JP7197493B2 - 加速度測定信号から抽出されたメタ特徴を使用して、嚥下障害を検出する方法及びデバイス - Google Patents
加速度測定信号から抽出されたメタ特徴を使用して、嚥下障害を検出する方法及びデバイス Download PDFInfo
- Publication number
- JP7197493B2 JP7197493B2 JP2019544870A JP2019544870A JP7197493B2 JP 7197493 B2 JP7197493 B2 JP 7197493B2 JP 2019544870 A JP2019544870 A JP 2019544870A JP 2019544870 A JP2019544870 A JP 2019544870A JP 7197493 B2 JP7197493 B2 JP 7197493B2
- Authority
- JP
- Japan
- Prior art keywords
- axis
- event
- classification
- swallowing
- vibration data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4205—Evaluating swallowing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Endocrinology (AREA)
- Gastroenterology & Hepatology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Description
[発明の項目]
[項目1]
嚥下事象の実行中の候補者における可能性のある嚥下障害を識別するためのデバイスであって、前記デバイスは、加速度計と、処理モジュールとを備えており、
前記加速度計は、前記候補者の喉の前後(A-P)軸及び上下(S-I)軸に沿った軸固有の振動データであって、前記嚥下事象を表す軸固有の振動データを取得するように構成されており、
前記処理モジュールは、前記加速度計に動作可能に結合され、かつローカルコンピューティングデバイス又はリモートコンピューティングデバイスであり、前記軸固有の振動データを処理して前記データからメタ特徴を抽出するように構成されており、1つ以上の前記メタ特徴は、(i)スペクトログラムを用いた嚥下セグメンテーション、(ii)非セグメント化スペクトログラムに対する音の方向、(iii)非セグメント化スペクトログラムに対する残留信号と基本信号との間の相関係数に関するSI信号とAP信号との間の差、(iv)非セグメント化スペクトログラムに対する残留ピーク特徴に関するSI信号とAP信号との間の差、(v)センサ信号から速度及び位置を積分するための速度及び位置、(vi)セグメント化スペクトログラムに対する基本信号統計、(vii)セグメント化スペクトログラムに対する異なる帯域幅におけるスペクトルエントロピ、(viii)セグメント化スペクトログラムに対するスペクトログラム成分の焦点の方向、(ix)セグメント化スペクトログラムに対する低周波数と高周波数との間の差として解釈されるスペクトログラムに対するスペクトルエントロピ、(x)セグメント化スペクトログラムに対する時間軸又は周波数軸のいずれかでの第1又は第2のPCA成分によって説明される分散の割合を測定する、スペクトログラムからのPCA、(xi)スペクタのスペクトログラム画像からのテクスチャ特徴、及び(xii)頭部及び嚥下信号に対する信号エントロピ、からなる群から選択されるアプローチに関連付けられており、
前記処理モジュールは、前記嚥下事象を、前記振動データから抽出された前記メタ特徴に基づいて、正常な嚥下を示す第1の分類と嚥下障害の可能性を示す第2の分類とを含む複数の分類のうちの一方として分類するように構成されている、デバイス。
[項目2]
前記処理モジュールは、前記メタ特徴を前記データから自動的に抽出するように構成されている、項目1に記載のデバイス。
[項目3]
前記処理モジュールは、前記データから抽出された前記メタ特徴を自動的に使用して、前記嚥下事象を分類するように構成されている、項目1に記載のデバイス。
[項目4]
前記処理モジュールは、前記データから抽出された前記メタ特徴を予め設定された分類基準と比較して、前記嚥下事象を分類するように構成されている、項目1に記載のデバイス。
[項目5]
前記予め設定された分類基準は、嚥下安全性及び嚥下効率の各々について定義されている、項目4に記載のデバイス。
[項目6]
前記予め設定された分類基準は、既知の訓練データセットから予め抽出され分類された特徴によって定義されている、項目5に記載のデバイス。
[項目7]
前記第2の分類は、嚥下安全性障害又は嚥下効率低下のうちの少なくとも一方を示す、項目1に記載のデバイス。
[項目8]
前記第2の分類は、侵入又は誤嚥のうちの少なくとも一方を示し、前記処理モジュールは、安全な事象を示す第1の事象、又は安全でない事象を示す第2の事象として、前記嚥下事象を更に分類するように構成されている、項目1に記載のデバイス。
[項目9]
前記処理モジュールは、複数の連続する嚥下事象を、前記連続する嚥下事象の各々についての前記データを前記第1の分類又は前記第2の分類のうちの一方を示すものとして分類することによって、分類するように構成されている、項目1に記載のデバイス。
[項目10]
前記処理モジュールは、前記分類を表示する、項目1に記載のデバイス。
[項目11]
候補者における可能性のある嚥下障害を識別するために、嚥下事象に対して取得された頸部加速度測定データを分類する方法であって、
前後(A-P)軸及び上下(S-I)軸に関する、前記嚥下事象を表す軸固有の振動データを受信するステップであって、加速度計に動作可能に結合され、かつローカル又はリモートコンピューティングデバイスである処理モジュールが、前記加速度計から前記軸固有の振動データを受信する、ステップと、
前記データからメタ特徴を抽出するために前記軸固有データを処理するステップであって、1つ以上の前記メタ特徴は、(i)スペクトログラムを用いた嚥下セグメンテーション、(ii)非セグメント化スペクトログラムに対する音の方向、(iii)非セグメント化スペクトログラムに対する残留信号と基本信号との間の相関係数に関するSI信号とAP信号との間の差、(iv)非セグメント化スペクトログラムに対する残留ピーク特徴に関するSI信号とAP信号との間の差、(v)センサ信号から速度及び位置を積分するための速度及び位置、(vi)セグメント化スペクトログラムに対する基本信号統計、(vii)セグメント化スペクトログラムに対する異なる帯域幅におけるスペクトルエントロピ、(viii)セグメント化スペクトログラムに対するスペクトログラム成分の焦点の方向、(ix)セグメント化スペクトログラムに対する低周波数と高周波数との間の差として解釈されるスペクトログラムに対するスペクトルエントロピ、(x)セグメント化スペクトログラムに対する時間軸又は周波数軸のいずれかでの第1又は第2のPCA成分によって説明される分散の割合を測定する、スペクトログラムからのPCA、(xi)スペクタのスペクトログラム画像からのテクスチャ特徴、及び(xii)頭部及び嚥下信号に対する信号エントロピ、からなる群から選択されるアプローチに関連付けられる、ステップと、
前記嚥下事象の分類を、前記データから抽出された前記メタ特徴に基づいて、正常な嚥下を示す第1の分類と嚥下障害の可能性を示す第2の分類とを含む複数の分類の一方として出力するステップであって、前記処理モジュールが前記分類を出力する、ステップと、を含む、方法。
[項目12]
前記処理モジュールは、前記データから前記メタ特徴を自動的に抽出するように構成されている、項目11に記載の方法。
[項目13]
前記処理モジュールは、前記データから抽出された前記メタ特徴を自動的に使用して、前記嚥下事象を分類するように構成されている、項目11に記載の方法。
[項目14]
前記データから抽出された前記メタ特徴を予め設定された分類基準と比較して、前記処理モジュール上で前記嚥下事象を分類するステップを含む、項目11に記載の方法。
[項目15]
前記予め設定された分類基準は、嚥下安全性及び嚥下効率のそれぞれについて定義されている、項目14に記載の方法。
[項目16]
前記予め設定された分類基準は、既知の訓練データセットから予め抽出され分類された特徴によって定義されている、項目15に記載の方法。
[項目17]
前記第2の分類は、嚥下安全性障害又は嚥下効率低下のうちの少なくとも一方を示す、項目11に記載の方法。
[項目18]
前記第2の分類は、侵入又は誤嚥のうちの少なくとも一方を示し、前記方法は、安全な事象を示す第1の事象、又は安全でない事象を示す第2の事象として、前記嚥下事象を更に分類するステップを含む、項目11に記載の方法。
[項目19]
連続する嚥下事象を、前記連続する嚥下事象の各々について前記データを前記第1の分類又は前記第2の分類のうちの一方を示すものとして分類することによって、分類するステップを含む、項目11に記載の方法。
[項目20]
前記処理デバイス上に前記分類を表示するステップを含む、項目11に記載の方法。
[項目21]
患者の嚥下困難を治療する方法であって、前記方法は、
前記患者の前記喉の外側にセンサを配置するステップであって、前記センサは、前記喉の前後軸及び上下軸に関連付けられ嚥下活動を表す振動データを取得し、前記センサは、前記軸固有データを処理して前記データからメタ特徴を抽出するように構成された処理モジュールに動作可能に接続されており、1つ以上の前記メタ特徴は、(i)スペクトログラムを用いた嚥下セグメンテーション、(ii)非セグメント化スペクトログラムに対する音の方向、(iii)非セグメント化スペクトログラムに対する残留信号と基本信号との間の相関係数に関するSI信号とAP信号との間の差、(iv)非セグメント化スペクトログラムに対する残留ピーク特徴に関するSI信号とAP信号との間の差、(v)センサ信号から速度及び位置を積分するための速度及び位置、(vi)セグメント化スペクトログラムに対する基本信号統計、(vii)セグメント化スペクトログラムに対する異なる帯域幅におけるスペクトルエントロピ、(viii)セグメント化スペクトログラムに対するスペクトログラム成分の焦点の方向、(ix)セグメント化スペクトログラムに対する低周波数と高周波数との間の差として解釈される前記スペクトログラムに対するスペクトルエントロピ、(x)セグメント化スペクトログラムに対する時間軸又は周波数軸のいずれかでの第1又は第2のPCA成分によって説明される分散の割合を測定する、スペクトログラムからのPCA、(xi)スペクタのスペクトログラム画像からのテクスチャ特徴、及び(xii)頭部及び嚥下信号に対する信号エントロピ、からなる群から選択されるアプローチに関連付けられており、前記処理モジュールは、前記嚥下事象を、前記振動データから抽出された前記メタ特徴に基づいて、正常な嚥下を示す第1の分類と嚥下障害の可能性を示す第2の分類とを含む複数の分類のうちの一方として分類するように構成されている、ステップと、
前記分類に基づいて、前記患者に投与される給食を調節するステップと、を含む、方法。
[項目22]
前記給食を調節するステップが、前記給食の密度又は粘度を変更するステップ、前記給食中の食物のタイプを変更するステップ、前記患者に投与される前記給食の一部分のサイズを変更するステップ、前記給食の一部が前記患者に投与される頻度を変更するステップ、及びそれらの組み合わせからなる群から選択される、項目21に記載の方法。
Claims (21)
- 嚥下事象の実行中の候補者における可能性のある嚥下障害を識別するためのデバイスであって、前記デバイスは、加速度計と、処理モジュールとを備えており、
前記加速度計は、前記候補者の喉の前後(AP)軸及び上下(SI)軸に沿った軸固有の振動データであって、前記嚥下事象を表す軸固有の振動データを取得するように構成されており、
前記処理モジュールは、前記加速度計に動作可能に結合され、かつローカルコンピューティングデバイス又はリモートコンピューティングデバイスであり、前記軸固有の振動データを処理して前記軸固有の振動データからメタ特徴を抽出するように構成されており、1つ以上の前記メタ特徴は、
(i)前記加速度計の位置に対する音の方向、
(ii)スペクタのスペクトログラム画像からのテクスチャ特徴、
からなる群から選択され、
前記処理モジュールは、前記嚥下事象を、前記軸固有の振動データから抽出された前記メタ特徴に基づいて、正常な嚥下を示す第1の分類と嚥下障害の可能性を示す第2の分類とを含む複数の分類のうちの一方として分類するように構成されている、デバイス。 - 前記処理モジュールは、前記メタ特徴を前記軸固有の振動データから自動的に抽出するように構成されている、請求項1に記載のデバイス。
- 前記処理モジュールは、前記軸固有の振動データから抽出された前記メタ特徴を自動的に使用して、前記嚥下事象を分類するように構成されている、請求項1に記載のデバイス。
- 前記処理モジュールは、前記軸固有の振動データから抽出された前記メタ特徴を予め設定された分類基準と比較して、前記嚥下事象を分類するように構成されている、請求項1に記載のデバイス。
- 前記予め設定された分類基準は、嚥下安全性及び嚥下効率の各々について定義されている、請求項4に記載のデバイス。
- 前記予め設定された分類基準は、既知の訓練データセットから予め抽出され分類された特徴によって定義されている、請求項5に記載のデバイス。
- 前記第2の分類は、嚥下安全性障害又は嚥下効率低下のうちの少なくとも一方を示す、請求項1に記載のデバイス。
- 前記第2の分類は、侵入又は誤嚥のうちの少なくとも一方を示し、前記処理モジュールは、安全な事象を示す第1の事象、又は安全でない事象を示す第2の事象として、前記嚥下事象を更に分類するように構成されている、請求項1に記載のデバイス。
- 前記処理モジュールは、複数の連続する嚥下事象を、前記連続する嚥下事象の各々についての前記軸固有の振動データを前記第1の分類又は前記第2の分類のうちの一方を示すものとして分類することによって、分類するように構成されている、請求項1に記載のデバイス。
- 前記処理モジュールは、前記分類を表示する、請求項1に記載のデバイス。
- 候補者における可能性のある嚥下障害を識別するために、嚥下事象に対して取得された頸部加速度測定データを分類する方法であって、
前後(AP)軸及び上下(SI)軸に関する、前記嚥下事象を表す軸固有の振動データを受信するステップであって、加速度計に動作可能に結合され、かつローカル又はリモートコンピューティングデバイスである処理モジュールが、前記加速度計から前記軸固有の振動データを受信する、ステップと、
前記軸固有の振動データからメタ特徴を抽出するために前記軸固有の振動データを処理するステップであって、1つ以上の前記メタ特徴は、
(i)前記加速度計の位置に対する音の方向、
(ii)スペクタのスペクトログラム画像からのテクスチャ特徴、
からなる群から選択される、ステップと、
前記嚥下事象の分類を、前記軸固有の振動データから抽出された前記メタ特徴に基づいて、正常な嚥下を示す第1の分類と嚥下障害の可能性を示す第2の分類とを含む複数の分類の一方として出力するステップであって、前記処理モジュールが前記分類を出力する、ステップと、を含む、方法。 - 前記処理モジュールは、前記軸固有の振動データから前記メタ特徴を自動的に抽出するように構成されている、請求項11に記載の方法。
- 前記処理モジュールは、前記軸固有の振動データから抽出された前記メタ特徴を自動的に使用して、前記嚥下事象を分類するように構成されている、請求項11に記載の方法。
- 前記軸固有の振動データから抽出された前記メタ特徴を予め設定された分類基準と比較して、前記処理モジュール上で前記嚥下事象を分類するステップを含む、請求項11に記載の方法。
- 前記予め設定された分類基準は、嚥下安全性及び嚥下効率のそれぞれについて定義されている、請求項14に記載の方法。
- 前記予め設定された分類基準は、既知の訓練データセットから予め抽出され分類された特徴によって定義されている、請求項15に記載の方法。
- 前記第2の分類は、嚥下安全性障害又は嚥下効率低下のうちの少なくとも一方を示す、請求項11に記載の方法。
- 前記第2の分類は、侵入又は誤嚥のうちの少なくとも一方を示し、前記方法は、安全な事象を示す第1の事象、又は安全でない事象を示す第2の事象として、前記嚥下事象を更に分類するステップを含む、請求項11に記載の方法。
- 連続する嚥下事象を、前記連続する嚥下事象の各々について前記軸固有の振動データを前記第1の分類又は前記第2の分類のうちの一方を示すものとして分類することによって、分類するステップを含む、請求項11に記載の方法。
- 前記処理モジュール上に前記分類を表示するステップを含む、請求項11に記載の方法。
- 患者の嚥下困難を治療するために使用されるデバイスの作動方法であって、前記作動方法は、
前記デバイスのセンサが、前記患者の喉の前後(AP)軸及び上下(SI)軸に関連付けられ嚥下事象を表す軸固有の振動データを取得するステップと、
前記デバイスの処理モジュールが前記軸固有の振動データからメタ特徴を抽出するために前記軸固有の振動データを処理するステップであり、1つ以上の前記メタ特徴は、
(i)前記センサの位置に対する音の方向、
(ii)スペクタのスペクトログラム画像からのテクスチャ特徴、
からなる群から選択される、ステップと、
前記処理モジュールが、前記嚥下事象を、前記軸固有の振動データから抽出された前記メタ特徴に基づいて、正常な嚥下を示す第1の分類と嚥下障害の可能性を示す第2の分類とを含む複数の分類のうちの一方として分類するステップと、
を含む、作動方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762464918P | 2017-02-28 | 2017-02-28 | |
US62/464,918 | 2017-02-28 | ||
PCT/EP2018/054749 WO2018158219A1 (en) | 2017-02-28 | 2018-02-27 | Methods and devices using meta-features extracted from accelerometry signals for swallowing impairment detection |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020508745A JP2020508745A (ja) | 2020-03-26 |
JP7197493B2 true JP7197493B2 (ja) | 2022-12-27 |
Family
ID=61526805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019544870A Active JP7197493B2 (ja) | 2017-02-28 | 2018-02-27 | 加速度測定信号から抽出されたメタ特徴を使用して、嚥下障害を検出する方法及びデバイス |
Country Status (6)
Country | Link |
---|---|
US (1) | US11490853B2 (ja) |
EP (1) | EP3589185A1 (ja) |
JP (1) | JP7197493B2 (ja) |
AU (1) | AU2018227924B2 (ja) |
CA (1) | CA3054178A1 (ja) |
WO (1) | WO2018158219A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200155057A1 (en) * | 2017-07-27 | 2020-05-21 | Holland Bloorview Kids Rehabilitation Hospital | Automatic detection of aspiration-penetration using swallowing accelerometry signals |
US10750976B1 (en) * | 2019-10-21 | 2020-08-25 | Sonavi Labs, Inc. | Digital stethoscope for counting coughs, and applications thereof |
JP7264028B2 (ja) * | 2019-12-05 | 2023-04-25 | トヨタ自動車株式会社 | 情報提供システム、情報提供方法、情報端末及び情報表示方法 |
JP7428383B2 (ja) * | 2020-08-31 | 2024-02-06 | 国立大学法人岩手大学 | 嚥下パターン画像の類似度を用いた嚥下機能評価方法及びそのシステム |
CN113133771B (zh) * | 2021-03-18 | 2022-10-28 | 浙江工业大学 | 基于时频域熵特征的子宫肌电信号分析及早产预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012103625A1 (en) | 2011-02-04 | 2012-08-09 | Holland Bloorview Kids Rehabilitation Hospital | Reputation-based classifier, classification system and method |
JP2014502548A (ja) | 2011-01-18 | 2014-02-03 | ユニバーシティー ヘルス ネットワーク | 嚥下障害検出のための方法及び装置 |
JP2014503330A (ja) | 2011-01-28 | 2014-02-13 | ネステク ソシエテ アノニム | 嚥下機能障害を診断するための装置及び方法 |
WO2015154960A1 (en) | 2014-04-09 | 2015-10-15 | Nestec S.A. | Technique for determining a swallowing deficiency |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9138171B2 (en) | 2004-06-17 | 2015-09-22 | Holland Bloorview Kids Rehabilitation Hospital | System and method for detecting swallowing activity |
US20050283096A1 (en) | 2004-06-17 | 2005-12-22 | Bloorview Macmillan Children's Centre, A Corp. Registered Under The Ontario Corporations Act | Apparatus and method for detecting swallowing activity |
US8267875B2 (en) | 2008-10-29 | 2012-09-18 | Tom Chau | Method and system of segmentation and time duration analysis of dual-axis swallowing accelerometry signals |
WO2013086615A1 (en) * | 2011-12-16 | 2013-06-20 | Holland Bloorview Kids Rehabilitation Hospital | Device and method for detecting congenital dysphagia |
KR102060723B1 (ko) * | 2013-01-18 | 2019-12-31 | 삼성전자주식회사 | 사용자 행동 인식 장치, onmf 기반 기저 행렬 생성 방법 및 ossnmf 기반 기저 행렬 생성 방법 |
CA3011080A1 (en) * | 2016-02-09 | 2017-08-17 | Holland Bloorview Kids Rehabilitation Hospital | Signal trimming and false positive reduction of post-segmentation swallowing accelerometry data |
-
2018
- 2018-02-27 WO PCT/EP2018/054749 patent/WO2018158219A1/en unknown
- 2018-02-27 CA CA3054178A patent/CA3054178A1/en active Pending
- 2018-02-27 EP EP18708099.9A patent/EP3589185A1/en active Pending
- 2018-02-27 US US16/488,415 patent/US11490853B2/en active Active
- 2018-02-27 JP JP2019544870A patent/JP7197493B2/ja active Active
- 2018-02-27 AU AU2018227924A patent/AU2018227924B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014502548A (ja) | 2011-01-18 | 2014-02-03 | ユニバーシティー ヘルス ネットワーク | 嚥下障害検出のための方法及び装置 |
JP2014503330A (ja) | 2011-01-28 | 2014-02-13 | ネステク ソシエテ アノニム | 嚥下機能障害を診断するための装置及び方法 |
WO2012103625A1 (en) | 2011-02-04 | 2012-08-09 | Holland Bloorview Kids Rehabilitation Hospital | Reputation-based classifier, classification system and method |
WO2015154960A1 (en) | 2014-04-09 | 2015-10-15 | Nestec S.A. | Technique for determining a swallowing deficiency |
Non-Patent Citations (1)
Title |
---|
可児 雅弥他,嚥下音の時間-周波数解析による非侵襲嚥下機能評価-嚥下音を構成する3音の安定的採取方法-,人工臓器,第45巻 第2号,2016年,S-160 |
Also Published As
Publication number | Publication date |
---|---|
AU2018227924B2 (en) | 2023-11-16 |
AU2018227924A1 (en) | 2019-08-15 |
CA3054178A1 (en) | 2018-09-07 |
EP3589185A1 (en) | 2020-01-08 |
US20200060605A1 (en) | 2020-02-27 |
US11490853B2 (en) | 2022-11-08 |
JP2020508745A (ja) | 2020-03-26 |
WO2018158219A1 (en) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7197493B2 (ja) | 加速度測定信号から抽出されたメタ特徴を使用して、嚥下障害を検出する方法及びデバイス | |
JP5977255B2 (ja) | 嚥下障害検出装置及びその作動方法 | |
JP7197491B2 (ja) | 嚥下障害検出のための嚥下加速度測定信号を使用する方法及びデバイス | |
US20200093423A1 (en) | Estimation of sleep quality parameters from whole night audio analysis | |
KR101868888B1 (ko) | 비강압력신호를 이용한 수면호흡장애 환자의 수면/각성 분류 장치 및 방법 | |
US11147502B2 (en) | Signal trimming and false positive reduction of post-segmentation swallowing accelerometry data | |
WO2018152635A1 (en) | Systems and methods of automatic cough identification | |
Khalifa et al. | Upper esophageal sphincter opening segmentation with convolutional recurrent neural networks in high resolution cervical auscultation | |
WO2013086615A1 (en) | Device and method for detecting congenital dysphagia | |
CN113329683A (zh) | 用于筛查吞咽受损的方法和装置 | |
JP7222973B2 (ja) | 嚥下障害分類モデルの信号品質を判定するための方法及びデバイス | |
US20200155057A1 (en) | Automatic detection of aspiration-penetration using swallowing accelerometry signals | |
Khan et al. | Physical activity classification using time-frequency signatures of motion artifacts in multi-channel electrical impedance plethysmographs | |
Mondal | Analysis and Monitoring of Lung Sounds for Prognosis of Respiratory Diseases | |
Schmittendorf et al. | Analysis of Nocturnal Pulse Oximetry Signals Using the Continuous Wavelet Transform | |
Amft et al. | Recognition of swallowing | |
CA2717270A1 (en) | Sleep apnea monitoring and diagnosis based on pulse oximetery and tracheal sound signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211026 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220607 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220802 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7197493 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |