2023-01-03 | Masimo Corporation | Wearable temperature measurement device |
KR20230047456A (ko) | 2020-08-06 | 2023-04-07 | 아이리듬 테크놀로지스, 아이엔씨 | 생리학적 모니터링 장치를 위한 전기 부품 |
CA3188325A1 (en) | 2020-08-06 | 2022-02-10 | Jeff ABERCROMBIE | Adhesive physiological monitoring device |
USD974201S1 (en) * | 2020-08-27 | 2023-01-03 | Medtrum Technologies Inc. | Installer for analyte detector |
US11770535B2 (en) * | 2021-02-19 | 2023-09-26 | Samsung Display Co., Ltd. | Systems and methods for joint color channel entropy encoding with positive reconstruction error |
USD973874S1 (en) * | 2021-07-29 | 2022-12-27 | Mar-Med Inc. | Digital tourniquet |
USD1000975S1 (en) * | 2021-09-22 | 2023-10-10 | Masimo Corporation | Wearable temperature measurement device |
WO2023114742A1 (en) | 2021-12-13 | 2023-06-22 | Irhythm Technologies, Inc. | Non-invasive cardiac monitor and methods of inferring or predicting a physiological characteristic of a patient |
US11759640B2 (en) | 2022-01-07 | 2023-09-19 | Xyra, Llc | Methods for reducing the risk of strokes by pharmacotherapy to reduce the number and duration of atrial fibrillations |
WO2023133510A1 (en) * | 2022-01-07 | 2023-07-13 | Xyra, Llc | Methods for reducing the risk of strokes by pharmacotherapy to reduce the number and duration of atrial fibrillations |
US20240087741A1 (en) * | 2022-04-27 | 2024-03-14 | Preventice Solutions, Inc. | Converged mct and holter cardiac reporting |
US20230389849A1 (en) * | 2022-06-03 | 2023-12-07 | Apple Inc. | Cardiac Monitoring and Management System |
GR1010442B (el) * | 2022-06-15 | 2023-04-07 | Traqbeat Technologies Ike, | Φορετο (wearable) συστημα παρακολουθησης |
WO2024026178A1 (en) * | 2022-07-29 | 2024-02-01 | Medtronic, Inc. | Atrioventricular block detection |
Family Cites Families (687)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US1497079A (en) | 1920-08-12 | 1924-06-10 | John S Gullborg | Bath scrubber |
US2201645A (en) | 1938-11-10 | 1940-05-21 | Epner Daniel | Hand sander |
US2179922A (en) | 1939-03-02 | 1939-11-14 | Arnold G Dana | Manicure accessory |
US2311060A (en) | 1940-08-27 | 1943-02-16 | Nathaniel M Lurrain | Depilatory abrasive pad |
US2444552A (en) | 1945-10-09 | 1948-07-06 | Bruno Martinuzzi | Push button |
US2500840A (en) | 1947-04-10 | 1950-03-14 | E L Bruce Co | Floor cleaning device |
US3215136A (en) | 1962-07-06 | 1965-11-02 | Holter Res Foundation Inc | Electrocardiographic means |
US3547107A (en) | 1968-02-27 | 1970-12-15 | Robert L Chapman | Chest mounted heart tachycardia detector |
GB1372705A (en) | 1970-11-26 | 1974-11-06 | Sir Soc Italiana Resine Spa | Unsaturated polyester resin compositions |
US3697706A (en) | 1971-06-23 | 1972-10-10 | Baldwin Co D H | Push type electric switch with contact post, movable coil spring contact and interposed non conductive plunger |
US3882853A (en) | 1973-02-15 | 1975-05-13 | Cardiodynamics | Biomedical electrode |
US3870034A (en) | 1973-03-26 | 1975-03-11 | Cyborg Corp | Personal galvanic skin response monitoring instrument |
US4121573A (en) | 1973-10-04 | 1978-10-24 | Goebel Fixture Co. | Wireless cardiac monitoring system and electrode-transmitter therefor |
US3911906A (en) | 1974-04-24 | 1975-10-14 | Survival Technology | Dry applied and operably dry electrode device |
US4023312A (en) | 1975-09-08 | 1977-05-17 | Stickney Jon O | Grill cleaning apparatus |
US4027664A (en) | 1975-11-17 | 1977-06-07 | Baxter Travenol Laboratories, Inc. | Diagnostic electrode assembly with a skin preparation surface |
US4274420A (en) | 1975-11-25 | 1981-06-23 | Lectec Corporation | Monitoring and stimulation electrode |
US4126126A (en) | 1976-07-27 | 1978-11-21 | C. R. Bard, Inc. | Non-metallic pregelled electrode |
US4073011A (en) | 1976-08-25 | 1978-02-07 | Del Mar Avionics | Electrocardiographic computer |
US4082087A (en) | 1977-02-07 | 1978-04-04 | Isis Medical Instruments | Body contact electrode structure for deriving electrical signals due to physiological activity |
US4202139A (en) | 1978-04-06 | 1980-05-13 | Minnesota Mining And Manufacturing Company | Conformable hand sanding pad |
US4438767A (en) | 1978-10-30 | 1984-03-27 | Nelson Priscilla E | Exfoliator disc |
US4658826A (en) | 1979-02-12 | 1987-04-21 | D. O. Weaver and Company | Skin preparatory composition for use with electrocardiograph and electroencephalograph monitoring electrodes |
US4274419A (en) | 1979-10-19 | 1981-06-23 | Quinton Instrument Co. | Skin preparation device and method used in the application of medical electrodes |
US4333475A (en) | 1979-12-06 | 1982-06-08 | Medical Concepts, Inc. | Ambulatory cardiac monitoring system |
US4381792A (en) | 1980-04-22 | 1983-05-03 | Chesebrough-Pond's Inc. | Compositions, articles and methods for polishing surfaces |
US4286610A (en) | 1980-06-09 | 1981-09-01 | Sandvik, Ind. | Pedicure implement |
US4361990A (en) | 1980-11-28 | 1982-12-07 | Linkspiel, Inc. | Sandpaper holder |
JPS5849899U (ja) | 1981-09-30 | 1983-04-04 | 松下電工株式会社 | 光電式自動点滅器 |
US4459987A (en) | 1982-03-10 | 1984-07-17 | William W. Haefliger | Flexible abrasive pad |
US4712552A (en) | 1982-03-10 | 1987-12-15 | William W. Haefliger | Cushioned abrasive composite |
US4537207A (en) | 1982-04-02 | 1985-08-27 | Firma Credo Stahlwarenfabrik Gustav Kracht | Callous-removing skin-file |
EP0101870A3 (de) | 1982-08-05 | 1986-09-17 | Kontron-Holding Ag | Tragbares Elektrokardiologiegerät |
GB8306678D0 (en) | 1983-03-11 | 1983-04-20 | Schetrumpf J | Abrasion device |
JPS6081278A (ja) | 1983-10-12 | 1985-05-09 | Shin Etsu Chem Co Ltd | 撥水撥油剤組成物 |
US4621465A (en) | 1983-12-12 | 1986-11-11 | Pangburn William E | Flexible file having flexible abrasive sheets mounted on flexible flanges |
US4622979A (en) | 1984-03-02 | 1986-11-18 | Cardiac Monitoring, Inc. | User-worn apparatus for monitoring and recording electrocardiographic data and method of operation |
JPS61137539A (ja) | 1984-12-10 | 1986-06-25 | 積水化学工業株式会社 | 医療用導電性粘着剤およびそれを用いた医療用皮膚電極 |
US4736752A (en) | 1986-11-28 | 1988-04-12 | Axelgaard Manufacturing Co., Ltd. | Transcutaneous medical electrode |
AU614092B2 (en) | 1987-09-11 | 1991-08-22 | Paul Max Grinwald | Improved method and apparatus for enhanced drug permeation of skin |
US4925453A (en) | 1988-08-10 | 1990-05-15 | Sealed Air Corporation | Absorbent blood wipe pad and method |
US4855294A (en) | 1988-09-06 | 1989-08-08 | Theratech, Inc. | Method for reducing skin irritation associated with drug/penetration enhancer compositions |
US4981141A (en) | 1989-02-15 | 1991-01-01 | Jacob Segalowitz | Wireless electrocardiographic monitoring system |
US4938228A (en) | 1989-02-15 | 1990-07-03 | Righter William H | Wrist worn heart rate monitor |
US5511553A (en) | 1989-02-15 | 1996-04-30 | Segalowitz; Jacob | Device-system and method for monitoring multiple physiological parameters (MMPP) continuously and simultaneously |
IL89349A0 (en) | 1989-02-20 | 1989-09-10 | Hadassah Medical Organisation | Pharmaceutical composition for protecting the heart comprising a heterocyclic ethylenediamine derivative and methods for the use thereof |
DE3924214A1 (de) | 1989-07-21 | 1991-01-24 | Mueller & Sebastiani Elek Gmbh | Verfahren und system zur datenauswertung von langzeit-ekg-geraeten |
US5027824A (en) | 1989-12-01 | 1991-07-02 | Edmond Dougherty | Method and apparatus for detecting, analyzing and recording cardiac rhythm disturbances |
US5230119A (en) | 1990-04-13 | 1993-07-27 | M. J. Woods, Inc. | Multilayer laminated pad |
US5341806A (en) | 1991-04-18 | 1994-08-30 | Physio-Control Corporation | Multiple electrode strip |
US5228450A (en) | 1991-05-03 | 1993-07-20 | Diagnostic Medical Instruments, Inc. | Methods and apparatus for ambulatory physiological monitoring |
US5205295A (en) | 1991-06-03 | 1993-04-27 | Del Mar Avionics | Method and apparatus for holter recorder with high resolution signal averaging capability for late potential analysis |
US6605046B1 (en) | 1991-06-03 | 2003-08-12 | Del Mar Medical Systems, Llc | Ambulatory physio-kinetic monitor with envelope enclosure |
US5191891A (en) | 1991-09-10 | 1993-03-09 | Ralin, Inc. | Portable ECG monitor/recorder |
US5226425A (en) | 1991-09-10 | 1993-07-13 | Ralin, Inc. | Portable ECG monitor/recorder |
GB9123638D0 (en) | 1991-11-07 | 1992-01-02 | Magill Alan R | Apparel & fabric & devices suitable for health monitoring applications |
US5289824A (en) | 1991-12-26 | 1994-03-01 | Instromedix, Inc. | Wrist-worn ECG monitor |
FI92139C (fi) | 1992-02-28 | 1994-10-10 | Matti Myllymaeki | Ranteeseen kiinnitettävä terveydentilan seurantalaite |
JPH07508185A (ja) | 1992-04-03 | 1995-09-14 | マイクロメディカル・インダストリーズ・リミテッド | 生理学的監視のためのセンサ及びシステム |
US5309909A (en) | 1992-05-22 | 1994-05-10 | Physio-Control Corporation | Combined skin preparation and monitoring electrode |
JPH05329123A (ja) | 1992-05-28 | 1993-12-14 | Kazuji Takemoto | 生体電極及びこれを用いた心電計 |
US5581369A (en) | 1992-09-25 | 1996-12-03 | Ralin, Inc. | Apparatus and method for communicating electrocardiographic data to a facsimile machine |
US5305746A (en) | 1992-09-29 | 1994-04-26 | Aspect Medical Systems, Inc. | Disposable, pre-gelled, self-prepping electrode |
US5489624A (en) | 1992-12-01 | 1996-02-06 | Minnesota Mining And Manufacturing Company | Hydrophilic pressure sensitive adhesives |
JP2631261B2 (ja) | 1993-02-23 | 1997-07-16 | 務 大竹 | 生体電気信号記録具 |
US5328935A (en) | 1993-03-26 | 1994-07-12 | The Procter & Gamble Company | Method of makig a superabsorbent polymer foam |
US5406945A (en) | 1993-05-24 | 1995-04-18 | Ndm Acquisition Corp. | Biomedical electrode having a secured one-piece conductive terminal |
US5458141A (en) | 1993-08-04 | 1995-10-17 | Quinton Instrument Company | Abrasive skin electrode |
DE4329898A1 (de) | 1993-09-04 | 1995-04-06 | Marcus Dr Besson | Kabelloses medizinisches Diagnose- und Überwachungsgerät |
US6038469A (en) | 1994-10-07 | 2000-03-14 | Ortivus Ab | Myocardial ischemia and infarction analysis and monitoring method and apparatus |
US5645068A (en) | 1995-03-20 | 1997-07-08 | Bioscan, Inc. | Methods and apparatus for ambulatory and non-ambulatory monitoring of physiological data using digital flash storage |
GB2299038A (en) | 1995-03-23 | 1996-09-25 | Minnesota Mining & Mfg | Abrading assembly |
JP2918472B2 (ja) | 1995-05-31 | 1999-07-12 | メドトロニック インコーポレーテッド | 植込型除細動器に適用可能な不整脈を識別する装置 |
US5645063A (en) | 1995-06-05 | 1997-07-08 | Quinton Instrument Company | Skin electrode having multiple conductive center members |
US6238338B1 (en) | 1999-07-19 | 2001-05-29 | Altec, Inc. | Biosignal monitoring system and method |
GB9518094D0 (en) | 1995-09-05 | 1995-11-08 | Cardionics Ltd | Heart monitoring apparatus |
US5626140A (en) | 1995-11-01 | 1997-05-06 | Spacelabs Medical, Inc. | System and method of multi-sensor fusion of physiological measurements |
US5704364A (en) | 1995-11-08 | 1998-01-06 | Instromedix, Inc. | Concurrent medical patient data and voice communication method and apparatus |
US5944659A (en) | 1995-11-13 | 1999-08-31 | Vitalcom Inc. | Architecture for TDMA medical telemetry system |
US5776072A (en) | 1995-12-28 | 1998-07-07 | Cardiac Pacemakers, Inc. | Discrimination of atrial and ventricular signals from a single cardiac lead |
US6121508A (en) | 1995-12-29 | 2000-09-19 | 3M Innovative Properties Company | Polar, lipophilic pressure-sensitive adhesive compositions and medical devices using same |
US6032060A (en) | 1996-01-25 | 2000-02-29 | 3M Innovative Properties Company | Method for conditioning skin and an electrode by passing electrical energy |
US5881743A (en) | 1996-02-21 | 1999-03-16 | Nadel Industries | Co-molded makeup applicator assembly |
IE960224A1 (en) | 1996-03-15 | 1997-09-24 | Bmr Res & Dev Ltd | An electrode |
US5690681A (en) | 1996-03-29 | 1997-11-25 | Purdue Research Foundation | Method and apparatus using vagal stimulation for control of ventricular rate during atrial fibrillation |
US5730143A (en) | 1996-05-03 | 1998-03-24 | Ralin Medical, Inc. | Electrocardiographic monitoring and recording device |
US8079953B2 (en) | 1996-06-17 | 2011-12-20 | Cybernet Systems Corporation | General-purpose medical instrumentation |
US6050940A (en) | 1996-06-17 | 2000-04-18 | Cybernet Systems Corporation | General-purpose medical instrumentation |
JP3247837B2 (ja) | 1996-06-21 | 2002-01-21 | 務 大竹 | 生体電気信号記録具 |
US5771524A (en) | 1996-12-31 | 1998-06-30 | M.J. Woods, Inc. | Disposable pad |
US6169915B1 (en) | 1997-01-13 | 2001-01-02 | Ufz-Umweltforschungszentrum Leipzighalle Gmbh | Device for fastening of sensors to the surface of the skin and a method for detecting the removal of sensors from the surface of the skin |
US6102856A (en) | 1997-02-12 | 2000-08-15 | Groff; Clarence P | Wearable vital sign monitoring system |
US5959529A (en) | 1997-03-07 | 1999-09-28 | Kail, Iv; Karl A. | Reprogrammable remote sensor monitoring system |
US6148233A (en) | 1997-03-07 | 2000-11-14 | Cardiac Science, Inc. | Defibrillation system having segmented electrodes |
US5772604A (en) | 1997-03-14 | 1998-06-30 | Emory University | Method, system and apparatus for determining prognosis in atrial fibrillation |
US5931791A (en) | 1997-11-05 | 1999-08-03 | Instromedix, Inc. | Medical patient vital signs-monitoring apparatus |
DE19749768A1 (de) | 1997-11-11 | 1999-05-12 | Fachhochschule Offenburg | Pflaster mit Datenaufzeichnungsfunktion zur Erfassung und Speicherung von Elektrokardiogramm-Signalen |
US20050096513A1 (en) | 1997-11-11 | 2005-05-05 | Irvine Sensors Corporation | Wearable biomonitor with flexible thinned integrated circuit |
US20020180605A1 (en) | 1997-11-11 | 2002-12-05 | Ozguz Volkan H. | Wearable biomonitor with flexible thinned integrated circuit |
EP0925756B8 (en) | 1997-12-25 | 2008-08-13 | Nihon Kohden Corporation | Biological signal transmission apparatus |
US6038464A (en) | 1998-02-09 | 2000-03-14 | Axelgaard Manufacturing Co., Ltd. | Medical electrode |
US7542878B2 (en) | 1998-03-03 | 2009-06-02 | Card Guard Scientific Survival Ltd. | Personal health monitor and a method for health monitoring |
US7996187B2 (en) | 2005-02-16 | 2011-08-09 | Card Guard Scientific Survival Ltd. | Method and system for health monitoring |
US7222054B2 (en) | 1998-03-03 | 2007-05-22 | Card Guard Scientific Survival Ltd. | Personal ambulatory wireless health monitor |
US6136008A (en) | 1998-03-19 | 2000-10-24 | 3M Innovative Properties Company | Skin abrader for biomedical electrode |
US6013007A (en) | 1998-03-26 | 2000-01-11 | Liquid Spark, Llc | Athlete's GPS-based performance monitor |
US6044515A (en) | 1998-04-13 | 2000-04-04 | Unilever Home And Personal Care Usa | Applicator pad with handle |
USD408541S (en) | 1998-04-13 | 1999-04-20 | Dunshee Wayne K | Bandage and bandage with carrier |
US6132371A (en) | 1998-05-20 | 2000-10-17 | Hewlett-Packard Company | Leadless monitoring of physiological conditions |
TW406018B (en) | 1998-05-21 | 2000-09-21 | Elan Corp Plc | Improved adhesive system for medical devices |
US6093146A (en) | 1998-06-05 | 2000-07-25 | Matsushita Electric Works, Ltd. | Physiological monitoring |
US6434410B1 (en) | 1998-06-19 | 2002-08-13 | Aspect Medical Systems, Inc. | Electrode for measuring electrophysiological signals using liquid electrolytic gel with a high salt concentration |
FI107776B (fi) | 1998-06-22 | 2001-10-15 | Polar Electro Oy | Häiriösuoja |
ES2317699T3 (es) | 1998-07-14 | 2009-04-16 | Altea Therapeutics Corporation | Eliminacion controlada de una membrana biologica mediante una carga pirotecnica para un transporte transmembranico. |
US6178357B1 (en) | 1998-08-28 | 2001-01-23 | Agilent Technologies, Inc. | Electrode pad system and defibrillator electrode pad that reduces the risk of peripheral shock |
USD429336S (en) | 1998-10-01 | 2000-08-08 | Cardionetics Limited | Heart monitoring device |
SE517169C2 (sv) | 1998-10-23 | 2002-04-23 | Prisell Ab P | Mall och stans för att indikera samt borttaga en bit hud |
JP2000126145A (ja) | 1998-10-28 | 2000-05-09 | Omron Corp | 心電計測方法及び生体用電極 |
US6017351A (en) | 1998-11-17 | 2000-01-25 | Street; Vernon D. | Cosmetic method for removing detritus and foreign matter from the epidermis and a cosmetic abrasive pad for scrubbing the epidermis |
US6493898B1 (en) | 1998-12-09 | 2002-12-17 | M. J. Woods, Inc. | Laminated pads and methods of manufacture employing mechanically folded handles |
US6117077A (en) | 1999-01-22 | 2000-09-12 | Del Mar Medical Systems, Llc | Long-term, ambulatory physiological recorder |
US8265907B2 (en) | 1999-03-03 | 2012-09-11 | Card Guard Scientific Survival Ltd. | System and a method for physiological monitoring |
GB2348707B (en) | 1999-04-07 | 2003-07-09 | Healthcare Technology Ltd | Heart activity detection apparatus |
US6454708B1 (en) | 1999-04-15 | 2002-09-24 | Nexan Limited | Portable remote patient telemonitoring system using a memory card or smart card |
US6416471B1 (en) | 1999-04-15 | 2002-07-09 | Nexan Limited | Portable remote patient telemonitoring system |
US6385473B1 (en) | 1999-04-15 | 2002-05-07 | Nexan Limited | Physiological sensor device |
US6200265B1 (en) | 1999-04-16 | 2001-03-13 | Medtronic, Inc. | Peripheral memory patch and access method for use with an implantable medical device |
US6232366B1 (en) | 1999-06-09 | 2001-05-15 | 3M Innovative Properties Company | Pressure sensitive conductive adhesive having hot-melt properties and biomedical electrodes using same |
FR2795300B1 (fr) | 1999-06-23 | 2002-01-04 | Ela Medical Sa | Appareil de type holter pour l'enregistrement de signaux physiologiques d'activite cardiaque |
DE19929328A1 (de) | 1999-06-26 | 2001-01-04 | Daimlerchrysler Aerospace Ag | Vorrichtung zur medizinischen Langzeitüberwachung von Personen |
US6287252B1 (en) | 1999-06-30 | 2001-09-11 | Monitrak | Patient monitor |
US6248115B1 (en) | 1999-07-01 | 2001-06-19 | Dennis Halk | Depilatory device |
US7354423B2 (en) | 1999-08-09 | 2008-04-08 | J&J Consumer Co., Inc. | Skin abrasion system and method |
WO2001016607A2 (en) | 1999-08-26 | 2001-03-08 | Cordless Antistatic Research Inc. | Capacitive electric field sensor |
US6379237B1 (en) | 1999-09-08 | 2002-04-30 | Winston Livingston Gordon | Abrasive sponge grip |
US6835184B1 (en) | 1999-09-24 | 2004-12-28 | Becton, Dickinson And Company | Method and device for abrading skin |
WO2001026232A2 (en) | 1999-10-07 | 2001-04-12 | La Mont, Llc | Physiological signal monitoring apparatus and method |
US6411840B1 (en) | 1999-11-16 | 2002-06-25 | Cardiac Intelligence Corporation | Automated collection and analysis patient care system and method for diagnosing and monitoring the outcomes of atrial fibrillation |
US6456871B1 (en) | 1999-12-01 | 2002-09-24 | Cardiac Pacemakers, Inc. | System and method of classifying tachyarrhythmia episodes as associated or disassociated |
US7478108B2 (en) | 1999-12-06 | 2009-01-13 | Micro Strain, Inc. | Data collection using sensing units and separate control units with all power derived from the control units |
JP2001057967A (ja) | 2000-01-01 | 2001-03-06 | Advance Co Ltd | 生体用電極の製造方法 |
US6622035B1 (en) | 2000-01-21 | 2003-09-16 | Instrumentarium Corp. | Electrode for measurement of weak bioelectrical signals |
US6893396B2 (en) | 2000-03-01 | 2005-05-17 | I-Medik, Inc. | Wireless internet bio-telemetry monitoring system and interface |
US6871211B2 (en) | 2000-03-28 | 2005-03-22 | Ge Medical Systems Information Technologies, Inc. | Intranet-based medical data distribution system |
US6441747B1 (en) | 2000-04-18 | 2002-08-27 | Motorola, Inc. | Wireless system protocol for telemetry monitoring |
US6496705B1 (en) | 2000-04-18 | 2002-12-17 | Motorola Inc. | Programmable wireless electrode system for medical monitoring |
US6464815B1 (en) | 2000-05-05 | 2002-10-15 | Wallace J. Beaudry | Method of manufacturing laminated pad |
US6389308B1 (en) | 2000-05-30 | 2002-05-14 | Vladimir Shusterman | System and device for multi-scale analysis and representation of electrocardiographic data |
GB2362954A (en) | 2000-06-02 | 2001-12-05 | Cardionetics Ltd | Blood pressure measurement |
FI109520B (fi) | 2000-06-29 | 2002-08-30 | Polar Electro Oy | EKG-elektrodirakenne ja menetelmä EKG-signaalin mittaamiseksi vedessä olevalta ihmiseltä |
US20030125786A1 (en) | 2000-07-13 | 2003-07-03 | Gliner Bradford Evan | Methods and apparatus for effectuating a lasting change in a neural-function of a patient |
US7349947B1 (en) | 2000-08-04 | 2008-03-25 | Firelogic, Inc. | System and method for managing, manipulating, and analyzing data and devices over a distributed network |
US6690959B2 (en) | 2000-09-01 | 2004-02-10 | Medtronic, Inc. | Skin-mounted electrodes with nano spikes |
US6701184B2 (en) | 2000-09-01 | 2004-03-02 | Del Mar Reynolds Medical, Inc. | Virtual Holter |
WO2002024068A1 (en) | 2000-09-20 | 2002-03-28 | Mcgill University | Method and system for detection of cardiac arrhythmia |
EP1324692A1 (en) | 2000-10-10 | 2003-07-09 | MAGILL, Alan Remy | Health monitoring |
US7024248B2 (en) | 2000-10-16 | 2006-04-04 | Remon Medical Technologies Ltd | Systems and methods for communicating with implantable devices |
FI119716B (fi) | 2000-10-18 | 2009-02-27 | Polar Electro Oy | Elektrodirakenne ja sykemittausjärjestely |
US6510339B2 (en) | 2000-12-06 | 2003-01-21 | Cardiac Pacemakers, Inc. | ECG auto-gain control |
US6589187B1 (en) | 2000-12-08 | 2003-07-08 | Medtronic, Inc. | Prioritized dynamic memory allocation of arrhythmia episode detail collection |
US7076287B2 (en) | 2000-12-29 | 2006-07-11 | Ge Medical Systems Information Technologies, Inc. | System and method for detecting new left bundle branch block for accelerating treatment of acute myocardial infarction |
US20020087167A1 (en) | 2000-12-29 | 2002-07-04 | Winitsky Kathleen M. | Skin exfoliator |
US7186264B2 (en) | 2001-03-29 | 2007-03-06 | Viacor, Inc. | Method and apparatus for improving mitral valve function |
US7117031B2 (en) | 2001-04-06 | 2006-10-03 | Lohman Technologies, Llc | Long term cardiac monitor |
GR1003802B (el) | 2001-04-17 | 2002-02-08 | Micrel �.�.�. ������� ��������� ��������������� ��������� | Συστημα τηλειατρικης. |
US6665385B2 (en) | 2001-04-23 | 2003-12-16 | Cardionet, Inc. | Medical monitoring system having multipath communications capability |
US6801137B2 (en) | 2001-04-23 | 2004-10-05 | Cardionet, Inc. | Bidirectional communication between a sensor unit and a monitor unit in patient monitoring |
US20050119580A1 (en) | 2001-04-23 | 2005-06-02 | Eveland Doug C. | Controlling access to a medical monitoring system |
US6569095B2 (en) | 2001-04-23 | 2003-05-27 | Cardionet, Inc. | Adaptive selection of a warning limit in patient monitoring |
US6694177B2 (en) | 2001-04-23 | 2004-02-17 | Cardionet, Inc. | Control of data transmission between a remote monitoring unit and a central unit |
US6664893B1 (en) | 2001-04-23 | 2003-12-16 | Cardionet, Inc. | Method for controlling access to medical monitoring device service |
US6615083B2 (en) | 2001-04-27 | 2003-09-02 | Medtronic, Inc. | Implantable medical device system with sensor for hemodynamic stability and method of use |
JP2004529709A (ja) | 2001-05-03 | 2004-09-30 | テルズート・テクノロジーズ・インコーポレーテッド | 医用無線監視装置及びシステム |
US6656125B2 (en) | 2001-06-01 | 2003-12-02 | Dale Julian Misczynski | System and process for analyzing a medical condition of a user |
US6801802B2 (en) | 2001-06-29 | 2004-10-05 | Ge Medical Systems Information Technologies, Inc. | System and method for selecting physiological data from a plurality of physiological data sources |
US7257438B2 (en) | 2002-07-23 | 2007-08-14 | Datascope Investment Corp. | Patient-worn medical monitoring device |
GB0120186D0 (en) | 2001-08-17 | 2001-10-10 | Toumaz Technology Ltd | Integrated circuit |
US20040254587A1 (en) | 2001-09-12 | 2004-12-16 | Joon Park | Pedicure implement having a contoured surface |
US20030069510A1 (en) | 2001-10-04 | 2003-04-10 | Semler Herbert J. | Disposable vital signs monitor |
US20050101875A1 (en) | 2001-10-04 | 2005-05-12 | Right Corporation | Non-invasive body composition monitor, system and method |
US20090182204A1 (en) | 2001-10-04 | 2009-07-16 | Semler Herbert J | Body composition, circulation, and vital signs monitor and method |
US6564090B2 (en) | 2001-10-11 | 2003-05-13 | Ge Medical Systems Information Technologies, Inc. | Method and apparatus for the serial comparison of electrocardiograms |
US6748254B2 (en) | 2001-10-12 | 2004-06-08 | Nellcor Puritan Bennett Incorporated | Stacked adhesive optical sensor |
US7076283B2 (en) | 2001-10-31 | 2006-07-11 | Medtronic, Inc. | Device for sensing cardiac activity in an implantable medical device in the presence of magnetic resonance imaging interference |
US20030083559A1 (en) | 2001-10-31 | 2003-05-01 | Thompson David L. | Non-contact monitor |
AU2002222820A1 (en) | 2001-11-23 | 2003-06-10 | Medit As | A cluster system for remote monitoring and diagnostic support |
US20030149349A1 (en) | 2001-12-18 | 2003-08-07 | Jensen Thomas P. | Integral patch type electronic physiological sensor |
US6711427B1 (en) | 2002-02-13 | 2004-03-23 | Milwaukee Electronics Corporation | Skin abrading medical electrode mounting and packaging system |
US6957107B2 (en) | 2002-03-13 | 2005-10-18 | Cardionet, Inc. | Method and apparatus for monitoring and communicating with an implanted medical device |
JP2003275186A (ja) | 2002-03-27 | 2003-09-30 | Citizen Watch Co Ltd | 心電図モニター装置 |
US7054677B2 (en) | 2002-04-16 | 2006-05-30 | Venturi Medical Systems | Venturi ECG electrode system |
FR2840187B1 (fr) | 2002-05-31 | 2005-04-15 | Chru Lille | Methode de traitement frequentiel d'une serie rr, procede et systeme d'acquisition et de traitement d'un signal cardiaque analogique, et application a la mesure de la souffrance foetale |
US6871089B2 (en) | 2002-06-05 | 2005-03-22 | Card Guard Technologies, Inc. | Portable ECG monitor and method for atrial fibrillation detection |
US7482314B2 (en) | 2002-07-11 | 2009-01-27 | Orchid Scientific, Inc. | Microdermabrasion composition and kit |
US20040032957A1 (en) | 2002-08-14 | 2004-02-19 | Mansy Hansen A. | Sensors and sensor assemblies for monitoring biological sounds and electric potentials |
US7020508B2 (en) | 2002-08-22 | 2006-03-28 | Bodymedia, Inc. | Apparatus for detecting human physiological and contextual information |
ES2657432T3 (es) | 2002-08-29 | 2018-03-05 | Becton Dickinson And Company | Matrices de microprotuberancias y métodos para utilizarlas para administrar sustancias a tejido |
US7136691B2 (en) | 2002-09-04 | 2006-11-14 | 3M Innovative Properties Company | Biomedical electrodes |
JP2004121360A (ja) | 2002-09-30 | 2004-04-22 | Nippon Koden Corp | 生体電位検出装置および生体情報システム |
US20040063465A1 (en) | 2002-09-30 | 2004-04-01 | Uhlik Christopher R. | Hopping hardware resources during paging in a wireless communications system |
US20040068195A1 (en) | 2002-10-02 | 2004-04-08 | Louis Massicotte | Method and apparatus for wearable digital wireless ECG monitoring |
EP1551281A4 (en) | 2002-10-09 | 2007-11-21 | Bodymedia Inc | METHOD AND DEVICE FOR AUTOMATIC RECORDING OF CONTINUOUS OR DISCRETE BODY STATES BASED ON PHYSIOLOGICAL AND / OR CONTEXT PARAMETERS |
US7079977B2 (en) | 2002-10-15 | 2006-07-18 | Medtronic, Inc. | Synchronization and calibration of clocks for a medical device and calibrated clock |
GB2394133A (en) | 2002-10-17 | 2004-04-14 | Toumaz Technology Ltd | Radio receiver with reconfigurable filtering arrangement |
GB2394294A (en) | 2002-10-18 | 2004-04-21 | Cambridge Neurotechnology Ltd | Cardiac sensor with accelerometer |
GB0224425D0 (en) | 2002-10-21 | 2002-11-27 | Univ Leicester | Method for prediction of cardiac disease |
GB2395065B (en) | 2002-10-30 | 2005-01-19 | Toumaz Technology Ltd | Floating gate transistors |
US7477933B2 (en) | 2002-10-31 | 2009-01-13 | Sanyo Electric Co., Ltd. | Portable electrocardiograph, electrocardiogram monitoring system, and electrocardiogram monitoring method using the same |
US7072708B1 (en) | 2002-12-02 | 2006-07-04 | Inovise Medical, Inc. | Differentiating acute myocardial infarction from other ECG abnormalities |
US7076289B2 (en) | 2002-12-04 | 2006-07-11 | Medtronic, Inc. | Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation |
US7031770B2 (en) | 2002-12-31 | 2006-04-18 | Cardiac Pacemakers, Inc. | Distinguishing sinus tachycardia from atrial fibrillation and atrial flutter through analysis of atrial channel wavelet transforms |
US20060142648A1 (en) | 2003-01-07 | 2006-06-29 | Triage Data Networks | Wireless, internet-based, medical diagnostic system |
US20050148882A1 (en) | 2004-01-06 | 2005-07-07 | Triage Wireless, Incc. | Vital signs monitor used for conditioning a patient's response |
US7076288B2 (en) | 2003-01-29 | 2006-07-11 | Vicor Technologies, Inc. | Method and system for detecting and/or predicting biological anomalies |
EP2374406B1 (en) | 2003-01-30 | 2013-06-05 | Accenture Global Services Limited | Event data acquisition and transmission system |
US7179152B1 (en) | 2003-02-07 | 2007-02-20 | Dermanew, Inc. | Composition suitable for application to human skin |
US7444177B2 (en) | 2003-03-04 | 2008-10-28 | Alireza Nazeri | EKG recording accessory system (EKG RAS) |
AU2004224345B2 (en) | 2003-03-21 | 2010-02-18 | Welch Allyn, Inc. | Personal status physiologic monitor system and architecture and related monitoring methods |
US20040187297A1 (en) | 2003-03-27 | 2004-09-30 | E Touch Corporation | Method of fabricating a polymer resistor in an interconnection via |
US7082327B2 (en) | 2003-04-16 | 2006-07-25 | Medtronic, Inc. | Biomedical signal analysis techniques using wavelets |
NO20032168L (no) | 2003-05-14 | 2004-11-15 | Wireless Patient Recording Med | Fremgangsmate og anordning for maling, tradlos overforing og analyse av EKG-signal |
US20040236202A1 (en) | 2003-05-22 | 2004-11-25 | Burton Steven Angell | Expandable strap for use in electrical impedance tomography |
USD492607S1 (en) | 2003-06-05 | 2004-07-06 | Swingscope Inc. | Body position sensor device |
CA2538710A1 (en) | 2003-09-12 | 2005-03-31 | Bodymedia, Inc. | Method and apparatus for measuring heart related parameters |
JP4593471B2 (ja) | 2003-10-20 | 2010-12-08 | 久光製薬株式会社 | 皮膚外用貼付剤 |
US8626262B2 (en) | 2003-10-30 | 2014-01-07 | Halthion Medical Technologies, Inc. | Physiological data collection system |
US8620402B2 (en) | 2003-10-30 | 2013-12-31 | Halthion Medical Technologies, Inc. | Physiological sensor device |
US20050118246A1 (en) | 2003-10-31 | 2005-06-02 | Wong Patrick S. | Dosage forms and layered deposition processes for fabricating dosage forms |
EP1691683B1 (en) | 2003-11-26 | 2014-12-31 | CardioNet, Inc. | System and method for processing and presenting arrhythmia information to facilitate heart arrhythmia identification and treatment |
US7194300B2 (en) | 2004-01-21 | 2007-03-20 | Cardionet, Inc. | Cardiac monitoring |
DK2843848T3 (en) | 2004-01-27 | 2018-01-02 | Altivera L L C | DIAGNOSTIC RADIO FREQUENCY IDENTIFICATION SENSORS AND APPLICATIONS THEREOF |
US7587237B2 (en) | 2004-02-02 | 2009-09-08 | Cardionet, Inc. | Biological signal management |
US7099715B2 (en) | 2004-02-17 | 2006-08-29 | Cardionet, Inc. | Distributed cardiac activity monitoring with selective filtering |
EP1720446B1 (en) | 2004-02-27 | 2010-07-14 | Koninklijke Philips Electronics N.V. | Wearable wireless device for monitoring, analyzing and communicating physiological status |
US20050204636A1 (en) | 2004-03-17 | 2005-09-22 | Zion Azar | Abrasive pad |
US7072709B2 (en) | 2004-04-15 | 2006-07-04 | Ge Medical Information Technologies, Inc. | Method and apparatus for determining alternans data of an ECG signal |
US7715905B2 (en) | 2004-05-25 | 2010-05-11 | United Therapeutics Corporation | Cooperative processing with mobile monitoring device and computer system |
US20050277841A1 (en) | 2004-06-10 | 2005-12-15 | Adnan Shennib | Disposable fetal monitor patch |
US20050280531A1 (en) | 2004-06-18 | 2005-12-22 | Fadem Kalford C | Device and method for transmitting physiologic data |
US9492084B2 (en) | 2004-06-18 | 2016-11-15 | Adidas Ag | Systems and methods for monitoring subjects in potential physiological distress |
US7206630B1 (en) | 2004-06-29 | 2007-04-17 | Cleveland Medical Devices, Inc | Electrode patch and wireless physiological measurement system and method |
US20060030782A1 (en) | 2004-08-05 | 2006-02-09 | Adnan Shennib | Heart disease detection patch |
US20060030781A1 (en) | 2004-08-05 | 2006-02-09 | Adnan Shennib | Emergency heart sensor patch |
US20060047215A1 (en) | 2004-09-01 | 2006-03-02 | Welch Allyn, Inc. | Combined sensor assembly |
JP4705358B2 (ja) | 2004-10-15 | 2011-06-22 | 公立大学法人会津大学 | 心電図測定装置及び心電図測定システム |
US8326407B2 (en) | 2004-10-19 | 2012-12-04 | University Of Washington | Long-term monitoring for discrimination of different heart rhythms |
WO2006045065A2 (en) | 2004-10-19 | 2006-04-27 | University Of Washington | Long-term monitoring for detection of atrial fibrillation |
US7996075B2 (en) | 2004-10-20 | 2011-08-09 | Cardionet, Inc. | Monitoring physiological activity using partial state space reconstruction |
JP2006136405A (ja) | 2004-11-10 | 2006-06-01 | Harada Denshi Kogyo Kk | 装着型無線伝送式心電計 |
IL165232A0 (en) | 2004-11-16 | 2005-12-18 | Tapuz Medical Technologies T M | An ergometry belt |
CA2590236A1 (en) | 2004-12-13 | 2006-06-22 | Cardiocore Lab, Inc. | Transfer of captured electrocardiogram |
FI20045503A (fi) | 2004-12-28 | 2006-06-29 | Polar Electro Oy | Anturijärjestelmä, asuste ja sykemittari |
EP1676524A1 (en) | 2004-12-28 | 2006-07-05 | Instrumentarium Corporation | Arrangement for monitoring of a patient |
JP2008526443A (ja) | 2005-01-13 | 2008-07-24 | ウェルチ・アリン・インコーポレーテッド | 生命兆候モニタ |
US20060161065A1 (en) | 2005-01-18 | 2006-07-20 | Heartlab, Inc. | Similarity scores for electrocardiography |
US20060161064A1 (en) | 2005-01-18 | 2006-07-20 | Zargis Medical Corp. | Computer-assisted detection of systolic murmurs associated with hypertrophic cardiomyopathy |
US20060161067A1 (en) | 2005-01-18 | 2006-07-20 | Heartlab, Inc. | Complexity scores for electrocardiography reading sessions |
US20060161066A1 (en) | 2005-01-18 | 2006-07-20 | Heartlab, Inc. | Feature-based editing for electrocardiography |
JP4731936B2 (ja) | 2005-02-09 | 2011-07-27 | 本田技研工業株式会社 | 回転式可変抵抗器 |
US20080275327A1 (en) | 2005-03-09 | 2008-11-06 | Susanne Holm Faarbaek | Three-Dimensional Adhesive Device Having a Microelectronic System Embedded Therein |
US7488242B2 (en) | 2005-03-14 | 2009-02-10 | Allway Tools, Inc. | Sanding apparatus with molded elastomeric pad |
US20060224072A1 (en) | 2005-03-31 | 2006-10-05 | Cardiovu, Inc. | Disposable extended wear heart monitor patch |
US8067662B2 (en) | 2009-04-01 | 2011-11-29 | Aalnex, Inc. | Systems and methods for wound protection and exudate management |
US8688189B2 (en) | 2005-05-17 | 2014-04-01 | Adnan Shennib | Programmable ECG sensor patch |
US9398853B2 (en) | 2005-06-03 | 2016-07-26 | LifeWatch Technologies, Ltd. | Communication terminal, medical telemetry system and method for monitoring physiological data |
US7387607B2 (en) | 2005-06-06 | 2008-06-17 | Intel Corporation | Wireless medical sensor system |
WO2006136155A1 (en) | 2005-06-22 | 2006-12-28 | Ambu A/S | An electrode and a method for determing electrical biopotentials |
FI20055366A0 (fi) | 2005-06-30 | 2005-06-30 | Gen Electric | Elektrodi biopotentiaalisignaalin saamiseksi |
US20070003695A1 (en) | 2005-06-30 | 2007-01-04 | Alexander Tregub | Method of manufacturing a polymer memory device |
CN100471445C (zh) | 2005-08-01 | 2009-03-25 | 周常安 | 贴片式生理监测装置 |
JP4749085B2 (ja) | 2005-08-11 | 2011-08-17 | 日東電工株式会社 | 反射性及び/又は遮光性を有する粘着テープ又はシート |
US7841039B1 (en) | 2005-09-06 | 2010-11-30 | William Squire | Cleaning implement, cleaning pad, and scrubbing device |
GB2420628B (en) | 2005-09-27 | 2006-11-01 | Toumaz Technology Ltd | Monitoring method and apparatus |
JP2007097822A (ja) | 2005-10-04 | 2007-04-19 | Medical Electronic Science Inst Co Ltd | 生体情報モニタシステム |
US20070088419A1 (en) | 2005-10-13 | 2007-04-19 | Fiorina Mark A | Conductive pad assembly for electrical therapy device |
US7733224B2 (en) | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
GB2431785B (en) | 2005-10-27 | 2008-05-07 | Toumaz Technology Ltd | Current mode logic digital circuits |
EP1782729A1 (en) | 2005-11-02 | 2007-05-09 | Hosand Technologies S.r.l. | Heart rate measurement and storage device, for sports activities, physical exercise and rehabilitation |
EP1956973B1 (en) | 2005-11-30 | 2017-09-13 | Koninklijke Philips N.V. | Electro-mechanical connector for thin medical monitoring patch |
US20080312524A1 (en) | 2005-12-08 | 2008-12-18 | Koninklijke Philips Electronics N.V. | Medical Sensor Having Electrodes and a Motion Sensor |
GB2436619B (en) | 2005-12-19 | 2010-10-06 | Toumaz Technology Ltd | Sensor circuits |
CN1985752A (zh) | 2005-12-19 | 2007-06-27 | 周常安 | 分布式生理信号监测设备 |
WO2007071116A1 (en) | 2005-12-23 | 2007-06-28 | Intel Corporation | Managing device models in a virtual machine cluster environment |
US8150502B2 (en) | 2006-02-06 | 2012-04-03 | The Board Of Trustees Of The Leland Stanford Junior University | Non-invasive cardiac monitor and methods of using continuously recorded cardiac data |
SE529087C8 (sv) | 2006-02-15 | 2007-05-08 | System för trådlös generering av EKG-avledningar av standardtyp | |
WO2007101141A2 (en) | 2006-02-24 | 2007-09-07 | Hmicro, Inc. | A medical signal processing system with distributed wireless sensors |
WO2007103744A2 (en) | 2006-03-03 | 2007-09-13 | Cardiac Science Corporation | Methods for quantifying the risk of cardiac death using exercise induced heart rate variability metrics |
US8002701B2 (en) | 2006-03-10 | 2011-08-23 | Angel Medical Systems, Inc. | Medical alarm and communication system and methods |
US7729753B2 (en) | 2006-03-14 | 2010-06-01 | Cardionet, Inc. | Automated analysis of a cardiac signal based on dynamical characteristics of the cardiac signal |
USD645968S1 (en) | 2006-03-24 | 2011-09-27 | Bodymedia, Inc. | Wearable device to monitor human status parameters with wing-type attachment means |
JP2007296266A (ja) | 2006-05-08 | 2007-11-15 | Physio Trace Kk | 生体センサ装置 |
US7558622B2 (en) | 2006-05-24 | 2009-07-07 | Bao Tran | Mesh network stroke monitoring appliance |
US8968195B2 (en) | 2006-05-12 | 2015-03-03 | Bao Tran | Health monitoring appliance |
US7539532B2 (en) | 2006-05-12 | 2009-05-26 | Bao Tran | Cuffless blood pressure monitoring appliance |
US8500636B2 (en) | 2006-05-12 | 2013-08-06 | Bao Tran | Health monitoring appliance |
US8684900B2 (en) | 2006-05-16 | 2014-04-01 | Bao Tran | Health monitoring appliance |
US8388543B2 (en) | 2007-05-16 | 2013-03-05 | The Research Foundation Of State University Of New York | Photoplethysmography apparatus and method employing high resolution estimation of time-frequency spectra |
US7539533B2 (en) | 2006-05-16 | 2009-05-26 | Bao Tran | Mesh network monitoring appliance |
US9962098B2 (en) | 2006-06-02 | 2018-05-08 | Global Cardiac Monitors, Inc. | Heart monitor electrode system |
FI120482B (fi) | 2006-06-08 | 2009-11-13 | Suunto Oy | Anturointijärjestely |
US9101264B2 (en) | 2006-06-15 | 2015-08-11 | Peerbridge Health, Inc. | Wireless electrode arrangement and method for patient monitoring via electrocardiography |
US7979111B2 (en) | 2006-06-15 | 2011-07-12 | Angelo Joseph Acquista | Wireless electrode arrangement and method for patient monitoring via electrocardiography |
WO2008005016A1 (en) | 2006-07-05 | 2008-01-10 | Cardiovu, Inc. | Disposable extended wear heart monitor patch |
WO2008005015A1 (en) | 2006-07-05 | 2008-01-10 | Cardiovu, Inc. | Programmable ecg sensor patch |
WO2008015667A2 (en) | 2006-07-29 | 2008-02-07 | Cardicell Ltd. | Device for mobile electrocardiogram recording |
US8226570B2 (en) | 2006-08-08 | 2012-07-24 | Cardiac Pacemakers, Inc. | Respiration monitoring for heart failure using implantable device |
EP2059163B1 (de) | 2006-09-07 | 2010-11-17 | Telozo Gmbh | Verfahren zur ableitung und auswertung von herz-kreislauf-informationen aus herzstromkurven, insbesondere für telemedizinische anwendungen |
US20080091089A1 (en) | 2006-10-12 | 2008-04-17 | Kenneth Shane Guillory | Single use, self-contained surface physiological monitor |
US7889070B2 (en) | 2006-10-17 | 2011-02-15 | At&T Intellectual Property I, L.P. | Methods, systems, devices and computer program products for transmitting medical information from mobile personal medical devices |
US8214007B2 (en) | 2006-11-01 | 2012-07-03 | Welch Allyn, Inc. | Body worn physiological sensor device having a disposable electrode module |
TW200820938A (en) | 2006-11-07 | 2008-05-16 | Leadtek Research Inc | Physiological data measuring device and measuring patch |
BRPI0718789A8 (pt) | 2006-11-13 | 2015-10-13 | Koninklijke Philips Electronics Nv | Revestimento anti-adesivo para eletrodos e método para acondicionar um par de eletrodos fixados a um revestimento anti-adesivo |
WO2008068695A1 (en) | 2006-12-07 | 2008-06-12 | Koninklijke Philips Electronics N.V. | Handheld, repositionable ecg detector |
US8979755B2 (en) | 2006-12-08 | 2015-03-17 | The Boeing Company | Devices and systems for remote physiological monitoring |
GB0706285D0 (en) | 2007-03-30 | 2007-05-09 | You Care Ltd | Precordial device |
WO2008148067A2 (en) | 2007-05-24 | 2008-12-04 | Hmicro, Inc. | An integrated wireless sensor for physiological monitoring |
US7830114B2 (en) | 2007-06-14 | 2010-11-09 | Visteon Global Technologies, Inc. | Flex circuit interface for wireless charging |
US7996056B2 (en) | 2007-06-15 | 2011-08-09 | The General Electric Company | Method and apparatus for acquiring physiological data |
US8060175B2 (en) | 2007-06-15 | 2011-11-15 | General Electric Company | System and apparatus for collecting physiological signals from a plurality of electrodes |
USD567949S1 (en) | 2007-06-25 | 2008-04-29 | Vioptix, Inc. | Sensor pad |
US8417326B2 (en) | 2007-08-02 | 2013-04-09 | The Research Foundation Of State University Of New York | RR interval monitoring method and blood pressure cuff utilizing same |
US20090062671A1 (en) | 2007-08-02 | 2009-03-05 | Brockway Brian P | Periodic sampling of cardiac signals using an implantable monitoring device |
EP2178598A4 (en) | 2007-08-17 | 2012-08-15 | Isis Biopolymer Llc | IONTOPHORETIC DRUG DISTRIBUTION SYSTEM |
US8738137B2 (en) | 2007-08-23 | 2014-05-27 | Bioness Inc. | System for transmitting electrical current to a bodily tissue |
US8926509B2 (en) | 2007-08-24 | 2015-01-06 | Hmicro, Inc. | Wireless physiological sensor patches and systems |
US20090062670A1 (en) | 2007-08-30 | 2009-03-05 | Gary James Sterling | Heart monitoring body patch and system |
US20090076559A1 (en) | 2007-09-14 | 2009-03-19 | Corventis, Inc. | Adherent Device for Cardiac Rhythm Management |
US20090076341A1 (en) | 2007-09-14 | 2009-03-19 | Corventis, Inc. | Adherent Athletic Monitor |
US20090076349A1 (en) | 2007-09-14 | 2009-03-19 | Corventis, Inc. | Adherent Multi-Sensor Device with Implantable Device Communication Capabilities |
US8684925B2 (en) | 2007-09-14 | 2014-04-01 | Corventis, Inc. | Injectable device for physiological monitoring |
US20090076343A1 (en) | 2007-09-14 | 2009-03-19 | Corventis, Inc. | Energy Management for Adherent Patient Monitor |
EP2194856B1 (en) | 2007-09-14 | 2021-09-01 | Medtronic Monitoring, Inc. | Adherent cardiac monitor |
WO2009036334A1 (en) | 2007-09-14 | 2009-03-19 | Corventis, Inc. | Adherent multi-sensor device with empathic monitoring |
US8116841B2 (en) | 2007-09-14 | 2012-02-14 | Corventis, Inc. | Adherent device with multiple physiological sensors |
WO2009036319A1 (en) | 2007-09-14 | 2009-03-19 | Corventis, Inc. | Adherent emergency patient monitor |
US8897868B2 (en) | 2007-09-14 | 2014-11-25 | Medtronic, Inc. | Medical device automatic start-up upon contact to patient tissue |
WO2009036327A1 (en) | 2007-09-14 | 2009-03-19 | Corventis, Inc. | Adherent device for respiratory monitoring and sleep disordered breathing |
EP2200499B1 (en) | 2007-09-14 | 2019-05-01 | Medtronic Monitoring, Inc. | Multi-sensor patient monitor to detect impending cardiac decompensation |
EP2207471B1 (en) | 2007-10-03 | 2018-04-11 | University of Utah Research Foundation | Miniature wireless biomedical telemetry device |
WO2009055397A2 (en) | 2007-10-24 | 2009-04-30 | Hmicro, Inc. | Multi-electrode sensing patch for long-term physiological monitoring with swappable electronics, radio, and battery, and methods of use |
WO2009070528A1 (en) | 2007-11-26 | 2009-06-04 | Amanda Lyn Ltd. | Nail file having a flexible filing strip |
WO2009074928A1 (en) | 2007-12-12 | 2009-06-18 | Koninklijke Philips Electronics N.V. | Measurement apparatus and method |
WO2009088884A1 (en) | 2008-01-04 | 2009-07-16 | Edge Systems Corporation | Apparatus and method for treating the skin |
USD634431S1 (en) | 2008-01-23 | 2011-03-15 | Cardionet, Inc. | Portable heart monitor |
WO2009100133A1 (en) | 2008-02-04 | 2009-08-13 | University Of Virginia Patent Foundation | System, method and computer program product for detection of changes in health status and risk of imminent illness |
AU2009217184B2 (en) * | 2008-02-20 | 2015-03-19 | Digital Medical Experts Inc. | Expert system for determining patient treatment response |
CN101960746A (zh) | 2008-02-28 | 2011-01-26 | 皇家飞利浦电子股份有限公司 | 利用以身体耦合通信进行医疗数据的流传输的无线患者监控 |
BRPI0909662A2 (pt) | 2008-03-10 | 2015-09-15 | Koninkl Philips Electronics Nv | sistema de monitoração cardíaca estanque à água |
JP2011519583A (ja) | 2008-03-10 | 2011-07-14 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | Ecg監視システムのためのカバーを有する携帯電話端末 |
CN101984743B (zh) | 2008-03-10 | 2013-06-19 | 皇家飞利浦电子股份有限公司 | 无线非住院患者ecg监测系统 |
US8290574B2 (en) | 2008-03-10 | 2012-10-16 | Koninklijke Philips Electronics N.V. | ECG monitoring system with configurable alarm limits |
WO2009112979A1 (en) | 2008-03-10 | 2009-09-17 | Koninklijke Philips Electronics N.V. | Cellphone handset with a custom control program for an egg monitoring system |
US20090292193A1 (en) | 2008-03-12 | 2009-11-26 | Ravindra Wijesiriwardana | Electrodes or sensors encapsulating embodiment for wearable physiological information monitoring straps and garments and their construction methods |
JP5405500B2 (ja) | 2008-03-12 | 2014-02-05 | コーヴェンティス,インク. | 心調律に基づく心代償不全予測 |
NO328284B1 (no) | 2008-03-26 | 2010-01-25 | Nat Oilwell Norway As | Fremgangsmate for a redusere forskyvningsmomenteffekter i en elektrisk permanentmagnet maskin |
KR101002020B1 (ko) | 2008-03-27 | 2010-12-16 | 계명대학교 산학협력단 | 실시간 심전도 모니터링 시스템 및 방법, 패치형 심전도측정장치, 통신장치 |
US8406843B2 (en) | 2008-04-04 | 2013-03-26 | Mark Tiegs | ECG monitoring electrode |
US8412317B2 (en) | 2008-04-18 | 2013-04-02 | Corventis, Inc. | Method and apparatus to measure bioelectric impedance of patient tissue |
EP2278912B1 (en) | 2008-05-01 | 2017-02-15 | 3M Innovative Properties Company | Biomedical sensor system |
EP2280645B1 (en) | 2008-05-02 | 2015-03-18 | Covidien LP | Skin preparation device and biopotential sensor |
US8452356B2 (en) | 2008-05-02 | 2013-05-28 | Sri International | Optical microneedle-based spectrometer |
US8456851B2 (en) | 2008-05-16 | 2013-06-04 | Apple Inc. | Flex circuit with single sided routing and double sided attach |
US20090292194A1 (en) | 2008-05-23 | 2009-11-26 | Corventis, Inc. | Chiropractic Care Management Systems and Methods |
US20090306485A1 (en) | 2008-06-03 | 2009-12-10 | Jonathan Arnold Bell | Wearable Electronic System |
GB0810843D0 (en) | 2008-06-13 | 2008-07-23 | Monica Healthcare Ltd | Electrode and electrode positioning arrangement for abdominal fetal electrocardiogram detection |
JP4771234B2 (ja) | 2008-07-07 | 2011-09-14 | 株式会社グリーンベル | 挟み具 |
US8301219B2 (en) | 2008-07-16 | 2012-10-30 | The General Hospital Corporation | Patient monitoring systems and methods |
US20100191310A1 (en) | 2008-07-29 | 2010-07-29 | Corventis, Inc. | Communication-Anchor Loop For Injectable Device |
US20100030577A1 (en) | 2008-07-30 | 2010-02-04 | eCARDIO DIAGNOSTICS, LLP | System and Business Method for Electrocardiogram Review |
US20100042113A1 (en) | 2008-08-18 | 2010-02-18 | Mah Pat Y | Manual odor removal structure |
USD618357S1 (en) | 2008-08-25 | 2010-06-22 | Jeron Navies | Bandage patch |
US20100056881A1 (en) | 2008-08-29 | 2010-03-04 | Corventis, Inc. | Method and Apparatus For Acute Cardiac Monitoring |
US9095274B2 (en) | 2008-08-31 | 2015-08-04 | Empire Technology Development Llc | Real time medical data analysis system |
US8652123B2 (en) | 2008-09-02 | 2014-02-18 | Geoffrey C. GURTNER | Methods and devices for improving the appearance of tissue |
US20100051039A1 (en) | 2008-09-02 | 2010-03-04 | Joella Ann Ferrara | Skin treatment device and method for exfoliation and cellulite reduction |
US7894888B2 (en) | 2008-09-24 | 2011-02-22 | Chang Gung University | Device and method for measuring three-lead ECG in a wristwatch |
GB0817794D0 (en) | 2008-09-29 | 2008-11-05 | Lrc Products | Skin treating device |
US8615290B2 (en) | 2008-11-05 | 2013-12-24 | Apple Inc. | Seamlessly embedded heart rate monitor |
WO2010053766A1 (en) | 2008-11-07 | 2010-05-14 | Indiana University Research & Technology Corporation | System and method for detecting cardiac arrhythmias from heart nerve activity |
DE202008016249U1 (de) | 2008-12-08 | 2009-05-14 | Simon Keller Ag | Sterile Hornhautfeile |
US9439566B2 (en) | 2008-12-15 | 2016-09-13 | Proteus Digital Health, Inc. | Re-wearable wireless device |
US8823490B2 (en) | 2008-12-15 | 2014-09-02 | Corventis, Inc. | Patient monitoring systems and methods |
US8200319B2 (en) | 2009-02-10 | 2012-06-12 | Cardionet, Inc. | Locating fiducial points in a physiological signal |
US8515529B2 (en) | 2009-02-12 | 2013-08-20 | Braemar Manufacturing, Llc | Detecting sleep disorders using heart activity |
WO2010104952A2 (en) | 2009-03-10 | 2010-09-16 | Corventis, Inc. | Display systems for body-worn health monitoring devices |
WO2010105203A2 (en) | 2009-03-12 | 2010-09-16 | Corventis, Inc. | Method and apparatus for elder care monitoring |
US20100234716A1 (en) | 2009-03-12 | 2010-09-16 | Corventis, Inc. | Method and Apparatus for Monitoring Fluid Content within Body Tissues |
CH700648B1 (fr) | 2009-03-23 | 2017-12-29 | Mft D'outils Dumont Sa | Brucelles de précision. |
US9655518B2 (en) | 2009-03-27 | 2017-05-23 | Braemar Manufacturing, Llc | Ambulatory and centralized processing of a physiological signal |
US10588527B2 (en) | 2009-04-16 | 2020-03-17 | Braemar Manufacturing, Llc | Cardiac arrhythmia report |
US9510764B2 (en) | 2009-04-22 | 2016-12-06 | Cardiac Pacemakers, Inc. | Methods for detecting atrial tachyarrhythmia in implantable devices without dedicated atrial sensing |
US11589754B2 (en) | 2009-05-20 | 2023-02-28 | Sotera Wireless, Inc. | Blood pressure-monitoring system with alarm/alert system that accounts for patient motion |
US8180440B2 (en) | 2009-05-20 | 2012-05-15 | Sotera Wireless, Inc. | Alarm system that processes both motion and vital signs using specific heuristic rules and thresholds |
US8301236B2 (en) | 2009-05-22 | 2012-10-30 | Biomedical Systems Corporation | System and method for high resolution wireless full disclosure ECG episode monitoring and analysis |
US20100312131A1 (en) | 2009-06-09 | 2010-12-09 | Mihir Naware | Noise detection and response for use when monitoring for arrhythmias |
TWI474275B (zh) | 2009-06-23 | 2015-02-21 | Univ Yuan Ze | 一種即時互動的12-導程心電圖波形量測暨文件編輯資訊系統 |
USD674009S1 (en) | 2009-08-31 | 2013-01-08 | Konica Minolta Business Technologies, Inc. | Printer |
US20110066041A1 (en) | 2009-09-15 | 2011-03-17 | Texas Instruments Incorporated | Motion/activity, heart-rate and respiration from a single chest-worn sensor, circuits, devices, processes and systems |
DE112010003689T5 (de) | 2009-09-17 | 2013-01-17 | Marcelo Lamego | Verbesserte Analytüberwachung unter Verwendung eines oder mehrerer Beschleunigungsmesser |
US20120209126A1 (en) | 2009-10-20 | 2012-08-16 | Widemed Ltd. | Method and system for detecting cardiac arrhythmia |
US9414753B2 (en) | 2009-10-20 | 2016-08-16 | Worcester Polytechnic Institute | Apparatus and method for respiratory rate detection and early detection of blood loss volume |
US20120271141A1 (en) | 2009-10-21 | 2012-10-25 | Epi-Sci. LLC | Skin surface electrodes |
US20110270112A1 (en) | 2009-11-02 | 2011-11-03 | Applied Cardiac Systems, Inc. | Multi-Function Health Monitor |
US9414786B1 (en) | 2009-11-03 | 2016-08-16 | Vivaquant Llc | ECG sensing with noise filtering |
US8688202B2 (en) | 2009-11-03 | 2014-04-01 | Vivaquant Llc | Method and apparatus for identifying cardiac risk |
US9706956B2 (en) | 2009-11-03 | 2017-07-18 | Vivaquant Llc | Method and apparatus for assessing cardiac and/or mental health |
US20150005854A1 (en) | 2013-06-27 | 2015-01-01 | Hamid Tamim Said | Portable light hair restoration helmet |
US8156945B2 (en) | 2009-12-09 | 2012-04-17 | Hart Karmen C | Skin care device |
US9451897B2 (en) | 2009-12-14 | 2016-09-27 | Medtronic Monitoring, Inc. | Body adherent patch with electronics for physiologic monitoring |
WO2011084636A2 (en) | 2009-12-16 | 2011-07-14 | The Johns Hopkins University | Novel methodology for arrhythmia risk stratification by assessing qt interval instability |
CN102791186B (zh) | 2009-12-23 | 2015-08-05 | 德尔塔丹麦光电声学公司 | 用于连接到目标的表面的监测装置 |
GB0922622D0 (en) | 2009-12-24 | 2010-02-10 | Intelesens Ltd | Physiological monitoring device and method |
USD659836S1 (en) | 2009-12-29 | 2012-05-15 | Cardionet, Inc. | Portable heart monitor |
US20110160601A1 (en) | 2009-12-30 | 2011-06-30 | Yang Wang | Wire Free Self-Contained Single or Multi-Lead Ambulatory ECG Recording and Analyzing Device, System and Method Thereof |
US9585589B2 (en) | 2009-12-31 | 2017-03-07 | Cerner Innovation, Inc. | Computerized systems and methods for stability-theoretic prediction and prevention of sudden cardiac death |
DK3210580T3 (da) | 2010-01-11 | 2020-07-27 | Card Guard Scient Survival Ltd | Klæbende bandage og fremgangsmåde til styring af patientinformationer |
JP5859979B2 (ja) | 2010-01-14 | 2016-02-16 | ベンチャー ゲイン リミテッド ライアビリティー カンパニー | 人間の健康の監視のための多変量残差に基づく健康指標 |
US8909332B2 (en) | 2010-01-26 | 2014-12-09 | Stmicroelectronics S.R.L. | Method and device for estimating morphological features of heart beats |
US8909333B2 (en) | 2010-02-24 | 2014-12-09 | Stmicroelectronics S.R.L. | Device for measuring impedance of biologic tissues |
AU2011224689B2 (en) | 2010-03-09 | 2013-10-24 | Cardiac Pacemakers, Inc. | Intracardiac electrogram time frequency noise detection |
GB201004743D0 (en) | 2010-03-22 | 2010-05-05 | Univ Leicester | Method and apparatus for evaluating cardiac function |
EP2552512A1 (en) | 2010-04-01 | 2013-02-06 | Alpimed Sàrl | Inductively operated fluid dispensing device |
US8965498B2 (en) | 2010-04-05 | 2015-02-24 | Corventis, Inc. | Method and apparatus for personalized physiologic parameters |
US8880159B2 (en) | 2010-04-07 | 2014-11-04 | The Johns Hopkins University | Methods for determining risk of ventricular arrhythmia |
US8473039B2 (en) | 2010-04-15 | 2013-06-25 | LifeWatch Inc. | System and a method for cardiac monitoring |
AU2011252998B2 (en) | 2010-05-12 | 2015-08-27 | Irhythm Technologies, Inc. | Device features and design elements for long-term adhesion |
CA2973994C (en) | 2010-05-21 | 2019-05-21 | Medicomp, Inc. | Method of determining optimum electrode vector length between two sensing connectors of a cardiac monitor |
US9585584B2 (en) | 2010-05-21 | 2017-03-07 | Medicomp, Inc. | Physiological signal monitor with retractable wires |
US8594763B1 (en) | 2010-05-25 | 2013-11-26 | Neurowave Systems Inc. | Physiological electrode assembly for fast application |
US8515522B2 (en) | 2010-05-25 | 2013-08-20 | Neurowave Systems Inc. | Electrode kit for easy and fast deployment in electroencephalogram acquisition and monitoring applications |
US8509882B2 (en) | 2010-06-08 | 2013-08-13 | Alivecor, Inc. | Heart monitoring system usable with a smartphone or computer |
EP2593001A4 (en) | 2010-07-14 | 2016-07-20 | Mayo Foundation | NON-INVASIVE CONTROL OF PHYSIOLOGICAL CONDITIONS |
WO2012011780A2 (ko) | 2010-07-23 | 2012-01-26 | 주식회사 유메딕스 | 탈부착형 생체 신호 검측 패드 및 그것을 이용한 생체 신호 검측 장치 |
US20120029307A1 (en) | 2010-07-27 | 2012-02-02 | Carefusion 303, Inc. | Vital-signs monitor with spaced electrodes |
US9017255B2 (en) | 2010-07-27 | 2015-04-28 | Carefusion 303, Inc. | System and method for saving battery power in a patient monitoring system |
US8473047B2 (en) | 2010-08-03 | 2013-06-25 | Corventis, Inc. | Multifrequency bioimpedence device and related methods |
IT1407125B1 (it) | 2010-09-07 | 2014-03-28 | Alta Lab S R L | Apparato e metodo per il monitoraggio del rischio di insorgenza della sindrome della morte in culla (sids) e della plagiocefalia posizionale. |
US20120071730A1 (en) | 2010-09-17 | 2012-03-22 | Stichting Imec Nederland | Adaptive Processing of Ambulatory Electrocardiogram Signals |
WO2012040402A2 (en) | 2010-09-21 | 2012-03-29 | Somaxis Incorporated | Methods for promoting fitness in connection with electrophysiology data |
US9017256B2 (en) | 2010-09-22 | 2015-04-28 | Milieu Institute, Llc | System and method for physiological monitoring |
US20120089000A1 (en) | 2010-10-08 | 2012-04-12 | Jon Mikalson Bishay | Ambulatory Electrocardiographic Monitor For Providing Ease Of Use In Women And Method Of Use |
USD639437S1 (en) | 2010-10-08 | 2011-06-07 | Cardiac Science Corporation | Wearable ambulatory electrocardiographic monitor |
WO2012051320A2 (en) | 2010-10-12 | 2012-04-19 | Worcester Polytechnic Institute | Motion and noise artifact detection for ecg data |
WO2012051295A2 (en) | 2010-10-12 | 2012-04-19 | Worcester Polytechnic Institute | System for extracting respiratory rates from a pulse oximeter |
WO2012051300A2 (en) | 2010-10-12 | 2012-04-19 | Worcester Polytechnic Institute | Method and system for detection and rejection of motion/noise artifacts in physiological measurements |
WO2012061509A1 (en) | 2010-11-02 | 2012-05-10 | Cardionet, Inc. | Medical data collection apparatus |
US9026190B2 (en) | 2010-11-17 | 2015-05-05 | Rhythm Check, Inc. | Portable physiological parameter detection and monitoring device with integratable computer memory and communication disk, systems and methods of use thereof |
NL2005740C2 (en) | 2010-11-22 | 2012-05-23 | Tractive Suspension B V | Continuously variable damper device. |
CN102038497B (zh) | 2010-12-02 | 2012-07-18 | 广东宝莱特医用科技股份有限公司 | 一种心电信号噪声分析方法 |
EP2465415B1 (en) | 2010-12-20 | 2013-07-03 | General Electric Company | Single-use biomedical sensors |
US9375179B2 (en) | 2010-12-23 | 2016-06-28 | Biosense Webster, Inc. | Single radio-transparent connector for multi-functional reference patch |
US8838218B2 (en) | 2010-12-28 | 2014-09-16 | Mohammad Khair | Leadless wireless ECG measurement system for measuring of bio-potential electrical activity of the heart |
US20160022161A1 (en) | 2010-12-28 | 2016-01-28 | Mohammad Khair | Leadless wireless ecg measurement system and method for measuring of bio-potential electrical activity of the heart |
US20120172676A1 (en) | 2010-12-29 | 2012-07-05 | Stichting Imec Nederland | Integrated monitoring device arranged for recording and processing body sounds from multiple sensors |
US8591599B1 (en) | 2011-01-07 | 2013-11-26 | Infinite Biomedical Technologies, Llc | Electrode assemblies for detecting muscle signals in a prosthetic liner |
US9713428B2 (en) | 2011-01-21 | 2017-07-25 | Worcester Polytechnic Institute | Physiological parameter monitoring with a mobile communication device |
USD663432S1 (en) | 2011-01-28 | 2012-07-10 | Perfect Cross, Llc | Adhesive body support |
US20120197150A1 (en) | 2011-01-31 | 2012-08-02 | Medtronic, Inc. | External cardiac monitor |
GB201101858D0 (en) | 2011-02-03 | 2011-03-23 | Isansys Lifecare Ltd | Health monitoring |
US20120220835A1 (en) | 2011-02-14 | 2012-08-30 | Wayne Chung | Wireless physiological sensor system and method |
US10213152B2 (en) | 2011-02-14 | 2019-02-26 | The Board Of Regents Of The University Of Texas System | System and method for real-time measurement of sleep quality |
US9510768B2 (en) | 2011-02-23 | 2016-12-06 | Stmicroelectronics S.R.L. | Device for measuring impedance of biologic tissues including an alternating current (AC) coupled voltage-to-current converter |
EP2683291B1 (en) | 2011-03-11 | 2019-07-31 | Proteus Digital Health, Inc. | Wearable personal body associated device with various physical configurations |
EP2693935A1 (en) | 2011-04-08 | 2014-02-12 | Arrhythmia Research Technology, Inc. | Ambulatory physiological monitoring with remote analysis |
WO2012140559A1 (en) | 2011-04-11 | 2012-10-18 | Medic4All Ag | Pulse oximetry measurement triggering ecg measurement |
US9307914B2 (en) | 2011-04-15 | 2016-04-12 | Infobionic, Inc | Remote data monitoring and collection system with multi-tiered analysis |
CN103607945B (zh) | 2011-05-23 | 2016-08-17 | Shl远程医药国际有限公司 | 心电图监测系统及方法 |
US20120323257A1 (en) | 2011-06-02 | 2012-12-20 | Sutton Bernard S | Soft-pedicare |
AU2012284577B2 (en) | 2011-07-18 | 2016-09-29 | Empi, Inc. | Electrodes, electrode systems, and methods of manufacture |
US8744559B2 (en) | 2011-08-11 | 2014-06-03 | Richard P. Houben | Methods, systems and devices for detecting atrial fibrillation |
US8731632B1 (en) | 2011-08-18 | 2014-05-20 | Joel L. Sereboff | Electrocardiogram device |
US8954129B1 (en) | 2011-09-10 | 2015-02-10 | Todd T. Schlegel | Wearable for acquisition of resting multi-lead ECG |
EP2589333A1 (en) | 2011-11-04 | 2013-05-08 | BIOTRONIK SE & Co. KG | Apparatus and system for long-term cutaneous cardiac monitoring |
US9084548B2 (en) | 2011-11-07 | 2015-07-21 | Braemar Manufacturing, Llc | Ventricular fibrillation detection |
US20150057512A1 (en) | 2011-11-16 | 2015-02-26 | Rijuven Corporation | Wearable heart failure monitor patch |
US8755876B2 (en) | 2011-12-02 | 2014-06-17 | Worcester Polytechnic Institute | Methods and systems for atrial fibrillation detection |
US20130150698A1 (en) | 2011-12-08 | 2013-06-13 | OP Global Holdings Limited | Event-based bio-signal capturing system |
US9675501B2 (en) | 2011-12-19 | 2017-06-13 | Kimberly-Clark Worldwide, Inc. | Absorbent article including superabsorbent yarn |
TWI446895B (zh) | 2011-12-20 | 2014-08-01 | Univ Nat Taiwan | 具有表面電位轉換多導程數的即時心臟血管功能評估系統及其心電訊號分析方法 |
US8606351B2 (en) * | 2011-12-28 | 2013-12-10 | General Electric Company | Compression of electrocardiograph signals |
US9037223B2 (en) | 2012-01-10 | 2015-05-19 | The Regents Of The University Of Michigan | Atrial fibrillation classification using power measurement |
US20130225967A1 (en) | 2012-02-29 | 2013-08-29 | Anthony Esposito | Small wireless portable ekg system |
US8782308B2 (en) | 2012-02-29 | 2014-07-15 | Cardionet, Inc. | Connector interface system for data acquisition |
US9427165B2 (en) | 2012-03-02 | 2016-08-30 | Medtronic Monitoring, Inc. | Heuristic management of physiological data |
US11026632B2 (en) | 2012-04-20 | 2021-06-08 | Vital Connect, Inc. | Determining respiratory rate via impedance pneumography |
US8897863B2 (en) | 2012-05-03 | 2014-11-25 | University Of Washington Through Its Center For Commercialization | Arrhythmia detection using hidden regularity to improve specificity |
US9277864B2 (en) | 2012-05-24 | 2016-03-08 | Vital Connect, Inc. | Modular wearable sensor device |
WO2013181607A1 (en) | 2012-05-31 | 2013-12-05 | Zoll Medical Corporation | Systems and methods for detecting health disorders |
WO2014018719A1 (en) | 2012-07-25 | 2014-01-30 | Worcester Polytechnic Institute | System and method for quantitatively assessing diabetic cardiac autonomic neuropathy in type i diabetic biological subject |
TWI522571B (zh) | 2012-08-27 | 2016-02-21 | 南臺科技大學 | 照明裝置 |
WO2014047032A1 (en) | 2012-09-18 | 2014-03-27 | Worcester Polytechnic Institute | Fabrication and use of epidermal electrodes |
US8755873B2 (en) | 2012-09-21 | 2014-06-17 | Welch Allyn, Inc. | Evaluation of the quality of electrode contact with a skin surface |
WO2014051563A1 (en) | 2012-09-26 | 2014-04-03 | Draeger Medical Systems, Inc. | Medical sensor cradle |
WO2014052884A1 (en) | 2012-09-28 | 2014-04-03 | Cardiac Insight, Inc. | Flexible, lightweight physiological monitor |
US10413251B2 (en) | 2012-10-07 | 2019-09-17 | Rhythm Diagnostic Systems, Inc. | Wearable cardiac monitor |
US9282894B2 (en) | 2012-10-08 | 2016-03-15 | Tosense, Inc. | Internet-based system for evaluating ECG waveforms to determine the presence of p-mitrale and p-pulmonale |
US20140171751A1 (en) | 2012-12-19 | 2014-06-19 | Robert L. Sankman | Electronic bio monitoring patch |
US9259183B2 (en) | 2012-12-31 | 2016-02-16 | Tosense, Inc. | Body-worn sensor for characterizing patients with heart failure |
US8620418B1 (en) | 2013-01-04 | 2013-12-31 | Infobionic, Inc. | Systems and methods for processing and displaying patient electrocardiograph data |
US10194834B2 (en) | 2013-01-16 | 2019-02-05 | Vital Connect, Inc. | Detection of sleep apnea using respiratory signals |
US10244986B2 (en) | 2013-01-23 | 2019-04-02 | Avery Dennison Corporation | Wireless sensor patches and methods of manufacturing |
AU2014209376B2 (en) | 2013-01-24 | 2017-03-16 | Irhythm Technologies, Inc. | Physiological monitoring device |
KR101408845B1 (ko) | 2013-02-08 | 2014-06-20 | 주식회사 케이헬쓰웨어 | 연속적 자동 맥파 측정 장치 및 혈압 측정 방법 |
US20140275827A1 (en) | 2013-03-14 | 2014-09-18 | Pacesetter, Inc. | Method and system for deriving effectiveness of medical treatment of a patient |
US20140275840A1 (en) | 2013-03-15 | 2014-09-18 | Flint Hills Scientific, L.L.C. | Pathological state detection using dynamically determined body data variability range values |
AU2014232694A1 (en) | 2013-03-15 | 2015-09-17 | Peerbridge Health, Inc. | System and method for monitoring and diagnosing patient condition based on wireless sensor monitoring data |
EP2983593B1 (en) | 2013-04-08 | 2021-11-10 | Irhythm Technologies, Inc. | Skin abrader |
US9408576B2 (en) | 2013-05-01 | 2016-08-09 | Worcester Polytechnic Institute | Detection and monitoring of atrial fibrillation |
USD719267S1 (en) | 2013-05-21 | 2014-12-09 | Echo Therapeutics, Inc. | Analyte sensor |
KR102164705B1 (ko) | 2013-06-17 | 2020-10-12 | 삼성전자주식회사 | 착탈형 용량성 결합 능동전극을 이용한 생체 신호 측정 장치 및 방법 |
EP3013225A4 (en) | 2013-06-24 | 2017-08-02 | Event Cardio Group, Inc. | Wireless cardiac event recorder |
WO2015009980A1 (en) | 2013-07-18 | 2015-01-22 | Tesseract Sensors, LLC | Medical data acquisition systems and methods for monitoring and diagnosis |
US9655538B2 (en) | 2013-09-25 | 2017-05-23 | Bardy Diagnostics, Inc. | Self-authenticating electrocardiography monitoring circuit |
US9717432B2 (en) | 2013-09-25 | 2017-08-01 | Bardy Diagnostics, Inc. | Extended wear electrocardiography patch using interlaced wire electrodes |
US9700227B2 (en) | 2013-09-25 | 2017-07-11 | Bardy Diagnostics, Inc. | Ambulatory electrocardiography monitoring patch optimized for capturing low amplitude cardiac action potential propagation |
US10251576B2 (en) | 2013-09-25 | 2019-04-09 | Bardy Diagnostics, Inc. | System and method for ECG data classification for use in facilitating diagnosis of cardiac rhythm disorders with the aid of a digital computer |
US9408551B2 (en) | 2013-11-14 | 2016-08-09 | Bardy Diagnostics, Inc. | System and method for facilitating diagnosis of cardiac rhythm disorders with the aid of a digital computer |
US9615763B2 (en) | 2013-09-25 | 2017-04-11 | Bardy Diagnostics, Inc. | Ambulatory electrocardiography monitor recorder optimized for capturing low amplitude cardiac action potential propagation |
US9655537B2 (en) | 2013-09-25 | 2017-05-23 | Bardy Diagnostics, Inc. | Wearable electrocardiography and physiology monitoring ensemble |
US10165946B2 (en) | 2013-09-25 | 2019-01-01 | Bardy Diagnostics, Inc. | Computer-implemented system and method for providing a personal mobile device-triggered medical intervention |
US9717433B2 (en) | 2013-09-25 | 2017-08-01 | Bardy Diagnostics, Inc. | Ambulatory electrocardiography monitoring patch optimized for capturing low amplitude cardiac action potential propagation |
WO2015048194A1 (en) | 2013-09-25 | 2015-04-02 | Bardy Diagnostics, Inc. | Self-contained personal air flow sensing monitor |
US10433748B2 (en) | 2013-09-25 | 2019-10-08 | Bardy Diagnostics, Inc. | Extended wear electrocardiography and physiological sensor monitor |
US9619660B1 (en) | 2013-09-25 | 2017-04-11 | Bardy Diagnostics, Inc. | Computer-implemented system for secure physiological data collection and processing |
US9775536B2 (en) | 2013-09-25 | 2017-10-03 | Bardy Diagnostics, Inc. | Method for constructing a stress-pliant physiological electrode assembly |
US9364155B2 (en) | 2013-09-25 | 2016-06-14 | Bardy Diagnostics, Inc. | Self-contained personal air flow sensing monitor |
US10624551B2 (en) | 2013-09-25 | 2020-04-21 | Bardy Diagnostics, Inc. | Insertable cardiac monitor for use in performing long term electrocardiographic monitoring |
US9433380B1 (en) | 2013-09-25 | 2016-09-06 | Bardy Diagnostics, Inc. | Extended wear electrocardiography patch |
US9737224B2 (en) | 2013-09-25 | 2017-08-22 | Bardy Diagnostics, Inc. | Event alerting through actigraphy embedded within electrocardiographic data |
US9408545B2 (en) | 2013-09-25 | 2016-08-09 | Bardy Diagnostics, Inc. | Method for efficiently encoding and compressing ECG data optimized for use in an ambulatory ECG monitor |
US20150088020A1 (en) | 2013-09-25 | 2015-03-26 | Bardy Diagnostics, Inc. | System and Method For Interactive Processing Of ECG Data |
US10463269B2 (en) | 2013-09-25 | 2019-11-05 | Bardy Diagnostics, Inc. | System and method for machine-learning-based atrial fibrillation detection |
US10433751B2 (en) | 2013-09-25 | 2019-10-08 | Bardy Diagnostics, Inc. | System and method for facilitating a cardiac rhythm disorder diagnosis based on subcutaneous cardiac monitoring data |
US9345414B1 (en) | 2013-09-25 | 2016-05-24 | Bardy Diagnostics, Inc. | Method for providing dynamic gain over electrocardiographic data with the aid of a digital computer |
US9433367B2 (en) | 2013-09-25 | 2016-09-06 | Bardy Diagnostics, Inc. | Remote interfacing of extended wear electrocardiography and physiological sensor monitor |
US9545204B2 (en) | 2013-09-25 | 2017-01-17 | Bardy Diagnostics, Inc. | Extended wear electrocardiography patch |
US9504423B1 (en) | 2015-10-05 | 2016-11-29 | Bardy Diagnostics, Inc. | Method for addressing medical conditions through a wearable health monitor with the aid of a digital computer |
US10799137B2 (en) | 2013-09-25 | 2020-10-13 | Bardy Diagnostics, Inc. | System and method for facilitating a cardiac rhythm disorder diagnosis with the aid of a digital computer |
US20150094556A1 (en) | 2013-09-30 | 2015-04-02 | Yacov GEVA | Detachable electrocardiograpey device |
KR20160065948A (ko) | 2013-10-07 | 2016-06-09 | 엠씨10, 인크 | 감지 및 분석용 등각 센서 시스템 |
USD793566S1 (en) | 2015-09-10 | 2017-08-01 | Bardy Diagnostics, Inc. | Extended wear electrode patch |
USD744659S1 (en) | 2013-11-07 | 2015-12-01 | Bardy Diagnostics, Inc. | Extended wear electrode patch |
CA2930740A1 (en) | 2013-11-22 | 2015-05-28 | Mc10, Inc. | Conformal sensor systems for sensing and analysis of cardiac activity |
US20150157273A1 (en) | 2013-12-06 | 2015-06-11 | Cardiac Pacemakers, Inc. | Heart failure event prediction using classifier fusion |
US20190038148A1 (en) | 2013-12-12 | 2019-02-07 | Alivecor, Inc. | Health with a mobile device |
US9420956B2 (en) | 2013-12-12 | 2016-08-23 | Alivecor, Inc. | Methods and systems for arrhythmia tracking and scoring |
US9241650B2 (en) | 2013-12-15 | 2016-01-26 | Lifewatch Technologies Ltd. | Patient specific QRS complex classification for arrhythmia detection |
US11298075B2 (en) | 2013-12-19 | 2022-04-12 | Apple Inc. | Physiological monitoring method and system |
US20150193595A1 (en) | 2014-01-08 | 2015-07-09 | IlnfoBionic, Inc. | Systems and methods for reporting patient health parameters |
US10085664B2 (en) | 2014-01-14 | 2018-10-02 | Ab Medica Holding S.P.A. | Electrocardiograph with chest assembly, waterproof housing, recording module and wireless transceiver |
CN106170246A (zh) | 2014-01-17 | 2016-11-30 | 阿特瑞斯公司 | 用于四维(4d)流磁共振成像的设备、方法和产品 |
CA2942933C (en) | 2014-02-24 | 2022-06-21 | Element Science, Inc. | External defibrillator |
US9357939B1 (en) | 2014-04-02 | 2016-06-07 | Farhad David Nosrati | Method and apparatus for a self-programmable wireless medical monitoring device |
JP2017513626A (ja) | 2014-04-21 | 2017-06-01 | アライヴコア・インコーポレーテッド | モバイルデバイスおよびアクセサリを用いた心臓監視のための方法およびシステム |
US9986921B2 (en) | 2014-05-01 | 2018-06-05 | Worcester Polytechnic Institute | Detection and monitoring of atrial fibrillation |
GB2526105A (en) | 2014-05-13 | 2015-11-18 | Sensium Healthcare Ltd | A method for confidence level determination of ambulatory HR algorithm based on a three-way rhythm classifier |
WO2015179913A1 (en) | 2014-05-29 | 2015-12-03 | Senver Pty Ltd | Monitoring of a time period relating to a medical device |
US10313506B2 (en) | 2014-05-30 | 2019-06-04 | Apple Inc. | Wellness aggregator |
US9801562B1 (en) | 2014-06-02 | 2017-10-31 | University Of Hawaii | Cardiac monitoring and diagnostic systems, methods, and devices |
USD759653S1 (en) | 2014-06-13 | 2016-06-21 | Tricord Holdings, L.L.C. | Wearable computing device |
US9451890B2 (en) | 2014-07-16 | 2016-09-27 | University Of South Florida | Integrated vectorcardiogram system and method of use |
WO2016019181A1 (en) | 2014-07-30 | 2016-02-04 | Hmicro, Inc. | Ecg patch and methods of use |
USD780914S1 (en) | 2014-09-05 | 2017-03-07 | Tidi Products, Llc | Catheter adhesive device |
US20160066808A1 (en) | 2014-09-08 | 2016-03-10 | Cardiac Technologies International, Inc. | Method and Device for Patient Monitoring Using Dynamic Multi-Function Device |
US9526433B2 (en) | 2014-09-12 | 2016-12-27 | Verily Life Sciences Llc | Wrist-mounted electrocardiography device |
US9478998B1 (en) | 2014-09-12 | 2016-10-25 | Verily Life Sciences Llc | Waterproof micro-USB receptacle |
US10706485B2 (en) | 2014-09-18 | 2020-07-07 | Preventice Solutions, Inc. | Creating individually tailored care plans |
US11120911B2 (en) | 2014-09-18 | 2021-09-14 | Preventice Solutions, Inc. | Dynamically adaptive care plans |
US10311211B2 (en) | 2014-09-18 | 2019-06-04 | Preventice Solutions, Inc. | Care plan administration using thresholds |
US9662030B2 (en) | 2014-10-01 | 2017-05-30 | Verily Life Sciences Llc | Electrocardiography device for garments |
US10467383B2 (en) | 2014-10-07 | 2019-11-05 | Preventice Solutions, Inc. | Derived observations in care plan administration |
US10691777B2 (en) | 2014-10-07 | 2020-06-23 | Preventice Solutions, Inc. | Care plan administration: patient feedback |
US10095841B2 (en) | 2014-10-07 | 2018-10-09 | Preventice Technologies, Inc. | Care plan administration |
US20160317057A1 (en) | 2014-10-22 | 2016-11-03 | VivaLnk, Inc. | Compliant wearable patch capable of measuring electrical signals |
WO2016070128A1 (en) | 2014-10-31 | 2016-05-06 | Irhythm Technologies, Inc. | Wireless physiological monitoring device and systems |
US20160128597A1 (en) | 2014-11-11 | 2016-05-12 | National Chiao Tung University | Thin planar biological sensor |
US10062958B2 (en) | 2014-11-21 | 2018-08-28 | Qualcomm Incorporated | Wearable electronic patch with antenna enhancement |
TWI637723B (zh) | 2014-12-09 | 2018-10-11 | 國立交通大學 | 利用三個導程之差動電壓產生十二導程心電圖信號之方法與系統 |
US9861280B2 (en) | 2015-01-05 | 2018-01-09 | Salutron Inc. | Physiological sensor pod and charging unit |
TWI547264B (zh) | 2015-01-12 | 2016-09-01 | 李順裕 | 量測貼片裝置 |
US10098544B2 (en) | 2015-03-11 | 2018-10-16 | Medicomp, Inc. | Wireless ECG sensor system and method |
US20160287207A1 (en) | 2015-04-02 | 2016-10-06 | Yan Xue | Smart medical examination and communication apparatus |
US10433744B2 (en) | 2015-04-09 | 2019-10-08 | Heartbeam, Inc. | Mobile three-lead cardiac monitoring device and method for automated diagnostics |
US11471107B2 (en) | 2015-04-16 | 2022-10-18 | Los Angeles Biomedical Research Institute At Harbor-Ucla Medical Center | Systems and methods for performing an electrocardiogram |
US10251565B2 (en) | 2015-04-30 | 2019-04-09 | Dna Medicine Institute, Inc. | Multi-channel vitals device |
US20180116513A1 (en) | 2015-05-12 | 2018-05-03 | Monitra Healthcare Private Limited | Wire-free monitoring device for acquiring, processing and transmitting physiological signals |
JP6498325B2 (ja) | 2015-05-13 | 2019-04-10 | アライヴコア・インコーポレーテッド | 不一致モニタリング |
EP3101712B1 (en) | 2015-06-04 | 2018-01-10 | Stichting IMEC Nederland | Battery operated device and battery removal method |
CN107708991A (zh) | 2015-06-15 | 2018-02-16 | Mc10股份有限公司 | 用于皮肤安装装置的吸湿粘合剂 |
WO2017039518A1 (en) | 2015-08-31 | 2017-03-09 | Apaturambs Ab | Ecg electrode patch device and method for electrocardiography |
US10736518B2 (en) | 2015-08-31 | 2020-08-11 | Masimo Corporation | Systems and methods to monitor repositioning of a patient |
JP2018532825A (ja) | 2015-09-02 | 2018-11-08 | スリーエム イノベイティブ プロパティズ カンパニー | 接着剤物品 |
WO2017041014A1 (en) | 2015-09-02 | 2017-03-09 | The General Hospital Corporation | Electroencephalogram monitoring system and method of use of the same |
US10252070B2 (en) | 2015-09-08 | 2019-04-09 | Zoll Medical Corporation | Secure limited components for use with medical devices |
USD766447S1 (en) | 2015-09-10 | 2016-09-13 | Bardy Diagnostics, Inc. | Extended wear electrode patch |
US10327657B2 (en) | 2015-10-05 | 2019-06-25 | Infobionic, Inc. | Electrode patch for health monitoring |
USD773056S1 (en) | 2015-10-07 | 2016-11-29 | Braemar Manufacturing, Llc | Wearable medical data collection apparatus for collecting ECG data |
US10827938B2 (en) | 2018-03-30 | 2020-11-10 | Cardiologs Technologies Sas | Systems and methods for digitizing electrocardiograms |
US11331034B2 (en) | 2015-10-27 | 2022-05-17 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
US10426364B2 (en) | 2015-10-27 | 2019-10-01 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
US10779744B2 (en) | 2015-10-27 | 2020-09-22 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
US9706938B2 (en) | 2015-10-29 | 2017-07-18 | Medtronic Monitoring, Inc. | System and method to determine premature ventricular contraction (PVC) type and burden |
US10321823B2 (en) | 2015-12-21 | 2019-06-18 | Medtronic Monitoring, Inc. | System and method to flag arrhythmia episodes for urgent review |
US10130307B2 (en) * | 2016-01-06 | 2018-11-20 | Samsung Electronics Co., Ltd. | Electrocardiogram (ECG) authentication method and apparatus |
USD797943S1 (en) | 2016-03-07 | 2017-09-19 | Donald Long | Adhesive skin insulator |
WO2017156545A1 (en) | 2016-03-11 | 2017-09-14 | The Regents Of The University Of California | Tunable, flexible and stretchable adhesive-integrated antenna |
US10441184B2 (en) | 2016-03-16 | 2019-10-15 | Ventrilink Corporation | Electrocardiogram device and methods |
EP3432792A4 (en) | 2016-03-22 | 2019-11-27 | LifeSignals, Inc. | SYSTEMS AND METHOD FOR DETECTING PHYSIOLOGICAL SIGNALS |
USD775361S1 (en) | 2016-04-01 | 2016-12-27 | Michael J. Vosch | Electrode patch array |
US9968274B2 (en) | 2016-04-29 | 2018-05-15 | Infobionic, Inc. | Systems and methods for processing ECG data |
USD798170S1 (en) | 2016-07-08 | 2017-09-26 | LifeLens Technologies, LLC. | Wearable physiological measurement device |
US20180029719A1 (en) | 2016-07-28 | 2018-02-01 | The Boeing Company | Drag reducing liner assembly and methods of assembling the same |
USD823466S1 (en) | 2016-08-03 | 2018-07-17 | Mar-Med Co. | Tourniquet |
USD797301S1 (en) | 2016-08-03 | 2017-09-12 | Shenzhen Tomtop Technology Co., Ltd. | Smart fitness equipment |
WO2018035227A1 (en) | 2016-08-16 | 2018-02-22 | Braemar Manufacturing, Llc | End of service summary report for mobile cardiac outpatient telemetry |
EP4296720A3 (en) * | 2016-08-17 | 2024-02-28 | California Institute of Technology | Enhanced stethoscope devices |
US10925540B2 (en) | 2016-08-18 | 2021-02-23 | MAD Apparel, Inc. | Garment with conductive thread exposed on both sides |
WO2018045173A1 (en) | 2016-08-31 | 2018-03-08 | Alivecor, Inc. | Devices, systems, and methods for physiology monitoring |
US11207021B2 (en) * | 2016-09-06 | 2021-12-28 | Fitbit, Inc | Methods and systems for labeling sleep states |
US10842205B2 (en) | 2016-10-20 | 2020-11-24 | Nike, Inc. | Apparel thermo-regulatory system |
US10368808B2 (en) | 2016-11-02 | 2019-08-06 | Medtronic Monitoring, Inc. | System and methods of determining etiology of undiagnosed symptomatic events |
US20180125387A1 (en) | 2016-11-08 | 2018-05-10 | Cardiac Insight Inc. | Ambulatory monitor with conductive adhesive and related methods |
US20180144241A1 (en) | 2016-11-22 | 2018-05-24 | Mitsubishi Electric Research Laboratories, Inc. | Active Learning Method for Training Artificial Neural Networks |
CN108113647A (zh) * | 2016-11-28 | 2018-06-05 | 深圳先进技术研究院 | 一种心电信号分类装置及方法 |
USD811611S1 (en) | 2016-12-02 | 2018-02-27 | 3M Innovative Properties Company | Support patch |
USD811615S1 (en) | 2016-12-02 | 2018-02-27 | 3M Innovative Properties Company | Support patch |
USD811610S1 (en) | 2016-12-02 | 2018-02-27 | 3M Innovative Properties Company | Support patch |
USD810308S1 (en) | 2016-12-02 | 2018-02-13 | 3M Innovative Properties Company | Support patch |
US20180161211A1 (en) | 2016-12-13 | 2018-06-14 | Samuel Beckey | Layered Therapy Bandage |
US9736625B1 (en) | 2016-12-20 | 2017-08-15 | Eko Devices, Inc. | Enhanced wireless communication for medical devices |
USD824526S1 (en) | 2016-12-30 | 2018-07-31 | Euromed, Inc. | Adhesive patch system |
US11562222B2 (en) | 2017-03-07 | 2023-01-24 | Alivecor, Inc. | Systems and methods of identity analysis of electrocardiograms |
US10176575B2 (en) | 2017-03-24 | 2019-01-08 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
WO2018218310A1 (en) | 2017-06-01 | 2018-12-06 | Alerte Digital Health Pte. Ltd. | Digital health monitoring system |
US10866619B1 (en) | 2017-06-19 | 2020-12-15 | Apple Inc. | Electronic device having sealed button biometric sensing system |
US10980433B2 (en) | 2017-07-21 | 2021-04-20 | Livmor, Inc. | Health monitoring and guidance |
US10602942B2 (en) | 2017-08-25 | 2020-03-31 | Cambridge Heartwear Limited | Method of detecting abnormalities in ECG signals |
US10987018B2 (en) | 2017-08-28 | 2021-04-27 | Vital Connect, Inc. | Method and system for determining body impedance |
JP1596476S (ja) | 2017-08-31 | 2018-02-05 | ||
US10249972B1 (en) | 2017-09-22 | 2019-04-02 | Google Llc | Vertically stacking circuit board connectors |
US10257933B1 (en) | 2017-09-26 | 2019-04-09 | Google Llc | Transverse circuit board to route electrical traces |
EP3692546A1 (en) * | 2017-10-06 | 2020-08-12 | Alivecor, Inc. | Continuous monitoring of a user's health with a mobile device |
CA3078519A1 (en) | 2017-10-06 | 2019-04-11 | Mayo Foundation For Medical Education And Research | Ecg-based cardiac ejection-fraction screening |
CN207720473U (zh) | 2017-12-15 | 2018-08-10 | 漳州立达信灯具有限公司 | 多档色温切换led电路 |
US11147459B2 (en) * | 2018-01-05 | 2021-10-19 | CareBand Inc. | Wearable electronic device and system for tracking location and identifying changes in salient indicators of patient health |
US11062804B2 (en) | 2018-02-16 | 2021-07-13 | Vital Connect, Inc. | Synthetic simulation system for testing of physiological monitoring devices |
DK201870599A1 (en) | 2018-03-12 | 2019-10-16 | Apple Inc. | USER INTERFACES FOR HEALTH MONITORING |
JP2021516080A (ja) * | 2018-03-16 | 2021-07-01 | ゾール メディカル コーポレイションZOLL Medical Corporation | 生体振動および無線周波数のデータ分析に基づく生理的状態のモニタリング |
US20190298209A1 (en) | 2018-03-28 | 2019-10-03 | Livmor, Inc. | Heartbeat detection |
US11234658B2 (en) | 2018-03-28 | 2022-02-01 | Livmor, Inc. | Photoplethysmogram data analysis and presentation |
US11412972B2 (en) | 2018-03-28 | 2022-08-16 | Livmor, Inc. | Detection of atrial fibrillation |
CN112165897A (zh) | 2018-03-28 | 2021-01-01 | 莱芙莫尔公司 | 光体积描记图数据分析与呈现 |
US11538585B2 (en) | 2018-06-08 | 2022-12-27 | Cambridge Heartwear Limited | Detecting abnormalities in ECG signals |
WO2020013895A1 (en) | 2018-07-13 | 2020-01-16 | Livmor, Inc. | Health monitoring and guidance |
US10938662B2 (en) | 2018-07-17 | 2021-03-02 | Software Ag | System and/or method for maintaining highly-available, consistent, partition-tolerant clusters using client voters |
WO2020041363A1 (en) | 2018-08-21 | 2020-02-27 | Eko Devices, Inc. | Methods and systems for determining a physiological or biological state or condition of a subject |
US11172882B2 (en) | 2018-09-05 | 2021-11-16 | Vital Connect, Inc. | Monitoring system |
US20200093388A1 (en) | 2018-09-21 | 2020-03-26 | Braemar Manufacturing, Llc | Systems and Methods for Processing and Presenting Arrhythmia Information for the Identification of Neurological Disease |
CN109363659B (zh) * | 2018-09-30 | 2023-01-17 | 平安科技(深圳)有限公司 | 基于深度学习的心率监控方法、装置及存储介质 |
JP7014129B2 (ja) | 2018-10-29 | 2022-02-01 | オムロン株式会社 | 推定器生成装置、モニタリング装置、推定器生成方法及び推定器生成プログラム |
US10869610B2 (en) * | 2018-12-05 | 2020-12-22 | General Electric Company | System and method for identifying cardiac arrhythmias with deep neural networks |
US10783632B2 (en) | 2018-12-14 | 2020-09-22 | Spectral Md, Inc. | Machine learning systems and method for assessment, healing prediction, and treatment of wounds |
EP3669768B1 (en) | 2018-12-20 | 2024-02-21 | IMEC vzw | A method for generating a model for generating a synthetic ecg and a method and system for analysis of heart activity |
US20220031223A1 (en) | 2019-02-04 | 2022-02-03 | Cardiologs Technologies Sas | Electrocardiogram processing system for delineation and classification |
US10426634B1 (en) | 2019-02-05 | 2019-10-01 | King Saud University | Expandable intervertebral cage |
US11224361B2 (en) | 2019-04-23 | 2022-01-18 | Medtronic Minimed, Inc. | Flexible physiological characteristic sensor assembly |
CN111916199A (zh) | 2019-05-07 | 2020-11-10 | 上海笛乐护斯健康科技有限公司 | 基于可穿戴设备的智能健康实时监控系统及其实现方法 |
CN110491500B (zh) * | 2019-08-07 | 2022-08-16 | 王满 | 一种基于心脏功能动态监测与分析的身份识别系统及方法 |
US11350888B2 (en) | 2019-09-03 | 2022-06-07 | Siemens Healthcare Gmbh | Risk prediction for sudden cardiac death from image derived cardiac motion and structure features |
US20210085215A1 (en) | 2019-09-22 | 2021-03-25 | Biosense Webster (Israel) Ltd. | Ecg-based cardiac wall thickness estimation |
US20210085255A1 (en) | 2019-09-25 | 2021-03-25 | Beijing Shunyuan Kaihua Technology Limited | Compression And Mapping Of Physiological Signals For Health Condition Detection |
US11017902B2 (en) | 2019-10-25 | 2021-05-25 | Wise IOT Solutions | System and method for processing human related data including physiological signals to make context aware decisions with distributed machine learning at edge and cloud |
KR102141617B1 (ko) | 2019-11-25 | 2020-08-05 | 주식회사 휴이노 | 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
CN110766691A (zh) * | 2019-12-06 | 2020-02-07 | 北京安德医智科技有限公司 | 一种心脏磁共振影像分析及心肌病预测的方法、装置 |
NO20200093A1 (ja) | 2020-01-24 | 2021-07-26 | ||
KR20230119036A (ko) | 2020-02-12 | 2023-08-14 | 아이리듬 테크놀로지스, 아이엔씨 | 비-침습적 심장 모니터 및 기록된 심장 데이터를 사용하여환자의 생리학적 특성을 추론하는 방법 |
US20210304855A1 (en) | 2020-03-25 | 2021-09-30 | The Regents Of The University Of Michigan | Coding architectures for automatic analysis of waveforms |
EP3885974B1 (en) | 2020-03-28 | 2024-01-03 | Tata Consultancy Services Limited | Methods and systems for identifying presence of abnormal heart sounds of a subject |
US20210315470A1 (en) | 2020-04-08 | 2021-10-14 | University Of Maryland, College Park | Reconstruction of electrocardiogram from photoplethysmogram signals |
US20210374502A1 (en) | 2020-06-01 | 2021-12-02 | Nvidia Corporation | Technique to perform neural network architecture search with federated learning |
EP4161357A1 (en) | 2020-06-03 | 2023-04-12 | Acorai AB | Non-invasive cardiac health assessment system and method for training a model to estimate intracardiac pressure data |
US20210393187A1 (en) | 2020-06-19 | 2021-12-23 | Biosense Webster (Israel) Ltd. | Ventricular far field estimation using autoencoder |
US20220022798A1 (en) | 2020-07-23 | 2022-01-27 | Nant Holdings Ip, Llc | Waveform Analysis And Detection Using Machine Learning Transformer Models |
CA3188325A1 (en) | 2020-08-06 | 2022-02-10 | Jeff ABERCROMBIE | Adhesive physiological monitoring device |
KR20230047456A (ko) | 2020-08-06 | 2023-04-07 | 아이리듬 테크놀로지스, 아이엔씨 | 생리학적 모니터링 장치를 위한 전기 부품 |
WO2022034045A1 (en) | 2020-08-10 | 2022-02-17 | Kuck Karl Heinz | Systems and methods for generating health risk assessments |
AU2021351233A1 (en) | 2020-09-30 | 2023-06-08 | Koninklijke Philips N.V. | Electrocardiogram processing system for detecting and/or predicting cardiac events |
-
2021
- 2021-02-11 KR KR1020237026244A patent/KR20230119036A/ko active Application Filing
- 2021-02-11 US US17/174,143 patent/US11246524B2/en active Active
- 2021-02-11 KR KR1020227031441A patent/KR102563372B1/ko active IP Right Grant
- 2021-02-11 JP JP2022549034A patent/JP7406001B2/ja active Active
- 2021-02-11 US US17/174,145 patent/US11083371B1/en active Active
- 2021-02-11 CA CA3171482A patent/CA3171482C/en active Active
- 2021-02-11 WO PCT/US2021/017667 patent/WO2021163331A1/en unknown
- 2021-02-11 EP EP21709605.6A patent/EP4103051A1/en active Pending
- 2021-02-11 CN CN202180027882.9A patent/CN115426940A/zh active Pending
- 2021-02-11 AU AU2021218704A patent/AU2021218704B2/en active Active
- 2021-08-09 US US17/397,075 patent/US11253186B2/en active Active
- 2021-08-09 US US17/396,997 patent/US11253185B2/en active Active
-
2022
- 2022-02-14 US US17/671,285 patent/US11382555B2/en active Active
- 2022-02-18 US US17/651,773 patent/US11375941B2/en active Active
- 2022-07-01 US US17/856,391 patent/US11497432B2/en active Active
- 2022-07-01 US US17/856,329 patent/US11925469B2/en active Active
- 2022-11-10 US US18/054,363 patent/US20230172518A1/en active Pending
-
2023
- 2023-10-05 JP JP2023173428A patent/JP2024026058A/ja active Pending
- 2023-10-20 AU AU2023251520A patent/AU2023251520A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
KR20220156539A (ko) | 2022-11-25 |
US11253185B2 (en) | 2022-02-22 |
WO2021163331A1 (en) | 2021-08-19 |
US11925469B2 (en) | 2024-03-12 |
US11253186B2 (en) | 2022-02-22 |
US11382555B2 (en) | 2022-07-12 |
CA3171482A1 (en) | 2021-08-19 |
AU2021218704B2 (en) | 2023-11-02 |
JP7406001B2 (ja) | 2023-12-26 |
US20220330875A1 (en) | 2022-10-20 |
US20210244279A1 (en) | 2021-08-12 |
AU2023251520A1 (en) | 2023-11-09 |
US11375941B2 (en) | 2022-07-05 |
AU2021218704A1 (en) | 2022-09-15 |
US11497432B2 (en) | 2022-11-15 |
CA3171482C (en) | 2024-03-26 |
EP4103051A1 (en) | 2022-12-21 |
US11083371B1 (en) | 2021-08-10 |
JP2023508235A (ja) | 2023-03-01 |
US20210369178A1 (en) | 2021-12-02 |
KR20230119036A (ko) | 2023-08-14 |
US20220330874A1 (en) | 2022-10-20 |
US20210244339A1 (en) | 2021-08-12 |
KR102563372B1 (ko) | 2023-08-03 |
US20230172518A1 (en) | 2023-06-08 |
US11246524B2 (en) | 2022-02-15 |
US20220167905A1 (en) | 2022-06-02 |
CN115426940A (zh) | 2022-12-02 |
US20220160285A1 (en) | 2022-05-26 |
US20210361218A1 (en) | 2021-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7406001B2 (ja) | 患者の生理学的特徴を推論するための、非侵襲的な心臓モニタ、および記録された心臓データの使用方法 | |
US11289197B1 (en) | Wearable monitor | |
Merdjanovska et al. | Comprehensive survey of computational ECG analysis: Databases, methods and applications | |
WO2017040331A1 (en) | Determining sleep stages and sleep events using sensor data | |
Surrel | Low Power Sensing and Processing in Wearable Biomedical Devices for Personalized Health Monitoring | |
WO2023114742A1 (en) | Non-invasive cardiac monitor and methods of inferring or predicting a physiological characteristic of a patient | |
JP2023542039A (ja) | 心拍異常を検出するための装置およびシステム | |
Meli et al. | Real-time wearable telecardiology from representative signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240209 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240209 |