JP2024511698A

JP2024511698A - 個人化されたマスク形状を持続的に調整するためのシステムおよび方法

Info

Publication number: JP2024511698A
Application number: JP2023547888A
Authority: JP
Inventors: ピーク、グレゴリー、ロバート; リウ、ネイサン、ザーシー; ソウザ、サケーナデ; ホッグ、マイケル、クリストファー; ショルディス、レドモンド
Original assignee: レズメドインコーポレイテッド; レズメドピーティーワイリミテッド; レズメドセンサーテクノロジーズリミテッド
Priority date: 2021-02-26
Filing date: 2022-02-28
Publication date: 2024-03-15
Also published as: US20240131287A1; EP4298638A1; WO2022183116A1

Abstract

呼吸療法のためにインターフェースをユーザーの顔に適合させるためのシステムおよび方法。ユーザーの顔画像を記憶する。顔画像に基づいて顔特徴を決定する。データベースは、顔特徴および複数の対応するインターフェースに基づく顔輪郭を記憶する。データベースは、複数の対応するインターフェースを有する呼吸療法デバイスの動作データを記憶する。データベースには選択エンジンが結合されている。選択エンジンは、記憶された動作データおよび顔特徴に基づく望ましい結果に基づいて、複数の対応するインターフェースの中からユーザー用のインターフェースを選択するために動作する。収集されたデータは、選択されたインターフェースがユーザーの顔に適切に適合しているか否かを判定するためにも使用され得る。

Description

［関連出願の相互参照］
本開示は、２０２１年２月２６日に出願された米国仮特許出願第６３／１５４，２２３号および２０２１年３月３１日に出願された米国仮特許出願第６３／１６８，６３５号の優先権および利益を主張している。これらの出願の内容は、引用により全体として本明細書に組み込まれている。

本開示は、概して、呼吸療法デバイス用のインターフェースに関し、より具体的には、個々のユーザーデータに基づいてマスクをより適切に選択するためのシステムに関する。

さまざまな呼吸器疾患が存在する。特定の疾患は、特定の発症、例えば、無呼吸、呼吸低下、および過呼吸によって特徴付けられ得る。閉塞性睡眠時無呼吸（ＯＳＡ）は、睡眠呼吸障害（ＳＤＢ）の１つの形態であり、睡眠時の上通気道の閉鎖または閉塞などの発症によって特徴付けられる。これは、上気道が異常に狭いことと、睡眠中の舌、軟口蓋、中咽頭後壁の領域の正常な筋緊張の低下が組み合わさって起こる。このような状況により、影響を受けた患者は、通常３０～１２０秒、いくつかの場合毎晩２００～３００回の呼吸停止を余儀なくされる。日中の過度の眠気を引き起こすことが多く、心血管疾患や脳損傷を引き起こす可能性がある。この症候群は、特に中年の太りすぎの男性によく見られる障害であるが、罹患している本人は問題に気づいていない場合もある。

その他の睡眠関連疾患には、チェーンストークス呼吸（ＣＳＲ）、肥満過換気症候群（ＯＨＳ）、慢性閉塞性肺疾患（ＣＯＰＤ）などが含まれる。ＣＯＰＤは、特定の共通する特性を有する下気道疾患のグループのうちのいずれも包含する。これらの症状には、空気の流れに対する抵抗の増加、呼吸のための呼気相の延長、肺の正常な弾力性の喪失などがある。ＣＯＰＤの例としては、肺気腫や慢性気管支炎がある。ＣＯＰＤは、慢性喫煙（主なリスク要因）、職業上の暴露、大気汚染、遺伝的要因によって引き起こされる。

持続的気道陽圧換気（ＣＰＡＰ）療法は閉塞性睡眠時無呼吸症候群（ＯＳＡ）の治療に使用されている。軟口蓋および舌を押して後口咽頭壁へ前進または後退させることにより、持続的気道陽圧療法の適用が空気スプリントとして機能し、これにより上気道の閉鎖を防止し得る。

非侵襲的換気（ＮＩＶ）は、換気補助を上気道を通じて患者へ提供して、呼吸機能の一部または全体を行うことにより患者の深呼吸の補助および／または身体中の適切な酸素レベルの維持を提供する。換気補助は、ユーザーインターフェースを介して提供される。ＮＩＶは、ＣＳＲ、ＯＨＳ、ＣＯＰＤ、および胸壁障害などの治療に用いられている。いくつかの形態では、これらの療法の快適さと有効性が改善される可能性がある。侵襲的換気（ＩＶ）は、もはや有効な呼吸ができなくなった患者に換気補助を提供し、気管切開チューブを使用して提供する場合がある。

治療システム（本明細書では呼吸療法システムとしても称する）は、呼吸圧療法デバイス（ＲＰＴデバイス）、空気回路、加湿器、ユーザーインターフェース、およびデータ管理を含むことができる。患者またはユーザーインターフェースは、例えば空気の流れを気道の入口に供給することによって、呼吸デバイスをその装着者にインターフェースするために使用され得る。空気の流れは、マスクを介して患者の鼻および／または口に、チューブを介して患者の口に、または気管切開チューブを介して患者の気管に供給され得る。適用される療法に応じて、ユーザーインターフェースは、例えば、治療を可能にするために、周囲圧力と十分に変化する圧力、例えば、周囲圧力に対して約１０ｃｍＨ_２Ｏの陽圧でのガスの送達を容易にするために、例えば、患者の顔の領域とシールを形成することができる。酸素の送達のような他の形態の療法の場合、ユーザーインターフェースは、約１０ｃｍＨ_２Ｏの陽圧で気道へのガス供給の送達を容易にするのに十分なシールを含んでいないことがある。このような療法による呼吸器疾患の治療は任意であってもよく、したがって、患者は、このような療法を提供するために使用されるデバイスが不快であり、使用が困難であり、高価であり、および／または見栄えが悪いと感じた場合、療法に従わないことを選択する可能性がある。

ユーザーインターフェースの設計には多くの課題がある。顔は、複雑な三次元形状を有する。鼻のサイズや形は個人差が大きくある。頭部には骨、軟骨および軟組織が含まれているので、顔の異なる領域で機械的力に対する反応が異なる。顎または下顎骨は、頭蓋骨の他の骨に対して動くことがある。呼吸療法中に頭部全体が動くことがある。

これらの課題の結果、一部のマスクは、特に長時間装着した場合やユーザーがシステムに不慣れな場合に、目障りであること、美的に望ましくないこと、高価であること、不適切であること、使いにくいこと、および不快ことのうちの１つまたは複数の課題を抱えている。例えば、飛行士専用に設計されたマスク、個人用防護具の一部として設計されたマスク（例えば、フィルターマスク）、スキューバマスク、または麻酔薬を投与するためのマスクは、それらの本来の用途に対して許容可能であるが、それにもかかわらず、このようなマスクは、長時間（例えば、数時間）装着した場合に、着用者にとって望ましくない不快感を与える可能性がある。この不快感は、ユーザーの療法へのコンプライアンスの低下につながる可能性がある。これは、マスクを睡眠時に着用する必要がある場合、特に当てはまる。

ＣＰＡＰ療法は、ユーザーが療法を遵守している限り、特定の呼吸器疾患の治療に非常に有効である。ユーザーインターフェースを得ると、ユーザーが陽圧療法を行うことを可能にする。ユーザーは、ユーザーの顔の解剖学的構造の測定値に基づいて推奨されるユーザーインターフェースのサイズを決定するために、ユーザーの第１ユーザーインターフェースまたは旧インターフェースに代わる新しいユーザーインターフェースを求めることが一般的であり、この測定値は、一般的に、耐久医療機器の提供者によって行われる。マスクが不快であったり、使いにくかったりした場合、ユーザーが療法を遵守しない可能性がある。定期的にマスクを洗浄することが推奨されることが多いため、マスクの洗浄が困難な場合（例えば、組み立てや分解が困難な場合）には、マスクを洗浄しないことがあり、これはユーザーのコンプライアンスに影響を及ぼす可能性がある。空気圧療法を効果的に行うためには、マスク装着時の快適さをユーザーに提供するだけでなく、顔とマスクの間に空気漏れを最小限に抑えるためのしっかりとしたシールを形成しなければならない。

上述したように、ユーザーインターフェースは、鼻マスク、フルフェースマスク／口鼻マスク（ＦＦＭ）、または鼻枕マスクなどの様々な形態でユーザーに提供することができる。このようなユーザーインターフェースは、例えば陽圧療法機能を提供する快適なインターフェースを有することを容易にするために、特定のユーザーの解剖学的特徴に適合するように様々なサイズで製造される。このユーザーインターフェースのサイズは、特定のユーザーの特定の顔解剖学的構造に対応するようにカスタマイズすることができ、または、予め定義された空間境界または範囲内に収まる解剖学的構造を有する個人の集団に適合するように設計することができる。しかし、いくつかの場合、マスクにはさまざまな標準サイズがあり、その中から適切なサイズを選択しなければならない場合もある。

この点に関して、ユーザー用のユーザーインターフェースのサイズを決定することは、通常、耐久医療機器（ＤＭＥ）の提供者または医師のような訓練を受けた個人によって行われる。典型的には、陽圧療法を開始または継続するためにユーザーインターフェースを必要とするユーザーは、収容施設で訓練された個人を訪問し、そこで一連の測定を行い、標準サイズから適切なユーザーインターフェースサイズを決定するよう努力する。適切なサイズは、陽圧療法を可能にするのに十分な快適さとシールを提供する、ユーザーインターフェースのシール形成構造などの特定の特徴のサイズの特定の組み合わせを表すことを意図している。このようにサイズを決定するのは、作業が大変であるだけでなく、不便である。忙しいスケジュールから時間を割かなければならないことや、場合によってはかなりの距離を移動しなければならないという不便さは、多くのユーザーが新しいユーザーインターフェースや代替ユーザーインターフェースを利用する上での障壁となり、最終的には、治療を受ける上での障壁となる。この不便さにより、ユーザーは所望のユーザーインターフェースを受け取ることができず、陽圧療法を行うこともできない。それにもかかわらず、最適なサイズを選択することは、治療の質とコンプライアンスにとって重要である。

選択された顔寸法データに基づいてユーザーインターフェースを正確に個別に適合することを可能にするシステムが必要である。呼吸療法デバイスを使用する他の同様のユーザーに関するデータを組み合わせて、呼吸療法の使用における快適さを提供するインターフェースをさらに選択するシステムが必要である。インターフェースとユーザーの顔との間の漏れを最小に抑えるインターフェースを選択する必要もある。

開示されたシステムは、個々のユーザーの療法に対するコンプライアンスを改善するために、呼吸療法デバイスと共に使用されるマスクのサイズを決定するための適応可能なシステムを提供する。このシステムは、プライマリユーザーからの顔データと、より大規模なユーザー集団からの呼吸療法デバイスの使用状況やその他のデータを収集し、プライマリユーザーに最適なマスクの選択を支援する。

開示された例は、ユーザーの顔に適した呼吸療法用のインターフェースを選択するシステムである。システムは、ユーザーの顔画像を記憶する記憶デバイスを含む。顔輪郭エンジンは、顔画像に基づいて顔特徴を決定するように動作可能である。１つまたは複数のデータベースは、ユーザー集団からの複数の顔特徴および複数の対応するインターフェースを記憶する。１つまたは複数のデータベースは、複数の対応するインターフェースを有するユーザー集団によって使用される呼吸療法デバイスの動作データを記憶する。選択エンジンはデータベースに結合されている。選択エンジンは、記憶された動作データおよび決定された顔特徴からの望ましい結果に基づいて、複数の対応するインターフェースの中からユーザー用のインターフェースを選択するように動作する。

別の開示された例は、ユーザーの顔に適した呼吸療法用のインターフェースを選択する方法である。ユーザーの顔画像は記憶デバイスに記憶される。顔寸法は、ランドマークに基づいて決定される。複数の顔特徴がユーザー集団から記憶され、患者集団が使用する複数の対応するインターフェースが１つまたは複数のデータベースに記憶される。複数の対応するインターフェースを有するユーザー集団によって使用される呼吸療法デバイスの動作データが、１つまたは複数のデータベースに記憶される。記憶された動作データおよび判定された顔特徴から望ましい結果に基づいて、複数の対応するインターフェースの中からユーザーのインターフェースを選択する。

いくつかの実施形態によれば、例示的な方法は、ユーザーの顔へのインターフェースの現在の適合度に関連するセンサデータを受信するステップを含む。このインターフェースは、呼吸デバイスに結合することができる。センサデータは、呼吸デバイスとは別のモバイルデバイスの１つまたは複数のセンサーによって収集される。この方法は、センサデータを使用して顔マッピングを生成するステップをさらに含む。顔マッピングは、ユーザーの顔の１つまたは複数の特徴を示す。この方法は、センサデータおよび顔マッピングを使用して、現在の適合度に関連する特性を識別するステップをさらに含む。この特性は、現在の適合度の質を示す。この特性は、顔マッピング上の特徴的な位置に関連している。この方法は、識別された特性および特徴的な位置に基づいて出力フィードバックを生成するステップをさらに含む。出力フィードバックを生成して、現在の適合度を評価または改善する。

いくつかの実施形態によれば、例示的なシステムは、電子インターフェース、メモリ、および制御システムを含む。電子インターフェースは、インターフェースの現在の適合度に関連するデータを受信するように構成されている。メモリは、機械可読命令を記憶する。制御システムは、機械可読指令を実行して、受信データを使用して顔マッピングを生成し、受信データおよび顔マッピングに基づいて現在の適合度に関連する特性を識別するように構成された１つまたは複数のプロセッサを含む。制御システムはさらに、識別された特性に基づいて出力フィードバックを生成するように構成されている。出力フィードバックを生成して、現在の適合度を評価または改善する。

以上の概要は、本開示の各実施形態または各態様を表すことを意図していない。むしろ、前述の概要は、本明細書に記載される新規な態様および特徴のいくつかの例を提供するに過ぎない。本開示の上述の特徴および利点は、添付の図面および特許請求の範囲と組み合わされた場合、本発明の代表的な実施形態および実施形態を実施するための以下の詳細な説明から明らかになるであろうし、本開示の他の特徴および利点も明らかになるであろう。

添付の図面を参照すると、本開示は、以下の例示的な実施形態の説明によってよりよく理解される。

例示的な呼吸圧療法デバイスからＰＡＰ治療を受けるためにフルフェースマスクの形態のユーザーインターフェースを装着したユーザーを含むシステムを示す。本技術の一形態による、ヘッドギアを有する鼻マスクの形態のユーザーインターフェースを示す。いくつかの表面解剖学的特徴を有する顔の正面図である。いくつかの表面解剖学的特徴が識別された頭部の側面図である。いくつかの特徴が識別された鼻の基本図である。本技術の一形態による、＜２＞呼吸圧療法デバイスを示す。本技術の一形態による、呼吸圧療法デバイスの空気圧経路の概略図である。本技術の一形態による、呼吸圧療法デバイスの電気部品の概略図である。本技術の一形態による、呼吸圧療法システムの主要なデータ処理部品の概略図である。図２のユーザーインターフェースに空気を供給するホース内に音響センサーの配置を示すブロック図である。顔データを取り込むために使用されるコンピューティングデバイスの部品の図である。コンピューティングデバイスを含む患者インターフェースを自動的に選択するための例示的なシステムの図である。マスクのサイジングのための顔寸法を識別するための異なるランドマーク点を示す例示的な顔スキャンである。第１顔測定値を識別するための異なるランドマーク点を示す、図８Ａの顔スキャンの図である。第２顔測定値を識別するための異なるランドマーク点を示す、図８Ａの顔スキャンの図である。第３顔測定値を識別するための異なるランドマーク点を示す、図８Ａの顔スキャンの図である。ユーザーデータベースから収集されたビッグデータを考慮したユーザー入力のスキャンおよび分析に基づいてユーザーのためのマスクを選択するプロセスを示す流れ図である。プライマリユーザーに関するデータに基づいて相関パラメータを調整するための、マスクの初期選択からのフォローアップ評価のプロセスの流れ図である。ユーザーインターフェースの現在の適合度に関連するセンサデータを収集するためにユーザーがユーザーデバイスを制御する斜視図である。ユーザーインターフェースの現在の適合度に関連する熱特性を識別するためのユーザーデバイスのユーザービューである。ユーザーインターフェースの現在の適合度に関連する輪郭ベースの特性を識別するためのユーザーデバイスのユーザービューである。ユーザーインターフェース遷移イベント間のユーザーインターフェースの適合度を評価するためのプロセスを説明するフローチャートである。ユーザーインターフェースの適合度を評価するためのプロセスを説明するフローチャートである。

本開示は、様々な修正および代替形態の影響を受けやすい。いくつかの代表的な実施形態が、図面では例示として示されており、本明細書にて詳細に説明される。しかしながら、本発明は、開示された特定の形態に限定されることを意図していないことが理解されるべきである。むしろ、本開示は、添付の特許請求の範囲にて定義される本発明の趣旨および範囲に含まれる全ての修正形態、均等物、および代替形態を包含するものである。

本発明は、多くの異なる形で具現化できる。代表的な実施形態が図面に示され、本明細書にて詳細に説明される。本開示は、本開示の原理の一例または例示であり、本開示の広範な態様を、示される実施形態に限定することを意図するものではない。その限りにおいて、例えば、「要約書」、「発明の概要」、および「発明の詳細な説明」にて開示されているが、「特許請求の範囲」では明示的に述べられていない要素および限定事項は、単独でまたは集合的に、含意により、推論により、またはそれ以外の方法で、「特許請求の範囲」に組み込まれるべきではない。「発明を実施するための形態」の目的のために、特段の断りがない限り、単数形は複数形を含み、複数形は単数形を含み、用語「含む」は、「含むが限定されない」を意味する。さらに、「約（ａｂｏｕｔ）」、「ほぼ（ａｌｍｏｓｔ）」、「実質的に（ｓｕｂｓｔａｎｔｉａｌｌｙ）」、「およそ（ａｐｐｒｏｘｉｍａｔｅｌｙ）」などの近似の単語は、本明細書では、「で（ａｔ）」、「近く（ｎｅａｒ）」、または「ほぼ（ｎｅａｒｌｙａｔ）」、「３～５％以内」、「許容可能な製造公差内」、またはそれらの論理的な組み合わせを意味するために使用することができる。

本発明は、呼吸療法デバイスを使用してユーザーに最適なインターフェースを選択するためのシステムおよび方法に関する。システムは、モバイルデバイス上の顔スキャンアプリケーションからユーザーの個々の顔特徴データを収集し、スキャンされた画像から顔の３Ｄモデルを生成する。このシステムは、スキャンされた画像上のキーランドマークを正確に特定して、さまざまな顔寸法を決定する。システムは、複数のユーザーからのデータを収集し、ユーザーデータおよびさまざまなマスクを使用する呼吸療法デバイスからの動作データに基づいて、さまざまなマスクと呼吸治療との成功した相関を学習する。このシステムは、顔寸法データと複数のユーザーから収集されたデータとを使用して、インターフェースおよび呼吸療法デバイスを使用した複数のユーザーから収集された過去のデータとの一致の成功と比較して、ユーザーに適したマスクのサイズおよびタイプを選択する。このデータは、療法のコンプライアンス／アドヒアランスを改善するためにユーザーに提供することができる新たな知見をさらに学習するためにも使用することができる。したがって、この方法は、適切な顔スキャン方法をランドマーク識別、マスク選択、療法モニタリング、およびフィードバックと組み合わせて、効果的なユーザーインターフェースの選択を提供する。

本開示の特定の態様および特徴は、ユーザーインターフェース（例えば、フィルターマスクまたは呼吸療法デバイスのユーザーインターフェース）の適合度を評価および改善することに関する。ユーザーデバイス（例えば、携帯型ユーザーデバイス、例えば、携帯電話、モバイルコンピューティングデバイスまたはモバイルデバイスとも呼ばれる）の１つまたは複数のセンサーからのセンサデータは、ユーザーが、ウェアラブルユーザーインタフェース（例えば、呼吸デバイスとともに使用されるユーザーインターフェース）がユーザーの顔に適切に適合することを確保するのを支援するために利用され得る。センサーは、ｉ）ユーザーインターフェースが着用される前、ｉｉ）ユーザーインターフェースが装着されている間、および／またはｉｉｉ）ユーザーインターフェースが取り外された後、ユーザーの顔に関するデータを収集することができる。顔マッピングを生成してユーザーの顔の１つまたは複数の特徴を識別することができる。次いで、センサデータおよび顔マッピングを利用して、ユーザーインターフェースの適合度に関連する特性を識別することができ、これらの特性は、適合度を評価および／または改善するための出力フィードバックを生成するために使用することができる。

開示された例示的なシステムの他の実施形態では、インターフェースはマスクである。別の実施形態では、呼吸療法デバイスは、気道陽圧（ＰＡＰ）または非侵襲的換気（ＮＩＶ）のうちの１つまたは複数を提供するように構成される。別の実施形態では、少なくとも１つの呼吸療法デバイスは、少なくとも１つの呼吸療法デバイスの動作中にオーディオデータを収集するためのオーディオセンサを含む。別の実施形態では、選択エンジンは、オーディオデータを分析して、オーディオデータを既知のインターフェースの音響シグネチャと一致させることに基づいて、少なくとも１つの呼吸療法デバイスの対応するインターフェースのタイプを決定するためにするように動作可能である。別の実施形態では、選択エンジンは、１つまたは複数のデータベースに記憶されたユーザー集団の人口統計データと比較されたユーザーの人口統計データに基づいてインターフェースを選択する。別の実施形態では、動作データは、流速、モータ速度、および治療圧力のうちの１つを含む。別の実施形態では、顔画像は、カメラを含むモバイルデバイスからのスキャンに基づいて決定される。別の実施形態では、モバイルデバイスは深度センサーを含む。このカメラは３Ｄカメラである。顔特徴は、顔画像から導出されるメッシュ面から導出される３次元特徴である。他の実施形態では、顔画像はランドマークを含む２次元画像であり、顔特徴はランドマークから導出される３次元特徴である。他の実施形態では、顔画像は、複数の２次元顔画像のうちの１つである。顔特徴は、顔画像と一致するように適合された３Ｄ変形可能モデルから導出される３次元特徴である。別の実施形態では、顔画像は、少なくとも１つの顔寸法に関するランドマークを含む。別の実施形態では、顔寸法は、顔の高さ、鼻の幅、および鼻の深さを含む。別の実施形態では、望ましい結果は、漏れを防止するためのインターフェースと顔面との間のシールである。別の実施形態では、望ましい結果は、療法に対するユーザーのコンプライアンスである。別の実施形態では、システムは、ユーザーから入力された主観的なデータを収集するように動作可能なモバイルコンピューティングデバイスを含み、インターフェースの選択は、主観的なデータに少なくとも部分的に基づいている。別の実施形態では、システムは、望ましい結果を達成するインターフェースに相関する動作データのタイプを決定するように動作可能な機械学習モジュールを含む。別の実施形態では、選択されたインターフェースは、複数のタイプのインターフェースのうちの１つと、複数のサイズのインターフェースのうちの１つとを含む。別の実施形態では、選択エンジンは、選択されたインターフェースの動作に基づいて、および望ましくない結果に基づいてユーザーからフィードバックを受け取り、望ましい結果に基づいて別のインターフェースを選択する。別の実施形態では、望ましくない結果は、療法に対するユーザーのコンプライアンスが低いこと、漏れが多いこと、主観的結果データが満足できないことのうちの１つである。

適切なフィッティングインターフェースを提供する上述の開示された方法の他の実施形態では、インターフェースはマスクである。別の実施形態では、呼吸療法デバイスは、気道陽圧（ＰＡＰ）または非侵襲的換気（ＮＩＶ）のうちの１つまたは複数を提供するように構成される。別の実施形態では、少なくとも１つの呼吸療法デバイスは、少なくとも１つの呼吸療法デバイスの動作中にオーディオデータを収集するためのオーディオセンサを含む。別の実施形態では、選択は、オーディオデータを分析して、オーディオデータを既知のインターフェースの音響シグネチャと一致させることに基づいて、少なくとも１つの呼吸療法デバイスの対応するインターフェースのタイプを決定することを含む。別の実施形態では、選択は、ユーザーの人口統計データを、１つまたは複数のデータベースに記憶されたユーザー集団の人口統計データと比較することを含む。別の実施形態では、動作データは、流速、モータ速度、および治療圧力のうちの１つを含む。別の実施形態では、顔画像は、カメラを含むモバイルデバイスからのスキャンに基づいて決定される。別の実施形態では、モバイルデバイスは、深さセンサーを含む。カメラは３Ｄカメラであり、顔特徴は顔画像から導出されるメッシュ面から導出される３次元特徴である。他の実施形態では、顔画像はランドマークを含む２次元画像であり、顔特徴はランドマークから導出される３次元特徴である。他の実施形態では、顔画像は、複数の２次元顔画像のうちの１つである。顔特徴は、顔画像と一致するように適合された３Ｄ変形可能モデルから導出される３次元特徴である。別の実施形態では、顔画像は、少なくとも１つの顔寸法に関するランドマークを含む。別の実施形態では、顔寸法は、顔の高さ、鼻の幅、および鼻の深さを含む。別の実施形態では、望ましい結果は、漏れを防止するためのインターフェースと顔面との間のシールである。別の実施形態では、望ましい結果は、療法に対するユーザーのコンプライアンスである。別の実施形態では、この方法は、少なくとも１つのモバイルコンピューティングデバイスによってユーザーから入力された主観的なデータを収集することを含み、インターフェースの選択は、主観的なデータに少なくとも部分的に基づいている。別の実施形態では、この方法は、機械学習モジュールによって望ましい結果を達成するインターフェースに相関する動作データのタイプを決定することを含む。別の実施形態では、選択されたインターフェースは、複数のタイプのインターフェースのうちの１つと、複数のサイズのインターフェースのうちの１つとを含む。別の実施形態では、この方法は、選択されたインターフェースの動作に基づいてユーザーからフィードバックを受信することと、望ましくない結果に基づいて、望ましい結果に基づく別のインターフェースを選択することとを含む。別の実施形態では、望ましくない結果は、療法に対するユーザーのコンプライアンスが低いこと、漏れが多いこと、または主観的結果データが満足できないことのうちの１つである。

上記で開示されたインターフェース上のカスタム適合度をユーザーに提供する方法の他の実施形態では、インターフェースは呼吸デバイスに流体的に結合されてもよい。別の実施形態では、出力フィードバックを生成することは、実行された場合に現在の適合度を改善するために特性に影響を与える提案されたアクションを決定することを含む。モバイルデバイスの電子インターフェースを使用して、提案されたアクションを提示することも可能である。別の実施形態では、センサデータは、ｉ）受動熱センサー、ｉｉ）能動熱センサー、またはｉｉｉ）ｉおよびｉｉの両方からの赤外線データを含む。別の実施形態では、この方法は、ユーザーの顔上の選択されたインターフェースの現在の適合度に関連するセンサデータを受信することをさらに含む。センサデータは、モバイルデバイスの１つまたは複数のセンサーによって収集される。この方法は、センサデータを使用して顔マッピングを生成することをさらに含む。顔マッピングは、ユーザーの顔の１つまたは複数の特徴を示す。この方法は、センサデータおよび顔マッピングを使用して、現在の適合度に関連する特性を識別することをさらに含む。この特性は、現在の適合度の品質を示し、この特性は、顔マッピング上の特徴的な位置に関連している。この方法は、識別された特性および特徴的な位置に基づいて前記出力フィードバックを生成することをさらに含む。別の実施形態では、センサデータは、モバイルデバイスの１つまたは複数のセンサーとユーザーの顔との間の１つまたは複数の距離を示す距離データを含む。別の実施形態では、１つまたは複数のセンサーは、ｉ）近接センサー、ｉｉ）赤外線ベースのドットマトリクスセンサ、ｉｉｉ）ＬｉＤＡＲセンサー、ｉｖ）ＭＥＭＳマイクロミラープロジェクタベースのセンサー、またはｖ）ｉ～ｉｖの任意の組み合わせを含む。別の実施形態では、センサデータは、ｉ）ユーザーがインターフェースを着用する前に、ｉｉ）ユーザーが現在の適合度でインターフェースを装着している間に、ｉｉｉ）ユーザーがインターフェースを取り外した後に、またはｉｉｉ）ｉ、ｉｉ、およびｉｉｉの任意の組み合わせで収集される。別の実施形態では、この方法は、初期センサデータを受信することをさらに含む。初期センサデータは、インターフェースが着用される前のユーザーの顔に関連している。特性を識別することは、初期センサデータをセンサデータと比較することを含む。別の実施形態では、この特性は、ｉ）ユーザーの顔の局所的な温度、ｉｉ）ユーザーの顔の局所的な温度変化、ｉｉｉ）ユーザーの顔の局所的な色、ｉｖ）ユーザーの顔の局所的な色変化、ｖ）ユーザーの顔の局所的な輪郭、ｖｉ）ユーザーの顔の局所的な輪郭変化、ｖｉｉ）インターフェースの局所的な輪郭、ｖｉｉｉ）インターフェースの局所的な変化、ｉｘ）インターフェースの局所的な温度、またはｘ）ｉ～ｉｘの任意の組み合わせを含む。別の実施形態では、この特性は、ｉ）ユーザーの顔の１つまたは複数の特徴に対するインターフェースの垂直位置、ｉｉ）ユーザーの顔の１つまたは複数の特徴に対するインターフェースの水平位置、ｉｉｉ）ユーザーの顔の１つまたは複数の特徴に対するインターフェースの回転方向、ｉｖ）ユーザーの顔の１つまたは複数の特徴に対するインターフェースの識別特徴間の距離、またはｖ）ｉ～ｉｖの任意の組み合わせを含む。別の実施形態では、１つまたは複数のセンサーは、１つまたは複数の方向センサーを含み、センサデータは、１つまたは複数の方向センサーからの方向センサデータを含む。センサデータを受信することは、１つまたは複数の方向センサーがユーザーの顔に向けられるようにモバイルデバイスが方向付けられているときに、モバイルデバイスを使用してユーザーの顔をスキャンすることと、顔スキャンの進行状況を追跡することと、を含む。顔スキャンの進行状況を示す不可視刺激を生成する。別の実施形態では、この方法は、モバイルデバイスの動きに関連するモーションデータを受信することと、ユーザーの顔に対するモバイルデバイスの動きを考慮するために、モーションデータをセンサデータに適用することと、をさらに含む。別の実施形態では、この方法は、センサデータを使用してインターフェースマッピングを生成することをさらに含む。インターフェースマッピングは、顔マッピングに対するインターフェースの１つまたは複数の特徴の相対位置を示す。特性を識別することは、インターフェースマッピングを使用することを含む。別の実施形態では、１つまたは複数のセンサーはカメラを含み、センサデータはカメラデータを含む。この方法は、カメラが校正面に向けられているときに、カメラによって収集されたセンサー校正データを受信することと、センサー校正データに基づいてセンサデータのカメラデータを校正することと、をさらに含む。別の実施形態では、この方法は、センサデータおよび顔マッピングを使用して、将来起こり得るインターフェースの故障に関連する追加の特性を識別することをさらに含む。この方法は、識別された追加の特性に基づいて出力フィードバックを生成することをさらに含む。出力フィードバックは、将来起こり得る故障が発生する可能性を低減するか、または将来起こり得る故障の発生を遅延させるために使用され得る。別の実施形態では、この方法は、センサデータを受信する前に、ユーザーの顔上のインターフェースの１つまたは複数の履歴適合度に関連する履歴センサデータにアクセスすることをさらに含む。特性を識別することは、履歴センサデータを使用することをさらに含む。別の実施形態では、この方法は、センサデータおよび顔マッピングを使用して現在の適合度スコアを生成することをさらに含む。出力フィードバックは、後続の適合度スコアを改善するために生成される。別の実施形態では、センサデータを受信することは、１つまたは複数のオーディオセンサからオーディオデータを受信することを含む。特性を識別することは、オーディオデータを使用して非意図的な漏れを識別することを含む。別の実施形態では、１つまたは複数のセンサーは、カメラ、オーディオセンサ、および熱センサーを含む。センサデータは、カメラデータ、オーディオデータおよび熱データを含む。特性を識別することは、カメラデータ、オーディオデータおよび熱データのうちの少なくとも１つを使用して潜在的な特性を識別することと、カメラデータ、オーディオデータ、および熱データのうちの少なくとも１つの他のデータを使用して潜在的な特性を確認することと、を含む。別の実施形態では、この方法は、ユーザーによって実施されるべきアクションを示すユーザー指令を提示することをさらに含む。この方法は、ユーザーがアクションを実行したことを示す完了信号を受信することをさらに含む。センサデータの第１部分は完了信号を受信する前に収集され、センサデータの第２部分は完了信号を受信した後に収集される。特性を識別することは、センサデータの第１部分をセンサデータの第２部分と比較することを含む。別の実施形態では、顔マッピングを生成することは、受信したセンサデータを使用して第１個人および第２個人を識別することと、受信したセンサデータを使用して、前記第１個人を前記インターフェースに関連するものとして識別することと、第１個人の顔マッピングを生成することと、を含む。別の実施形態では、センサデータを受信することは、受信したセンサデータから調整データを決定することを含む。調整データは、ｉ）モバイルデバイスの動き、ｉｉ）モバイルデバイス固有の騒音、ｉｉｉ）ユーザーの呼吸騒音、ｉｖ）ユーザーの発話騒音、ｖ）周囲の照明の変化、ｖｉ）ユーザーの顔に投影される一時的な影、ｖｉｉ）検出されたユーザーの顔に投影される一時的な色光、またはｖｉｉｉ）ｉ～ｖｉｉの任意の組み合わせに関連している。センサデータを受信することは、調整データに基づいて、受信したセンサデータの少なくとも一部に調整を適用することも含む。別の実施形態では、センサデータを受信することは、可視光スペクトルで動作する１つまたは複数のセンサーのカメラに関連する画像データを受信することと、可視光スペクトル外で動作する画像センサーまたは測距センサーである１つまたは複数のセンサーのうちの追加のセンサーに関連する不安定なデータを受信することと、画像データの安定化に関連する画像安定化情報を決定することと、画像データの安定化に関連する画像安定化情報を使用して不安定なデータを安定化することと、を含む。別の実施形態では、出力フィードバックを使用して、現在の適合度を改善することができる。別の実施形態では、この方法は、センサデータを使用して現在の適合度に基づいて初期スコアを生成することをさらに含む。この方法は、ユーザーの顔へのインターフェースの後続の適合度に関連する後続のセンサデータを受信することをさらに含む。後続の適合度は、出力フィードバックの実施後の現在の適合度に基づいている。この方法は、後続のセンサデータを使用して後続の適合度に基づいて後続スコアを生成することと、初期スコアを超える品質の改善を示す後続のスコアを評価することと、を含む。別の実施形態では、現在の適合度に関連する特性を識別することは、受信したセンサデータに基づいてユーザーの呼吸パターンを決定することと、受信したセンサデータおよび顔マッピングに基づいて、ユーザーの顔に関連する熱パターンを決定することと、呼吸パターンおよび熱パターンを使用して、漏れ特性を決定することと、を含む。漏れ特性は、意図的な換気口漏れと非意図的なシール漏れのバランスを示す。別の実施形態では、１つまたは複数のセンサーは、ｉ）受動熱センサー、ｉｉ）能動熱センサー、ｉｉｉ）カメラ、ｉｖ）加速度計、ｖ）ジャイロスコープ、ｖｉ）電子コンパス、ｖｉｉ）磁力計、ｖｉｉｉ）圧力センサー、ｉｘ）マイクロホン、ｘ）温度センサー、ｘｉ）近接センサー、ｘｉｉ）赤外線ベースのドットマトリクスセンサ、ｘｉｉｉ）ＬｉＤＡＲセンサー、ｘｉｖ）ＭＥＭＳマイクロミラープロジェクタベースのセンサー、ｘｖ）無線周波数ベースの測距センサー、およびｘｖｉ）無線ネットワークインターフェースからなる群から選択される少なくとも２つのセンサーを含む。別の実施形態では、この方法は、呼吸デバイスの１つまたは複数の追加センサーから追加センサデータを受信することを含む。特性を識別することは、追加のセンサデータを使用することを含む。別の実施形態では、この方法は、呼吸デバイスによって受信されると、呼吸デバイスが定義されたパラメータのセットを使用して動作するようにさせる制御信号を送信することをさらに含む。センサデータの第１部分は、呼吸デバイスが定義されたパラメータセットを使用して動作している間に収集され、センサデータの第２部分は、呼吸デバイスが定義されたパラメータセットを使用して動作していない間に収集される。特性を識別することは、センサデータの第１部分をセンサデータの第２部分と比較することを含む。

図１は、気道陽圧（ＰＡＰ）デバイス、特に呼吸圧療法（ＲＰＴ）デバイス４０などの呼吸療法デバイスから陽圧空気の供給を受ける、フルカバー（ＦＦＭ）の形態のユーザーインターフェース１００を装着したユーザー１０を含むシステムを示している。ＲＰＴデバイス４０からの空気は、加湿器６０で加湿され、空気回路５０を通ってユーザー１０に送られる。

この例では、本明細書に記載の呼吸療法デバイスは、気道陽圧換気（ＰＡＰ）、非侵襲的換気（ＮＩＶ）、または侵襲的換気のうちの１つまたは複数を提供するように構成された任意の呼吸療法デバイスを含むことができる。この例では、ＰＡＰデバイスは、持続気道陽圧（ＣＰＡＰ）デバイス、自動気道陽圧デバイス（ＡＰＡＰ）、バイレベルまたは可変気道陽圧デバイス（ＢＰＡＰまたはＶＰＡＰ）、またはそれらの任意の組み合わせであってもよい。ＣＰＡＰデバイスは、所定の空気圧（例えば、睡眠医によって決定される）をユーザーに供給する。ＡＰＡＰデバイスは、例えば、ユーザーに関連する呼吸データに基づいて、ユーザーに供給される空気圧を自動的に変更する。ＢＰＡＰまたはＶＰＡＰデバイスは、第１所定圧力（例えば、吸気気道陽圧またはＩＰＡＰ）と、第１所定圧力よりも低い第２所定圧力（例えば、呼気気道陽圧またはＥＰＡＰ）とを送達するように構成される。

図２は、シール形成構造１６０と、プレナムチャンバー１２０と、位置付けおよび安定化構造１３０と、換気口１４０と、額支持部１５０と、図１の空気回路５０に接続するための一形態の接続ポート１７０と、を含む、本技術の一態様によるユーザーインターフェース１００を示す。いくつかの形態では、機能的態様は、１つまたは複数の物理部品によって提供され得る。いくつかの形態では、１つの物理部品は、１つまたは複数の機能的態様を提供することができる。使用時に、シール形成構造１６０は、ユーザーの気道の入口を取り囲むように配置され、空気を陽圧で気道に供給することを容易にする。

本技術の一形態では、シール形成構造１６０は、シール形成面を提供し、さらに緩衝機能を提供することができる。本技術に係るシール形成構造１６０は、シリコーン樹脂のような軟質で可撓性のある弾性材料で構成することができる。一形態では、非侵襲的ユーザーインターフェース１００のシール形成部分は、ユーザーの対応する鼻孔とシールを形成するように構成され、配置された１対の鼻パフまたは鼻枕を含む。

本技術による鼻枕は、少なくとも一部がユーザーの鼻の下側にシールを形成する円錐台と、茎と、円錐台の下側にあり、円錐台を茎に接続する可撓性領域とを含む。更に、本技術の鼻枕が接続される構造は、柄の基部に隣接する可撓性領域を含む。可撓性領域は共に作用して、円錐台と鼻枕が接続される構造との相対移動（変位および角度の両方）に適応する自在継手構造を促進することができる。例えば、円錐台を、柄が接続される構造に向かって軸方向に変位させることができる。

一形態では、非侵襲的ユーザーインターフェース１００は、使用時にユーザーの顔の上唇領域（すなわち、上唇）にシールを形成するシール形成部分を含む。一形態では、非侵襲的ユーザーインターフェース１００は、使用時にユーザーの顔の顎領域にシールを形成するシール形成部分を含む。

好ましくは、プレナムチャンバー１２０は、使用時にシールが形成される領域内の普通の人の顔の表面輪郭と相補的に形成された周囲を有する。使用時において、プレナムチャンバー１２０の周縁部は、顔の隣接する表面に近接して位置決めされる。顔との実際の接触は、シール形成構造１６０によって提供される。シール形成構造１６０は、使用時にプレナムチャンバー１２０の周囲全体に延在してもよい。

好ましくは、本技術のユーザーインターフェース１００のシール形成構造１６０は、使用中に位置付けおよび安定化構造１３０によってシール位置に保持され得る。

一形態では、ユーザーインターフェース１００は、呼気二酸化炭素の排出を可能にするように構築および配置された換気口１４０を含む。本技術の一形態による換気口１４０は、複数の孔、例えば、約２０～約８０個の孔、または約４０～約６０個の孔、または約４５～約５５個の孔を含む。

図３Ａは、内角、鼻翼、鼻唇溝、上唇および下唇、上唇および下唇、および頬骨を含む人間の顔の前面図を示す。口の幅や頭を左右に分ける矢状面、方向インジケータも表示されている。方向インジケータは、半径方向の内向き／外向きおよび上向き／下向きの方向を示す。図３Ｂは、眉間、鼻翼、鼻筋、前鼻、鼻下、上唇および下唇、上口唇、鼻翼頂点、および上下耳鼻骨を含む人間の顔の側面図を示す。上下方向および前後方向を示す方向インジケータも表示されている。図３Ｃは、鼻唇溝、下唇、上朱肉、鼻孔、鼻下、鼻柱、前鼻孔、鼻孔の長軸および矢状面を含むいくつかの特徴が確認された鼻の底面図を示す。

以下は、図３Ａ～３Ｃに示される顔特徴をより詳細に説明する。

小鼻：各鼻孔の外側の壁または「翼」（複数：小鼻（ａｌａｒ））。

鼻翼点：鼻翼の最も外側の点。

鼻翼曲率（または鼻翼頂上）点：各鼻翼の屈曲基線の最後の点で、鼻翼が頬と結合して形成される折り目にある。

耳介：耳の外部から見える部分全体。

鼻柱：鼻孔を隔てる皮膚帯で、前鼻孔から上唇まで伸びている。

鼻柱角：鼻孔の開口部の中点を通る線と、鼻下と交わるフランクフルトの水平線に垂直な線との間の角度。

眉間：軟組織上に位置し、額の正中矢状面の最突点。

鼻孔（Ｎｏｓｔｒｉｌｓ）：鼻腔への入口を形成するほぼ長円体の孔。鼻孔（ｎａｒｅｓ）の単数形は鼻孔（ｎａｒｉｓ（ｎｏｓｔｒｉｌ））である。鼻孔は鼻中隔で隔てられている。

鼻唇溝または鼻唇ひだ：鼻の両側から口角まで伸び、頬と上唇を隔てる皮膚のひだまたは溝。

鼻唇角：鼻柱と上唇の間の角度で、鼻下点と交わる。

上耳底：顔面の皮膚に対する耳介の取り付け最上点。

上耳底顔面の皮膚に対する耳介の取り付け最上点。

鼻尖点：鼻の最も突き出た点または先端で、頭部の残りの部分の側面ビューで識別され得る。

人中：鼻中隔の下縁から上唇領域の唇の上部までの正中線の溝。

ポゴニオン：軟組織に位置し、顎の最前中点。

堤（鼻）：鼻堤は鼻の中央線の突起で、セリオンから鼻尖点まで延びている。

矢状面：体を右半分と左半分に分ける、前部（前部）から後部（後部）に通る垂直面。

セリオン：軟部組織上に位置する、前鼻縫合の領域を覆う最も凹んだ点。

鼻中隔軟骨（鼻）：鼻中隔軟骨は鼻中隔の一部を形成し、鼻腔の前部を隔てる。

副鼻翼：鼻翼底の下縁にあるポイントで、ここで鼻翼底が上唇の皮膚と接合する。

鼻下点：軟組織上に位置し、正中矢状面で鼻柱が上唇と結合する点。

上唇：下唇の正中線にある、下唇と軟組織の角部の間の最も凹んだ点。

以下で説明されるように、顔からいくつかの重要なサイズが存在し、それは、図１のマスク１００のようなユーザーインターフェースのサイズを選択するために使用されることができる。この例では、顔の高さ、鼻の幅、鼻の深さの３次元がある。図３Ａ～３Ｂは、顔の高さを表す線３０１０を示している。図３Ａに示すように、顔の高さはセリオンからスプラメントンまでの距離である。図３Ａの線３０２０は、鼻の小翼（例えば、鼻翼の左右の最も外側の点）の間の距離とすることができる鼻幅を表す。図３Ｂの線３０３０は、矢状面に平行な方向における前鼻頂点と鼻翼頂点との間の距離であり得る鼻の深さを表す。

図４Ａは、技術の一態様による、機械的、空気圧的、および／または電気的部品を含み、本明細書に記載された方法の全部または一部のような１つまたは複数のアルゴリズムを実行するように構成された例示的なＲＰＴデバイス４０の部品の分解図を示す。図４Ｂは、例示的なＲＰＴデバイス４０のブロック図を示す。図４Ｃは、ＲＰＴデバイス４０の例示的な電気制御部品のブロック図である。上流および下流方向は、送風機およびユーザーインターフェースを参照して指示される。送風機は、ユーザーインターフェースの上流として定義され、ユーザーインターフェースは、特定の瞬間における実際の流れ方向とは無関係に送風機の下流として定義される。送風機とユーザーインターフェースとの間の空気圧経路内に位置する物品は、送風機の下流でユーザーインターフェースの上流に位置する。ＲＰＴデバイス４０は、例えば１つまたは複数の呼吸障害を治療するために、ユーザーの気道に送るための空気の流れを生成するように構成され得る。

ＲＰＴデバイス４０は、上部４０１２と下部４０１４の２つの部分に形成された外部ハウジング４０１０を有してもよい。さらに、外部ハウジング４０１０は、１つまたは複数のパネル４０１５を含んでもよい。ＲＰＴデバイス４０は、ＲＰＴデバイス４０の１つまたは複数の内部部品を支持するシャーシ４０１６を含む。ＲＰＴデバイス４０は、ハンドル４０１８を含んでもよい。

ＲＰＴデバイス４０の空気圧経路は、入口エアフィルタ４１１２、入口マフラー４１２２、陽圧で空気を供給することができる圧力発生器４１４０（例えば送風機４１４２）、出口マフラー４１２４、および圧力センサー４２７２、流量センサー４２７４およびモータ速度センサー４２７６などの１つまたは複数のトランスデューサ４２７０などの１つまたは複数の空気圧経路項目を含んでもよい。

１つまたは複数の空気圧経路項目は、空気圧ブロック４０２０と呼ばれる取り外し可能な一体構造内に配置されてもよい。空気圧ブロック４０２０は、外部ハウジング４０１０内に配置されてもよい。一形態では、空気圧ブロック４０２０は、シャーシ４０１６によって支持されるか、またはシャーシ４０１６の一部として形成される。

ＲＰＴデバイス４０は、電源４２１０と、１つまたは複数の入力デバイス４２２０と、中央コントローラ４２３０と、圧力発生器４１４０と、データ通信インターフェース４２８０と、１つまたは複数の出力デバイス４２９０とを有してもよい。治療デバイス用に別個のコントローラを設けることができる。電気部品４２００は、単一のプリント回路基板アセンブリ（ＰＣＢＡ）４２０２上に実装され得る。代替形態では、ＲＰＴデバイス４０は、複数のＰＣＢＡ４２０２を含んでもよい。１つまたは複数の保護回路４２５０、トランスデューサ４２７０、データ通信インターフェース４２８０、および記憶デバイスのような他の部品もＰＣＢＡ４２０２上に実装することができる。

ＲＰＴデバイスは、以下の部品のうちの１つまたは複数を一体型ユニットに含んでもよい。代替形態では、以下の１つまたは複数の部品はそれぞれ個別のユニットとして配置されてもよい。

本技術の一形態によるＲＰＴデバイスは、空気フィルタ４１１０または複数の空気フィルタ４１１０を含み得る。一形態では、入口エアフィルタ４１１２は、圧力発生器４１４０の上流で空気圧経路の始点に配置される。一形態では、出口エアフィルタ４１１４、例えば抗菌フィルタは、空気圧ブロック４０２０の出口とユーザーインターフェース１００との間に配置される。

本技術の一形態によるＲＰＴデバイスは、マフラー４１２０または複数のマフラー４１２０を含み得る。本技術の一形態では、入口マフラー４１２２は、圧力発生器４１４０の上流の空気圧経路内に配置される。本技術の一形態では、出口マフラー４１２４は、図１の圧力発生器４１４０とユーザーインターフェース１００との間の空気圧経路内に配置される。

本技術の一形態では、陽圧空気の流れまたは供給を生成するための圧力発生器４１４０は、制御可能な送風機４１４２である。例えば、送風機４１４２は、１つまたは複数のインペラを有するブラシレスＤＣモータ４１４４を含んでもよい。インペラは、渦巻き状に配置されてもよい。送風機は、例えば約１２０Ｌ／ｍｉｎまでの速度、約４ｃｍＨ_２Ｏ～約２０ｃｍＨ_２Ｏの範囲内の陽圧、または約３０ｃｍＨ_２Ｏまでの他の形態で空気の供給を送達することができる。送風機は、米国特許番号第７，８６６，９４４号、米国特許第８，６３６，４７９号、米国特許第８，６３６，４７９号、ＰＣＴ特許出願公開第ＷＯ２０１３／０２０１６７号の特許または特許出願のいずれか１項に記載されており、それらの内容は全体として参照により本明細書に組み込まれている。

圧力生成器４１４０は、療法デバイスコントローラ４２４０の制御下にある。他の形態では、圧力発生器４１４０は、ピストン駆動ポンプ、高圧源（例えば、圧縮空気リザーバ）に接続された圧力調整器、またはベローズであってもよい。

本技術の一態様による空気回路４１７０は、使用時に加湿器６０およびユーザーインターフェース１００などの２つの部品の間を加圧空気流が移動することを可能にするように構築および配置された導管またはチューブである。具体的には、空気回路４１７０は、加湿器６０の出口およびユーザーインターフェース１００のプレナムチャンバー１２０と流体的に連通してもよい。

本技術の一形態では、流出防止弁４１６０は、加湿器６０と空気圧ブロック４０２０との間に配置される。流出防止弁は、水が加湿器６０から上流に、例えばモータ４１４４に流れるリスクを低減するように構築および配置される。

電源４２１０は、ＲＰＴデバイス４０の外部ハウジング４０１０の内部または外部に位置し得る。本技術の一形態において、電源４２１０は、ＲＰＴデバイス４０にのみ電力を提供する。本技術の別の形態において、電源４２１０は、ＲＰＴデバイス４０および加湿器６０の両方に電力を提供する。

ＲＴシステムは、ＲＴシステム、そのユーザー、および／またはその環境に関連する任意の数のパラメータのうちの１つまたは複数を測定するように構成された１つまたは複数のトランスデューサ（センサー）４２７０を含んでもよい。トランスデューサは、トランスデューサが測定するように構成された１つまたは複数のパラメータを表す出力信号を生成するように構成され得る。

出力信号は、電気信号、磁気信号、機械信号、視覚信号、光信号、音信号、または当技術分野で公知の任意の数の他の信号のうちの１つまたは複数としてもよい。

トランスデューサは、ＲＴシステムの別の部品と統合することができ、例示的な構成の１つは、トランスデューサがＲＰＴデバイスの内部に配置されることである。トランスデューサは、実質的にＲＴシステムの「スタンドアロン」部品であってもよく、その例示的な構成は、ＲＰＴデバイスの外部に位置するトランスデューサである。

トランスデューサは、その出力信号を、ＲＰＴデバイス、ローカル外部デバイス、またはリモート外部デバイスなどのＲＴシステムの１つまたは複数の部品に送信するように構成され得る。外部トランスデューサは、例えば、ユーザーインターフェース上に配置されてもよく、または、スマートフォンなどの外部コンピューティングデバイス内に配置されてもよい。外部トランスデューサは、例えば、空気回路上に配置されてもよく、または、ユーザーインターフェースのような空気回路の一部を形成してもよい。

図４Ｄは、本開示のいくつかの実施形態によるシステム４３００を示す。システム４３００は、プロセッサ４３１２、メモリデバイス４３１４、電子インターフェース４３１６、および１つまたは複数のセンサー４２７０を含む制御システム４３１０を含む。いくつかの実施形態では、システム４３００は、任意選択で、ＲＰＴデバイス４０、モバイルデバイス２３４などのユーザーデバイス、およびアクティビティトラッカー４３２２を含む図２のシステムであり得る呼吸療法システム４３２０をさらに含んでもよい。デバイス２３４は、ディスプレイ４３４４を含んでもよい。いくつかの場合、システム４３００の一部または大部分は、モバイルデバイス２３２、ＲＰＴデバイス４０、または外部コンピューティングデバイスなどの他の外部デバイスとして実装され得る。上述したように、呼吸療法システム４３２０は、ＲＰＴデバイス４０、ユーザーまたはユーザーインターフェース１００、導管４３２６、出力４２９０などのディスプレイ、および加湿器６０を含む。

１つまたは複数のセンサーまたはトランスデューサ４２７０は、流量、圧力または温度などの空気の属性を表す信号を生成するように構築および配置されてもよい。空気は、ＲＰＴデバイスからユーザーへの空気の流れ、ユーザーから大気への空気の流れ、周囲空気、または任意の他の空気であってもよい。信号は、ＲＰＴデバイスとユーザーとの間の空気圧経路における空気の流れのような特定の点における空気の流れの属性を表すことができる。本技術の一形態では、１つまたは複数のトランスデューサ４２７０は、加湿器６０の下流など、ＲＰＴデバイスの空気圧経路内に配置される。

本技術の一態様によれば、１つまたは複数のセンサー４２７０は、空気圧経路と流体的に連通する圧力センサーを含む。適切な圧力センサーの例としては、ＨＯＮＥＹＷＥＬＬＡＳＤＸシリーズからのトランスデューサがある。代替の適切な圧力センサーは、ＧＥＮＥＲＡＬＥＬＥＣＴＲＩＣのＮＰＡシリーズのトランスデューサである。一実施形態では、圧力センサーは、加湿器６０の出口に隣接して空気回路４１７０内に配置される。

音響／オーディオセンサ４２７８（例えば、マイクロホン圧力センサー４２７８）は、空気回路４１７０内の圧力変化を表す音信号を生成するように構成されている。「音響センサー」または「オーディオセンサ」は、交換可能な用語であり、人間に聞こえる音および／または聞こえない音を検出することができるセンサーを意味する。オーディオセンサ４２７８からの音信号は、以下に説明する１つまたは複数のアルゴリズムによって構成されるように、音響処理および分析のために中央コントローラ４２３０によって受信され得る。オーディオセンサ４２７８は、音に対する感度を高めるために気道に直接曝されてもよく、または、柔軟なフィルム材料の薄い層の後ろにカプセル化されてもよい。フィルムは、熱および／または湿度の影響からオーディオセンサ４２７８を保護する役割を果たし得る。代替的に、オーディオセンサ４２７８は、ＲＰＴデバイス４０、ユーザーインターフェース１００または導管に結合されてもよいし、ＲＰＴデバイス４０、ユーザーインターフェース１００または外部ユーザーデバイスに統合されてもよい。

オーディオセンサ４２７８によって生成されたオーディオデータは、１つまたは複数の音（例えば、ユーザー１０からの音）として再生可能である。オーディオセンサ４２７８からのオーディオデータは、バルブから逃げる空気の音など、ユーザーインターフェースに関連する特性を識別するために（例えば、中央コントローラ４２３０を使用して）または確認するためにも使用され得る。

スピーカーは、ユーザー１０などのユーザーに聞こえる音波を出力することができる。スピーカーは、例えば、所望のセンサデータを得るためにＲＰＴデバイス４０または他のデバイスをどのように動作するか、またはセンサデータの収集が十分に完了したときを示すようなオーディオフィードバックを提供するために使用され得る。いくつかの実施形態では、スピーカーは、オーディオセンサ４２７８によって生成されたオーディオデータをユーザーに送信するために使用され得る。スピーカーは、ＲＰＴデバイス４０、ユーザーインターフェース１００、導管または外部デバイスに結合されてもよいし、ＲＰＴデバイス４０、ユーザーインターフェース１００、導管または外部デバイスに統合されてもよい。

オーディオセンサ４２７８およびスピーカーは、別個のデバイスとして使用され得る。いくつかの実施形態では、オーディオセンサ４２７８およびスピーカーは、例えば、ＷＯ２０１８／０５０９１３およびＷＯ２０２０／１０４４６５に記載されているような音響センサ（例えば、ソナーセンサ）として組み合わされてもよく、ここで、各センサーは、参照によって全体として本明細書に組み込まれている。このような実施形態では、スピーカーは、所定の間隔で音波を生成または放射し、オーディオセンサ４２７８は、スピーカーから放射された音波の反射を検出する。スピーカーによって生成または放射される音波は、ユーザー１０と干渉しないように、人間の耳には聞こえない周波数（例えば、２０Ｈｚ未満または約１８ｋＨｚ以上）を有する。オーディオセンサ４２７８および／またはスピーカーからのデータに少なくとも部分的に基づいて、制御システムは、ユーザーおよび／またはユーザーインターフェース１００に関する位置情報（例えば、ユーザーの顔の位置、ユーザーの顔上の特徴の位置、ユーザーインターフェース１００の位置、ユーザーインターフェース１００上の特徴の位置）、生理学的パラメータ（例えば、呼吸数）などを決定してもよい。このような文脈では、ソナーセンサは、超音波および／または低周波数超音波感知信号（例えば、約１７～２３ｋＨｚ、１８～２２ｋＨｚ、または１７～１８ｋＨｚの周波数範囲内）を空中で生成および／または送信することなどによるアクティブ音響センシングに関わるものと理解され得る。上述したＷＯ２０１８／０５０９１３およびＷＯ２０２０／１０４４６５に関するこのようなシステムが考えられ、それらの各々は、全体として参照によって本明細書に組み込まれている。いくつかの実施形態では、追加のマイクロホン圧力センサーを使用することがある。

圧力センサー４２７２、流量センサー４２７４、モータ速度センサー４２７６、オーディオセンサ４２７８などのトランスデューサ４２７０からのデータは、中央コントローラ４２３０によって定期的に収集され得る。このようなデータは、一般にＲＰＴデバイス４０の動作状態に関するものである。この例では、中央コントローラ４２３０は、センサーからのこのようなデータを独自のデータフォーマットで符号化する。データは、標準化されたデータフォーマットで符号化することもできる。

１つまたは複数のセンサーまたはトランスデューサ４２７０は、温度センサー４３３０、モーションセンサ４３３２、スピーカー４３３４、無線周波数（ＲＦ）受信機４３３６、ＲＦ送信機４３３８、カメラ４３４０、赤外線センサー４３４２（例えば、受動赤外線センサーまたは能動赤外線センサー）、光電脈波（ＰＰＧ）センサー４３４４、心電図（ＥＣＧ）センサー４３４６、脳波（ＥＥＧ）センサー４３４８、静電容量センサー４３５０、力センサー４３５２、ひずみゲージセンサ４３５４、筋電図（ＥＭＧ）センサー４３５６、酸素センサー４３５８、検体センサー４３６０、湿度センサー４３６２、ＬｉＤＡＲセンサー４３６４、またはこれらの任意の組み合わせを含んでもよい。一般に、１つまたは複数のセンサーまたはトランスデューサ４２７０の各々は、受信され記憶デバイスに記憶されたセンサデータを出力するように構成される。

１つまたは複数のセンサー４２７０は、圧力センサー４２７２、流量センサー４２７４、モータ速度センサー４２７６、およびオーディオセンサ４２７８の各々を含むように示され、説明されているが、上述された他のセンサーは、本明細書で説明および／または図示された各センサーの任意の組み合わせおよび任意の数を含んでもよい。

１つまたは複数のセンサー４２７０を使用して、画像データ、オーディオデータ、測距データ、輪郭マッピングデータ、熱データ、生理学的データ、環境データなどのセンサデータを生成することができる。制御システムは、センサデータを使用して、ユーザーインターフェースを決定し、ユーザーインターフェース１００の現在の適合度に関連する特性を識別することができる。

例示的な圧力センサー４２７２は、図１の呼吸療法システムのユーザーの呼吸（例えば、吸息および／または呼息）および／または周囲圧力を示すセンサデータを生成する空気圧センサ（例えば、気圧センサ）である。このような実施形態では、圧力センサー４２７２は、ＲＰＴデバイス４０に結合されていてもよいし、ＲＰＴデバイス４０内に統合されてもよい。圧力センサー４２７２は、例えば、静電容量センサー、電磁センサー、圧電センサー、歪みセンサー、光センサー、電位差センサー、またはこれらの任意の組み合わせであってもよい。

流量センサ（例えば、流量センサ４２７４）の例がＷＯ２０１２／０１２８３５に記載されており、ＷＯ２０１２／０１２８３５の全内容が参照により本明細書に組み込まれている。いくつかの実施形態では、流量センサー４２７４は、ＲＰＴデバイス４０からの空気流量、空気回路４１７０の導管を通る空気流量、ユーザーインターフェース１００を通る空気流量、またはこれらの任意の組み合わせを決定するために使用される。このような実施形態では、流量センサー４２７４は、ＲＰＴデバイス４０、ユーザーインターフェース１００、またはユーザーインターフェース１００をＲＰＴデバイス４０の導管に結合または統合することができる。流量センサー４２７４は、回転式流量計（例えば、ホール効果流量計）、タービン流量計、オリフィス流量計、超音波流量計、熱線センサー、渦電流センサー、メンブレンセンサ、またはこれらの任意の組み合わせのような質量流量センサーであってもよい。いくつかの実施形態では、流量センサー４２７４は、換気口流量（例えば、意図的な「漏れ」）、非意図的な漏れ（例えば、口からの漏れおよび／またはマスク漏れ）、ユーザーの流量（例えば、肺への空気の流入および／または肺からの空気の流出）、またはこれらの任意の組み合わせを測定するように構成される。いくつかの実施形態では、流量データを分析して、ユーザーの心原性振動を判定することができる。

一部の実施形態では、温度センサー４３３０は、ユーザー１０のコア体温、ユーザーの局所的または平均的な皮膚温度、ＲＰＴデバイス４０からおよび／または導管を通って流れる空気の局所的または平均的な温度、ユーザーインターフェース１００内の局所的または平均的な温度、周囲温度、またはこれらの任意の組み合わせを示す温度データを生成する。温度センサー４３３０は、例えば、熱電対センサー、サーミスタセンサ、シリコンバンドギャップ温度センサーまたは半導体ベースのセンサー、測温抵抗体、またはそれらの任意の組み合わせであってもよい。いくつかの場合、温度センサーは、赤外線高温計のような非接触温度センサーであってもよい。

ＲＦ送信機４３３８は、所定の周波数および／または振幅（例えば、高周波数帯域、低周波数帯域、長波信号、短波信号等）を有する電波を生成および／または放射する。ＲＦ受信機４３３６は、ＲＦ送信機４３３８から放射された電波の反射を検出し、このデータは、制御システムによって分析されて、ユーザー１０および／またはユーザーインターフェース１００に関する位置情報、および／または本明細書に記載された１つまたは複数の生理学的パラメータを決定することができる。ＲＦ受信機（ＲＦ受信機とＲＦ送信機または別のＲＦペア）は、外部部品とＲＰＴデバイス４０との間、またはそれらの任意の組み合わせの間の無線通信に使用することもできる。ＲＦ受信機４３３６およびＲＦ送信機４３３８は、ＲＦセンサ（例えば、ＲＡＤＡＲセンサ）の一部として組み合わせることができる。このような実施形態では、ＲＦセンサーは制御回路を含む。ＲＦ通信の特定のフォーマットは、ＷｉＦｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）などであってもよい。

いくつかの実施形態では、ＲＦセンサーはメッシュシステムの一部である。メッシュシステムの一例は、ＷｉＦｉメッシュシステムであり、メッシュノード、メッシュルータ、およびメッシュゲートウェイを含むことができ、これらの各々は、移動式または固定式であってもよい。このような実施形態では、ＷｉＦｉメッシュシステムは、ＷｉＦｉルータおよび／またはＷｉＦｉコントローラと、ＲＦセンサーと同一または類似のＲＦセンサーをそれぞれ含む１つまたは複数の衛星（例えば、アクセス点）とを含む。ＷｉＦｉルータと衛星は、ＷｉＦｉ信号を使用して常に相互に通信する。ＷｉＦｉメッシュシステムは、移動する物体または人が信号を局所的に妨害することによるルータと衛星との間のＷｉＦｉ信号の変化（例えば、受信信号強度の差）に基づいてモーションデータを生成するために使用され得る。動きデータは、動き、呼吸、心拍数、歩容、転倒、行動など、またはその任意の組み合わせを示すことができる。

制御システムは、カメラ４３４０からの画像データを使用して、ユーザーの顔、ユーザーインターフェース１００、および／または、本明細書で説明される１つまたは複数の生理学的パラメータに関連する情報を決定することができる。例えば、カメラ４３４０からの画像データを使用して、ユーザーの位置、ユーザーの顔の一部の局所的な色、ユーザーの顔特徴に対するユーザーインターフェース上の特徴の相対位置などを識別することができる。いくつかの実施形態では、カメラは広角レンズまたは魚眼レンズを含む。カメラは、例えば、３８０ｎｍまたは約３８０ｎｍと７４０ｎｍまたは約７４０ｎｍとの間の波長などの可視スペクトルで動作するカメラであり得る。

ＩＲセンサー４３４２は、受動センサーまたは能動センサーであってもよい。受動赤外線センサーは、表面の温度を決定するために表面から放射される赤外線エネルギーを測定するなど、離れた表面からの自然な赤外線放射または反射を測定することができる。能動ＩＲセンサーは、ＩＲ受信機によって受信されるＩＲ信号を生成するＩＲ送信機を含んでもよい。このような能動ＩＲセンサーは、物体からのＩＲ反射および／または物体を通過する透過を測定するために使用され得る。例えば、ドットプロジェクタとしてのＩＲ送信機は、ＩＲ光を使用してユーザーの顔に識別可能なドットのアレイを投影することができ、その後、ＩＲ受信機は、ＩＲ光の反射を検出して、ユーザーの顔に関連する測距データ（例えば、ＩＲセンサー４３４２とリモート表面（例えば、ユーザーの顔の一部）との間の距離に関連するデータ）または輪郭データ（例えば、表面の公称高さに対する表面の相対高さ特徴に関連するデータ）を決定することができる。

一般に、ＩＲセンサー４３４２からの赤外線データは、ユーザー１０および／またはインターフェース１００に関する情報、および／または、本明細書で説明される１つまたは複数の生理学的パラメータを決定するために使用され得る。一例では、ＩＲセンサーからの赤外線データを使用して、ユーザーの顔の一部またはインターフェース１００の一部の局所的な温度を検出することができる。ＩＲセンサー４３４２は、例えば、ＩＲデータ（例えば、温度データまたは測距データ）をカメラデータ（例えば、局所的な色）と相関させるなど、カメラとともに使用することもできる。ＩＲセンサー４３４２は、７００ｎｍまたは約７００ｎｍと１ｍｍまたは約１ｍｍとの間の波長を有する赤外光を検出することができる。

ＰＰＧセンサー４３４４は、心拍数、心拍変動性、心周期、呼吸数、吸気振幅、呼気振幅、吸気呼気比、推定血圧パラメータ、またはこれらの任意の組み合わせのような１つまたは複数の睡眠関連パラメータを決定するために使用することができる、ユーザー１０に関連する生理学的データを出力する。ＰＰＧセンサー４３４４は、ユーザーによって装着され、ユーザーが着用する衣服および／または布地に埋め込まれ、インターフェース１００および／またはそれに関連するヘッドギア（例えば、ストラップなど）に埋め込まれ、および／または結合されていてもよい。

ＥＣＧセンサー４３４６は、ユーザー１０の心臓の電気的活動に関連する生理学的データを出力する。いくつかの実施形態では、ＥＣＧセンサー４３４６は、睡眠セッション中にユーザー１０の一部の上または周囲に配置された１つまたは複数の電極を含む。ＥＣＧセンサー４３４６からの生理学的データは、例えば、本明細書で説明する１つまたは複数の睡眠関連パラメータを決定するために使用することができる。

ＥＥＧセンサー４３４８は、ユーザー１０の脳の電気的活動に関連する生理学的データを出力する。いくつかの実施形態では、ＥＥＧセンサー４３４８は、睡眠セッション中にユーザー１０の頭皮上または周囲に配置された１つまたは複数の電極を含む。ＥＥＧセンサー４３４８からの生理学的データは、例えば、睡眠セッション中の任意の時点におけるユーザー１０の睡眠状態および／または睡眠段階を決定するために使用されてもよい。いくつかの実施形態では、ＥＥＧセンサー４３４８は、インターフェース１００および／または関連するヘッドギア（例えば、ストラップなど）に統合されてもよい。

ＥＭＧセンサー４３５６は、１つまたは複数の筋肉によって生成される電気的活動に関連する生理学的データを出力する。酸素センサー４３５８は、（例えば、導管やインターフェース１００における）ガスの酸素濃度を示す酸素データを出力する。酸素センサー４３５８は、例えば、超音波酸素センサー、電気酸素センサー、化学酸素センサー、光学酸素センサー、パルスオキシメータ（例えば、ＳｐＯ２センサー）、またはこれらの任意の組み合わせであってもよい。いくつかの実施形態では、１つまたは複数のセンサー４２７０は、ガルバニック皮膚反応（ＧＳＲ）センサー、血流センサー、呼吸センサー、脈拍センサー、血圧計センサー、酸素濃度計センサー、またはこれらの任意の組み合わせをさらに含む。

検体センサー４３６０は、例えばユーザー１０の呼気中の検体の存在を検出するために使用することができる。制御システムは、検体センサー４３６０によって出力されたデータを使用して、例えばユーザー１０の呼気中などの任意の検体の識別情報および濃度を決定することができる。いくつかの実施形態では、検体センサーは、ユーザー１０の口の近くに配置され、ユーザー１０の口から吐き出された呼気中の検体を検出する。例えば、インターフェース１００がユーザー１０の鼻および口を覆う顔面マスクである場合、検体センサー４３６０は、マスク内に配置されてユーザー１０の口呼吸を監視することができる。他の実施形態では、例えば、インターフェース１００が鼻マスクまたは鼻枕マスクである場合、検体センサーは、鼻を介して吐き出される呼気中の検体を検出するために、ユーザー１０の鼻の近くに位置されてもよい。他の実施形態では、インターフェース１００が鼻マスクまたは鼻枕マスクである場合、検体センサーは口の近くに配置されてもよい。この実施形態では、検体センサー４３６０は、ユーザー１０の口から非意図的な空気漏れがあるか否かを検出するために使用されてもよい。いくつかの実施形態では、検体センサー４３６０は、炭素系化学物質または化合物を検出するために使用され得る揮発性有機化合物（ＶＯＣ）センサーである。いくつかの実施形態では、検体センサー４３６０は、ユーザー１０が鼻または口を介して呼吸しているかを検出するために使用されてもよい。例えば、（インターフェースｅ１００が顔面マスクである実施形態では）口の近くまたは顔面マスク内に配置された検体センサーから出力されたデータによって検体の存在が検出された場合、制御システムは、このデータを、ユーザー１０が自分の口を介して呼吸していることを示す指標として使用することができる。

湿度センサー４３２２は、ユーザー１０の周囲の様々な領域（例えば、導管またはインターフェース１００の内部、ユーザー１０の顔の近く、導管とインターフェース１００との接続部の近く、導管とＲＰＴデバイス４０との接続部の近くなど）の湿度を検出するために使用されてもよい。したがって、いくつかの実施形態では、湿度センサー４３６２は、ＲＰＴデバイス４０からの加圧空気の湿度を監視するために、インターフェース１００または導管に結合または統合されてもよい。他の実施形態では、湿度センサー４３６２は、湿度レベルを監視する必要がある任意の領域の近くに配置される。湿度センサー４３６２はまた、ユーザー１０の周囲の環境、例えば寝室の空気の湿度を監視するために使用されてもよい。

光検出測距（ＬｉＤＡＲ）センサー４３６４は、深さ感知に使用することができる。このタイプの光センサ（例えば、レーザセンサ）を使用して、物体を検出し、ユーザーの顔、インターフェース１００、または周囲の環境（例えば、生活空間）のような物体の３次元（３Ｄ）マップ（例えば、輪郭マップ）を構築することができる。ＬｉＤＡＲは通常、パルスレーザーを利用して飛行時間を測定することができる。ＬｉＤＡＲは３Ｄレーザースキャンとも呼ばれる。このようなセンサーを使用する例では、ＬｉＤＡＲセンサーを有する固定またはモバイルデバイス（例えば、スマートフォン）は、センサーから５ｍ以上離れた領域を測定およびマッピングすることができる。例えば、ＬｉＤＡＲデータは、電磁ＲＡＤＡＲセンサーによって推定された点群データと融合することができる。ＬｉＤＡＲセンサーはまた、人工知能（ＡＩ）を使用して、ガラス窓（レーダーにとって反射性が高い場合がある）などレーダーシステムに問題をもたらす可能性のある空間内の特徴を検出し、分類することによって、レーダーシステムを自動的に地理的にジオフェンスすることができる。ＬｉＤＡＲは、人の身長の推定や、人が座ったり転んだりしたときの身長の変化などを提供するために使用されてもよい。ＬｉＤＡＲは、ユーザーの顔、ユーザーインターフェース１００（例えば、ユーザーの顔に装着された場合）、および／または環境の３Ｄメッシュ表現を形成するために使用されてもよい。さらなる用途では、ＬｉＤＡＲは、電波が通過する固体表面（例えば、無線透光性材料）から反射することができ、それにより、さまざまなタイプの故障物の分類が可能になる。本明細書ではＬｉＤＡＲセンサーについて説明しているが、いくつかの場合、ＬｉＤＡＲセンサーの代わりに、またはＬｉＤＡＲセンサーに加えて、例えば超音波測距センサー、電磁レーダセンサなどの１つまたは複数の他の測距センサーを使用することができる。

ＲＰＴデバイス４０、導管、またはインターフェース１００に加えて、上記のセンサーのいずれかまたはすべては、モバイルユーザーデバイスまたは活動トラッカーなどの外部デバイスに配置されてもよい。例えば、オーディオセンサ４２７８およびスピーカー４３３４は、モバイルデバイス内に統合され、および／またはモバイルデバイスに結合されてもよく、圧力センサー４２７２および／または流量センサー４２７４は、ＲＰＴデバイス４０内に統合され、および／またはＲＰＴデバイス４０に結合されてもよい。いくつかの実施形態では、１つまたは複数のセンサーのうちの少なくとも１つは、睡眠セッション中にユーザー１０にほぼ隣接して配置されてもよい（例えば、ユーザー１０の一部に配置されるか接触するか、ユーザー１０によって装着されるか、ナイトスタンドに結合または配置されるか、マットレスに連結されるか、天井に連結されるかなど）。

本技術の一形態において、ＲＰＴデバイス４０は、人がデバイスとやりとりできるように、ボタン、スイッチまたはダイヤルの形態をとる１つ以上の入力デバイス４２２０を含む。ボタン、スイッチ、またはダイヤルは、タッチスクリーンを介してアクセス可能な物理デバイス、またはソフトウェアデバイスであってもよい。１つの形態では、ボタン、スイッチ、またはダイヤルは、外部ハウジング４０１０に物理的に接続されていてもよく、別の形態では、中央コントローラ４２３０に電気的に接続された受信機と無線通信していてもよい。一形態では、入力デバイス４２２０は、人が値および／またはメニューオプションを選択することを可能にするように構築および配置されてもよい。

本技術の一形態において、中央コントローラ４２３０は、ＲＰＴデバイス４０の制御に適した１つまたは複数のプロセッサである。適切なプロセッサは、ｘ８６ＩＮＴＥＬプロセッサ、ＡＲＭＨｏｌｄｉｎｇｓからのＡＲＭ（登録商標）Ｃｏｒｔｅｘ（登録商標）－Ｍプロセッサに基づいたプロセッサ（例えば、ＳＴＭＩＣＲＯＥＬＥＣＴＲＯＮＩＣからのＳＴＭ３２シリーズのマイクロコントローラ）含み得る。本技術の特定の代替形態において、ＴＥＸＡＳＩＮＳＴＲＵＭＥＮＴＳによって製造されたＳＴＭＩＣＲＯＥＬＥＣＴＲＯＮＩＣＳからのＳＴＲ９シリーズのマイクロコントローラなどの３２ビットＲＩＳＣＣＰＵ、またはＭＳＰ４３０ファミリーのマイクロコントローラからのプロセッサなどの１６ビットＲＩＳＣＣＰＵも適切であり得る。本技術の一形態において、中央コントローラ４２３０は、専用電子回路である。一形態において、中央コントローラ４２３０は、特定用途向け集積回路である。別の形態において、中央コントローラ４２３０は、離散的な電子部品を含む。中央コントローラ４２３０は、１つまたは複数のトランスデューサ４２７０、１つまたは複数の入力デバイス４２２０、および加湿器６０から入力信号を受信するように構成されてもよい。

中央コントローラ４２３０は、出力デバイス４２９０、治療デバイスコントローラ４２４０、データ通信インターフェース４２８０、および加湿器６０のうちの１つまたは複数に出力信号を提供するように構成されてもよい。

本技術のいくつかの形態では、中央コントローラ４２３０は、内部メモリ上の非一時的なコンピュータ可読記憶媒体に記憶されたコンピュータプログラムとして表される１つまたは複数のアルゴリズムなど、本明細書に記載された１つまたは複数の方法を実装するように構成される。本技術のいくつかの形態では、中央コントローラ４２３０は、ＲＰＴデバイス４０に統合されてもよい。しかしながら、本技術のいくつかの形態では、いくつかの方法は、モバイルコンピューティングデバイスなどのリモートデバイスによって実行され得る。例えば、リモートデバイスは、本明細書に記載されたいずれかのセンサーからのデータのような記憶されたデータを分析して、人工呼吸器の制御設定を決定したり、呼吸関連イベントを検出したりすることができる。上述したように、外部ソースまたは中央コントローラ４２３０のすべてのデータおよび動作は、一般にＲＰＴデバイス４０の製造業者が所有するものである。したがって、センサーからのデータや他の追加の動作データは、通常、他のデバイスからアクセスすることはできない。

本技術の一形態では、データ通信インターフェースが提供され、中央コントローラ４２３０に接続される。データ通信インターフェースは、リモート外部通信ネットワークおよび／またはローカル外部通信ネットワークに接続可能であってもよい。リモート外部通信ネットワークは、サーバまたはデータベースのようなリモート外部デバイスに接続可能であってもよい。ローカル外部通信ネットワークは、モバイルデバイスまたは健康監視デバイスのようなローカル外部デバイスに接続可能であってもよい。したがって、ＲＰＴデバイス４０またはモバイルデバイスは、ローカル外部通信ネットワークを使用して、他のデバイスからデータを収集することができる。

一形態では、データ通信インターフェースは、中央コントローラ４２３０の一部である。別の形態では、データ通信インターフェース４２８０は、中央コントローラ４２３０から分離され、集積回路またはプロセッサを含むことができる。一形態では、リモート外部通信ネットワークはインターネットである。データ通信インターフェースは、有線通信（例えば、イーサネット（登録商標）または光ファイバを介して）または無線プロトコル（例えば、ＣＤＭＡ、ＧＳＭ（登録商標）、２Ｇ、３Ｇ、４Ｇ／ＬＴＥ、ＬＴＥＣａｔ－Ｍ、ＮＢ－ＩｏＴ、５Ｇ新無線、衛星、５Ｇ以上）を使用してインターネットに接続可能であってもよい。一形態では、ローカル外部通信ネットワーク４２８４は、ブルートゥース（登録商標）または消費者向け赤外線プロトコルなどの１つまたは複数の通信規格を利用する。

例示的なＲＰＴデバイス４０は、図４Ｃに示すように、統合されたセンサーおよび通信電子デバイスを含む。古いＲＰＴデバイスは、収集されたデータを送信するための通信電子デバイスを含むことができるセンサモジュールが組み込まれている場合がある。このようなセンサモジュールは、ＲＰＴデバイスに取り付けられてもよく、したがって、サーバ２１０内のリモート分析エンジンに動作データを送信する。

図５は、ＲＰＴデバイス４０を図１のインターフェース１００に接続する空気回路４１７０内のオーディオセンサ４２７８の概略図である。この例では、導管１８０（長さＬ）は、ＲＰＴデバイス４０によって生成される音の音響導波管として有効に機能する。この例では、入力信号は、ＲＰＴデバイス４０が発する音である。入力信号（例えば、インパルス）は、導管１８０の一端に位置するオーディオセンサ４２７８に入り、導管１８０内の空気経路に沿ってマスク１００に伝播し、空気経路内の特徴（導管１８０およびマスク１００を含む）によって導管１８０に沿って反射されてオーディオセンサ４２７８に再び戻る。したがって、システムＩＲＦ（入力インパルスから生成される出力信号）は、入力信号成分と反射成分とを含む。重要な特徴の１つは、音が空気経路の一方の端から他方の端に伝わるのにかかる時間である。この間隔は、オーディオセンサ４２７８が、ＲＰＴデバイス４０からの入力信号を受信し、その後、一定時間の後に、導管１８０によってフィルタリングされ、マスク１００（および、マスク１００がユーザーに着用されたときにマスクに取り付けられた他のシステム１９０、例えば人間の呼吸器系）によって反射およびフィルタリングされた入力信号を受信するので、システムＩＲＦで表現される。これは、導管１８０のマスク端からの反射に関連するシステムＩＲＦの成分（反射成分）が、比較的短い遅延の後にオーディオセンサ４２７８に到達する入力信号に関連するシステムＩＲＦの成分（入力信号成分）に対して遅延されることを意味する。（実用上、この短い遅延は無視してもよく、ゼロ時間はマイクが入力信号に最初に応答した時間に近似している）。遅延は２Ｌ／ｃ（Ｌは導管の長さ、ｃは導管内の音速）に等しい。

もう１つの特徴は、空気圧経路が損失しやすいので、導管が十分に長い場合、入力信号成分は、システムＩＲＦの反射成分が開始するときに無視できる量まで減衰することである。この場合、入力信号成分は、システムＩＲＦの反射成分から分離することができる。代替的に、入力信号は、空気経路のデバイス端にあるスピーカーからのものであってもよい

開示された音響分析技術のいくつかの実施形態は、ケプストラム分析を可能にすることができる。ケプストラムはデシベルスペクトルの順フーリエ変換の対数スペクトルの逆フーリエ変換と考えることができる。演算は、本質的に、インパルス応答関数（ＩＲＦ）と音源の畳み込みを加算演算に変換でき、したがって、解析用にＩＲＦのデータを分離するため、音源をより容易に解釈または削除することができる。ケプストラム解析の技法は、「ＴｈｅＣｅｐｓｔｒｕｍ：ＡＧｕｉｄｅｔｏＰｒｏｃｅｓｓｉｎｇ」（Ｃｈｉｌｄｅｒｓら著、ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ，Ｖｏｌ．６５，Ｎｏ．１０，Ｏｃｔ１９７７）と題する学術論文、およびＲＡＮＤＡＬＬＲＢ著、「ＦｒｅｑｕｅｎｃｙＡｎａｌｙｓｉｓ」、（Ｃｏｐｅｎｈａｇｅｎ：Ｂｒｕｅｌ＆Ｋｊａｅｒ，ｐ．３４４（１９７７、改訂版１９８７））に詳細に記載されている。呼吸療法システムの部品識別におけるケプストラム分析の適用については、名称が「呼吸療法デバイスの音響的検出」のＰＣＴ公開番号ＷＯ２０１０／０９１４６２に詳細に記載されており、その全内容は引用によって本明細書に組み込まれている。

前述したように、呼吸療法システムは、通常、図１に示されたような部品などの呼吸療法デバイス（例えば、ＲＰＴデバイス）、加湿器、送気導管、および患者インターフェースを含む。種々の異なる形態の患者インターフェースは、所与のＲＰＴデバイスと共に使用することができ、例えば、鼻枕、鼻プロング、鼻堤にシールされた鼻マスク、鼻堤ではなく鼻の下周縁にシールされた鼻および鼻（口鼻）マスク、従来のフルフェースマスクと同様に、鼻梁または鼻堤ではなく鼻の下周縁にシールされた鼻および鼻（口鼻）マスク、マスクの前方に面する部分に導管が接続されたチューブダウンマスク、導管ヘッドギアを備えたマスク、主導管が接続された一体化型の短管を備えたマスク、主導管が直接接続されたエルボなどの分離構造を備えたマスク、および他のタイプのマスクや上記のバリエーションを使用することができる。さらに、さまざまな形態の送気導管を使用することができる。ユーザーインターフェースに送達される療法の改良された制御を提供するために、測定された治療パラメータ、例えばユーザーインターフェース内の圧力および通気流量を分析または推定することができる。従来のシステムでは、以下で説明するように、ユーザーにとって最適なインターフェースを決定するために、ユーザーが使用している部品の種類に関する知識を決定することができた。一部のＲＰＴデバイスには、ユーザーインターフェースを含む、使用されているシステム部品のタイプ（ブランド、フォーム、モデルなど）をユーザーが選択できるメニューシステムが含まれている。ユーザーが部品のタイプを入力すると、ＲＰＴデバイスは、選択された部品に最適に調整されるフロージェネレータの適切な動作パラメータを選択することができる。ＲＰＴデバイスによって収集されたデータは、ユーザーへの加圧空気の供給に関して、特定の選択された部品（例えば、ユーザーインタフェース）の有効性を評価するために使用されてもよい。

図５を参照して上述したように、音響分析を使用して、呼吸圧療法システムの部品を識別するために使用することができる。本明細書において、部品の「識別」とは、部品タイプの識別を意味する。以下では、簡潔にするために、「マスク」とは、一般に「マスク」と記載されないユーザーインターフェースがあっても、「ユーザーインターフェース」と同義に使用される。

システムは、オーディオセンサ４２７８によって取得された音信号を分析することによって、使用中の導管の長さおよび導管に接続されているマスクを識別することができる。この技術は、識別時にユーザーがマスクを装着しているか否かにかかわらず、マスクと導管を識別することができる。

この技術は、音響マスクの反射を他のシステム騒音や応答（送風機音を含むがこれに限定されない）から分離することができる分析方法を含む。これにより、異なるマスクからの音響反射（通常、マスクの形状、構成および材料によって決定される）の間の差異を識別することが可能となり、ユーザーまたはユーザーの介入なしに異なるマスクを識別することが可能となる。

マスクを識別する例示的な方法は、オーディオセンサ４２７８によって取得された出力音信号ｙ（ｔ）を少なくともナイキストレート（例えば、２０ｋＨｚ）でサンプリングし、サンプリングされた出力信号からケプストラムを計算し、ケプストラムの入力信号成分からケプストラムの反射成分を分離することである。ケプストラムの反射成分は、入力音信号のマスクからの音響反射を含むので、マスクの「音響シグネチャ」または「マスクシグネチャ」と呼ばれる。音響シグネチャは次に、既知のマスクを含むシステムから得られた予め測定された音響シグネチャの予め定義されたまたは予め定められたデータベースと比較される。必要に応じて、適切な類似性を決定するためにいくつかの基準が設定される。例示的な実施形態では、比較は、測定された音響シグネチャと記憶された音響シグネチャとの間の相互相関における単一の最大データピークに基づいて行うことができる。しかしながら、このアプローチは、いくつかのデータピーク、または抽出された唯一のケプストラム特徴集合について比較を行うことによって改善され得る。

代替的に、ＲＰＴデバイス４０から受信された音とマスク１００から受信された音の反射との間の遅延を求めることによっても、同じ方法を使用して導管長を決定することができる。遅延は、チューブ１８０の長さに比例し得る。加えて、管径の変化は反射信号の振幅を増減させることができるので、識別することもできる。このような評価は、現在の反射データを以前の反射データと比較することによって行うことができる。直径変化は、反射信号（すなわち、反射データ）からの振幅変化の割合と考えることができる。

本技術によれば、反射成分に関連するデータは、次に、マスク反射成分のメモリまたはデータベースに含まれるデータのような、以前に識別されたマスク反射成分からの同様のデータと比較することができる。

例えば、テスト対象のマスクの反射成分（「マスクシグネチャ」）は、マイクロホンによって生成された出力信号のケプストラムから分離することがある。このマスクシグネチャは、デバイスのデータテンプレートとして記憶されている既知のマスクの以前のまたは予め定められたマスクシグネチャのマスクシグネチャと比較されてもよい。これを行う１つの方法は、テスト対象のマスクのマスクシグネチャと、既知のすべてのマスクまたはデータテンプレートについて以前に記憶されたマスクシグネチャとの間の相互相関を計算することである。最も高いピークとの相互相関は、テスト対象のマスクに相当する可能性が高く、ピークの位置は導管の長さに比例するべきである。

上述したように、ＲＰＴデバイス４０は、動作データだけでなく、ユーザーインターフェースの種類に関するデータを提供することができる。動作データは、特定のマスクタイプが有効であるか否かを判定するために、マスクタイプとユーザー関連データとを相関させてもよい。例えば、動作データは、ＲＰＴデバイス４０の使用時間や、その使用により効果的な治療が行われたか否かを反映している。ユーザーインターフェースのタイプは、ＲＰＴデバイス４０によって収集された動作データから決定されるような、ユーザーコンプライアンスのレベルまたは治療の有効性と相関してもよい。相関データは、同様のＲＰＴデバイスによる呼吸療法を必要とする新しいユーザーによって有効なインターフェースをより適切に決定するために使用されてもよい。この選択は、インターフェースの選択を補助するために、新しいユーザーの顔スキャンから得られた顔寸法と組み合わせてもよい。

したがって、本技術の例は、ＲＰＴデバイスを使用してユーザー集団から収集された異なるマスクに関するデータと、スキャンプロセスによって決定された個々のユーザーの顔特徴とを組み合わせることによって、ユーザーがマスクのようなユーザーインターフェースをより迅速かつ便利に取得することを可能にする。ユーザーは、スキャンプロセスを使用することにより、デスクトップ、タブレット、スマートフォン、またはその他のモバイルデバイスなどのコンピューティングデバイスを使用して、快適な自宅で顔の解剖学的構造を迅速に測定することができる。次いで、コンピューティングデバイスは、様々なインターフェースを使用してユーザーの顔寸法および一般ユーザー集団からのデータを分析した後、適切なユーザーインターフェースのサイズおよびタイプに関する推奨を受信または生成することができる。

有益な実施形態では、本技術は、製造業者またはサードパーティのサーバから統合カメラを有するスマートフォンまたはタブレットにダウンロード可能なアプリケーションを採用することができる。アプリケーションは、起動されると、視覚的および／または音声指示を提供し得る。示されるように、ユーザー（すなわち、ユーザー）は、鏡の前に立って、ユーザーインターフェース上のカメラボタンを押すことができる。その後、起動されたプロセスは、ユーザーの顔の一連の画像を撮影することができ、その後、例えば数秒以内に、インターフェースを選択するための顔寸法（画像を分析するプロセッサに基づく）を取得することができる。

ユーザー／ユーザーは、自分の顔構造の画像または一連の画像を取り込むことができる。一例としては、コンピュータ可読媒体上に記憶されたアプリケーションプログラムによって提供される指令であってもよく、例えば、プロセッサによって実行されるときに、画像内の様々な顔のランドマークを検出し、これらのランドマーク間の距離を測定し、スケーリングし、これらの距離をデータレコードと比較し、適切なユーザーインターフェースサイズを推奨する。したがって、消費者の自動化デバイスは、家庭内などでの正確なユーザーインターフェース選択を可能にし、顧客が訓練を受けた従業員なしでサイズを決定できるようにさせることができる。

他の例としては、画像からの３次元顔特徴の識別を含む場合がある。顔特徴の識別は、さまざまな特徴の「形状」に基づいてサイズを決定することである。この形状は、ユーザーの顔のほぼ連続した表面として記述される。実際には、連続表面は不可能であるが、顔に約１０ｋ～１００ｋ点を集めることで顔の連続表面の近似値が得られる。３次元の顔特徴を識別するために顔画像データを収集するための例示的な技術がいくつかある。

１つの方法は、２Ｄ画像から顔画像を決定することである。この方法では、コンピュータビジョン（ＣＶ）および訓練済み機械学習（ＭＬ）モデルが、主要な顔ランドマークを抽出するために使用される。例えば、ＯｐｅｎＣＶとＤＬｉｂライブラリは、訓練された数の標準的な顔ランドマークを使用してランドマークの比較に使用できる。予備的な顔のランドマークが抽出されると、導き出された３次元特徴は適切にスケーリングされなければならない。スケーリングは、既知のスケールを提供するために、コイン、クレジットカード、またはユーザーの虹彩などのオブジェクトを決定することを含む。例えば、ＧｏｏｇｌｅＭｅｄｉａｐｉｐｅＦａｃｅｍｅｓｈとＩｒｉｓモデルは、ユーザーの虹彩を追跡し、顔のランドマークをスケーリングしてマスクのサイズを調整することができる。これらのモデルには、４６８個の顔のランドマークと１０個の目のランドマークが含まれている。次に、虹彩データは、他の識別された顔特徴をスケーリングするために使用される。

３次元特徴を決定する別の方法は、深度センサーを有する３Ｄカメラから取得された顔データであってもよい。ｉＰｈｏｎｅ（登録商標）Ｘ以降に搭載されているような３Ｄカメラは、顔の３Ｄスキャンを実行し、メッシュ化（三角形化）された表面に戻すことができる。表面点の数は一般的に約５０ｋのオーダーである。この例では、ｉＰｈｏｎｅ（登録商標）などの３Ｄカメラには２種類の出力がある。それらは、（ａ）生スキャンデータ、および（ｂ）顔の検出と追跡のための低解像度のブレンドシェイプモデルである。後者には自動ランドマークが含まれているが、前者には含まれていない。メッシュ面データにはスケーリングは必要である。

もう１つの方法は、２Ｄ画像から３Ｄモデルを直接生成することである。これは、３Ｄ変形可能モデル（または３ＤＭＭ）と機械学習を使って、３ＤＭＭの形状を画像内の顔に合わせて調整することを含む。単一または複数の画像ビューを複数の角度から取得することができ、デジタルカメラで取り込まれたビデオから取得することができる。３つのＤＭＭは、機械学習マッチングルーチンによって複数の２Ｄ画像から取得されたデータをマッチングするように適合されていてもよい。３ＤＭＭは、顔特徴を修正するために、顔画像に示される形状、姿勢および表情を考慮するように適合されていてもよい。スケーリングは依然として必要である可能性があるので、虹彩のような眼の特徴のような既知のオブジェクトの検出およびスケーリングは、年齢のような要因によるスケーリング誤差を考慮する参照として使用することができる。

３次元特徴または形状データをマスクのサイジングに使用することができる。マスクを一致させる１つの方法は、識別された顔の表面を提案されたマスクの既知の表面に位置合わせすることである。次に、表面を位置合わせする。この位置合わせは、最近接反復最近接点（ＮＩＣＰ）技術によって実行され得る。次に、顔特徴の最近接点または対応点とマスク接触面との間の距離の平均値である平均距離を求めることにより、適合度スコアを算出することができる。低いスコアは良好な適合度に対応する。

マスクのサイズを決定する別の方法は、さまざまなユーザーから収集された３Ｄ顔スキャンを使用することである。この例では、１，０００人を超えるユーザーについて３Ｄデータを収集することが可能である。これらのユーザーは、理想的なマスクサイズに基づいてグループ化される。この例では、利用可能な理想的なマスクサイズの数は、さまざまなユーザータイプをカバーするためにマスク設計者によって決定される。このようなグループ化方法は、従来の２Ｄランドマークに基づくグループ化や顔の形状の主成分に基づくグループ化など、他のタイプのデータに基づくグループ化であってもよい。主成分分析は、顔特徴の削減された特性セットを決定することができる。各マスクサイズを表す３Ｄ顔特徴の平均セットが、マスクサイズのグループ化に基づいて計算される。

新しいユーザーのサイズを決定するために、３Ｄ顔スキャンまたは２Ｄ画像から３Ｄデータを導出し、各平均顔に対する新しいユーザーの適合度スコアを計算する。選択されたマスクサイズとマスクタイプは、適合度スコアの最も低い平均的な顔に対応するマスクである。追加の個人的嗜好を加えることもできる。特定の顔特徴を使用して、利用可能なマスクタイプの変更に基づいてカスタムサイズを作成することもできる。

図７は、自動顔特徴測定およびユーザーインターフェース選択のために実装され得る例示的なシステム２００を示す。システム２００は、一般に、サーバ２１０、通信ネットワーク２２０、およびコンピューティングデバイス２３０のうちの１つまたは複数を含んでもよい。サーバ２１０およびコンピューティングデバイス２３０は、有線ネットワーク２２２、無線ネットワーク２２４、または無線リンク２２６を有する有線ネットワークとすることができる通信ネットワーク２２０を介して通信することができる。いくつかのバージョンでは、サーバ２１０は、情報をコンピューティングデバイス２３０に提供することによってコンピューティングデバイス２３０と一方向に通信し得、あるいはその逆も可能である。他の実施形態では、サーバ２１０およびコンピューティングデバイス２３０は、情報および／または処理タスクを共有し得る。このシステムは、例えば、図１のマスク１００などのユーザーインターフェースの自動購入を可能にするために実装され得る。このプロセスは、本明細書でより詳細に説明する自動サイジングプロセスを含む場合がある。例えば、顧客は、異なるタイプおよびサイズのマスクを使用する患者集団からの他のマスクからの動作データとＲＰＴデバイス動作データとを組み合わせて顧客の顔特徴を画像分析することにより、適切なマスクサイズ、タイプおよび／またはモデルを自動的に識別するマスク選択プロセスを実行した後に、マスクをオンラインで注文することができる。システム２００は、１つまたは複数のデータベースを含んでもよい。１つまたは複数のデータベースは、患者データベース２６０、患者インターフェースデータベース２７０、および本明細書で説明する他の任意のデータベースを含んでもよい。本技術のいくつかの例では、システムによってアクセスされるか、または方法の実行中にアクセスされる必要があるすべてのデータが単一のデータベースに記憶されてもよいことを理解されるべきである。他の例では、データを２つ以上の個別のデータベースに記憶できる。したがって、本明細書で特定のデータベースに言及する場合、特定のデータベースは、いくつかの例では、固有のデータベースであってもよく、他の例では、より大きなデータベースの一部であってもよいことを理解すべきである。

サーバ２１０および／またはコンピューティングデバイス２３０は、図１に示すＲＰＴデバイス４０と同様のＲＰＴデバイス２５０のような呼吸治療デバイスと通信することもできる。この例のＲＰＴデバイス２５０は、ユーザー使用に関連する動作データ、マスク漏れ、および他の関連データを収集して、マスク使用に関連するフィードバックを提供する。ＲＰＴデバイス２５０からのデータが収集され、ユーザーデータベース２６０内のＲＰＴデバイス２５０を使用するユーザーの個人ユーザーデータと相関している。ユーザーインターフェースデータベース２７０は、新しいユーザーが使用することができるマスクなど、さまざまなタイプおよびサイズのインターフェースに関するデータを含む。ユーザーインターフェースデータベース２７０はまた、マスクのタイプ毎の音響シグネチャデータを含むことができ、これは、呼吸療法デバイスから収集されたオーディオデータからマスクのタイプを決定することを可能にすることができる。サーバ２１０によって実行されるマスク分析エンジンは、個々の顔寸法データからの有効マスクサイズおよびタイプと、ユーザー集団全体を含むＲＰＴデバイス２５０から収集された動作データの対応する有効性とを相関させて決定するために使用される。例えば、効果的な適合度は、検出された漏れの最小値、治療計画への最大コンプライアンス（例えば、マスクのオンオフ時間、オンオフイベントの頻度、使用される治療圧力）、一晩の無呼吸回数、ＡＨＩレベル、デバイスに使用される圧力設定、および所定の圧力設定によって証明され得る。このデータは、新しいユーザーの顔画像に基づく顔寸法データまたは他のデータと相関してもよい。

例えば、ユーザーの顔を撮像して得られた顔の形状、例えば３Ｄスキャンデータ）は、提案されたマスク（クッション、導管、ヘッドギア）の特徴の幾何学的形状と比較することができる。形状と幾何学的形状の違いを分析して、接触領域の発赤や痛みを引き起こす漏れや接触圧力の高い領域を引き起こす可能性のある適合度の問題があるか否かを判断することができる。本明細書で説明されるように、ユーザー集団について収集されたデータは、検出された漏れなどの他の形式のデータと組み合わせて、特定の顔の形状（すなわち、口、鼻、頬、頭などの形状）に最適なマスクシステムを識別することができる。

後述するように、サーバ２１０は、データベース２６０に記憶された複数のユーザーからのデータと、データベース２７０に記憶された各マスクサイズおよびタイプデータとを収集して、新しいユーザーから収集されたスキャン顔寸法データに最も適した最適マスクと、新規ユーザーに類似した顔寸法およびその他の特徴、睡眠行動データおよび人口統計データを有するユーザーに最適な動作データを実現するマスクと、に基づいて、適切なマスクを選択する。いくつかの例では、システム２００は、ユーザー集団からの複数の顔特徴と、ユーザー集団によって使用される複数の対応するユーザーインターフェースと、ユーザー集団によって使用される呼吸圧療法デバイスの動作データとを記憶するための１つまたは複数のデータベースを含む。選択エンジンは、１つまたは複数のデータベースに結合されてもよく、選択エンジンは、望ましい結果に基づいて、および記憶された動作データおよびユーザーの顔特徴に基づいて、ユーザー用のユーザーインターフェースを選択するように動作可能である。システム２００は、ユーザーインターフェースを選択するための対応する方法を実行するように構成され得る。したがって、システム２００は、様々な点で新しいユーザーと同様の既存ユーザーにとってどのマスクが最適であることが示されているかを判断することにより、新しいユーザーにマスク推奨を提供することができる。最適なマスクは、例えば、治療コンプライアンスの最大化、漏れの最小化、無呼吸の最小化、ＡＨＩの最小化、および最も積極的な主観的ユーザーフィードバックに関連していることが示されているマスクのタイプ、モデル、および／またはサイズであり得る。本技術の様々な例では、最適なマスクの決定におけるこれらの結果の各々の影響は、様々な重みを与えることができる。

コンピューティングデバイス２３０は、デスクトップまたはラップトップコンピュータ２３２、またはスマートフォン２３４やタブレット２３６のようなモバイルデバイスであってもよい。図７は、コンピューティングデバイス２３０の一般的なアーキテクチャ３００を示す。デバイス２３０は、１つまたは複数のプロセッサ３１０を含んでもよい。デバイス２３０はまた、表示インターフェース３２０、ユーザー制御／入力インターフェース３３１、センサー３４０および／または１つまたは複数のセンサー用のセンサインターフェース、慣性測定ユニット（ＩＭＵ）３４２、および不揮発性メモリ／データストレージ３５０をさらに含んでもよい。

センサー３４０は、スマートフォンまたはラップトップに備えられたカメラのような、コンピューティングデバイス２３０に組み込まれた１つまたは複数のカメラ（例えば、ＣＣＤ電荷結合デバイスまたはアクティブピクセルセンサ）であってもよい。代替的に、コンピューティングデバイス２３０がデスクトップコンピュータである場合、デバイス２３０は、図６に図示されたＷｅｂカメラ２３３のような外部カメラと結合するためのセンサインターフェースを含んでもよい。本明細書に記載された方法を支援するために使用され得る他の例示的なセンサーは、３次元画像を取り込むためのステレオカメラ、またはレーザ光源またはストロボ／構造化光源からの反射光を検出することができる光検出器を含み、コンピューティングデバイスに一体化されていてもよいし、コンピューティングデバイスに外付けされていてもよい。

ユーザー制御／入力インターフェース３３１により、ユーザーは、コマンドを入力するか、ユーザーに提供されるプロンプトまたは命令に応答することができる。これには、例えば、タッチパネル、キーボード、マウス、マイク、スピーカーなどが考えられる。

表示インターフェース３２０は、以下でさらに詳細に説明するように、プロンプト、出力情報（顔の測定値またはインタフェースサイズの推奨など）、および取り込みディスプレイなどの他の情報を表示するためのモニタ、ＬＣＤパネルなどを含み得る。

メモリ／データストレージ３５０は、ＲＡＭ、フラッシュメモリまたはＲＯＭなどのコンピューティングデバイスの内部メモリであり得る。いくつかの実施形態では、メモリ／データストレージ３５０は、例えばＳＤカード、サーバ、ＵＳＢフラッシュドライブ、または光ディスクなどのコンピューティングデバイス２３０にリンクされた外部メモリであってもよい。他の実施形態では、メモリ／データストレージ３５０は、外部メモリおよび内部メモリの組み合わせであり得る。メモリ／データストレージ３５０は、記憶されたデータ３５４と、プロセッサ３１０に特定のタスクを実行するように指示するプロセッサ制御命令３５２とを含む。記憶されたデータ３５４は、取り込まれた画像などのセンサー３４０によって受信されたデータ、およびアプリケーションの部品部分として提供される他のデータを含むことができる。プロセッサ制御命令３５２は、アプリケーションの部品部分として提供することもできる。

上述したように、顔画像は、スマートフォン２３４のようなモバイルコンピューティングデバイスによって取り込まれてもよい。コンピューティングデバイス２３０またはサーバ２１０上で実行される適切なアプリケーションは、適切なマスクの選択を支援するために、３次元関連顔データを提供することができる。アプリケーションは顔スキャンの適切な方法を使用し得る。そのようなアプリケーションは、ＳｔａｎｄａｒｄＣｙｂｏｒｇ（ｈｔｔｐｓ：／／ｗｗｗ．ｓｔａｎｄａｒｄｃｙｂｏｒｇ．ｃｏｍ／）からのキャプチャ、ＳｃａｎｄｙＰｒｏ（ｈｔｔｐｓ：／／ｗｗｗ．ｓｃａｎｄｙ．ｃｏ／ｐｒｏｄｕｃｔｓ／ｓｃａｎｄｙ－ｐｒｏ）からのアプリケーション、Ｑｉａｎｘｕｎ３ｄ（ｈｔｔｐ：／／ｗｗｗ．ｑｉａｎｘｕｎ３ｄ．ｃｏｍ／ｓｃａｎｐａｇｅ）からのＢｅａｕｔｙ３Ｄアプリケーション、Ｕｎｒｅ３ＤＦａｃｅＡｐｐ（ｈｔｔｐ：／／ｗｗｗ．ｕｎｒｅ．ａｉ／ｉｎｄｅｘ．ｐｈｐ？ｒｏｕｔｅ＝ｉｏｓ／ｄｅｔａｉｌ）およびＢｅｌｌｕｓ３Ｄ（ｈｔｔｐｓ：／／ｗｗｗ．ｂｅｌｌｕｓ３ｄ．ｃｏｍ／）からのアプリケーションを含み得る。顔スキャンの詳細なプロセスには、ＷＯ２０１７００００３１に開示されている技術が含まれており、その全体が参照により本明細書に組み込まれる。

そのようなアプリケーションの１つは、顔特徴測定および／またはユーザーインタフェースサイジングのためのアプリケーション３６０であり、これは、スマートフォン２３４および／またはタブレット２３６のようなモバイルデバイスにダウンロード可能なアプリケーションであってもよい。メモリ／データストレージ３５０のようなコンピュータ可読媒体に記憶することができるアプリケーション３６０は、顔特徴測定および／またはユーザーインタフェースサイジングに関するいくつかのタスクをプロセッサ３１０が実行するためのプログラミング指令を含む。アプリケーションには、自動化された方法論のアルゴリズムによって処理され得るデータも含まれる。このようなデータには、以下でさらに詳しく説明するように、データレコード、参照特徴、および補正係数が含まれ得る。

アプリケーション３６０は、２次元または３次元画像を使用してユーザーの顔特徴を測定し、得られた測定結果に基づいて、例えば標準サイズのセットから適切なユーザーインターフェースのサイズおよびタイプを選択するためにプロセッサ３１０によって実行される。この方法は、一般に、３つまたは４つの異なる段階、すなわち、取り込み前段階、取り込み段階、取り込み後の画像処理段階、および比較および出力段階を含むものとして特徴付けられ得る。

いくつかの場合、顔特徴測定およびユーザーインターフェースのサイジングのためのアプリケーションは、プロセッサ３１０を制御して、表示インターフェース３２０上の参照特徴を含む視覚的な表示を出力することができる。ユーザーは、カメラを動かすなどして、その特徴を自分の顔の特徴に隣接して配置し得る。次に、プロセッサは、位置合わせ条件などの特定の条件が満たされた場合に、参照特徴に関連して顔の特徴の１つまたは複数の画像を取り込んで記憶することができる。これは鏡の支援で行うことができる。鏡は、表示された参照特徴とユーザーの顔をカメラに映す。次に、アプリケーションは、プロセッサ３１０を制御して、画像内の特定の顔の特徴を識別し、それらの間の距離を測定する。画像分析処理により、スケーリング係数を使用してピクセル数などの顔特徴測定値を、参照特徴に基づいた標準マスク測定値に変換し得る。このような値は、例えば、メートルまたはインチなどの標準化された測定単位、およびマスクのサイジングに適したそのような単位で表される値であってもよい。

追加の補正係数が測定値に適用され得る。顔特徴測定は、特定のユーザーインターフェース形式（例えば、鼻マスクおよびＦＦＭ）に対応する異なるユーザーインターフェースサイズの測定範囲を含むデータレコードと比較することができる。次に、推奨サイズが選択され、比較に基づいて推奨としてユーザー／患者に出力される。このようなプロセスは、任意のユーザーの快適な場所内で都合よく実施することができる。アプリケーションはこの方法を数秒以内に実行し得る。一例では、アプリケーションはこの方法をリアルタイムに実行する。

取り込み前段階では、プロセッサ３１０は、とりわけ、サイジング処理のために１つまたは複数の画像を取り込むための適切な条件を確立する際にユーザーを支援する。これらの条件のいくつかには、例えば、適切な照明およびカメラの向き、ならびにコンピューティングデバイス２３０を保持する不安定な手によって引き起こされるモーションブラーが含まれる。

ユーザーは、コンピューティングデバイス２３０などのユーザーデバイスで自動測定およびサイジングを実行するためのアプリケーションを、サードパーティのアプリケーションストアサーバなどのサーバからコンピューティングデバイス２３０に容易にダウンロードすることができる。ダウンロードされると、そのようなアプリケーションは、ＲＡＭまたはフラッシュメモリなどのコンピューティングデバイスの内部非揮発性メモリに記憶され得る。コンピューティングデバイス２３０は、好ましくは、スマートフォン２３４またはタブレット２３６のようなモバイルデバイスである。

ユーザーがアプリケーションを起動するとき、プロセッサ３１０は、表示インターフェース３２０を介して、年齢、性別、体重および身長などのユーザー固有情報を提供するようにユーザーに促すことができる。しかしながら、プロセッサ３１０は、ユーザーの顔特徴を測定した後など、いつでもユーザーに情報の入力を促してもよい。プロセッサ３１０はまた、アプリケーションによって提供される音および／または視覚によって提示され得るチュートリアルを提示することができ、ユーザーがプロセスにおける自分の役割を理解するのを助けることができる。プロンプトには、鼻やフルフェース、ユーザーインターフェースを使用するデバイスのタイプなどのユーザーインターフェースタイプに関する情報も必要になる場合がある。さらに、取り込み前段階では、アプリケーションは、ユーザーの顔の取り込み画像を受信した後など、ユーザーが収集した情報に基づいて、機械学習技術に基づいて、または人工知能によって、ユーザー固有情報を推論する場合がある。

ユーザーが続行する準備ができたとき（これは、ユーザー入力によって、またはユーザー制御／入力インターフェース３３１を介してプロンプトに対する応答によって示され得る。）、プロセッサ３１０は、アプリケーションのプロセッサ制御指令３５２にしたがってセンサー３４０を起動する。センサー３４０は、ディスプレイデバイスのインターフェース３２０と同じ側に位置するモバイルデバイスの前向きカメラであることが好ましい。カメラは通常、二次元画像を取り込むように構成されている。２次元画像を取り込むモバイルデバイスのカメラは遍在する。本技術は、この遍在性を利用して、専用の機器を入手する必要性によるユーザーの負担を回避する。

センサー／カメラ３４０が起動されるとほぼ同時に、アプリケーションによって指示されるように、プロセッサ３１０は、表示インターフェース３２０上に取り込み表示を提示する。取り込みディスプレイには、カメラのライブアクションプレビュー、参照特徴、ターゲットボックス、および１つ以上のステータスインジケータ、またはそれらの任意の組み合わせが含まれ得る。この例では、参照特徴は表示インターフェースの中心に表示され、表示インターフェース３２０の幅に対応する幅を有する。参照特徴の垂直位置は、参照特徴の上端が表示インターフェース３２０の最上端に当接するか、または参照特徴の下端が表示インターフェース３２０の最下端に当接するような位置であってもよい。表示インターフェース３２０の一部は、カメラのライブアクションプレビュー３２４を表示し、通常、ユーザーが正しい位置および方向にいる場合に、センサー／カメラ３４０によって取り込まれたユーザーの顔特徴をリアルタイムで表示する。

参照特徴は、コンピューティングデバイス２３０に知られている（所定の）特徴であり、プロセッサ３１０が取り込まれた画像をスケールできるようにする参照のフレームをプロセッサ３１０に提供する。参照特徴は、ユーザーの顔または解剖学的特徴以外の特徴であることが好ましい。したがって、画像処理段階中、参照特徴は、取り込み前段階中など、特定の位置合わせ条件がいつ満たされるかをプロセッサ３１０が決定するのを支援する。参照特徴は、スケーリング情報、向き、および／またはＱＲコード（登録商標）の構造から任意に決定できる他の任意の所望の情報などの特定の情報をプロセッサ３１０に提供できるクイックレスポンス（ＱＲ）コード、既知の見本またはマーカーなどであってもよい。ＱＲコード（登録商標）の形状は正方形または長方形である。表示インターフェース３２０上に表示されるとき、参照特徴は、ミリメートルまたはセンチメートル単位などの所定の寸法を有し、その値はアプリケーションに符号化され、適切な時点でプロセッサ３１０に伝達され得る。参照特徴３２６の実際のサイズは、様々なコンピューティングデバイスの間で変化することができる。いくつかのバージョンでは、アプリケーションは、モデル固有のコンピューティングデバイスとして構成されてもよく、参照特徴３２６のサイズは、特定のモデル上に表示されたときに既知である。しかしながら、他の実施形態では、アプリケーションは、デバイス２３０から、例えば、ディスプレイサイズおよび／またはスケーリングによって表示インターフェース３２０上に表示された参照特徴の実世界／実際のサイズをプロセッサ３１０が計算することを可能にするスケーリング特性などの特定の情報を取得するようにプロセッサ３１０に指令してもよい。それにもかかわらず、そのようなコンピューティングデバイスの表示インターフェース３２０上に表示される参照特徴の実際の寸法は、一般に、取り込み後の画像処理の前に知られている。

参照特徴と共に、ターゲティングボックスを表示インターフェース３２０上に表示することができる。ターゲットボックスにより、ユーザーは、ターゲットボックス内の取り込みディスプレイ３２２内の特定の部品を位置合わせするが、これは、画像取り込みを成功させるために望ましい。

ステータスインジケータは、プロセスのステータスに関する情報をユーザーに提供する。これにより、ユーザーは画像の取り込みが完了する前にセンサー／カメラの位置合わせを大幅に調整する必要がなくなる。

これにより、ユーザーが表示インターフェース３２０を測定対象の顔特徴に平行に保持し、ユーザー表示インターフェース３２０を鏡または他の反射面に提示すると、参照特徴が強調表示され、鏡によって反射されたカメラ／センサー３４０によって見られるライブ画像を覆う。この参照特徴は、表示インターフェース３２０の上部近くに固定され得る。このように参照特徴が少なくとも局所的に強調表示されることにより、センサー３４０が参照特徴を明確に見ることができ、プロセッサ３１０が特徴を容易に識別することができる。さらに、参照特徴は、ユーザーの顔のリアルタイムのビューを覆うことができ、ユーザーの混乱を回避するのに役立つ。

ユーザーはまた、プロセッサ３１０によって、表示インターフェース３２０を介して、コンピューティングデバイス２３０のスピーカーを介して、またはチュートリアルによって事前に指示されて、表示インターフェース３２０を測定される顔特徴の平面内に位置させることができる。例えば、ユーザーは、表示インターフェース３２０が正面を向いて、測定される特定の顔特徴に位置合わせされた平面内で、ユーザーの顎の下に、ユーザーの顎に接して、または顎に隣接して配置されるように、表示インターフェース３２０を配置するように指令されてもよい。例えば、表示インターフェース３２０は、セルリオンおよびスープリメンテーションと平面的に位置合わせされるように配置されてもよい。最終的に取り込まれた画像は２次元であるので、平面的な位置合わせは、参照特徴３２６のスケールが顔特徴測定にも同様に適用されることを確実にするのに役立つ。この点に関して、鏡とユーザーの顔の特徴およびディスプレイの両方との間の距離はほぼ同じになる。

ユーザーが鏡の前に位置しれ、参照特徴を含む表示インターフェース３２０が測定対象の顔特徴とほぼ平面的に位置合わせて配置されたとき、プロセッサ３１０は、十分な位置合わせを確保するのに役立つ条件を調べる。前述したように、アプリケーションによって確立され得る１つの例示的な条件は、参照特徴全体がターゲットボックス３２８内で検出されなければ続行することができないということである。プロセッサ３１０が、参照特徴がターゲットボックス内に完全に配置されていないことを検出した場合、プロセッサ３１０は、画像の取り込みを禁止または遅延させることができる。その後、ユーザーは、ライブアクションプレビューに表示されるような参照特徴がターゲットボックス内に位置するまで、平面性を維持するために、表示インターフェース３２０に沿って顔を移動させることができる。これは、画像取り込みのための鏡に対する顔特徴および表示インターフェース３２０の最適な位置合わせを容易にする。

プロセッサ３１０がターゲットボックス内の全ての参照特徴を検出すると、プロセッサ３１０は、デバイス傾斜角を検出するために、コンピューティングデバイスのＩＭＵ３４２を読み取ることができる。ＩＭＵ３４２は、例えば、加速度計またはジャイロスコープを含み得る。したがって、プロセッサ３１０は、１つまたは複数の閾値との比較などによってデバイスの傾きを評価し、それが適切な範囲内にあることを確認することができる。例えば、コンピューティングデバイス２３０、ひいては、表示インターフェース３２０およびユーザーの顔特徴が約５度以内のいずれかの方向に傾いていると判定された場合、プロセスは取り込み段階に進むことができる。他の実施形態では、継続のための傾斜角は、約±１０度、±７度、±３度、または±１度以内であってもよい。過度の傾きが検出された場合、望ましくない傾きを修正するために、警告メッセージが表示または鳴らされる場合がある。これは、特に前後方向の過度の傾きを禁止または軽減するのにユーザーを支援するのに特に役立っている。これを補正しないと、キャプチャされた参照画像が適切なアスペクト比を有しないため、測定誤差の原因となる可能性がある。

アプリケーションによって制御されるように、プロセッサ３１０によって位置合わせが決定されると、プロセッサ３１０は取り込み段階に入る。取り込み段階は、位置合わせパラメータおよび先行する他の条件が満たされると、自動的に行われることが好ましい。しかしながら、いくつかの実施形態では、ユーザーは、そうするように求めるプロンプトに応答して取り込みを開始し得る。

画像取り込みが開始されると、プロセッサ３１０は、センサー３４０を介してｎ個の画像、好ましくは１個より多い数の画像を取り込む。例えば、プロセッサ３１０は、センサー３４０を介して、約５～２０枚の画像、１０～２０枚の画像、または１０～１５枚の画像などを取り込み得る。取り込まれた画像の量は時間ベースであってもよい。言い換えれば、取り込まれる画像の数は、所定の時間間隔の間にセンサー３４０によって取り込まれ得る所定の解像度の画像の数に基づくことができる。例えば、センサー３４０が１秒間に所定の解像度で取り込むことができる画像の数が４０枚であり、取り込みのための所定の時間間隔が１秒である場合、センサー３４０は、プロセッサ３１０による処理のために４０枚の画像を取り込むことになる。画像の数は、ユーザーが定義してもよく、検出された環境条件に基づいてまたは予想される精度目標に基づいてサーバ２１０によって決定されてもよい。例えば、高い精度が必要な場合は、より多くの取り込まれた画像が必要になる場合がある。処理するための複数の画像を取り込むことが好ましいが、１つの画像が検討されており、正確な測定値を取得するために使用と成功する場合がある。ただし、複数の画像を使用すると、平均的な測定値を取得することができる。これにより、エラー／不一致が減少し、精度が向上する可能性がある。画像は、取り込み後の処理のために、プロセッサ３１０によってメモリ／データストレージ３５０の記憶データ３５４に配置され得る。

画像が取り込まれると、画像は、顔特徴／ランドマークを検出または識別し、ランドマーク間の距離を測定するために、プロセッサ３１０によって処理される。結果として得られた測定値は、適切なユーザーインターフェースサイズを推奨するために使用され得る。代替的に、この処理は、送信された取り込み画像を受信するサーバ２１０によって、および／またはユーザーのコンピューティングデバイス（例えば、スマートフォン）上で実行されてもよい。処理は、プロセッサ３１０とサーバ２１０との組み合わせによっても実行されてもよい。一例では、推奨ユーザーインターフェースサイズは、主にユーザーの鼻の幅に基づく場合がある。他の例では、推奨ユーザーインターフェースサイズは、ユーザーの口および／または鼻のサイズに基づく場合がある。

プロセッサ３１０は、アプリケーションによって制御されるように、記憶されたデータ３５４から１つまたは複数の取り込まれた画像を取得する。そして、画像はプロセッサ３１０によって抽出され、２次元の取り込まれた画像を構成する各ピクセルが識別される。次いで、プロセッサ３１０は、ピクセル構成内の特定の予め指定された顔特徴を検出する。

検出は、Ｃａｎｎｙ、Ｐｒｅｗｉｔｔ、ＳｏｂｅｌまたはＲｏｂｅｒｔなどのエッジ検出を使用してプロセッサ３１０によって実行され得る。これらのエッジ検出技術／アルゴリズムは、画像取り込みのために提示されたユーザーの実際の顔特徴に対応する、ピクセル構成内の特定の顔特徴の位置を識別することを容易にする。例えば、エッジ検出技術は、まず、画像内のユーザーの顔を識別することができ、また、各目およびその境界、口およびその角、左右の鼻翼、セリオン、スプラメントン、眉間、および左右の鼻唇溝など、特定の顔特徴に対応する画像内のピクセル位置も識別することができる。次いで、プロセッサ３１０は、これらの顔特徴のそれぞれの特定のピクセル位置にマーク、タグを付けたり、または記憶したりすることができる。代替的に、またはプロセッサ３１０／サーバ２１０によるこのような検出が成功しない場合、プロセッサ３１０／サーバ２１０のユーザーインターフェースを介して取り込まれた画像への閲覧アクセスを有する人間のオペレータによって、予め指定された顔特徴を手動で検出し、マークし、タグをつけて、または記憶してもよい。

これらの顔特徴のピクセル座標が識別されると、アプリケーションは、プロセッサ３１０を制御して、特定の識別された特徴の間のピクセル距離を測定する。例えば、距離は、一般に、各特徴のピクセル数によって決定され、スケーリングを含む場合がある。例えば、左右の鼻翼の間の測定を行って鼻のピクセル幅を決定することができ、および／またはセリオンとスプラメントンの間の測定を行って顔のピクセル高さを決定することができる。他の例には、口などの特定の構造の追加の測定データを取得するために、各目の間、口角の間、左右の鼻唇溝の間のピクセル距離が含まれる。顔特徴間の距離をさらに測定することもできる。この例では、いくつかの顔寸法がユーザーインターフェース選択プロセスに使用される。

予め指定された顔特徴のピクセル測定値が得られると、その測定値に人体測定補正係数を適用することができる。以下に説明するように、この補正係数がスケーリング係数を適用する前または後に適用できることを理解すべきである。人体測定補正係数は、自動化プロセス中に発生する可能性のあるエラーを補正することができ、これらのエラーはユーザーからユーザーへと一貫して発生することが観察される。言い換えれば、補正係数がなければ、個々の自動化プロセスはユーザー間で一貫した結果をもたらす可能性があるが、その結果、ある程度のサイズの異なるユーザーインターフェースが発生する可能性がある。集団検査から経験的に抽出できる補正係数により、結果が実際の測定値に近づき、サイズの誤りを軽減または排除するのに役立っている。各ユーザーの測定およびサイジングデータが対応するコンピューティングデバイスからサーバ２１０に送信されると、この補正係数は、時間の経過とともに精度を改良または改善することができ、このようなデータは、補正係数を改善するためにサーバ２１０においてさらに処理されてもよい。人体測定補正係数はまた、ユーザーインターフェースの形態によって異なる場合もある。例えば、ＦＦＭを求める特定のユーザーの補正係数は、鼻マスクを求めるときの補正係数とは異なる場合がある。このような補正係数は、例えばマスク返却を監視し、交換用マスクと返却されたマスクとの間のサイズ差を決定することにより、マスク購入の追跡から導き出すことができる。

顔特徴測定値をユーザーインターフェースのサイジングに適用するために、人体測定補正係数によって補正されているか否かにかかわらず、測定値をピクセル単位から画像取り込みのためにユーザーの顔特徴間の距離を正確に反映する他の値にスケーリングすることができる。参照特徴は、１つのスケーリング値または複数のスケーリング値を取得するために使用され得る。したがって、プロセッサ３１０は、同様に、参照特徴全体のピクセル幅および／またはピクセル高さ（ｘおよびｙ）測定値（例えば、ピクセル数）を含むことができる参照特徴の寸法を決定する。ＱＲコード（登録商標）参照特徴を構成する多くの正方形／ドットのピクセル寸法、および／または参照特徴およびその構成部分によって占められるピクセル領域のより詳細な測定値も決定され得る。したがって、ＱＲコード（登録商標）参照特徴の各正方形またはドットをピクセル単位で測定して、各ドットのピクセル測定値に基づいてスケーリング係数を決定し、その後、測定されたすべての正方形またはドット間で平均を求めることができる。これにより、ＱＲコード（登録商標）参照特徴のフルサイズを１回測定する場合と比較して、スケーリング係数の精度が向上する。しかしながら、参照特徴のどのような測定値が取られても、その測定値は、参照特徴のピクセル測定値を参照特徴の対応する既知の寸法にスケーリングするために利用され得ることを理解すべきである。

参照特徴の測定値がプロセッサ３１０によって取得されると、スケーリング係数は、アプリケーションの制御にしたがってプロセッサ３１０によって計算される。参照特徴のピクセル測定値は、変換係数またはスケーリング係数を取得するために、画像取り込みのための表示インターフェース３２０によって表示される参照特徴３２６のような、参照特徴の既知の対応する寸法に関している。このようなスケーリング係数は、長さ／ピクセルまたは面積／ピクセルＡ２の形式であってもよい。換言すれば、既知の寸法を、対応するピクセル測定値（例えば、数）で除算され得る。

そして、プロセッサ３１０は、顔特徴測定値（ピクセル数）にスケーリング係数を適用して、ピクセル単位から他の単位に変換し、マスクのサイジングに適したユーザーの実際の顔特徴間の距離を反映する。これには、通常、マスクのサイズ設定に関連する顔の特徴の距離のピクセル数をスケーリング係数に乗算することが含まれる場合がある。

顔特徴および参照特徴の両方の測定ステップおよび計算ステップは、セット内の各画像がスケーリングおよび／または補正された顔特徴測定値を含むまで、取り込まれた各画像について繰り返される。

次いで、画像のセットの、補正されスケーリングされた測定値は、プロセッサ３１０によって任意に平均化されて、ユーザーの顔の解剖学的構造の最終的な測定値を得ることができる。このような測定値は、ユーザーの顔特徴間の距離を反映することができる。

比較出力段階では、取り込め後画像処理段階からの結果を関係者に直接出力（表示）したり、データレコードと比較したりして、ユーザーインターフェースのサイズの自動推奨を取得したりすることができる。

すべての測定値が決定されると、その結果（例えば、平均値）は、プロセッサ３１０によって表示インターフェース３２０を介してユーザーに表示され得る。一実施形態では、これにより自動化プロセスが終了し得る。ユーザー／患者は、ユーザーがさらに使用できるように測定値を記録することができる。

代替的に、最終的な測定値は、自動的に、またはユーザーの指令によって、通信ネットワーク２２０を介してコンピューティングデバイス２３０からサーバ２１０に転送されてもよい。サーバ２１０またはサーバ側の個人は、さらなる処理および分析を行って、適切なユーザーインターフェースおよびユーザーインターフェースサイズを決定することができる。

さらなる実施形態では、ユーザーの実際の顔特徴間の距離を反映する最終的な顔特徴の測定値は、プロセッサ３１０によって、データレコード内のようなユーザーインタフェースサイズデータと比較される。データレコードは、顔特徴の自動測定およびユーザーインターフェースのサイジングのためのアプリケーションの一部であってもよい。データレコードは、例えば、顔特徴距離／値範囲に対応するユーザーインターフェースサイズを含むことができるプロセッサ３１０によってアクセス可能なルックアップテーブルを含むことができる。データレコードには、複数のテーブルが含まれてもよく、テーブルの多くは、特定の形態のユーザーインターフェースおよび／または製造者によって提供される特定のモデルのユーザーインターフェースに対応してもよい。

ユーザーインターフェースを選択するための例示的なプロセスは、上述の方法によって取り込まれた顔画像から重要なランドマークを識別する。この例では、図３Ａ～３Ｂの線３０１０、３０２０、および３０３０に示されるように、潜在的なインターフェースとの初期相関は、顔の高さ、鼻の幅および鼻の深さを含む顔のランドマークに関係する。これら３つの顔のランドマークの測定値は、アプリケーションによって収集され、上記のルックアップテーブルまたは複数のテーブルを介して互換性のあるマスクのサイズを選択するのに役立つ。代替的に、顔の３Ｄ形状に関する他のデータを使用して、導出された形状データを上述のように利用可能なマスクの表面に一致させることもできる。例えば、ランドマークや顔の任意の領域（口、鼻など）は、３Ｄ変形可能モデル（３ＤＭＭ）をユーザーの３Ｄ顔スキャンにフィッティングさせることにより得ることができる。このフィッティングプロセスは、非剛性レジストレーションまたは（収縮）ラッピングとも呼ばれる。３ＤＭＭが３Ｄスキャンに登録されると、ユーザーの顔の点および表面が既知であるので、マスクサイズを決定するために任意の数の方法を使用することができる。

図８Ａは、顔の高さの寸法、鼻の幅の寸法、および鼻の深さの寸法を決定するために用いられる顔画像８００であり、例えば、上述したアプリケーションによって取り込まれた顔画像８００である。画像８００は、標準的に知られている任意の方法で画像８００から決定することができる一連のランドマーク点８１０を含む。この例では、顔画像８００上に識別され、表示される標準サイボーグランドマーク点が１００個ある。この例では、この方法は、顔の高さ、鼻の幅および鼻の深さを決定するために、顔画像上の７つのランドマークを必要とし、ユーザーに関するマスクのサイズを決定する。後で説明するように、２つの既存のランドマーク（例えば、標準サイボーグランドマークに基づく）を使用することができる。３次元の位置を確認するには、処理方法によって画像上で５つの追加のランドマークを識別する必要がある。画像化データおよび／または既存のランドマークに基づいて、新しいランドマークを決定することができる。使用される２つの既存ランドマークには、セリオン（鼻梁）上の点と鼻先上の点とが含まれる。必要とされる５つの新しいランドマークには、スプラメントン（顎の上部）の点、左右の鼻翼の点、および左右の鼻顔面の溝の点が含まれる。

図８Ｂは、顔の高さの寸法（セリオンからサプラメントンまで）がランドマーク８１２および８１４を介して定義される顔画像８００を示す。ランドマーク８１２は、セリオン上の既存のランドマークである。ランドマーク点８１４は、サプラメントン上の点である。顔の高さの寸法は、ランドマーク点８１２と８１４との間の距離に基づいて決定される。

図８Ｃは、鼻の幅の寸法を特定するための新しいランドマーク点８２０および８２２を有する顔画像８００を示す。これには、鼻の両側にそれぞれ１つずつ、計２つの新しいマークが必要である。これらは右鼻翼点と左鼻翼点と呼ばれ、右鼻翼と左鼻翼に対応することができる。これらの点間の距離により鼻幅の寸法が決まる。小鼻のポイントは、鼻顔面の溝のポイントとは異なるが、似ている。

図８Ｄは、鼻の深さの寸法を決定するためのランドマーク８３０、８３２、８３４を有する顔画像８００を示す。鼻先端のランドマーク８３０には、適切なランドマークを使用することができる。ランドマーク点８３２および８３４は、鼻の左側および右側で決定される。ランドマーク点８３２、８３４は、鼻の左側および右側の鼻顔面の溝にある。これらは小鼻の点に似ているが、鼻の後ろにある。

以上のように、ＲＰＴデバイス毎の動作データを多数のユーザーに対して収集することができる。これは、各ユーザーがいつＲＰＴデバイスを動作したか、および動作の継続時間に基づく使用データを含むことができる。したがって、ユーザーが所定の期間内にＲＰＴデバイスを使用した時間および頻度、使用される治療圧力、および／またはＲＰＴデバイスの使用量および使用方法がユーザーの呼吸療法の処方と一致するか否か等のコンプライアンスデータを、収集された動作データから判定することができる。例えば、コンプライアンス基準の１つは、ユーザーが９０日の間にＲＰＴデバイスを許容可能に使用することであってもよい。漏れデータは、流量データまたは圧力データの分析などの動作データから決定され得る。ユーザーがマスクを切り替えているか否かを判定するために、音響信号の分析を用いたマスク切り替えデータを導出することができる。ＲＰＴデバイスは、図４Ｂのオーディオセンサ４２７８のような内部または外部オーディオセンサに基づいて、上述のケプストラム分析を利用してマスクタイプを決定するように動作可能である。代替的に、古いマスクの場合、収集された音響データを既知のマスクの音響シグネチャと相関させることにより、動作データを使用してマスクのタイプを決定することができる。

この例では、他のデータのユーザー入力は、コンピューティングデバイス２３０上で実行されるユーザーアプリケーションを介して収集することができる。ユーザーアプリケーションは、顔ランドマーク特徴を取得するようにユーザーに指示するユーザーアプリケーション３６０の一部であってもよいし、別個のアプリケーションであってもよい。これには、快適さについての嗜好、ユーザーが口呼吸者であるか鼻呼吸者であるか（例えば、「目が覚めたときに口は乾いているか？」など）、およびマスク素材の好み（シリコーン、フォーム、テキスタイル、ゲルなど）に関するデータを収集するための質問を伴うアンケート調査によって得られた主観的なデータも含まれていてもよい。例えば、ユーザー入力は、ユーザーアプリケーションを介してユーザーインターフェースの快適さに関する主観的な質問にユーザーが答えることによって収集され得る。他の質問は、睡眠特性などの関するユーザーの行動に関連する場合がある。例えば、主観的な質問には、目が覚めたときに口が乾いていますか？、口で呼吸していますか？、あなたの快適さの好みは何ですか？、などの質問が含まれる。このような睡眠情報には、睡眠時間、ユーザーの睡眠方法、気温およびストレス要因などの外部影響が含まれ得る。主観的なデータは、快適さに関する点数評価のような簡単であり、より詳細な応答である。このような主観的なデータは、グラフィカルユーザーインタフェース（ＧＵＩ）から収集することもできる。例えば、ユーザーが治療中に経験したユーザーインターフェースからの漏れに関する入力データは、ユーザーがＧＵＩ上のユーザーインターフェースのグラフィック上に表示されたユーザーインターフェースの一部を選択することによって収集され得る。収集されたユーザー入力データは、図７のユーザーデータベース２６０に配信することができる。ユーザーからの主観的な入力データは、例示的なマスクのタイプおよびサイズを選択するための入力として使用することができる。ユーザーの心理的安全性に関する他の主観的なデータを収集することができる。例えば、ユーザーが特定のマスクで閉所恐怖症を感じているか否か、またはベッドパートナーのそばでマスクを装着することが心理的にどのように快適であるかなどの質問が尋ねられ、入力が収集される場合があり。これらの質問に対する答えが否定的な応答を示す下位の場合、システムは、インターフェースデータベース２７０からあまり目立たないインターフェースを推奨することができ、このようなインターフェースは、ユーザーの既存のマスクよりも小さいマスク、例えば、鼻クレードルマスク（ユーザーの鼻の下周縁でユーザーの顔にシールされ、ユーザーの口および鼻梁が覆われないマスク）、またはユーザーの口の周りにシールされ、ユーザーの鼻の下周縁にもシールされ、鼻梁が接合されていない口鼻マスク（超コンパクトなフルフェースマスクとして知られている場合がある）であってもよい。好ましい寝姿勢に関する他の問題、および夜間に多くの動きをすることをユーザーが好むか否か、およびより多くの動きを許容することができるチューブマスク（例えば、導管ヘッドギアを有するマスク）の形態の「自由」をユーザーが好むか否かに関する質問も考えられる。代替的に、ユーザーが仰向けまたは横向きに寝て動かない傾向がある場合、チューブダウンマスク（例えば、ユーザーの鼻または口の近くのマスクから前方および／または下方にチューブが伸びている従来のスタイルのマスク）が受け入れられる。

他のデータソースは、ＲＰＴデバイスの使用以外でマスク選択に相関する可能性のあるデータを収集することができる。これは、年齢、性別、または位置などのユーザー人口統計、ユーザーが経験した睡眠時無呼吸のレベルを示すＡＨＩ重症度を含むことができる。別の例は、顔のコンピュータ断層撮影（ＣＴ）に基づいて軟組織厚さを決定することができる。他のデータは、ＲＰＴデバイスの新しいユーザーに対する所定の圧力設定であってもよい。ユーザーに１０ｃｍＨ_２Ｏなどの低い圧力が与えられた場合、ユーザーはより低い圧力に適した軽いマスクを装着できるようになり、その結果、快適さが向上したり、顔にかかるマスクの量が減ったりする可能性がある。一方、顔全体の場合は、２０ｃｍＨ_２Ｏに適した非常に強固なシールを有するが、快適さが低下する可能性がある。しかし、ユーザーが２０ｃｍＨ_２Ｏなどの高圧要件を持っている場合、非常に堅牢なシールを備えたフルフェースマスクをユーザーに推奨することがある。

マスクが選択された後、システムはＲＰＴデバイス２５０からの動作データの収集を継続する。収集されたデータは、データベース２６０、２７０に追加される。新しいユーザーおよび既存のユーザーからのフィードバックを使用して、後続のユーザーにとって、より良いマスクオプションの推奨を調整することができる。例えば、推奨マスクに高いレベルの漏れがあることが動作データによって判定された場合、ユーザーに別のマスクタイプを推奨することができる。フィードバックループを通じて、選択アルゴリズムを改良して、特定のマスクに最適な顔の幾何学的形状の特定の側面を学習することができる。この相関は、顔の幾何学的形状を有する新しいユーザーにマスクを推奨することを絞り込むことができる。したがって、収集されたデータおよび相関させたマスクタイプデータは、マスクの選択基準にさらなる更新を提供することができる。したがって、システムは、ユーザーのマスク選択を改善するための追加的な知見を提供することができる。

マスク選択に加えて、このシステムは、呼吸療法の有効性およびユーザーのコンプライアンスに関するマスク選択の分析を可能にすることができる。追加データは、フィードバックループを通じてデータに基づいて呼吸療法を最適化することができる。

機械学習を適用して、マスク選択プロセスを最適化し、マスクの種類と、呼吸療法に対するユーザーのコンプライアンスを高めることとの間の相関を提供することができる。このような機械学習は、サーバ２１０によって実行することができる。訓練データセットは、有利な動作結果の出力と、ユーザーの人口統計、マスクのサイズおよびタイプ、並びにユーザーから収集された主観的なデータを含む入力とに基づいて、マスク選択アルゴリズムを訓練するために使用され得る。機械学習は、顔の寸法、ユーザーの人口統計、ＲＰＴデバイスからの動作データ、環境条件など、所望のマスクサイズと予測入力との間の相関を発見するために使用することができる。機械学習では、ニューラルネットワーク、クラスタリング、または従来の回帰手法などの手法が使用され得る。テストデータは、さまざまなタイプの機械学習アルゴリズムをテストし、どのアルゴリズムが相関の予測に関して最も正確であるかを決定するために使用することができる。

最適なインターフェースを選択するためのモデルは、図７のシステムからの新しい入力データによって持続的に更新されてもよい。したがって、分析プラットフォームの使用が増えるにつれて、モデルがより正確になる可能性がある。

上述したように、図６のシステムの一部は、ＲＰＴデバイスを使用するユーザーにインターフェースを推奨することに関する。システムの第２機能は、インターフェース選択の最適化を含む検証プロセスである。推奨マスクがユーザーに提供され、２日間、２週間、または他の期間のような所定期間だけ使用されると、システムはＲＰＴデバイスの使用を監視し、他のデータを収集することができる。このように収集されたデータに基づいて、マスクが、漏れ、不十分なまたは低下したコンプライアンス、または不満足なフィードバックを示す不利なデータから判定されるように高い基準で機能していない場合、システムは、マスク選択を再評価し、データベース２６０および機械学習アルゴリズムをユーザーの結果で更新することができる。その後、システムは、新たに収集されたデータに適合するように、新しいマスクを推奨することができる。例えば、音響シグネチャや他のセンサーに基づいたデータから比較的高い漏れ率が判定された場合、ＲＥＭ睡眠中にユーザーが顎を下げている可能性があり、これは、最初に選択された鼻マスクのみまたは小さなフルフェースマスクではなく、フルフェースマスクなどの別のタイプのインターフェースが必要であることを示している可能性がある。

システムはまた、良好な後続データに応答して推奨を調整することができる。例えば、選択したフルフェースマスクからの漏れがないことを動作データが示している場合、ルーチンは、より良いエクスペリエンスを得るために、より小さなマスクを試すことを推奨する場合がある。療法に対するユーザーのコンプライアンスを最大限に高めるために、スタイル、材料、バリエーション、ユーザーの好みとの相関のトレードオフを使用して、後続の推奨を提供することができる。個々のユーザーのトレードオフは、アプリケーションによってユーザーに表示される入力ツリーによって決定され得る。例えば、ユーザーが潜在的な問題のメニューから皮膚刺激が問題であることを指示した場合、顔画像上に潜在的な刺激位置を示すグラフィックを表示して、ユーザーから刺激の具体的な位置などのデータを収集することができる。特定のデータは、特定のユーザーにとって最適なマスクとのより良い相関を提供することができる。

図９は、図７のサーバ２１０によって実行されるインターフェース選択エンジンによって実行され得るユーザーインターフェース選択プロセスの流れ図である。このプロセスは、ユーザーの顔の画像（顔画像）を収集し、その後、記憶デバイスに記憶することができる。システム２００は、顔画像に基づいて患者の顔特徴を決定するように動作可能な顔輪郭エンジンを含むことができる。いくつかの例では、顔分析を伴うあらゆるステップは、顔輪郭エンジンによって実行されてもよい。この例では、図７のスマートフォン２３４またはタブレット２３６のようなモバイルデバイスの深度カメラによってユーザーの顔をスキャンし、顔の３Ｄ画像を生成する（９００）。代替的に、スキャンしたユーザーの２次元または３次元の顔画像を有する３次元顔スキャンデータを記憶デバイスから取得してもよい。顔の３Ｄスキャンに基づいて顔メッシュ内のランドマーク点を決定し、顔の高さ、鼻の深さ、鼻の幅など、ユーザーインターフェースの適合度に関する重要な寸法および点のセットを画像に基づいて測定する（９０２）。次に、測定された重要な寸法を、サイズおよびタイプによって潜在的なインターフェースに相関させる（９０４）。例えば、相関は、３ＤＭＭとのフィッティングまたは非剛体位置合わせを含むことができる。３Ｄスキャンからの不規則三角形の表面メッシュは、主要な顔領域の位置や面積を含む顔に関する情報を含む３ＤＭＭ表面に適合する。

呼吸デバイスおよび対応するユーザーインターフェースに関するデータベースから動作データを収集する（９０６）。呼吸療法デバイスを用いた呼吸療法に関連して、漏れの低減や最適なコンプライアンスなどの望ましい結果に関して動作データを分析する。次に、決定された顔の寸法および点についての望ましい結果に関する動作データを、利用可能な異なるサイズおよびタイプのインターフェースと相関させる（９０８）。モデルを用いて、漏れの最小化、呼吸療法デバイスの使用に対する最良の適合度、および最良のコンプライアンスを考慮した望ましい結果を得るために、動作データと顔寸法および点との間の相関に基づいて適切なインターフェースを選択する（９１０）。選択されたインターフェースに対する満足度などのユーザー入力を含む他の要素も考慮され得る。その後、選択されたインターフェースを記憶して、ユーザーに送信する（９１２）。上述したように、ユーザーが選択されたインターフェースを有するＲＰＴデバイスを使用すると、スキャン顔寸法データおよびＲＰＴデバイスから収集されたデータがデータベース２６０および２７０に追加され、選択プロセスの分析がさらに改良される。

図１０は、図９に詳述されたインターフェースの初期選択後の１つまたは複数の特定の期間中に実行され得る後続のルーチンである。例えば、ＲＰＴデバイスと共に選択されたインターフェースを使用する最初の２日間に、後続のルーチンを実行することができる。以下で説明されるように、図１０のルーチンは、最初に選択されたインターフェースを維持するか、または別のタイプのインターフェースに切り替えるための推奨を提供することができる。追加的な客観的および主観的なデータの収集は、インターフェースデータベース２７０に記録される。したがって、図１０のルーチンは、インターフェースデータベース２７０において、「成功」または「失敗」として最初に選択されたマスクタイプ内のマークとともに、進行中の使用、切り替え、およびフィードバックデータを記録する。このデータは、サーバ２１０によって実行される例示的な機械学習によって駆動される推奨エンジンを継続的に更新する。

このルーチンは、まず、例えば２日間の使用などの設定期間に亘る動作データを収集する（１０１０）。例えば、図２のシステムは、使用時間やＲＰＴ装置２５０からの漏れデータなど、２日間の使用からコンパイルされた客観的データを収集することができる。もちろん、ＲＰＴデバイスから動作データおよび他の関連データを収集するための期間として、２日以上または２日未満の他の適切な期間を使用することができる。

さらに、コンピューティングデバイス２３０（１０１２）によって実行されるユーザーアプリケーションのインターフェースから、シール品質／性能、快適さ、一般的な好き嫌いなどの主観的フィードバックデータを収集することができる。主観的なデータは、双方向通信デバイスまたはコンピューティングデバイス２３０上で実行されるクライアントアプリケーションを介して尋ねられる主観的な質問によって収集されてもよい。したがって、主観的なデータには、不快感や漏れに関する回答や、ユーザーがマスクを着用していて心理的に快適か否かなどの心理的安全性の質問が含まれる場合がある。主観的なデータには、起きている間に経験する疲労に関して患者から提供された情報も含まれる場合がある。

次に、ルーチンは、客観的なデータおよび主観的なデータを、選択されたマスクのサイズ／タイプおよびユーザーの顔スキャンデータに相関させる（１０１４）。良好な結果の場合、ルーチンは、動作データが、ユーザーからの高いコンプライアンス、低い漏れ、良好な主観的結果データを示すと判定する（１０１６）。次に、ルーチンは、相関データとうまく一致するようにデータベースおよび学習アルゴリズムを更新する（１０１８）。ルーチンはまた、相関データを分析し、結果がより望ましいマスクによって改善され得るか否かを判定する（１０２０）。次に、このルーチンは、図９のルーチンにしたがって、より適切なマスクを試みることを提案する。

相関から望ましくない結果が得られた場合（１０１４）、ルーチンは、望ましくない結果が低コンプライアンス、高漏れ、または不満足な主観結果データのうちの少なくとも１つからのものであると判定する（１０２２）。次に、ルーチンは、ユーザーデータと選択されたマスクとの間の不一致になるように、データベース２７０および学習アルゴリズムを更新する（１０２４）。次に、このルーチンは、図９のルーチンにしたがって、より適切なマスクを試みることを提案する（１０２６）。

ユーザーがユーザーインターフェースを規定通り使用し、多くの要因に基づいて、ユーザーの療方に対するコンプライアンスが高いと判断することができる場合、これらの要因は同等または異なる重み付けをすることができる。ユーザーが使用を指示された頻度でユーザーインターフェースを使用することは、療法に対する高いコンプライアンスと言える。夜間に治療を放棄するのではなく、例えば一晩中など十分に長い時間だけユーザーインターフェースを使用することも、良好なコンプライアンスと言える。処方箋（例えば、最小限の欠勤など）を守ることも、良好なコンプライアンスといえる。さらに、ユーザーがより低い圧力ではなく、処方された治療圧力を使用している場合、これは良好なコンプライアンスの評価に寄与する可能性がある。

いくつかの例では、ユーザーは、予め定められた置換スケジュールにしたがって、ユーザーインターフェースまたはその部品を置換する必要がある場合がある。例えば、使用や洗浄によるシールおよび換気口の磨耗が性能に悪影響を及ぼし、治療の有効性に影響を及ぼす可能性があるので、ユーザーは、所定の圧力および使用強度に基づいて、所定の間隔にしたがってユーザーインターフェースのクションモジュールを交換する必要がある。本技術のいくつかの例では、部品の適時の交換は、療法に対する良好なコンプライアンスといえる。処方データが利用できない場合、ユーザーのコンプライアンスは、持続的に高い治療圧力（少なくとも４、６、８、または１０ｃｍＨ_２Ｏ）および／または（例えば、１週間に１回または２回以上の時間）を利用する、および／またはユーザーインターフェースまたはその部品を適時に交換しながら、毎週の少なくとも所定の夜数（例えば、少なくとも４、５、６、または７泊）、少なくとも所定の時間数（例えば、４、５、６、または７時間）だけ、ユーザーインターフェースおよび対応する呼吸療法デバイスを使用することに基づいて決定することができる。

以上のように、ユーザーを治療に従わせる方法はいくつかある。本技術のいくつかの例では、コンプライアンスの程度は、１つまたは複数の基準が満たされているか否かに基づいて、「非コンプライアンス」または「コンプライアンス」として決定される。いくつかの例では、コンプライアンスは、「低」、「中」、または「高」のうちの１つであってもよい。さらなる例では、コンプライアンスは１００％までのスコアで表され得る。いくつかの例では、良好なレベルのコンプライアンスは必ずしも１００％ではなく、少なくとも７５％または８０％であってもよい。

マスクなどの物理的なユーザーインターフェースがユーザーに利用可能になると、上述のシステムおよびモバイルデバイスは、適切な適合度を決定するためにも使用され得る。

図１１は、本開示のいくつかの実装形態によれば、ユーザー１０などのユーザーが、図７のスマートフォン２３４のようなユーザーデバイスを制御して、マスク１００のようなユーザーインターフェースの現在の適合度に関連するセンサデータを収集する斜視図である。例えば、ユーザー１０は、図１の呼吸療法システムのような新しいユーザーであってもよい。ユーザー１０は、ユーザーインターフェース１００を着用した直後に、ユーザーデバイス２３４の１つまたは複数のセンサーをユーザーの顔に向けていることができる。マスク１００は、上記動作データと顔データとに基づいて選択されたマスクであってもよい。図１１ではスマートフォン２３４として示されているが、任意の適切なユーザーデバイスを使用することができる。

測定値を取得するために、ユーザー１０は、適切なボタンを押すか、またはスマートフォン２３４と対話して測定プロセスを開始することができる。開始されると、スマートフォン２３４は、任意選択で、所望の測定値を達成するためにユーザー１０が取るべきまたは停止すべき異なる動作を示す刺激（例えば、プロンプトおよび／または指令）をユーザー１０に提供することができる。例えば、プロンプトおよび／または指令は、「フォンを顔の高さに保持し、８の字形でゆっくりと動かす」などのテキスト指令、例えば測定プロセスが完了したときに特定の鐘の音が再生されるなどの聴覚的プロンプト３８２、および／または、例えばスマートフォン２３４の動きを遅くする旨の信号をユーザー１０に送る増加した振動パターンなどの触覚フィードバック３８０を含んでもよい。非視覚的プロンプト（例えば、聴覚的プロンプト、触覚的フィードバック等）の使用は、ユーザー１０がスマートフォン２３４のディスプレイを見ることを禁止する向きでスマートフォン２３４を保持しなければならない場合に特に有用である。いくつかの場合、プロンプトおよび／または指令は、ユーザー１０の画像上にオーバーレイするように、例えば拡張現実のオーバーレイの形で提示されてもよい。例えば、アイコン、強調表示、テキスト、および他の印は、測定プロセスをどのように実行するかの指示を提供するために、ユーザー１０の画像（例えば、ライブまたは非ライブ）上にオーバーレイされてもよい。

スマートフォン２３４は、１つまたは複数のセンサーを含むことができる。いくつかの場合、所望の１つまたは複数のセンサーが所望のデータを取得していることを確実にするために、特定の方向にスマートフォン２３４を保持するようにユーザー１０に指示することができる。例えば、スマートフォンの前面の赤外線センサー（例えば、電話のロックを解除するための赤外線センサー）を使用している場合、赤外線センサーがユーザーの顔に向くように、ユーザー１０にスマートフォン２３４に顔を向けて保持するように指示することができ、ユーザーの顔のデータを取得することができる。別の例では、スマートフォン２３４は、背面にＬｉＤＡＲセンサーを備えることができ、この場合、ＬｉＤＡＲセンサーがユーザーの顔に面するように、顔をユーザー１０とは反対側に向けて電話機を保持するようにユーザー１０に指示し、ユーザーの顔のデータを取得することができる。いくつかの場合、ユーザー１０は、スマートフォン２３４が異なる向きに配置された状態で複数回の測定を行うように指示されてもよい。

スマートフォン２３４は、測定プロセスの間（例えば、リアルタイムフィードバック）および／または測定プロセスの終了後（例えば、非リアルタイムフィードバック）にかかわらず、ユーザーインターフェース１００の現在の適合度に関するフィードバックを提供することができる。一例では、ユーザー１０が測定値を取得するためにスマートフォン２３４を保持している間、スマートフォン２３４は、ユーザーインターフェース１００の現在の適合度を改善するためにユーザー１０が例えば特定のストラップを引っ張るなどの調整をすべきであることを示すフィードバックを提供することができる。このような例では、ユーザー１０は、スマートフォン２３４を保持し続けながら、ユーザーの顔および／またはユーザーインターフェース１００の測定値を取得し続けることができるように調整することができる。このような場合、スマートフォン２３４は、現在の適合度がどのように改善されたか、または変化したかを示す動的フィードバックを提供することができる。

図１２は、本開示のいくつかの実施形態による、ユーザーインターフェース１００の現在の適合度に関連する熱特性を識別するためのスマートフォン２３４のユーザービューである。スマートフォン２３４およびユーザーインターフェース１００は、任意の適切なユーザーデバイスおよびユーザーインターフェースであり得る。図１２に示された図は、測定プロセスの間に（例えば、リアルタイムで見る）、または測定が行われた後に（例えば、測定プロセスが完了した後に見る）実施されてもよい。

ユーザー１０は、ユーザーデバイス（例えば、スマートフォン２３４）を保持して、スマートフォン２３４の表示デバイス４７２（例えば、表示画面）を見ることができる。表示デバイス４７２は、ユーザーインターフェース１００の現在の適合度に関連するフィードバックを提供することができるグラフィカルユーザーインタフェース（ＧＵＩ）を描画することができる。ＧＵＩは、ユーザーインターフェース１００を装着したユーザー１０の画像を含むことができる。画像は赤外線センサーによって取得することができ、ユーザーインターフェース１００を装着したユーザー１０の熱マップとすることができる。熱マップは、ユーザーの顔およびユーザーインターフェース１００上の異なる点における局所的な温度を描写することができる。

拡大図で示されるように、ユーザーインターフェース１００とユーザーの顔との間のシールの近くのユーザーの顔領域４８２は、ユーザーの顔の周囲の領域よりもはるかに冷たいものとして示されている。このより冷たい領域４８２は、ユーザーインターフェース１００のシールから漏れた空気が、ＩＲセンサーによって知覚される量だけユーザーの皮膚を冷却することができるので、非意図的な空気漏れを示すことがある。

いくつかの場合、ＧＵＩは、ユーザーインターフェース１００の現在の適合度に関連するスコア４８４の形でフィードバックを提供することができる。例えば、スコア４８４は、０％から１００％の間で充填され得るフィラーバーとして描画することができる。図１２に示すように、ユーザーインターフェース１００の現在の適合度スコア４８４は現在約６５％である。

いくつかの場合、ＧＵＩは、現在の適合度を改善するためにテキスト指令４８６の形でフィードバックを提供することができる。テキスト指令４８６は、例えば図１２に示すように、左上のストラップを引き締めるなど、現在の適合度を改善するためのアクションを取るための指令をユーザー１０に提供することができる。左上のストラップを引き締める旨の指令が選択されたのは、このようにさせることによって、領域４８２における温度差によって検出された空気漏れが減少または除去されるべきであるからである。

図１３は、本開示のいくつかの実施形態による、ユーザーインターフェースの現在の適合度に関連する輪郭ベースの特性を識別するために使用される、スマートフォン２３４などのユーザーデバイスのユーザービューである。ユーザーデバイスは、図７に示されるような任意の適切なユーザーデバイスであってもよい。

スマートフォン２３４の表示デバイス５７２（例えば、表示画面）は、ユーザー１０のライブ画像を含むＧＵＩを表示することができる。ユーザー１０のライブ画像を作成するために、スマートフォン２３４のカメラ５５０をユーザー１０に向けることができる。

図１３に示す図では、ユーザー１０はユーザーインターフェースを取り外したばかりであり、ユーザーの顔の一部を取り込む窪み５９０が残されている。この窪み５９０は、視覚的感知（例えば、窪み５９０の色、または窪み５９０とユーザーの顔の隣接する表面との間の色差を感知すること）、距離感知（例えば、窪み５９０とユーザーの顔の隣接する表面との間の局所的な深さの差を伝達すること）、および／または類似のものによって検出することができる。図示のように、窪み５９０の領域５９２は、他の領域に比べて目立たない。この領域５９２は、ユーザーインターフェースが顔の皮膚に十分に押し付けられていない領域であり、それによって、有効なシールが確立されていないと識別されてもよい。

いくつかの場合、ＧＵＩは、ユーザーインターフェースの現在の適合度に関連するスコア５８４の形でフィードバックを提供することができる。例えば、領域５９２の範囲は、ユーザーインターフェースの現在の適合度（例えば、領域５９２の識別につながるセンサデータを収集する前に除去されたユーザーインターフェースの適合度）が最適でないことを示すことができる。スコア５８４は、例えば、数字スコア「６５％」によって生成され、描画されることができる。いくつかの場合、不良な適合度が検出されたことを示すアラート５８５のようなアラートが追加的に提供されてもよい。いくつかの場合、ＧＵＩは、現在の適合度を改善するためにテキスト指令５８６の形でフィードバックを提供することができる。テキスト指令５８６は、異なるタイプのユーザーインターフェース（例えば、フルフェースユーザーインターフェースの代わりに鼻枕マスク）を使用することによって、現在の適合度を改善するアクションを取るような指令をユーザー１０に提供することができる。フルフェースユーザーインターフェースの代わりに鼻枕マスクを使用する指令は、検出された不良な適合度の性質、および／または現在のユーザーインターフェースの適合度を改善しようとする１回以上の以前の試みのために選択されているかもしれない。例えば、ユーザーが現在のユーザーインターフェースの適合度を改善しようとする回数がしきい値回数を超えた場合、システムは、良好な適合度を確立するために、別のタイプのユーザーインターフェースを使用しようとすることが賢明である可能性があると判断する場合がある。利用可能なユーザーインターフェースは、ＲＰＴデバイスからの顔データおよび動作データを組み合わせた上述のルーチンを使用して選択することができる。

図１３において、窪み５９０がユーザーの顔上の検出された輪郭として検出されると、ユーザーの顔の色の変化（例えば、ユーザーインターフェースのシールが皮膚表面上に留まっている皮膚表面に近い組織から一部の血液が押し出されたときの漂白、または色の変化）を検出して、ユーザーインターフェースのシールがユーザーの顔に係合する位置および方法を識別することができる。

図１４は、本開示のいくつかの実施形態による、複数のユーザーインターフェース遷移イベントにわたるユーザーインターフェースの適合度を評価するためのプロセス１４００を示すフローチャートである。ユーザーインターフェースは、図１のユーザーインターフェース１００などの任意の適切なユーザーインターフェースとすることができる。プロセス１４００は、図７のスマートフォン２３４用のプロセッサまたはサーバ２１０などのサーバのプロセッサなどの制御システムを使用して実行することができる。プロセス１４００の間に収集されたセンサデータは、１つまたは複数のセンサー（例えば、図４Ａ～４ＣのＲＰＴデバイス４０の１つまたは複数のセンサー）から収集することができ、１つまたは複数のセンサー、またはすべてのセンサーは、ユーザーデバイス（例えば、図７のスマートフォン２３４）に組み込まれ、および／または結合されてもよい。ユーザーインターフェース遷移イベントの例は、ユーザーインターフェースを着用すること、ユーザーインターフェースを取り外すこと、ユーザーインターフェースを調整すること（例えば、ユーザーインターフェースの調整可能な部分、例えば、調整可能なストラップを調整すること、ユーザーインターフェースをユーザーの顔のさまざまな位置または方向に移動させることなど）、およびユーザーインターフェースに結合されたＲＰＴデバイス４０などの呼吸療法システムを調整すること（例えば、呼吸療法システムをオンまたはオフにすること、呼吸療法システムのパラメータ、例えば、湿度または加熱などを調整することなど）を含む。

ブロック１４０２において、ユーザーインターフェースを着用する前に第１センサデータを収集することができる。第１センサデータは、ユーザーの顔、および任意にユーザーインターフェース（ユーザーが着用する前に）収集することができる。

いくつかの場合、第１センサデータをブロック１４１２で使用して、ユーザーインターフェースの潜在的適合度に関連する１つまたは複数の特性を識別することができる。例えば、システムは、第１センサデータのみから識別される特性に基づいて、ユーザーがフルフェースユーザーインターフェースの代わりに、鼻枕マスクを使用するのに最も適していると判断する場合がある（例えば、フルフェースユーザーインターフェースシールが通常配置される位置の周りに特に大きな輪郭が検出された場合、または、フルフェースユーザーインターフェースシールが通常配置される位置の周りに特に濃いひげが検出された場合）。

しかしながら、いくつかの場合、第１センサデータは、ブロック１４１２において、他のセンサデータと比較するために使用される。例えば、いくつかの場合、第１センサデータは、顔のベースライン輪郭マップ、顔のベースライン熱マップ、顔の１つまたは複数の特徴のベースライン検出（例えば、目、口、鼻、耳などの検出）など、将来の比較のためのベースラインを確立することができる。第１センサデータは、ベースラインを確立するためにユーザーインターフェースを着用する前に収集された場合など、ユーザーインターフェースの現在の適合度に関連するセンサデータであると考えることができ、このベースラインは更なるセンサデータと比較されて、装着時のユーザーインターフェースの適合度を評価することに用いられる。例えば、このようなデータは、図８Ａ～８Ｄを参照して説明したように実行された顔スキャンから記憶することができる。

ブロック１４０４において、ユーザーインターフェースを着用することができる。ユーザーインターフェースを着用することは、（例えば、呼吸療法のために）それを使用しているかのように、ユーザーがユーザーの顔にユーザーインターフェースを配置することを含んでもよい。いくつかの場合、ブロック１４０４において、ユーザーインターフェースを着用することは、ユーザーインターフェースを着用する前にユーザーインターフェースを調整することを含んでもよいが、必ずしもそうではない。ユーザーインターフェースを着用する前にユーザーインターフェースを調整する場合、センサデータのさらなる分析は、履歴センサデータ、履歴特性データ、履歴適合度スコアなどと比較することができる。例えば、ブロック１４０４において、ユーザーインターフェースを着用することは、適合度を改善するために取られるべきアクションを識別するユーザーインターフェースの適合度の以前の評価の直後に行われてもよい。このような例では、ユーザーは、ブロック１４０４の一部としてアクションを行い、次いで、ユーザーインターフェースの結果的な適合度をユーザーインターフェースの以前の適合度と比較して、適合度が改善されたか否かを判定することができる。

いくつかの場合、ブロック１４０４において、ユーザーインターフェースを装着することは、ユーザーインターフェースを閾値持続時間だけ着用することを含んでもよい。例えば、ユーザーインターフェースの装着前と装着後のセンサデータを比較することによってユーザーインターフェースの適合度が評価される場合、プロセス１４００は、ブロック１４０４からブロック１４０８に進んでもよい。このような場合、ユーザーインターフェースがユーザーの顔に影響を与えるのに十分な時間（例えば、ユーザーの顔にくぼみまたは色の変化を確立するのに十分な時間）にわたって装着されることを確保するために、ブロック１４０４において、ユーザーインターフェースを装着することは、ユーザーインターフェースを閾値時間（例えば、少なくとも１０秒、２０秒、３０秒、４０秒、５０秒、１分、１．５分、２分、５分、１０分、または１５分）だけ着用することを含んでもよい。

ブロック１４０６において、ユーザーインターフェースが装着されている間（例えば、ユーザーの顔に装着されている間）に、第２センサデータを収集することができる。第２センサデータはユーザーの顔およびユーザーが装着していえるユーザーインターフェースから収集することができる。いくつかの場合、第２センサデータは、ユーザーインターフェースおよび／またはユーザーインターフェースに結合された呼吸療法システムに対して１つまたは複数の調整を行いながら収集することができる。このような場合、ブロック１４１２において、経時的に取得された第２センサデータは、識別された特性の変化を検出するために使用されてもよく、これらの第２センサデータは、ユーザーインターフェースの現在の適合度の評価に使用されてもよい。一例では、ブロック１４０６において収集された熱データは、図１の呼吸療法システムのヒータが作動しているときに、ユーザーインターフェースの外側およびユーザーインターフェースに隣接するユーザーの顔の領域の温度変化を識別することができ、これらの熱データは、ユーザーの顔領域の近くのユーザーインターフェースのシールに非意図的な空気漏れが存在する可能性があることを示している。このような例では、図４Ｃのオーディオセンサ４２７８によって収集されたオーディオデータなどの追加のセンサデータを使用して、（例えば、非意図的な漏れに関連する特徴的な音響信号、例えば可聴信号または非可聴信号を検出することによって）漏れの存在を確認することができる。

ブロック１４０８において、ユーザーインターフェースを取り外すことができる。ユーザーインターフェースを取り外すことは、常にとは限らないが、１つまたは複数のセンサーがセンサデータを収集している間に実行されてもよい。

ブロック１４１０において、ユーザーがユーザーインターフェースを取り外した後に、第３センサデータを収集することができる。第３センサデータは、ユーザーインターフェースの装着に起因するユーザーの顔の変化の影響を受けることを除いて、ブロック１４０２からの第１センサデータと同様であってもよい。

ブロック１４０２、ブロック１４０６、およびブロック１４１０においてセンサデータを収集することは、同じセンサーまたは異なるセンサーからのセンサデータを含む、同じタイプのセンサデータを収集すること、および／または異なるタイプのセンサデータを収集することを含んでもよい。例えば、ブロック１４０２および１４１０においてそれぞれ収集された第１センサデータおよび第２センサデータは、それぞれ、可視スペクトルおよびＩＲスペクトルにおける測距センサデータおよび画像データを含み、ブロック１４０６において収集された第２センサデータは、可視スペクトルおよびＩＲスペクトルにおけるオーディオデータおよび画像データを含み得る。

ブロック１４１２において、センサデータ（例えば、第１センサデータ、第２センサデータ、および／または第３センサデータ）から１つまたは複数の特性を識別する。ブロック１４１２において特性を識別することは、所与のセンサデータセット（例えば、別個に分析された第２センサデータ）を分析すること、および／またはセンサデータセットを比較すること（例えば、第１センサデータと第３センサデータとの比較）を含んでもよい。ブロック１４１２において特性を識別することは、ユーザーインターフェースの適合度の品質を示す特性を識別することを含んでもよい。例えば、いくつかの特性は、ユーザーインターフェースの不良な適合度を示し、他の特性は、ユーザーインターフェースの良好な適合度を示す。一例では、非意図的な空気漏れを示す音としての特性は、不良な適合度を示し、一方、ユーザーインターフェースを装着しているユーザーの顔の熱マップとしての特性は、ユーザーインターフェースに隣接するユーザーの顔の表面上の一貫性および／または予想される温度を示す良好な適合度を示す。

特性は、値（例えば、数値またはブール値）、値のセット、および／または信号（例えば、時間とともに変化する値のセット）を含む、適切な方式で出力することができる。一例では、ユーザーインターフェースを装着しているときのユーザーの顔の熱マッピングに関連する特性は、ｉ）閾値を超える局所的な温度変化（例えば、顔の表面上の時間的または距離的な温度変化）が検出されたか否かのブール値、ｉｉ）ユーザーインターフェースのシールの周囲を囲むユーザーの顔上のさまざまな位置で取得された温度値のセット、ｉｉｉ）ユーザーの顔の熱画像またはビデオ、ｉｖ）またはＩ～ＩＩＩの任意の組み合わせとして出力することができる。

いくつかの場合、ブロック１４１４において、ユーザーインターフェースの適合度に関連するスコアを生成することができる。適合度スコアを生成することは、ブロック１４１２において識別された特性を分析することと、特性からスコアを生成することと、を含んでもよい。いくつかの場合、スコアは、ブロック１４１２の１つまたは複数の特性を入力として使用する計算、および／またはブロック１４０２、１４０６、および／または１４１０からのセンサデータに基づいて、または少なくとも部分的に基づいてもよい。

いくつかの場合、スコアは、ブロック１４１２の１つまたは複数の特性、および／またはブロック１４０２、１４０６、および／または１４１０からのセンサデータを入力として使用する機械学習アルゴリズムを使用して計算することができる。このような機械学習アルゴリズムは、ユーザーインターフェースを装着しているユーザーの適合度評価の訓練セットに関連する特性および／またはセンサデータを使用して訓練することができる。訓練セットの適合度評価は、ユーザーの主観的な評価、他の機器（例えば、実験室のセンサーや、専用センサーおよび／または専用感知機器を備えたユーザーインターフェース装備などの機器）を使用して収集された客観的な値などに基づいてもよい。

ブロック１４１６において、出力を生成することができる。出力または出力フィードバックは、ユーザーインターフェースの現在の適合度に関する情報を中継する任意の適切な出力を含んでもよい。出力は、ブロック１４１２の１つまたは複数の特性、ブロック１４０２、１４０６、および／または１４１０からのセンサデータ、および／または、ブロック１４１４からの適合度スコアに基づいてもよい。いくつかの場合、出力は、ブロック１４１４において生成された適合度スコアであってもよい。いくつかの場合、出力は、ブロック１４０２、１４０６、および／または１４１０からの生または処理されたセンサデータ（例えば、ユーザーに提示される熱画像またはオーディオ記録の一部）としてもよい。

いくつかの場合、出力は、ユーザーインターフェースの現在の適合度を改善するために選択されたアクションに対する指令または提案であってもよい。例えば、ブロック１４１２において識別された特性が、ユーザーインターフェースに対して非意図的な空気漏れが特定の位置に存在することを示している場合、出力は、非意図的な空気漏れを低減し、ユーザーインターフェースの適合度を改善するために、ユーザーインターフェースを調整する（例えば、ストラップを引き締める）指令を含んでもよい。いくつかの場合、ユーザーインターフェースの適合度の改善は、ブロック１４１４において生成された現在の適合度スコアと、ブロック１４１４の過去または未来のインスタンスにおいて生成された過去または未来の適合度スコアとに基づいてもよい。

いくつかの場合、ブロック１４１２の１つまたは複数の特性、ブロック１４０２、１４０６、および／または１４１０からのセンサデータ、および／または、ブロック１４１４からの適合度スコアを入力として使用する機械学習アルゴリズムを使用して、現在の適合度を改善するために選択された出力を選択することができる。このような機械学習アルゴリズムは、特性、センサデータ、および／または、特定のユーザーインターフェースを装着しているユーザーの適合度評価の訓練セットに関連する適合度スコアを使用して訓練することができる。訓練データは、ユーザーインターフェースに加えられた調整、ユーザーの顔に加えられた調整（例えば、髭剃り）、および／または、ユーザーインターフェースに対するさまざまな選択などの調整に関する情報を含んでもよい。

一例では、ユーザーインターフェース適合度は、ユーザーインターフェース装着前のセンサデータとユーザーインターフェース装着時のセンサデータとを比較することによって評価され、プロセス１４００は、ブロック１４０２、１４０４、１４０６、１４１２、１４１４のみを含む。別の例では、現在の適合度は、ユーザーがユーザーインターフェースを装着しているときに評価され、プロセス１４００は、ブロック１４０６、１４１２、および１４１４のみを含む。別の例では、ユーザーインターフェースの現在の適合度は、ユーザーインターフェースの装着前および装着後のユーザーの顔の特性を比較することによって評価され、プロセス１４００は、ブロック１４０２、１４０４、１４０８、１４１０、１４１２、および１４１４のみを含む。他の配置を使用することもできる。加えて、いくつかの場合、別個のブロックとして提示される態様を１つまたは複数の他のブロックに組み込むことができる。例えば、いくつかの場合、ブロック１４１６における出力の生成の一部として、ブロック１４１４における適合度スコアの生成が行われる。別の例では、いくつかの場合、プロセス１４００は、ブロック１４１４で適合度スコアを生成することなく、ブロック１４１２からブロック１４１６に進むことができる。

図１５は、本開示のいくつかの実施形態による、ユーザーインターフェースの適合度を評価するためのプロセス１５００を示すフローチャートである。ユーザーインターフェースは、図１のユーザーインターフェース１００のような任意の適切なユーザーインターフェースとすることができる。プロセス１５００は、スマートフォン２３４用のプロセッサ、または図７のサーバ２１０のようなサーバのプロセッサの制御システムを使用して実行することができる。

ブロック１４０２において、例えば、ユーザーインターフェースの現在の連携に関連するセンサデータが、ユーザーデバイスから受信される。ブロック７０２で受信したセンサデータは、１つまたは複数のセンサー（例えば、図４Ａ～４ＣのＲＰＴデバイス４０の１つまたは複数のセンサー／トランスデューサ４２７０）から収集されていてもよく、これらのセンサー／トランスデューサの１つ、複数、またはすべてはユーザーデバイス（例えば、図７のスマートフォン２３４）に組み込まれ、および／または結合されていてもよい。センサデータは、同じ周波数または異なる周波数で任意の適切な解像度で収集することができる。いくつかの場合、検出周波数は、使用されるセンサーに基づいてもよい。例えば、可視スペクトルの画像データは、２５～６０フレーム／秒（ｆｐｓ）以上のフレームレートで収集され得るが、ＩＲ周波数の熱データは、１０ｆｐｓ以下のフレームレートで収集され得る。

いくつかの場合、ブロック１５０２においてセンサデータを受信することは、ブロック１５０４においてセンサデータを校正、調整、または安定化することを含んでもよい。センサデータを校正、調整または安定化することは、データ中の望ましくないアーティファクトを考慮するためにセンサデータを調整することを含んでもよい。センサデータを校正、調整または安定化することは、センサデータの一部を使用して調整することを含んでもよい。一例では、ブロック１５０２において、画像データは、例えば、画像安定化ソフトウェアを画像データに適用することによって、または、慣性測定ユニット（ＩＭＵ）またはスマートフォンのサブセンサから取得した慣性データを適用することによって安定化されてもよい。いくつかの場合、センサデータを安定化させることは、センサデータの第１部分に関連する画像安定化情報（例えば、可視スペクトルカメラからの画像データに関連する画像安定化情報）を受信することと、その安定化情報をセンサデータの第２部分（例えば、ＩＲセンサーからの熱データのような他のセンサーからのセンサデータ）に適用することと、を含んでもよい。一例では、可視スペクトルカメラデータの安定化に関連する画像安定化情報（例えば、画像安定化ソフトウェアおよび／または慣性データによって得られる）をＩＲセンサーからの熱データに適用することができ、それにより、熱データを単独で使用する場合に可能な範囲を超えて熱データを安定化させることができる。

校正は、既知または公称の物体またはイベントのセンサデータを取得することによって行うことができる。例えば、画像データにおける露出および／または色温度の校正は、まず校正面（例えば、ホワイトバランスカードなどの既知の色の面）から基準画像データを収集し、次いで、基準画像データを使用して、画像データを取得するセンサーの設定を調整し、および／または画像データ自体を調整することによって達成することができる。

調整は、センサデータの一部を使用して他のセンサデータに対して行われた調整を通知することにより行うことができる。例えば、サーマルイメージャー（例えば、ＩＲセンサ）は、熱データを収集して、ユーザーの顔の熱マップを生成することができる。熱マップは、ユーザーの顔上の様々な位置における局所的な温度と、ユーザーの背後の表後の表面などの周囲環境の一部の表面とを識別することができる。このような例では、熱データは、ユーザーの後背の表面が１９℃であることを示すことができ、しかし、別の温度センサーから収集された周囲温度データは、ユーザーの背後の表面および／または周囲の室温が２１℃に近いことを示している場合があるしたがって、システムは、ユーザーの背後の表面について感知される温度が、別の温度センサーによって測定された温度（例えば、２１℃）に等しくなるように、サーマルイメージャーから取得される熱データを自動的に調整してもよい。したがって、このような調整は、ユーザーの顔の様々な位置における局所的な温度値にも継続してもよい。

別の例では、１つまたは複数のセンサーからのセンサデータを、１つまたは複数の他のセンサーからのセンサデータと相関させ、調整するために使用してもよい。例えば、可視スペクトルカメラからの画像データをＩＲセンサーからの熱描画データと相関させてもよい。このような例では、画像データ中のいくつかの検出された特徴（例えば、目、耳、鼻、口、ユーザーインターフェースの換気口など）を。熱マッピングデータ内の同様に検出された特徴と比較してもよい。したがって、画像データと熱マッピングデータとが同じスケールおよび視野で収集されていない場合でも、データを相関させることができる。例えば、画像データ内で検出された特徴の位置が、熱マッピングデータ内の相関する特徴の位置と一致するように、熱マッピングデータのすべてのピクセル（例えば、Ｘ方向および／またはＹ方向に引き伸ばす）を調整することができる。

いくつかの場合、センサデータを調整することは、ｉ）ユーザーデバイスの動き、ｉｉ）ユーザーデバイス固有の雑音、ｉｉｉ）ユーザーの呼吸雑音、ｉｖ）ユーザーの発話（または他の発声）雑音、ｖ）周囲照明の変化、ｖｉ）検出されたユーザーの顔に投影される一時的な影、ｖｉｉ）検出されたユーザーの顔に投影される一時的な色光、またはｖｉｉｉ）ｉ～ｖｉｉの任意の組み合わせに関連するセンサデータの部分を利用してセンサデータを調整することを含んでもよい。

他の技術を使用して、センサデータおよび／または他のデータ（例えば、履歴センサデータ、システムに結合されていないセンサーから取得されたセンサデータなど）の一部に基づいて、センサデータを校正、調整、安定化、またはそうでなければ修正することができる。

いくつかの場合、ブロック１５０６において、ブロック１５０２におけるセンサデータの受信の一部として、感知フィードバックを提供することができる。感知フィードバックを提供することは、ブロック１５０２において、センサデータを受信するプロセスに関するフィードバックをユーザーに提示することを含んでもよい。第１例では、感知フィードバックは、進行中のセンサデータ収集に関する指示を示すディスプレイ上のテキストまたは画像を含んでもよい。例えば、感知フィードバックは、ユーザーに向いているカメラのライブカメラフィード上に重ねられた画面の領域を指定する輪郭または他のマークの形をとることができ、この場合、ユーザーに顔を画面の輪郭または領域内に維持するように指示することができる。

別の例では、ブロック１５０２においてセンサデータを受信することは、設定された継続時間の間、または何らかのセンサデータが正常に取得されるまで継続してもよい。このような場合、ユーザーは、ユーザーデバイスを特定の方向に保持する必要がある場合がある。持続時間が経過するか、または何らかのセンサデータが取得されると、ユーザーデバイスは、ユーザーデバイスを特定の方向に保持することをユーザーが停止できることを示すために、感知フィードバック１５０６を提示することができる（例えば、ユーザーデバイスのディスプレイがユーザーに背を向けている）。感知フィードバックは、視覚的および／または非視覚的な手がかり（例えば、ヒント、指令、通知などの刺激）の形態とすることができる。いくつかの場合、ユーザーデバイスの表示が現在ユーザーに見えない場合のように、非視覚的な合図（例えば、オーディオ合図または触覚フィードバック）を使用することが特に有用であり得る。

いくつかの場合、ブロック１５０６において感知フィードバックを提供することは、１つまたは複数のセンサーによって検出され得る効果を喚起するための何らかのアクションを実行するための指令をユーザーに提示することを含んでもよい。例えば、ある時間息を止めること、カメラに向かって微笑むこと、噛むこと、あくびをすること、話すこと、ユーザーインターフェースを着脱することなどをユーザーに指示してもよい。ブロック１５１４において、検出可能な効果を使用して、特性を検出することができる。一例では、検出可能な効果は、ユーザーが話す、噛む、またはあくびをするときの、ユーザーの顔に対するユーザーインターフェースの動き量であってもよい。このような例では、ユーザーインターフェースの過度の動きは、不良な適合度を示す可能性がある。いくつかの場合、ブロック１５０２においてセンサデータを受信することは、ブロック１５０６において指示されたアクションをユーザーが完了することに関連する完了信号を受信することを含んでもよい。完了信号検出の例には、ボタンの押下を感知すること（例えば、ユーザーが「完了」ボタンを押すこと）と、（例えば、カメラデータによって）アクションの完了を自動的に検出することが含まれる。

いくつかの場合、ブロック１５０６において感知フィードバックを提供することは、ユーザーに所望の位置に移動する（例えば、室内に移動するか、または十分に光の当たる部屋に移動する）指令、環境を調整する（例えば、部屋内のランプを点灯または消灯する）指令、および／または方向または姿勢を調整する（例えば、まっすぐに座る）指令を提供することを含んでもよい。

いくつかの場合、ブロック１５０２においてセンサデータを受信することは、ブロック１５０８において呼吸器系を制御することを含んでもよい。ブロック１５０８において呼吸療法システムを制御することは、ユーザーインターフェースに結合された呼吸療法デバイスに制御信号を送信することを含んでもよい。制御信号が呼吸療法デバイスによって受信されると、呼吸療法デバイスはパラメータを調整するか、または何らかのアクションを取ることができる。例えば、制御信号は、呼吸療法デバイスをオンおよび／またはオフにすること、所定の圧力または予め設定された圧力パターンで空気を供給すること、ヒータおよび／または加湿器を起動および／または停止すること、および／またはその他の適切な措置をとることを行わせる。

ブロック１５１０において、センサデータを使用して顔マッピングを生成することができる。顔マッピングは、（例えば、ＬｉＤＡＲセンサーまたはＩＲセンサーからの）測距データ、（例えば、カメラからの）画像データ、および／または（例えば、ＩＲセンサーからの）熱データなどの任意の適切なセンサデータを使用して生成することができる。顔マッピングは、目、鼻、口、耳、虹彩など、ユーザーの顔の１つまたは複数の特徴を識別することができる。顔マッピングは、識別された特徴の任意の組み合わせの間の距離を測定することを含んでもよい。結果として得られる顔マッピングは、２次元または３次元の顔マッピングであってもよい。代替的に、顔マッピングおよび結果として得られたデータは、図８Ａ～８Ｃを参照して上述したように実行された顔スキャンから収集された記憶データから取得することができる。

いくつかの場合、顔マッピングは、ユーザーの顔に関連する輪郭および標高を示す輪郭マップである。いくつかの場合、顔マッピングは、ユーザーの顔のさまざまな位置における局所的な温度を示す熱マップである。

いくつかの場合、ブロック１５１０において顔マッピングを生成することは、第１個人および１つまたは複数の追加の個人を識別することを含んでもよい。この場合、顔マッピングを生成することは、第１個人を選択し（例えば、第１個人が１つまたは複数のセンサーまたはユーザーデバイスに最も近いことに基づいて、第１ユーザーの以前に記録された画像または特性との比較に基づいて、または他のそのような分析に基づいて）、第１個人の顔上で検出された１つまたは複数の特徴を使用して顔マッピング生成を継続することを含んでもよい。

いくつかの場合、任意のブロック１５１２において、センサデータを使用してユーザーインタフェースマッピングを生成してもよい。（例えば、ＬｉＤＡＲセンサーまたはＩＲセンサーからの）測距データ、（例えば、カメラからの）画像データ、および／または（例えば、ＩＲセンサーからの）熱データなど任意の適切なセンサデータを使用して、ユーザーインタフェースマッピングを生成することができる。ユーザーインタフェースマッピングは、換気口、輪郭、導管、導管接続部、ストラップなどのユーザーインターフェースの１つまたは複数の特徴を識別することができる。ユーザーインタフェースマッピングは、識別された特徴の任意の組み合わせ間の距離を測定することを含んでもよい。結果として得られるユーザーインタフェースマップは、２次元または３次元ユーザーインタフェースマッピングにすることができる。

いくつかの場合、ブロック１５１０において顔マッピングを生成することは、ブロック１５１２においてユーザーインタフェースマッピングを生成することを含んでもよい。

ブロック１５１４では、ブロック１５０２からのセンサデータおよびブロック１５１０からの顔マッピングを使用して、現在の適合度に関連する１つまたは複数の特性を識別する。いくつかの場合、ブロック１５１４において特性を識別することは、ブロック１５１２において生成されたインターフェースマッピングを使用することを含んでもよい。

任意の適切な特性を識別することができる。特性は、ユーザーの顔の特性、ユーザーの顔とユーザーインターフェースとの間のインタアクションの特性、ユーザーインターフェースの特性、および環境の特性を含んでもよい。いくつかの場合、特性は、センサデータから検出され、ユーザーインターフェースの適合度の品質を決定するための証明価値を有する、ユーザーの顔、ユーザーインターフェース、ユーザーの顔とユーザーインターフェースとの間のインタアクション、または環境の識別可能な態様としてもよい。

いくつかの場合、必ずしもそうではないが、特徴を位置に関連してもよい。位置に関連する特性は、顔マッピングおよび／またはユーザーインタフェースマッピング上の位置、または顔マッピングおよび／またはユーザーインタフェースマッピングを参照する位置に関連してもよい。例えば、例示的な特性は、非意図的な空気漏れを示すオーディオ信号（例えば、非意図的な空気漏れに関連する特徴的な周波数分布を有するオーディオ信号）、または非意図的な空気漏れ自体であってもよい。いくつかの場合、この特性は、単独で使用したり（例えば、適合度スコアを生成するなど、非意図的な空気漏れの有無を使用することができる）、特性に関連する位置情報と組み合わせて使用したりしてもよい。このような例では、ユーザーの顔の特定の位置（例えば、図１２に示すように、鼻と左頬との間）に非意図的な空気漏れが検出され得る。この場合、位置情報は、ユーザーの顔上の非意図的な空気漏れがあった位置に相関する顔マッピング上またはユーザーインタフェースマップ上の位置を示すことができる。ユーザーインターフェースと共に位置情報を追加することは、より正確な適合度スコアおよび／または適合度を改善するためのより正確な指令のような有用な情報を提供するのに役立つ。

いくつかの場合、利用可能な特性のセットを事前に決定することができる。このような場合、ブロック１５１４において特性を識別することは、センサデータおよび／または顔マッピングを分析して、利用可能な特性のセットのうちのどれが検出されたか（存在する場合）を決定することを含んでもよい。例えば、利用可能な特性のセットは、ユーザーの顔の局所的な温度リバウンド、ユーザーの顔の局所的な色のリバウンド、およびユーザーインターフェースの局所的な温度を含んでもよい。このような例では、センサデータに熱データが含まれていない場合（例えば、ＩＲセンサーまたは温度センサーが利用可能でない場合）、そのリストから決定され得る唯一の特性は、カメラによって収集された画像データから検出され得る局所的な色のリバウンドである。別の例では、十分な熱データが存在する場合、局所的な温度のリバウンドおよびユーザーインターフェースの局所的な温度を追加的に検出してもよい。

いくつかの場合、特性は、有益な特性または有害な特性であってもよい。有益な特性は、ユーザーインターフェースの良好な適合度に関連する特性であってもよい。例えば、ユーザーインターフェースのシール形状をしたユーザーの顔上の局所的な輪郭である特性は、ユーザーインターフェースがユーザーの顔と良好な適合度を維持していることを示す場合がある。したがって、このような特性の存在またはそれ以上の存在が有益である可能性がある。一方、有害な特性はユーザーインターフェースの不良な適合度に関連している可能性がある。例えば、ユーザーの顔の領域における局所的な温度変化としての特性は、冷気がユーザーの顔のその領域を通って流れていることを示し、それによって、不良な適合度に関連する非意図的な空気漏れを示す可能性がある。したがって、このような特性の存在またはそれ以上の存在は有害である可能性がある。

例示的な特性は、ユーザーの顔の局所的な温度である。この特性は、ユーザーの顔上で検出された温度であってもよく、それは、同じ位置で以前に検出された温度（例えば、ユーザーがユーザーインターフェースを装着していた以前の時間）または隣接する位置で検出された現在の温度と比較されてもよい。例えば、ユーザーインターフェースのシールの近くでコールドスポットが検出されたが、コールドスポットがより高い温度に囲まれている場合、コールドスポットは非意図的な空気漏れを示している可能性がある。

別の例示的な特性は、ユーザーの顔の局所的な温度のリバウンドである。局所的な温度のリバウンドは、特定の位置（例えば、顔マッピング上の特定の位置）での一定期間にわたる温度の変化を含んでもよい。局所的な温度のリバウンドは、ユーザーインターフェースの一時的なイベント（例えば、ユーザーインターフェースの取り外し）、ユーザーの一時的なイベント（例えば、暖かい部屋から寒い部屋への移動）、呼吸療法システムの一時的なイベント（例えば、流量発生器のヒータ、加湿器のヒータ、および／または導管のヒータなどの呼吸療法システムのヒータを作動させる）、または他の一時的なイベントなどの一時的なイベントに追従することができる。例えば、ユーザーインターフェースが取り外された後に、顔マッピングに対して特定の位置でより長い温度リバウンド時間が検出された場合は、不良な適合度を示す可能性がある。測定された属性（例えば、温度、色、輪郭など）の「リバウンド」は、ユーザーインターフェースの着脱または調整、ＲＰＴデバイスからの加圧空気流の開始または停止、または測定された属性が経時的に変化する別のイベントの発生などの一時的なイベントに続く測定された属性の変化を含んでもよい。

別の例示的な特性は、ユーザーの顔の局所的な色である。この特性は、ユーザーの顔上で検出された色であってもよく、それは、同じ位置で以前に検出された色（例えば、ユーザーがユーザーインターフェースを装着した以前の時間）または隣接する位置で検出された現在の色と比較されてもよい。例えば、ユーザーインターフェースのシールの近くでより赤い斑点が検出されたが、より白い色で囲まれている場合、このより赤い斑点は、（例えば、シールがユーザーの顔にあまり押し付けられていないため、および／または、流れる空気の刺激によって）非意図的な空気漏れを示す可能性がある。

別の例示的な特性は、ユーザーの顔の局所的なカラーリバウンドである。局所的な色のリバウンドは、特定の位置（例えば、顔マッピング上の特定の位置）での一定期間にわたる色の変化を含んでもよい。局所的な色のリバウンドは、ユーザーインターフェースの一時的なイベント（例えば、ユーザーインターフェースの取り外し）、ユーザーの一時的なイベント（例えば、暖かい部屋から寒い部屋への移動）、呼吸療法システムの一時的なイベント（例えば、呼吸療法デバイスのオンまたはオフ）、または他の一時的なイベントなどの一時的なイベントに追従することができる。例えば、ユーザーインターフェースが取り外された後に、顔マッピングに対して特定の位置でより長い色リバウンド時間が検出されると、良好な適合度を示すことができる。

別の例示的な特性は、ユーザーの顔の局所的な輪郭である。この特性は、ユーザーの顔上で検出された輪郭であってもよく、それは、同じ位置（例えば、ユーザーがユーザーインターフェースを装着した以前の時間）で以前に検出された輪郭、または隣接する位置で検出された現在の輪郭と比較されてもよい。例えば、ユーザーインターフェースのシール全体の周囲でユーザーの皮膚に一定量のくぼみが検出された場合、これは強いシールと良好な適合度を示す可能性がある。

別の例示的な特性は、ユーザーの顔の局所的な輪郭のリバウンドである。局所的な輪郭のリバウンドは、特定の位置（例えば、顔マッピング上の特定の位置）での一定期間にわたる輪郭の変化を含んでもよい。局所的な輪郭のリバウンドは、ユーザーインターフェースの一時的なイベント（例えば、ユーザーインターフェースの取り外し）、ユーザーの一時的なイベント（例えば、暖かい部屋から寒い部屋への移動）、呼吸療法システムの一時的なイベント（例えば、呼吸療法デバイスのオンまたはオフ）、または他の一時的なイベントなどの一時的なイベントに追従することができる。例えば、ユーザーインターフェースが取り外された後に、顔マッピングに対して特定の位置でより長い輪郭リバウンド時間が検出されると、良好な適合度を示す可能性がある。

もう１つの例示的な特性は、ユーザーインターフェースの局所的な輪郭である。この特性は、ユーザーインターフェース上（例えば、ユーザーインターフェースのシールなどのユーザーインターフェースの一部上）で検出された輪郭であってもよく、同じ位置（例えば、ユーザーインターフェースが以前に装着された時間）で以前に検出された輪郭、またはユーザーインターフェース上の他の位置で検出された現在の輪郭と比較されてもよい。例えば、一定量の窪みがユーザーインターフェースのシール上で検出された場合、これは強いシールと良好な適合度を示す可能性がある。

もう１つの例示的な特性は、ユーザーインターフェースの局所的なのリバウンドである。局所的な輪郭のリバウンドは、ユーザーインターフェース上の特定の位置（例えば、ユーザーインタフェースマップ上の特定の位置）での一定時間にわたる輪郭の変化を含んでもよい。局所的な輪郭のリバウンドは、ユーザーインターフェースの一時的なイベント（例えば、ユーザーインターフェースの除去）、ユーザーの一時的なイベント（例えば、暖かい部屋から寒い部屋への移動）、呼吸療法システムの一時的なイベント（例えば、呼吸療法デバイスのオンまたはオフ）、または他の一時的なイベントなどの一時的なイベントに追従することができる。例えば、ユーザーインターフェースのシール上の特定の位置で長い輪郭リバウンド時間が検出されると、不良な適合度および／またはシール不良を示す可能性がある（例えば、シール不良が急速にリバウンドしない場合がある）。

もう１つの例示的な特性は、ユーザーインターフェースの局所的な温度である。この特性は、ユーザーインターフェース上の特定の位置（例えば、ユーザーインターフェースの一部、例えばシール上）で検出された温度であってもよく、同じ位置（例えば、ユーザーインターフェースが以前に装着された時間）で以前に検出された温度、またはユーザーインターフェース上の他の位置で検出された現在の温度と比較されてもおい。例えば、ユーザーインターフェースのシール上の位置でコールドスポットが検出されたが、ユーザーインターフェースの他の部分が比較的高温であると検出された場合、コールドスポットは非意図的な空気漏れを示している可能性がある。別の例では、ユーザーインターフェースまたは導管の一部が所定の温度に加熱されるのに必要な時間の長さは、良好な適合度または不良な適合度を示すことができる。

別の例示的な特性は、ユーザーの顔の１つまたは複数の特徴に対するユーザーインターフェースの垂直位置である。ユーザーの顔の１つまたは複数の特徴に対するユーザーインターフェースの垂直位置は、顔マッピング、センサデータおよび／またはユーザーインタフェースマッピングに基づいてもよい。一例では、ユーザーインターフェースまたはユーザーインターフェースの検出された特徴が、ユーザーの顔の１つまたは複数の特徴（例えば、顎、口、および／または鼻）に対して高すぎるまたは低すぎることが検出された場合、不良な適合度ことを示す可能性がある（例えば、ストラップは、ユーザーインターフェースを引き揚げすぎている、または引き下げすぎている可能性がある）。

別の例示的な特性は、ユーザーの顔の１つまたは複数の特徴に対するユーザーインターフェースの水平位置である。ユーザーの顔の１つまたは複数の特徴に対するユーザーインターフェースの水平位置は、顔マッピング、センサデータおよび／またはユーザーインタフェースマッピングに基づいてもよい。一例では、ユーザーインターフェースまたはユーザーインターフェースの検出された特徴がユーザーの顔の一方または他方から遠すぎることが検出された場合、不良な適合度ことを示す可能性がある（例えば、ストラップがユーザーインターフェースをユーザーの右側または左側に引きすぎる可能性がある）。

別の例示的な特性は、ユーザーの顔の１つまたは複数の特徴に対するユーザーインターフェースの回転方向である。回転方向は、ユーザーの顔から外側に延びる回転軸、例えば顔から前方向または腹方向に延びる回転軸の周りにユーザーインターフェースがユーザーの顔に対してどれだけ回転するかという尺度であってもよい。ユーザーの顔の１つまたは複数の特徴に対するユーザーインターフェースの回転方向は、顔マッピング、センサデータおよび／またはユーザーインタフェースマッピングに基づいてもよい。一例では、ユーザーインターフェースまたはユーザーインターフェースの検出された特徴がユーザーの顔の１つまたは複数の特徴に対して過度に回転している度合いが検出された場合、不良な適合度を示す可能性がある（例えば、ストラップがユーザーの顔上でユーザーインターフェースを歪める可能性がある）。

別の例示的な特性は、ユーザーの顔の１つまたは複数の特徴に対するユーザーインターフェースの識別された特徴間の距離である。この距離は、顔マッピング、センサデータおよび／またはユーザーインタフェースマッピングに基づいてもよい。一例では、ユーザーインターフェースの検出された特徴（例えば、換気口）が、ユーザーの顔の検出された特徴（例えば、鼻梁）からあまりにもずれていることが検出された場合、不良な適合度を示す可能性がある。この距離は、１寸法、２次元または３次元で測定されてもよい。一例では、ユーザーの顔に過度に緩やかに適合するユーザーインターフェースは、ユーザーの顔の表面から比較的大きな距離に位置する換気口を有することができ、これは不良な適合度を示すことができる。このような場合、換気口とユーザーの顔特徴との間の距離の測定は、不良な適合度を示すことができ、これは、ユーザーインターフェースのストラップを引き締めることによって修正できる。

別の例では、ブロック１５１４において漏れ特性を識別することは、ブロック１５０２から受信したセンサデータに基づいてユーザーの呼吸パターンを決定することと、ブロック１５０２から受信したセンサデータおよびブロック１５１０からの顔マッピングに基づいてユーザーの顔に関連する熱パターンを決定することと、呼吸パターンおよび熱パターンを使用して、意図的な通気漏れと非意図的なシール漏れとの間のバランスを示す漏れ特性信号を生成することと、を含んでもよい。例えば、呼吸パターンおよび熱パターンを使用して、意図的な通気漏れの例および任意の強度を示す意図的な通気漏れ信号を生成してもよい。非意図的なシール漏れについては、同様の非意図的なシール漏れ信号を生成してもよい。漏れ特性信号は、非意図的なシール漏れ信号と意図的なシール漏れ信号との比であってもよい。

いくつかの場合、ブロック１５１４において特性を識別することは、ブロック１５１６において潜在的な特性を識別および確認することを含んでもよい。潜在的な特性を識別および確認することは、第１センサデータセットを使用して特性を識別し、次いで第２センサデータセットを使用して特性を確認することを含んでもよい。第１センサデータセットおよび第２センサデータセットは、同じセンサーから異なる時間に収集されてもよいし、異なるセンサーから収集されてもよい。例えば、異なる時間で同じセンサーから収集することは、ユーザーがユーザーインターフェースを装着している間に熱データから潜在的な非意図的な空気漏れを識別すること（例えば、ユーザーインターフェースの周囲の領域におけるユーザーの顔の表面の局所的な温度変化を検出すること）と、ユーザーがユーザーインターフェースを取り外した後に収集された熱データを使用して非意図的な空気漏れを確認すること（例えば、血液が別の位置で以前に圧縮された組織に逆戻りしている間など、潜在的な空気漏れの近くではない時間の間、特定の領域のユーザーの顔の表面温度が変化しないことを検出すること）とを含んでもよい。

別の例では、潜在的な特性を識別および確認するために、さまざまなセンサーからセンサデータを収集することは、ユーザーがユーザーインターフェースを装着している間に収集された熱データを使用して潜在的な非意図的な空気漏れを識別し、次いで、同時に収集されたオーディオデータを使用して非意図的な空気漏れを確認すること（例えば、非意図的な空気漏れを示す特徴的なオーディオまたは音響信号を検出することによって、潜在的な非意図的な空気漏れが熱画像において検出されたのと同じ時間に一致する）を含んでもよい。

いくつかの場合、追加のセンサデータは、ブロック１５２０において呼吸デバイスから受信され、ブロック１５１４において特性の識別のために使用されてもよい。呼吸療法デバイスからの追加のセンサデータは、呼吸療法システム（例えば、図１の呼吸療法システム）から取得されたデータを含んでもよい。このような追加のセンサデータは、流量、圧力、送出空気温度、周囲温度、送出空気湿度、周囲湿度、周囲オーディオ信号、導管または導管内の空気を介して伝達されるオーディオ信号などのデータを含んでもよい。いくつかの場合、追加のセンサデータは、ユーザーインターフェースおよび／または導管内のセンサーによって収集されたデータを含んでもよい。いくつかの場合、ブロック１５２０からの追加のセンサデータは、呼吸療法システムによる空気送達に関連してもよい。例えば、ブロック１５１４において、送出空気温度に関連する追加のセンサデータを使用して、送出空気温度をユーザーインターフェースのシール周囲のユーザーの皮膚の温度と比較することによって、非意図的な空気漏れを識別および／または確認してもよい。

しかしながら、いくつかの場合、ブロック１５２０からの追加のセンサデータは、ユーザーインターフェースの現在の適合度に関連してもよい。一例では、呼吸療法システムは、ユーザーの顔またはユーザーインターフェースに関する情報を検出することができる１つまたは複数のセンサーを含んでもよい。例えば、呼吸療法デバイスのＲＦセンサーは、ユーザーインターフェースのユーザーに対する現在の適合度に関連する測距情報を検出してもよい。別の例では、１つまたは複数の光センサー（例えば、可視光カメラ、受動赤外線センサー、および／または能動赤外線センサー）を使用して、ユーザーの顔および／またはユーザーインターフェースに関する情報を検出してもよい。

いくつかの場合、履歴データは、ブロック１５２２において受信され、特性の識別のためにブロック１５１４において使用されてもよい。履歴データは、履歴センサデータ（例えば、ブロック１５０２の前のインスタンスにおいて収集または受信したセンサデータ）、履歴特性データ（例えば、ブロック１５１４の前のインスタンスにおいて識別された特性に関する情報）、および／または他の履歴データ（例えば、以前の適合度スコア）を含んでもよい。ブロック１５１８において、ブロック１５１４において特性を識別することは、ブロック１５２２において受信された履歴データを、ブロック１５０２において受信したセンサデータと比較することを含んでもよい。例えば、ブロック１５２２において履歴データを受信することは、ユーザーインターフェースを装着する前に、ユーザーの顔の熱マッピングを含むメモリにアクセスすることを含んでもよい。このような例では、ブロック１５１８において、その熱マッピングは、ユーザーがユーザーインターフェースを装着している間および／またはユーザーがユーザーインターフェースを取り外した後に行われ得るユーザーの顔の現在の熱マッピングと比較されてもよい。２つの熱マッピングで検出された差異は、特性（例えば、予期しない局所的な温度および／または非意図的な空気漏れ）を識別するために使用され得る。

別の例では、ブロック１５２２において履歴データを受信することは、特定のユーザーインターフェースのシーリングに関連する以前の輪郭リバウンド時間を含むメモリにアクセスすることを含んでもよい。このような例では、以前の輪郭リバウンド時間は、ユーザーインタフェースシールの同じ部分について新たに得られた輪郭リバウンド時間と比較されてもよい。この比較は、シールが経時的に劣化していることを示すことができ、これは不良な適合度を引き起こす可能性があり、必然的にシール不良を引き起こす可能性がある。したがって、この劣化を特性として検出し、シールの交換をユーザーに知らせることができる。

いくつかの場合、機械学習アルゴリズムを使用して、特性の識別を容易にし、または実現することができる。このような機械学習アルゴリズムは、ユーザーインターフェースを着用しているか、またはユーザーインターフェースの一時的なイベントに参加している１人以上のユーザーによって収集されたセンサデータの訓練セットを使用して訓練することができる。訓練データは、常にそうであるとは限らないが、存在すると判定された特性に関する情報を含むことができる。いくつかの場合、訓練データは、ユーザーインターフェースの適合度品質に関する情報を含んでもよい。このような適合度情報の品質は、ユーザーの主観的な評価、他の機器（例えば、実験室のセンサーや、専用センサーおよび／または専用感知機器を備えたユーザーインターフェースなどの機器）を使用して収集された客観的な値などに基づいてもよい。いくつかの場合、ブロック１５１４において識別された特性は、機械学習アルゴリズムによって使用される特徴である。

いくつかの場合、現在の適合度に関連する特性を識別することは、所与のユーザー顔（例えば、ブロック１５１０からの顔マッピング）および所与のユーザーインターフェース（例えば、ブロック１５１２からのユーザーインタフェースマッピングまたは他のユーザーインターフェース識別情報）の予測適合度品質を決定することを含んでもよい。このような場合、ユーザーの顔の顔マッピングを所与のユーザーインターフェースの設計パラメータに適用して、予測される適合度品質（例えば、ユーザーの顔に対する特定のユーザーインターフェースの最も可能性の高い適合度）を決定してもよい。その予測された適合度品質がしきい値を下回る場合、所与のユーザーインターフェースがユーザーによる使用に適さないと判定することができる。予測された適合度の品質はさらに、現在の適合度の所与の評価（例えば、ブロック１５２８を参照して説明された評価）が改善され得るか否か（例えば、現在の適合度の改善が達成され得るかまたは可能であるか否か）を判定するためにも使用され得る。例えば、特定のユーザーの顔上の所与のユーザーインターフェースの予測された適合度の品質が「良好」であり（例えば、適合度の品質を表すために他の尺度を使用することができるが、「不良」、「良い」、「良好」、「非常良好」から）、現在の適合度が「良好」と評価された場合、ユーザーインターフェースを変更することなく、適合度の品質の更なる改善は不可能であると判定することができる。別の例では、予測された適合度の品質が「非常良好」であり、現在の適合度が「良い」と評価された場合、顔の毛髪のトリミング、化粧品の除去、ベッド上の位置の変更、または他の変更など、他の要因の調整が現在の適合度を改善することができると判断してもよい。

ブロック１５２４において、出力フィードバックは、ブロック１５１４からの識別された（１つまたは複数の）特性およびオプションとして特徴的な位置（例えば、顔マッピングおよび／またはユーザーインタフェースマッピングに対する位置）に基づいて生成することができる。ブロック１５２４において出力フィードバックを生成することは、例えば、ＧＵＩ、スピーカー、触覚フィードバックデバイスなどを介して出力フィードバックを提示することを含んでもよい。いくつかの場合、出力フィードバックは、ユーザー画像上のオーバーレイとして、例えば拡張現実のオーバーレイの形で提示されてもよい。例えば、アイコン、強調表示、テキスト、および他のマークは、現在の適合度の品質に関するフィードバックおよび／または現在の適合度を改善する方法に関する指示を提供するために、ユーザーの画像（例えば、ライブまたは非ライブ）上にオーバーレイしてもよい。

いくつかの場合、出力フィードバックは、識別された１つまたは複数の特性および任意選択の位置情報を含んでもよい。例えば、出力フィードバックは、検出された特性の存在を示すグラフィックまたはテキストで覆われたユーザーの顔の画像または表現であってもよい（例えば、可視スペクトルカメラ、サーマルイメージャーから取得され、または顔マッピングからグラフィック的に生成される）。一例では、検出された非意図的な空気漏れは、検出された非意図的な空気漏れの位置において、矢印、強調表示された円、または注意を喚起する他の視覚的要素によって、ユーザーの顔の画像または表現上に表示されてもよい。

いくつかの場合、ブロック１５２４において出力フィードバックを生成することは、適合度を改善するための提案されたアクションをブロック１５２６において決定して提示することを含んでもよい。適合度を改善するための提案されたアクションを決定して提示することは、適合度を改善するように設計されたアクションを選択するために識別された特性およびその位置情報を使用することと、そのアクションを（例えば、テキスト、グラフィック、オーディオフィードバック、触覚フィードバックなどによって）提示することと、を含んでもよい。いくつかの場合、適合度を改善するためのアクションは、識別された特性に基づいて取るべきアクションを選択することができるルックアップテーブルまたはアルゴリズムに基づいて識別されてもよく、オプションとしてその位置情報を含む。例えば、非意図的な空気漏れの検出は、ユーザーインターフェースのストラップを調整するための提案されたアクションと相関させることができ、この場合、非意図的な空気漏れの位置を使用して、どのストラップを調整すべきかを決定することができる。

しかし、いくつかの場合、取るべきアクションを決定するのは機械学習アルゴリズムに基づいていてもよい。このような機械学習アルゴリズムは、取るべきアクションの訓練セットと、そのアクションが取られる前および／または後の適合度情報の品質とを使用して訓練することができる。このような適合度情報の品質は、ユーザーの主観的評価、他の機器（例えば、実験室のセンサーや、専用センサーおよび／または専用感知機器を備えたユーザーインターフェースなどの機器）を使用して収集された客観的な値などに基づいてもよい。いくつかの場合、ブロック１５１４において識別された特性は、機械学習アルゴリズムによって使用される特徴である。

いくつかの場合、ブロック１５２４において出力フィードバックを生成することは、ブロック１５２６において現在の適合度の評価を生成することを含んでもよい。ブロック１５２６において現在の適合度の評価を生成することは、センサデータ、識別された特性、および／または特徴的な位置情報を使用することを含んでもよい。評価は、数値スコア（例えば、０から１００の間の数値スコアのような適合度スコア）、カテゴリスコア（例えば、「良好」、「一般」、「不良」などのテキストスコア、緑色、黄色、赤色のような色スコア、または、空気漏れのないシールを描く、小さいシールを描く、空気漏れの大きいシールを描くなどのグラフィックスコア）とすることができる。

いくつかの場合、評価を生成することは、センサデータ、識別された特性、および／または特徴的な位置情報を入力として使用して、方程式アルゴリズムに基づいて評価を生成することを含んでもよい。例えば、適合度スコアは、さまざまな識別特性に関連する値の重み付け計算（例えば、温度差の量、検出されたユーザーインタフェースシールエッジからの温度差の距離、オーディオ信号における検出された非意図的な漏れの継続時間など）であってもよい。

いくつかの場合、生成された評価は、履歴データ（例えば、ブロック１５２２において受信された履歴データ）との比較に少なくとも部分的に基づいてもよい。この場合、評価は、識別された特性に関連する値が改善または劣化を示すか否かに少なくとも部分的に基づいてもよく、この場合、改善は、適合度スコアが以前の適合度スコアから増加することを確保し、劣化は、適合度スコアが以前の適合度スコアから減少することを確保する。

いくつかの場合、生成された評価は機械学習アルゴリズムに基づいていてもよい。このような機械学習アルゴリズムは、センサデータ、識別された（１つまたは複数の）特性、および／または特徴的な位置情報の訓練セットを使用して訓練することができる。いくつかの場合、訓練セットは適合品質情報を含んでもよい。このような適合度情報の品質は、ユーザーの主観的な評価、他の機器（例えば、実験室センサーや、専用センサーおよび／または専用感知機器を備えたユーザーインターフェースなどの機器）を使用して収集された客観的な値などに基づいてもよい。いくつかの場合、ブロック１５１４において識別された特性は、機械学習アルゴリズムによって使用される特徴である。

本明細書では、特定の順序で発生するプロセス１５００が示され、説明されているが、より一般的には、プロセス１５００の個々のブロックは、任意の適切な順序で実行され、より少ないおよび／または追加のブロックを有してもよい。例えば、ブロック１５２０、１５２２、１５１２、および１５１８は、いくつかの場合使用されない。

図９～１０および図１４～１５の流れ図は、呼吸圧療法のための最適なインターフェースを選択するためのデータを収集および分析するための例示的な機械可読指令の代表であり、選択されたユーザーインターフェースのマッチングなどの後続の分析を行うために使用される。この例では、機械可読命令は、（ａ）プロセッサ、（ｂ）コントローラ、および／または（ｃ）１つまたは複数の他の適切な処理装置（複数可）によって実行されるアルゴリズムを含む。このアルゴリズムは、フラッシュメモリ、ＣＤ－ＲＯＭ、フロッピー（登録商標）ディスク、ハードドライブ、デジタルビデオ（多用途）ディスク（ＤＶＤ）、または他の記憶装置などの有形媒体に記憶されたソフトウェアに具現化され得る。しかしながら、当業者は、アルゴリズム全体および／またはその一部が、代替的に、プロセッサ以外のデバイスによって実行され、および／または周知の方法でファームウェアもしくは専用ハードウェアに具現化され得る（例えば、アルゴリズム全体および／またはその一部が、特定用途向け集積回路（ＡＳＩＣ）、プログラマブルロジックデバイス（ＰＬＤ）、フィールドプログラマブルロジックデバイス（ＦＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、ディスクリートロジックなどによって実装され得る）ことを容易に理解する。例えば、インターフェースの部品のいずれかまたは全部は、ソフトウェア、ハードウェア、および／またはファームウェアによって実装され得る。また、流れ図によって表される機械可読命令の一部またはすべては、手動で実装され得る。さらに、アルゴリズムの一例は、図１９～１０および１４～１５に示すフローチャートを参照して説明されているが、以下のように説明される。実際には、典型的な機械可読指令を実装する他の多くの方法が代替的に使用されてもよいことは、当業者には容易に理解される。例えば、ブロックの実行順序を変更することができ、および／または、記載されたブロックのいくつかを変更、削除、または結合することができる。

本明細書で使用されるように、用語「部品」、「モジュール」、「システム」などは、一般に、コンピュータに関連するエンティティ、ハードウェア（例えば、回路）、ハードウェアとソフトウェアの組み合わせ、ソフトウェア、または１つまたは複数の特定の機能を有する動作機械に関連するエンティティを意味する。例えば、部品は、プロセッサ（例えば、デジタル信号プロセッサ）で実行されるプロセス、プロセッサ、オブジェクト、実行可能ファイル、実行スレッド、プログラム、および／またはコンピュータであってもよいが、これらに限定されない。例えば、コントローラ上で実行されるアプリケーションとコントローラは、部品であってもよい。１つまたは複数の部品は、実行中のプロセスおよび／またはスレッド内に存在することができ、部品は、１つのコンピュータ上でローカライズされ、および／または、２つ以上のコンピュータ間で分散されてもよい。更に、「デバイス」は、特別に設計されたハードウェア；汎用化ハードウェアであって、ハードウェア上のソフトウェアの実行によって専用化されてハードウェアに特定の機能を実施させることを可能にする、汎用化ハードウェア；コンピュータ可読媒体に記憶されたソフトウェア；またはそれらの組合せ、の形態であり得る。

本明細書で使用される用語は、特定の実施形態を説明する目的でのみ使用され、本発明を限定することを意図していない。本明細書で使用する場合、単数形「１つの（ａ）」、「１つの（ａｎ）」、および「前記（ｔｈｅ）」は、文脈が別途明確に示さない限り、複数形も含むことが意図され得る。更に、用語「含む（ｉｎｃｌｕｄｉｎｇ）」、「含む（ｉｎｃｌｕｄｅｓ）」、「有する（ｈａｖｉｎｇ）」、「有する（ｈａｓ）」、「有する（ｗｉｔｈ）」、またはそれらの変形が、「発明を実施するための形態」および／または「特許請求の範囲」のいずれかで使用される限りにおいて、そのような用語は、「備える（ｃｏｍｐｒｉｓｉｎｇ）」という用語と同様に包括的であることが意図される。

別段の定義がない限り、本明細書で使用されるすべての用語（技術用語および科学用語を含む）は、当業者が通常理解するのと同じ意味を有する。さらに、用語、例えば、一般的な辞書で定義されている用語は、関連する分野の文脈におけるその意味と一致する意味を有するものとして解釈されるべきであり、ここで明示的にそのように定義されない限り、理想的または過度に正式な意味として解釈されることはない。

以下の請求項１～１００のうちのいずれか１つまたは複数からの１つまたは複数のステップ、態様またはステップ、またはその任意の部分を、他の請求項１～１００のうちのいずれか１つまたは複数からの１つまたは複数のステップ、態様またはステップ、またはその任意の部分と組み合わせて、本開示の１つまたは複数の追加の実装および／または請求項を形成することができる。

以上、本発明の様々な実施形態について説明してきたが、それらは限定するものではなく、例示的にのみ提示されることを理解されたい。本発明は、１つ以上の実装形態に関して例示および説明されているが、当業者であれば、本明細書および添付の図面を読んで理解することにより、同等の変更および修正を想到するであろう。加えて、本発明の特定の特徴が、いくつかの実装形態のうちの１つだけに関して開示されている場合があるが、そのような特徴は、任意の所与の用途または特定の用途にとって望ましく有利であり得る、他の実装形態の１つ以上の他の特徴と組み合わされてもよい。したがって、本発明の幅および範囲は、上述した実施形態のいずれによっても限定されるべきではない。むしろ、本発明の範囲は、以下の請求項およびその均等物に基づいて定義されるべきである。

Claims

ユーザーの顔に適した呼吸療法用のインターフェースを選択するためのシステムであって、
前記ユーザーの顔画像を記憶する記憶デバイスと、
前記顔画像に基づいて前記ユーザーの顔特徴を決定するように動作可能な顔輪郭エンジンと、
ユーザー集団からの複数の顔特徴と前記ユーザー集団によって使用される複数の対応するインターフェース、および
前記複数の対応するインターフェースを有する前記ユーザー集団によって使用される呼吸療法デバイスの動作データを記憶する
１つまたは複数のデータベースと、
前記１つまたは複数のデータベースに結合された選択エンジンであって、前記記憶された動作データからの望ましい結果および前記決定された顔特徴に基づいて、前記複数の対応するインターフェースの中からユーザー用のインターフェースを選択するように動作可能である選択エンジンと、を含むシステム。
前記インターフェースはマスクである、請求項１に記載のシステム。
前記呼吸療法デバイスは、気道陽圧（ＰＡＰ）または非侵襲的換気（ＮＩＶ）のうちの１つまたは複数を提供するように構成されている、請求項１～２のいずれか１項に記載のシステム。
少なくとも１つの前記呼吸療法デバイスは、少なくとも１つの前記呼吸療法デバイスの動作中にオーディオデータを収集するためのオーディオセンサを含む、請求項１～３のいずれか１項に記載のシステム。
前記選択エンジンは、前記オーディオデータを既知の前記インターフェースの音響シグネチャと一致させることに基づいて、前記オーディオデータを分析して、少なくとも１つの前記呼吸療法デバイスの前記対応するインターフェースのタイプを決定するように動作可能である、請求項４に記載のシステム。
前記選択エンジンは、前記１つまたは複数のデータベースに記憶されたユーザー集団の人口統計データと比較されたユーザーの人口統計データに基づいて前記インターフェースを選択する、請求項１～５のいずれか１項に記載のシステム。
前記動作データは、流量、モータ速度、および治療圧力のうちの１つを含む、請求項１～６のいずれか１項に記載のシステム。
前記顔画像は、カメラを含むモバイルデバイスからのスキャンに基づいて決定される、請求項１～７のいずれか１項に記載のシステム。
前記モバイルデバイスは、深度センサーを含み、前記カメラは、３Ｄカメラであり、前記顔特徴は、前記顔画像から導出されるメッシュ面から導出される３次元特徴である、請求項８に記載のシステム。
前記顔画像はランドマークを含む２次元画像であり、前記顔特徴は前記ランドマークから導出される３次元特徴である、請求項１～９のいずれか１項に記載のシステム。
前記顔画像は、複数の２次元顔画像のうちの１つであり、前記顔特徴は、前記顔画像と一致するように適合された３Ｄ変形可能モデルから導出される３次元特徴である、請求項１～９のいずれか１項に記載のシステム。
前記顔画像は、少なくとも１つの顔寸法に関するランドマークを含む、請求項１～８のいずれか１項に記載のシステム。
前記顔寸法は、顔の高さ、鼻の幅、および鼻の深さのうちの少なくとも１つを含む、請求項１２に記載のシステム。
前記望ましい結果は、漏れを防止するためのインターフェースと顔面との間のシールである、請求項１～１３のいずれか１項に記載のシステム。
前記望ましい結果は、前記呼吸療法デバイスの使用のコンプライアンスである、請求項１～１４のいずれか１項に記載のシステム。
前記ユーザーから入力された主観的なデータを収集するように動作可能なモバイルデバイスをさらに含み、前記インターフェースの選択は、主観的なデータに部分的に基づいている、請求項１～１５のいずれか１項に記載のシステム。
前記望ましい結果を達成するインターフェースに相関する動作データのタイプを決定するように動作可能な機械学習モジュールをさらに含む、請求項１～１６のいずれか１項に記載のシステム。
前記選択されたインターフェースは、複数のタイプのインターフェースのうちの１つと、複数のサイズのインターフェースのうちの１つとを含む、請求項１～１７のいずれか１項に記載のシステム。
前記選択エンジンはさらに、前記選択されたインターフェースの動作に基づいて、および望ましくない結果に基づいて、前記ユーザーからのフィードバックを受信し、前記望ましい結果に基づく別のインターフェースを選択するように動作可能である、請求項１～１８のいずれか１項に記載のシステム。
前記望ましくない結果は、療法に対するユーザーのコンプライアンスが低いこと、漏れが多いこと、または主観的結果データが満足できないことのうちの１つである、請求項１９に記載のシステム。
ユーザーの顔に適した呼吸療法用のインターフェースを選択するための方法であって、
前記ユーザーの顔画像を記憶デバイスに記憶するステップと、
前記顔画像に基づいて顔特徴を決定するステップと、
ユーザー集団からの複数の顔特徴および複数の対応するインターフェースを１つまたは複数のデータベースに記憶するステップと、
前記ユーザー集団によって使用される前記呼吸療法デバイスの動作データを、前記複数の対応するインターフェースと共に１つまたは複数のデータベースに記憶するステップと、
前記記憶された動作データからの望ましい結果および前記判定された顔特徴に基づいて、前記複数の対応するインターフェースの中からユーザー用のインターフェースを選択するステップと、を含む、この方法。
前記インターフェースはマスクである、請求項２１に記載の方法。
前記呼吸療法デバイスは、気道陽圧換気（ＰＡＰ）または非侵襲的換気（ＮＩＶ）のうちの１つを提供するように構成されている、請求項２１～２２のいずれか１項に記載の方法。
少なくとも１つの前記呼吸療法デバイスは、少なくとも１つの前記呼吸療法デバイスの動作中にオーディオデータを収集するためのオーディオセンサを含む、請求項２１～２３のいずれか１項に記載の方法。
前記選択ステップは、前記オーディオデータを既知の前記インターフェースの音響シグネチャと一致させることに基づいて、前記オーディオデータを分析して、少なくとも１つの前記呼吸療法デバイスの前記対応するインターフェースのタイプを決定するステップを含む、請求項２４に記載の方法。
前記選択ステップは、前記ユーザーの人口統計データを、前記１つまたは複数のデータベースに記憶された前記ユーザー集団の人口統計データと比較するステップを含む、請求項２１～２５のいずれか１項に記載の方法。
前記動作データは、流量、モータ速度、および治療圧力のうちの１つを含む、請求項２１～２６のいずれか１項に記載の方法。
前記顔画像は、カメラを含むモバイルデバイスからのスキャンに基づいて決定される、請求項２１～２７のいずれか１項に記載の方法。
前記モバイルデバイスは、深度センサーを含み、前記カメラは、３Ｄカメラであり、前記顔特徴は、前記顔画像から導出されるメッシュ面から導出される３次元特徴である、請求項２８に記載の方法。
前記顔画像はランドマークを含む２次元画像であり、前記顔特徴は前記ランドマークから導出される３次元特徴である、請求項２１～２９のいずれか１項に記載の方法。
前記顔画像は、複数の２次元顔画像のうちの１つであり、前記顔特徴は、前記顔画像と一致するように適合された３Ｄ変形可能モデルから導出される３次元特徴である、請求項２１～３０のいずれか１項に記載の方法。
前記顔画像は、少なくとも１つの顔寸法に関するランドマークを含む、請求項２１～２８のいずれか１項に記載の方法。
前記顔寸法は、顔の高さ、鼻の幅、および鼻の深さのうちの少なくとも１つを含む、請求項３２に記載の方法。
前記望ましい結果は、漏れを防止するためのインターフェースと顔面との間のシールである、請求項２１～３３のいずれか１項に記載の方法。
前記望ましい結果は、療法に対するユーザーのコンプライアンスである、請求項２１～３４のいずれか１項に記載の方法。
少なくとも１つのモバイルデバイスによって前記ユーザーから入力された主観的なデータを収集するステップをさらに含み、前記インターフェースの選択は、前記主観的なデータに少なくとも部分的に基づいている、請求項２１～３５のいずれか１項に記載の方法。
機械学習モジュールにより、前記望ましい結果を達成する前記インターフェースに相関する動作データのタイプを決定するステップをさらに含む、請求項２１～３６のいずれか１項に記載の方法。
前記選択されたインターフェースは、前記複数のタイプのインターフェースのうちの１つと、前記複数のサイズのインターフェースのうちの１つとを含む、請求項２１～３７のいずれか１項に記載の方法。
前記選択されたインターフェースの動作に基づいて、前記ユーザーからフィードバックを受信するステップと、
望ましくない結果に基づいて、前記望ましい結果に基づく別のインターフェースを選択するステップと、をさらに含む、請求項２１～３８のいずれか１項に記載の方法。
前記望ましくない結果は、療法に対するユーザーのコンプライアンスが低いこと、漏れが多いこと、または主観的結果データが満足できないことのうちの１つである、請求項３９に記載の方法。
前記ユーザーの顔への選択されたインターフェースの現在の適合度に関連する、前記モバイルデバイスの１つまたは複数のセンサーによって収集されたセンサデータを受信するステップと、
前記センサデータを使用して、前記ユーザーの顔の１つまたは複数の特徴を示す顔マッピングを生成するステップと、
前記センサデータおよび前記顔マッピングを使用して、現在の適合度に関連する第１特性を識別するステップであって、前記第１特性は、現在の適合度の品質を示し、前記特性は前記顔マッピング上の特徴的な位置に関連しているステップと、
前記識別された第１特性および前記特徴的な位置に基づいて前記出力フィードバックを生成するステップと、をさらに含む、請求項２１～４０のいずれか１項に記載の方法。
前記センサデータは距離データを含み、前記距離データは、モバイルデバイスの１つまたは複数のセンサーとユーザーの顔との間の１つまたは複数の距離を示す、請求項４１に記載の方法。
前記１つまたは複数のセンサーは、ｉ）近接センサー、ｉｉ）赤外線ベースのドットマトリクスセンサ、ｉｉｉ）ＬｉＤＡＲセンサー、ｉｖ）ＭＥＭＳマイクロミラープロジェクタベースのセンサー、またはｖ）ｉ～ｉｖの任意の組み合わせを含む、請求項４２に記載の方法。
前記センサデータは、ｉ）前記ユーザーが前記インターフェースを着用する前に、ｉｉ）前記ユーザーが現在の適合度で前記インターフェースを装着している間に、ｉｉｉ）前記ユーザーが前記インターフェースを取り外した後に、またはｉｉｉ）ｉ、ｉｉ、およびｉｉｉの任意の組み合わせで収集される、請求項４１～４３のいずれか１項に記載の方法。
前記インターフェースを着用する前の前記ユーザーの顔に関連している初期センサデータを受信するステップをさらに含み、前記特性を識別するステップは、前記初期センサデータを前記センサデータと比較するステップを含む、請求項４４に記載の方法。
前記特性は、
ｉ）前記ユーザーの顔の局所的な温度、
ｉｉ）前記ユーザーの顔の局所的な温度変化、
ｉｉｉ）前記ユーザーの顔の局所的な色、
ｉｖ）前記ユーザーの顔の局所的な色変化、
ｖ）前記ユーザーの顔の局所的な輪郭、
ｖｉ）前記ユーザーの顔の局所的な輪郭変化、
ｖｉｉ）前記インターフェースの局所的な輪郭、
ｖｉｉｉ）前記インターフェースの局所的な変化、
ｉｘ）前記インターフェースの局所的な温度
ｘ）ｉ～ｉｘの任意の組み合わせを含む、請求項４１～４５のいずれか１項に記載の方法。
前記第１特性は、
ｉ）前記ユーザーの顔の１つまたは複数の特徴に対するインターフェースの垂直位置、
ｉｉ）前記ユーザーの顔の１つまたは複数の特徴に対するインターフェースの水平位置、
ｉｉｉ）前記ユーザーの顔の１つまたは複数の特徴に対するインターフェースの回転方向、
ｉｖ）ユーザーの顔の１つまたは複数の特徴に対するインターフェースの識別された特徴の間の距離、または
ｖ）ｉ～ｉｖの任意の組み合わせを含む、請求項４１～４６のいずれか１項に記載の方法。
前記１つまたは複数のセンサーは、１つまたは複数の方向センサーを含み、前記センサデータは、前記１つまたは複数の方向センサーからの方向センサデータを含み、前記センサデータを受信するステップは、
前記１つまたは複数の方向センサーが前記ユーザーの顔に向けられるように前記モバイルデバイスが方向付けられているときに、前記モバイルデバイスを使用して前記ユーザーの顔をスキャンするステップと、
前記顔のスキャンの進行状況を追跡するステップと、
前記顔のスキャンの進行状況を示す不可視刺激を生成するステップと、を含む、請求項４１～４７のいずれか１項に記載の方法。
前記モバイルデバイスの動きに関連するモーションデータを受信するステップと、
前記ユーザーの顔に対する前記モバイルデバイスの動きを考慮するために、前記モーションデータを前記センサデータに適用するステップと、をさらに含む、請求項４１～４８のいずれか１項に記載の方法。
前記センサデータを使用して、前記顔マッピングに対する前記インターフェースの１つまたは複数の特徴の相対位置を示すインターフェースマッピングを生成するステップをさらに含み、前記第１特性を識別するステップは、前記インターフェースマッピングを使用するステップを含む、請求項４１～４９のいずれか１項に記載の方法。
前記１つまたは複数のセンサーはカメラを含み、前記センサデータはカメラデータを含み、
前記カメラが校正面に向けられているときに、前記カメラによって収集されたセンサー校正データを受信するステップと、
前記センサー校正データに基づいて前記センサデータのカメラデータを校正するステップと、をさらに含む、請求項４１～５０のいずれか１項に記載の方法。
前記センサデータおよび前記顔マッピングを使用して、前記インターフェースの将来起こり得る故障に関連する第２特性を識別するステップと、
前記識別された第２特性に基づいて、将来起こり得る故障が発生する可能性を低減するか、または将来起こり得る故障の発生を遅延させるために使用され得る出力フィードバックを生成するステップと、をさらに含む、請求項４１～５１のいずれか１項に記載の方法。
前記センサデータを受信する前に、前記ユーザーの顔上のインターフェースの１つまたは複数の履歴適合度に関連する履歴センサデータにアクセスするステップをさらに含み、前記第１特性を識別するステップは、前記履歴センサデータをさらに使用する、請求項４１～５２のいずれか１項に記載の方法。
前記センサデータおよび前記顔マッピングを使用して現在の適合度スコアを生成するステップをさらに含み、前記出力フィードバックは、後続の適合度スコアを改善するために生成される、請求項４１～５３のいずれか１項に記載の方法。
前記センサデータを受信するステップは、前記１つまたは複数のオーディオセンサからオーディオデータを受信するステップを含み、前記第１特性を識別するステップは、前記オーディオデータを使用して非意図的な漏れを識別するステップを含む、請求項４１～５４のいずれか１項に記載の方法。
前記１つまたは複数のセンサーは、カメラ、オーディオセンサおよび熱センサーを含み、前記センサデータは、カメラデータ、オーディオデータ、および熱データを含み、前記特性を識別するステップは、
前記カメラデータ、前記オーディオデータ、および前記熱データのうちの少なくとも１つを使用して潜在的な特性を識別するステップと、
前記カメラデータ、前記オーディオデータ、および前記熱データのうちの少なくとも１つの他のデータを使用して潜在的な特性を確認するステップと、を含む、請求項４１～５５のいずれか１項に記載の方法。
前記ユーザーによって実施されるべきアクションを示すユーザー指令を提示するステップと、
前記ユーザーが前記アクションを実施したことを示す完了信号を受信するステップであって、前記センサデータの第１部分は前記完了信号を受信する前に収集され、前記センサデータの第２部分は前記完了信号を受信した後に収集されるステップと、をさらに含み、前記特性を識別するステップは、前記センサデータの第１部分を前記センサデータの第２部分と比較するステップを含む、請求項４１～５６のいずれか１項に記載の方法。
前記顔マッピングを生成するステップは、
前記受信したセンサデータを使用して第１個人および第２個人を識別するステップと、
前記第１個人を前記インターフェースに関連するものとして識別するステップと、
前記第１個人について前記顔マッピングを生成するステップと、を含む、請求項４１～５７のいずれか１項に記載の方法。
前記センサデータを受信するステップは、
前記受信したセンサデータから、ｉ）前記モバイルデバイスの動き、ｉｉ）前記モバイルデバイス固有の雑音、ｉｉｉ）前記ユーザーの呼吸雑音、ｉｖ）前記ユーザーの発話雑音、ｖ）周囲の照明の変化、ｖｉ）検出された前記ユーザーの顔に投影される一時的な影、ｖｉｉ）検出された前記ユーザーの顔に投影される一時的な色光、またはｖｉｉｉ）ｉ～ｖｉｉの任意の組み合わせに関連する調整データを決定するステップと、
前記調整データに基づいて、前記受信したセンサデータの少なくとも一部に調整を適用するステップと、を含む、請求項４１～５８のいずれか１項に記載の方法。
前記センサデータを受信するステップは、
前記１つまたは複数のセンサーの、可視光スペクトルで動作する前記カメラに関連する画像データを受信するステップと、
前記可視光スペクトル外で動作する画像センサーまたは測距センサーである前記１つまたは複数のセンサーのうちの追加のセンサーに関連する不安定なデータを受信するステップと、
前記画像データの安定化に関連する画像安定化情報を決定するステップと、
前記画像データの安定化に関連する画像安定化情報を使用して、不安定なデータを安定化するステップと、を含む、請求項４１～５９のいずれか１項に記載の方法。
前記出力フィードバックは現在の適合度を改善するのに有用である、請求項４１～６０のいずれか１項に記載の方法。
前記センサデータを使用して、前記現在の適合度に基づいて初期スコアを生成するステップと、
前記ユーザーの顔への前記インターフェースの後続の適合度に関連する後続のセンサデータを受信するステップであって、前記後続の適合度は、前記出力フィードバックの実施後の現在の適合度に基づいているステップと、
前記後続のセンサデータを使用して、後続の適合度に基づいて後続のスコアを生成するステップと、
前記初期スコアを超える品質の改善を示す前記後続のスコアを評価するステップと、をさらに含む、請求項６１に記載の方法。
前記現在の適合度に関連する第１特性を識別するステップは、
前記受信したセンサデータに基づいて前記ユーザーの呼吸パターンを決定するステップと、
前記受信したセンサデータおよび前記顔マッピングに基づいて、前記ユーザーの顔に関連する熱パターンを決定するステップと、
前記呼吸パターンおよび前記熱パターンを使用して、意図的な換気口漏れと非意図的なシール漏れとのバランスを示す漏れ特性を決定するステップと、を含む、請求項４１～６２のいずれか１項に記載の方法。
前記１つまたは複数のセンサーは、ｉ）受動熱センサー、ｉｉ）能動熱センサー、ｉｉｉ）カメラ、ｉｖ）加速度計、ｖ）ジャイロスコープ、ｖｉ）電子コンパス、ｖｉｉ）磁力計、ｖｉｉｉ）圧力センサー、ｉｘ）マイクロホン、ｘ）温度センサー、ｘｉ）近接センサー、ｘｉｉ）赤外線ベースのドットマトリクスセンサ、ｘｉｉｉ）ＬｉＤＡＲセンサー、ｘｉｖ）ＭＥＭＳマイクロミラープロジェクタベースのセンサー、ｘｖ）無線周波数ベースの測距センサー、およびｘｖｉ）無線ネットワークインターフェースからなる群から選択される少なくとも２つのセンサーを含む、請求項４１～６３のいずれか１項に記載の方法。
前記呼吸デバイスの１つまたは複数の追加センサーから追加センサデータを受信するステップをさらに含み、前記第１特性を識別するステップは、前記追加センサデータを使用するステップを含む、請求項４１～６４のいずれか１項に記載の方法。
前記呼吸デバイスによって受信されると、前記呼吸デバイスが定義されたパラメータのセットを使用して動作するようにさせる制御信号を送信するステップをさらに含み、前記センサデータの第１部分は、前記呼吸デバイスが定義されたパラメータのセットを使用して動作している間に収集され、前記センサデータの第２部分は、前記呼吸デバイスが定義されたパラメータのセットを使用して動作していない間に収集され、前記センサデータの第２部分は、呼吸デバイスが定義されたパラメータのセットを使用して動作している間に収集され、前記第１特性を識別するステップは、前記センサデータの第１部分を前記センサデータの第２部分と比較するステップを含む、請求項４１～６５のいずれか１項に記載の方法。
方法であって、
ユーザーの顔へのインターフェースの現在の適合度に関連する、前記モバイルデバイスの１つまたは複数のセンサーによって収集されたセンサデータを受信するステップと、
前記センサデータを使用して、前記ユーザーの顔の１つまたは複数の特徴を示す顔マッピングを生成するステップと、
前記センサデータおよび前記顔マッピングを使用して、前記現在の適合度に関連する第１特性を識別するステップであって、前記特性は、現在の適合度の品質を示し、前記第１特性は前記顔マッピング上の特徴的な位置に関連しているステップと、
前記識別された第１特性および前記特徴的な位置に基づいて前記出力フィードバックを生成するステップと、を含む、方法。
前記インターフェースは前記呼吸デバイスに流体的に結合可能であり、前記モバイルデバイスは前記呼吸デバイスから分離されている、請求項６７に記載の方法。
前記出力フィードバックを生成するステップは、
実施された場合、前記第１特性に影響を与えて前記現在の適合度を改善する提案されたアクションを決定するステップと、
前記モバイルデバイスの電子インターフェースを使用して、前記提案されたアクションを提示するステップと、を含む、請求項６７または６８に記載の方法。
前記センサデータは、ｉ）受動熱センサー、ｉｉ）能動熱センサー、またはｉｉｉ）ｉおよびｉｉの両方からの赤外線データを含む、請求項６７～６９のいずれか１項に記載の方法。
前記センサデータは距離データを含み、前記距離データは、前記モバイルデバイスの１つまたは複数のセンサーと前記ユーザーの顔との間の１つまたは複数の距離を示す、請求項６７～７０のいずれか１項に記載の方法。
前記１つまたは複数のセンサーは、ｉ）近接センサー、ｉｉ）赤外線ベースのドットマトリクスセンサ、ｉｉｉ）ＬｉＤＡＲセンサー、ｉｖ）ＭＥＭＳマイクロミラープロジェクタベースのセンサー、またはｖ）ｉ～ｉｖの任意の組み合わせを含む、請求項７１に記載の方法。
前記センサデータは、ｉ）前記ユーザーがインターフェースを着用する前に、ｉｉ）前記ユーザーが現在の適合度でインターフェースを装着している間に、ｉｉｉ）前記ユーザーがインターフェースを取り外した後に、またはｉｉｉ）ｉ、ｉｉ、およびｉｉｉの任意の組み合わせで収集される、請求項６７～７２のいずれか１項に記載の方法。
前記インターフェースを着用する前の前記ユーザーの顔に関連している前記初期センサデータを受信するステップをさらに含み、前記第１特性を識別するステップは、前記初期センサデータを前記センサデータと比較するステップを含む、請求項７３に記載の方法。
前記第１特性は、
ｉ）前記ユーザーの顔の局所的な温度、
ｉｉ）前記ユーザーの顔の局所的な温度変化、
ｉｉｉ）前記ユーザーの顔の局所的な色、
ｉｖ）前記ユーザーの顔の局所的な色変化、
ｖ）前記ユーザーの顔の局所的な輪郭、
ｖｉ）前記ユーザーの顔の局所的な輪郭変化、
ｖｉｉ）前記インターフェースの局所的な輪郭、
ｖｉｉｉ）前記インターフェースの局所的な変化、
ｉｘ）前記インターフェースの局所的な温度、
ｘ）ｉ～ｉｘの任意の組み合わせを含む、請求項６７～７４のいずれか１項に記載の方法。
前記第１特性は、
ｉ）前記ユーザーの顔の１つまたは複数の特徴に対するインターフェースの垂直位置、
ｉｉ）前記ユーザーの顔の１つまたは複数の特徴に対するインターフェースの水平位置、
ｉｉｉ）前記ユーザーの顔の１つまたは複数の特徴に対するインターフェースの回転方向、
ｉｖ）前記ユーザーの顔の１つまたは複数の特徴に対するインターフェースの識別された特徴の間の距離、または
ｖ）ｉ～ｉｖの任意の組み合わせを含む、請求項６７～７５のいずれか１項に記載の方法。
前記１つまたは複数のセンサーは、１つまたは複数の方向センサーを含み、前記センサデータは、前記１つまたは複数の方向センサーからの方向センサデータを含み、前記センサデータを受信するステップは、
前記１つまたは複数の方向センサーが前記ユーザーの顔に向けられるように前記モバイルデバイスが方向付けられているときに、前記モバイルデバイスを使用して前記ユーザーの顔をスキャンするステップと、
前記顔のスキャンの進行状況を追跡するステップと、
前記顔のスキャンの進行状況を示す不可視刺激を生成するステップと、を含む、請求項６７～７６のいずれか１項に記載の方法。
前記モバイルデバイスの動きに関連するモーションデータを受信するステップと、
前記ユーザーの顔に対する前記モバイルデバイスの動きを考慮するために、前記モーションデータを前記センサデータに適用するステップと、をさらに含む、請求項６７～７７のいずれか１項に記載の方法。
前記センサデータを使用して、前記顔マッピングに対する前記インターフェースの１つまたは複数の特徴の相対位置を示す前記インタフェースマップを生成するステップをさらに含み、前記特性を識別するステップは、前記インタフェースマップを使用するステップを含む、請求項６７～７８のいずれか１項に記載の方法。
前記１つまたは複数のセンサーはカメラを含み、前記センサデータはカメラデータを含み、
前記カメラが校正面に向けられているときに、前記カメラによって収集されたセンサー校正データを受信するステップと、
銭起センサー校正データに基づいて前記センサデータのカメラデータを校正するステップと、をさらに含む、請求項６７～７９のいずれか１項に記載の方法。
前記センサデータおよび前記顔マッピングを使用して、前記インターフェースの将来起こり得る故障に関連する第２特性を識別するステップと、
前記識別された第２特性に基づいて、将来起こり得る故障が発生する可能性を低減するか、または将来起こり得る故障の発生を遅延させるために使用され得る出力フィードバックを生成するステップと、をさらに含む、請求項６７～８０のいずれか１項に記載の方法。
前記センサデータを受信する前に、前記ユーザーの顔上のインターフェースの１つまたは複数の履歴適合度に関連する履歴センサデータにアクセスするステップをさらに含み、前記第１特性を識別するステップは、前記履歴センサデータをさらに含む、請求項６７～８１のいずれか１項に記載の方法。
前記センサデータおよび前記顔マッピングを使用して現在の適合度スコアを生成するステップをさらに含み、前記出力フィードバックは、後続の適合度スコアを改善するために生成される、請求項６７～８２のいずれか１項に記載の方法。
前記センサデータを受信するステップは、前記１つまたは複数のオーディオセンサからオーディオデータを受信するステップを含み、前記第１特性を識別するステップは、前記オーディオデータを使用して非意図的な漏れを識別するステップを含む、請求項６７～８３のいずれか１項に記載の方法。
前記１つまたは複数のセンサーは、カメラ、オーディオセンサおよび熱センサーを含み、前記センサデータは、カメラデータ、オーディオデータ、および熱データを含み、前記第１特性を識別するステップは、
前記カメラデータ、前記オーディオデータ、および前記熱データのうちの少なくとも１つを使用して潜在的な特性を識別するステップと、
前記カメラデータ、前記オーディオデータ、および前記熱データのうちの少なくとも１つの他のデータを使用して潜在的な特性を確認するステップと、を含む、請求項６７～８４のいずれか１項に記載の方法。
前記ユーザーによって実施されるべきアクションを示すユーザー指令を提示するステップと、
前記ユーザーがアクションを実施したことを示す完了信号を受信するステップであって、前記センサデータの第１部分は前記完了信号を受信する前に収集され、前記センサデータの第２部分は前記完了信号を受信した後に収集されるステップと、をさらに含み、前記特性を識別するステップは、前記センサデータの第１部分を前記センサデータの第２部分と比較するステップを含む、請求項６７～８５のいずれか１項に記載の方法。
前記顔マッピングを生成するステップは、
前記受信したセンサデータを使用して第１個人および第２個人を識別するステップと、
前記第１個人を前記インターフェースに関連するものとして識別するステップと、
前記第１個人について前記顔マッピングを生成するステップと、を含む、請求項６７～８６のいずれか１項に記載の方法。
前記センサデータを受信するステップは、
前記受信したセンサデータから、ｉ）前記モバイルデバイスの動き、ｉｉ）前記モバイルデバイス固有の雑音、ｉｉｉ）前記ユーザーの呼吸雑音、ｉｖ）前記ユーザーの発話雑音、ｖ）周囲の照明の変化、ｖｉ）検出された前記ユーザーの顔に投影される一時的な影、ｖｉｉ）検出された前記ユーザーの顔に投影される一時的な色光、またはｖｉｉｉ）ｉ～ｖｉｉの任意の組み合わせに関連する調整データを決定するステップと、
前記調整データに基づいて、前記受信したセンサデータの少なくとも一部に調整を適用するステップと、を含む、請求項６７～８７のいずれか１項に記載の方法。
前記センサデータを受信するステップは、
前記１つまたは複数のセンサーの、可視光スペクトルで動作する前記カメラに関連する画像データを受信するステップと、
前記可視光スペクトルの外側で動作する画像センサーまたは測距センサーである前記１つまたは複数のセンサーのうちの追加のセンサーに関連する不安定なデータを受信するステップと、
前記画像データの安定化に関連する画像安定化情報を決定するステップと、
前記画像データの安定化に関連する画像安定化情報を使用して、不安定なデータを安定化するステップと、を含む、請求項６７～８８のいずれか１項に記載の方法。
前記出力フィードバックは現在の適合度を改善するのに有用である、請求項６７～８９のいずれか１項に記載の方法。
前記センサデータを使用して、前記現在の適合度に基づいて初期スコアを生成するステップと、
前記ユーザーの顔へのインターフェースの後続の適合度に関連する後続のセンサデータを受信するステップであって、前記後続の適合度は、前記出力フィードバックの実施後の現在の適合度に基づいているステップと、
前記後続のセンサデータを使用して、後続の適合度に基づいて後続スコアを生成するステップと、
前記初期スコアを超える品質の改善を示す前記後続のスコアを評価するステップと、をさらに含む、請求項９０に記載の方法。
前記現在の適合度に関連する特性を識別するステップは、
前記受信したセンサデータに基づいて前記ユーザーの呼吸パターンを決定するステップと、
前記受信したセンサデータおよび前記顔マッピングに基づいて、前記ユーザーの顔に関連する熱パターンを決定するステップと、
前記呼吸パターンおよび前記熱パターンを使用して、意図的な換気口漏れと非意図的なシール漏れとのバランスを示す漏れ特性を決定するステップと、を含む、請求項６７～９１のいずれか１項に記載の方法。
前記１つまたは複数のセンサーは、ｉ）受動熱センサー、ｉｉ）能動熱センサー、ｉｉｉ）カメラ、ｉｖ）加速度計、ｖ）ジャイロスコープ、ｖｉ）電子コンパス、ｖｉｉ）磁力計、ｖｉｉｉ）圧力センサー、ｉｘ）マイクロホン、ｘ）温度センサー、ｘｉ）近接センサー、ｘｉｉ）赤外線ベースのドットマトリクスセンサ、ｘｉｉｉ）ＬｉＤＡＲセンサー、ｘｉｖ）ＭＥＭＳマイクロミラープロジェクタベースのセンサー、ｘｖ）無線周波数ベースの測距センサー、およびｘｖｉ）無線ネットワークインターフェースからなる群から選択される少なくとも２つのセンサーを含む、請求項６７～９２のいずれか１項に記載の方法。
前記呼吸デバイスの１つまたは複数の追加センサーから追加センサデータを受信するステップをさらに含み、前記特性を識別するステップは、前記追加センサデータを使用するステップを含む、請求項６８～９３のいずれか１項に記載の方法。
前記呼吸デバイスによって受信されると、前記呼吸デバイスが定義されたパラメータのセットを使用して動作するようにさせる制御信号を送信するステップをさらに含み、前記センサデータの第１部分は、前記呼吸デバイスが定義されたパラメータのセットを使用して動作している間に収集され、前記センサデータの第２部分は、前記呼吸デバイスが定義されたパラメータのセットを使用して動作していない間に収集され、前記センサデータの第２部分は、前記呼吸デバイスが定義されたパラメータのセットを使用して動作している間に収集され、前記特性を識別するステップは、前記センサデータの第１部分を前記センサデータの第２部分と比較するステップを含む、請求項６８～９４のいずれか１項に記載の方法。
システムであって、
１つまたは複数のプロセッサを含む制御システムと、
機械可読指令を記憶するメモリと、を含み、
前記制御システムは前記メモリに結合され、前記メモリ内の機械可読指令は、前記制御システムの１つまたは複数のプロセッサのうちの少なくとも１つによって実行されると、請求項６７～９５のいずれか１項に記載の方法を実施する、システム。
請求項６７～９５のいずれか１項に記載の方法を実施するように構成された制御システムを含む、インターフェースの適合度を評価するためのシステム。
コンピュータによって実行されると、請求項６７～９４のいずれかの方法を前記コンピュータに実行させる指令を含む、コンピュータプログラム製品。
前記コンピュータプログラム製品は、非一時的なコンピュータ可読媒体である、請求項９８に記載のコンピュータプログラム製品。
ユーザーの顔に対する呼吸療法用のインターフェースの適合度を決定するためのシステムであって、
前記ユーザーの顔へのインターフェースの現在の適合度に関連するセンサデータを収集するように動作可能なセンサーを含むモバイルデバイスと、
制御システムと、を含み、前記制御システムは、
前記センサデータを使用して、前記ユーザーの顔の１つまたは複数の特徴を示す顔マッピングを生成し、
前記センサデータおよび前記顔マッピングを使用して、現在の適合度に関連する特性を識別し、前記特性は前記現在の適合度の品質を示し、前記特性は前記顔マッピング上の特徴的な位置に関連しており、
前記識別された特性および前記顔マッピング上の特徴的な位置に基づいて前記出力フィードバックを生成するように動作可能である、システム。