KR20080002761A - 온도 예측 시스템 및 방법 - Google Patents

온도 예측 시스템 및 방법 Download PDF

Info

Publication number
KR20080002761A
KR20080002761A KR1020077020858A KR20077020858A KR20080002761A KR 20080002761 A KR20080002761 A KR 20080002761A KR 1020077020858 A KR1020077020858 A KR 1020077020858A KR 20077020858 A KR20077020858 A KR 20077020858A KR 20080002761 A KR20080002761 A KR 20080002761A
Authority
KR
South Korea
Prior art keywords
temperature
curve
processor
model
monitored
Prior art date
Application number
KR1020077020858A
Other languages
English (en)
Inventor
로버트 디. 버터필드
Original Assignee
카디널 헬스 303 인코포레이티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 카디널 헬스 303 인코포레이티드 filed Critical 카디널 헬스 303 인코포레이티드
Publication of KR20080002761A publication Critical patent/KR20080002761A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/02—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using thermoelectric elements, e.g. thermocouples
    • G01K7/04—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using thermoelectric elements, e.g. thermocouples the object to be measured not forming one of the thermoelectric materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/20—Clinical contact thermometers for use with humans or animals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/16—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements
    • G01K7/22—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements the element being a non-linear resistance, e.g. thermistor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K2219/00—Thermometers with dedicated analog to digital converters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Nonlinear Science (AREA)
  • Measuring Temperature Or Quantity Of Heat (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

온도 감지 탐침이 신체에 접촉할 때 온도 감지 탐침으로부터 얻은 온도 신호들에 기초하여 체온을 빠르게 예측하는 온도계 시스템 및 방법에 관한 것이다. 비선형, 다수-매개변수 곡선 맞춤 프로세스가 수행되며, 곡선 맞춤에의 오류에 종속하여, 매개변수들이 변하거나 온도 예측이 행해진다. 곡선 맞춤과 온도 데이터 간의 차이에 대한 기준이 존재한다. 제한된 수의 시간 프레임에 걸친 곡선 맞춤이 수용불가능하면, 프로세서는 계속 모니터 상태로 스위칭한다. 예측을 위한 측정 시간 프레임이 기초가 되는 시작 시간을 결정하는 것은 예측 시간 지연에 연결된 조직 접촉 문턱치에 의해 수행된다.
온도 감지 탐침, 온도 신호, 곡선 맞춤 프로세스, 온도 예측, 예측 시간 지연

Description

온도 예측 시스템 및 방법{TEMPERATURE PREDICTION SYSTEM AND METHOD}
본 발명은 일반적으로 온도계의 진보에 관한 것이며, 특히 복수의 지속적인 측정 부분으로부터 정확한 온도 측정을 보다 빠르게 획득하기 위한 전자 예측 온도계에 관한 것이다.
병원 및 진료실 등의 의학계에서는 체온을 측정하고 그 측정한 체온을 디스플레이하는 온도 감지 장치로 환자의 체온을 결정하는 것이 통상적이다. 하나의 이러한 장치는 섭씨 온도 스케일에 따라 팽창 및 수축하는 열 응답 수은 기둥을 포함하는 유리구 온도계(glass bulb thermometer)이다. 전형적으로, 유리 온도계는 환자에게 삽입되어 충분한 시간 동안 유지되고 있다가 온도계의 온도가 환자의 체온에 안정화되면 그 후 의료진에 의해 판독하기 위해 빼진다. 이 시간 간격은 보통 2~8분 정도이다.
유리구 온도계 또는 그와 같은 것을 사용하는 종래의 온도 측정 절차는 여러 현저한 결점을 갖는 경향이 있다. 온도 측정은, 신체에 삽입하고 있어야 하는 기간 동안 (나이 또는 질병에 의해) 온도계를 적절히 보유하고 있을 수 없는 환자에게는 다소 느리며, 비교적 긴 측정 주기 동안 의료진이 물리적으로 존재할 것을 필요로 할 수 있으므로 의료진들의 주의를 다른 업무로부터 딴 데로 돌린다. 또한, 유리구 온도계는 판독하기가 용이하지 않으며, 따라서 조명 조건이 좋지 않을 때 또는 의료진이 재촉받으면서 판독할 때, 측정은 사람 실수를 받을 경향이 있다.
바로 판독되는 전기 온도계 장비에 관련하여 동작하도록 설계된 온도 감지 탐침을 사용하여 이러한 유리구 온도계의 결점을 최소화하거나 제거하기 위한 여러 시도가 있어왔다. 하나의 이러한 접근방법에서, 서미스터(thermistor) 등의 전자 온도 감지 장치가 탐침의 단부에 장착되어 환자에게 삽입된다. 특정 구현에 종속하는 장치의 전압 또는 전류의 변화가 모니터링되고, 그 출력 신호가 안정화됐을 때 온도가 디지털 포맷으로 디스플레이된다. 이는 통상 바로 판독하는 접근방법으로 참조되며, 그것은 측정 온도를 잘못 판독하는 것에 의한 실수의 가능성은 줄이지만, 여전히 안정화된 온도 판독에 이르기 위해 비교적 긴 시간이 요구될 수 있다. 전형적인 바로 판독하는 접근방법 또는 모드에서, 어디서든 판독한 온도를 획득하기 위해 3~5분이 필요하다.
전자 온도계의 본래 특성은 그들이 적용된 신체의 체온을 즉시 측정하지 않는다는 것이다. 온도계가 나타내는 온도가 측정되는 신체의 실제 체온을 나타내기 전까지 상당한 시간이 필요할 수 있다. 이 지체는 신체의 표면으로부터 온도 감지기로의 열 흐름을 방해하는 측정 시스템의 다양한 컴포넌트에 의해 발생된다. 컴포넌트들 중 몇몇은 감지기 팁, 신체의 피부 및 조직 및 측정 대상물들 간의 오염을 방지하기 위해 감지기 팁에 적용되는 임의의 위생 커버링(hygienic covering)이다. 따라서 이 접근방법은 단지 부분적인 해결방법만을 제공한다.
전술된 결점을 극복하기 위한 하나의 시도는 예측 또는 추정 회로에 연결된 온도 감지 전자 탐침을 사용하여, 탐침이 환자와 평형상태에 도달하기 전에 환자 체온의 바로 디지털 디스플레이(direct digital display)를 획득하는 것을 수반한다. 이 접근방법으로, 환자의 체온이 측정 시간 동안 현격히 변하지 않는다고 가정하면, 열 안정화가 이루어지기 전에 환자와 전자 온도계가 열 안정화됐을 때 나타날 온도가 측정된 온도로부터 예측되고 디스플레이된다. 여러 종래 장치에서, 온도 예측은 기간 동안 측정되는 온도를 모니터링하고 측정된 것을 계산하고 이들 변수를 프로세싱하여 환자의 체온을 예측함으로써 수행된다.
최종의 안정화된 온도를 예측함으로써 동작하는 전자 온도계를 사용하는 장점은 열 안정화가 이루어지기 전에 온도 측정이 완료되어 측정하는데 필요한 시간을 줄인다는 것이다. 이는 환자가 전체 측정 시간 동안 올바른 자세로 탐침을 보유하고 있지 않을 위험을 줄이고 주치의가 주의를 기울이는 시간을 덜 요구한다. 또 다른 장점은, 체온이 동적이고 종래의 수은 유리 온도계 측정에 관련하여 2~8분의 간격 동안 상당히 변할 수 있기 때문에, 빠른 결정은 보다 시간적으로 증상을 잘 나타내는(diagnostic) 정보를 제공한다. 그러나, 이러한 온도계의 단점은 데이터의 프로세싱 및 분석이 정확하게 수행되지 않으면 온도를 예측하는 정확도가 상당히 낮아진다는 것이다.
예측형 프로세싱 및 온도 결정을 사용하는 전자 온도계는 온도-응답 변환기로서 서미스터를 포함할 수 있다. 서미스터는 매우 느리게 일어나는 온도 변화의 마지막 증분으로 점근적으로 최종의 안정된 온도에 접근하는데, 여기서 온도 변화의 주요 부분은 비교적 빠르게 일어난다. 이러한 온도 응답이 도 1에 나타나있다. 전형적인 서미스터에 대한 측정 시간(22)과 온도(24)의 함수로 구성된 측정 온도의 그래프(20)가 나타나있다. 전술된 바와 같이, 서미스터가 나타내는 온도(20)는 측정되는 대상물의 실제 온도 TF(26)를 지체시킨다. 측정 온도선(20)을 대상물의 실제 온도선(26)과 비교함으로써 이 지체가 나타날 수 있다. 측정이 시간 시간(t0)에서부터 진행되면서, 온도가 시간 t0 내지 t1 사이에 TR에서 T1로 빠르게 높아진다는 것을 알 수 있다. 나타나는 온도의 증가 속도는 시간 t1과 t2 사이에 감소하고, 시간이 더 증가함에 따라 온도선은 점근적으로 점차 안정화 온도 TF(26) 쪽으로 기우는 경향이 있다. 전술된 바와 같이, 본 발명은 측정 초기에 모아진 온도 데이터를 분석하여 최종 온도 TF를 예측할 수 있는 시스템에 관한 것이다. 종래 시도방법은 초기의, 보다 빠른 온도 변화를 모니터링하고, 그 변화로부터 데이터를 추출하여, 서미스터가 조직 온도에 실제 안정화되기 오래 전에, 그 시간에 서미스터에 접촉한 조직의 실제 온도를 추정하도록 만들어졌다.
서미스터가 환자와 평형상태에 도달하기 전에 조직 온도를 보다 빠르게 추정하기 위해 사용됐던 종래 접근방법은 서미스터의 데이터 포인트에 응답하여 및 그로부터 미리 서미스터의 데이터 포인터를 샘플링하고, 서미스터 응답의 곡선 모양을 예측하는 것이다. 그 곡선 모양으로부터, 그 곡선의 접근성 및 그에 따라 안정화된 온도가 추정될 수 있다. 간단한 시스템의 예를 통해 이들 개념을 나타내기 위해, 도 2에 나타낸 것과 같이 상이한 온도의 두 신체에 관한 열 전달 물리현상을 고려해보자(한 신체는 큰 열 덩어리(mass)를 갖고 다른 하나는 작은 열 덩어리를 가지며, 이들은 시간=0에 서로 접촉해 있음). 시간이 지남에 따라, 작은 열 덩어리와 큰 열 덩어리의 온도는 안정화된 온도로 참조되는 온도로 평형상태를 이룬다. 이 과정을 나타내는 수학식은 다음과 같다:
Figure 112007066059434-PCT00001
여기서: T(t)는 시간 함수의 작은 신체의 온도이고,
TF는 시스템의 안정화된 온도이고,
TR은 작은 신체의 초기 온도이고,
t는 시간이고,
τ는 시스템의 시간 상수이다.
이 관계로부터, 시간 t의 두 지점에서의 온도 T가 알려지면(예를 들어, 시간 t1에서의 T1 및 시간 t2에서의 T2), 다음의 수학식 2를 적용함으로써 안정화된 온도 TF가 예측될 수 있다.
Figure 112007066059434-PCT00002
또한, 수학식 1에 의해 나타나는 형태의 간단한 제1순서 열 전달 시스템에 대해서, 온도의 제1 시간 측정치에 대한 자연스러운 알고리즘은 다음과 같은 -1/τ 와 동일한 기울기를 갖는 직선이다:
Figure 112007066059434-PCT00003
및 또한:
Figure 112007066059434-PCT00004
여기서:
Figure 112007066059434-PCT00005
여기서 K는 TR, TF 및 τ에 종속하는 상수이고,
T'는 온도의 제1 측정치이고,
T"는 온도의 제2 측정치이다.
종래 기술은 온도 평형상태 곡선의 분석에 이들 간단한 제1 순서 관계를 적용한다. 몇몇 경우에 서미스터 제조업자에 의해 설정된 서미스터 시간 상수가 사용된다. 그러나, 모든 이들 기술은, 온도 응답 곡선이 위생 탐침 커버, 감지기 및 탐침대(probe stem)로 환자의 조직 및 혈관 시스템의 복잡한 열역학 상호작용에 의해 결정되기 때문에, 온도 응답 곡선을 첫번째 한번으로 정확하게 모델링할 수 없다는 것을 인식하지 못한다. 온도계가 신체 조직, 예를 들어, 사람의 입에 접촉해 있을 때, 응답 곡선은 그 조직에 관련된 탐침의 물리적 위치, 특정 조직의 열 전달 특성, 조직으로부터 탐침을 분리시키는 위생 탐침 커버(34)(도 2) 및 도 3에 도시된 바와 같은 탐침 감지 팁 및 손잡이(36)를 통한 열 전달에 의한 영향을 받는다. 도 3의 각각의 이러한 요소(36)는 서미스터로부터의 열의 흐름에 영향을 주고 각각은 열 저항 및 열 용량을 포함하는 별개의 열역학 성질을 갖는다. 생물학적 인자(38)는 서미스터로의 열의 흐름에 영향을 주며 환자들 간에, 특히, 나이 및 신체 컴포넌트에 의해 상당이 다양하다. 구조물의 공간 기하학적 구조와 조합된 인자들은 서미스터에서 감지된 온도가, 사전에 서미스터의 공장에서 적용된 시간 상수만을 사용하여 획득된 것과 같은 간단한 모델로부터 예측할 수 있는 것보다 복잡한 특성 곡선을 따르게 한다.
이전 추정 기술은, 온도가 지수 곡선을 따라서 피부 접촉을 따라 높아진다는 가정에 종속했다(따라서 뉴튼 "가열"이라 불림). 이러한 모델은 (또 다시 도 2에 나타낸 바와 같이) 초기의 및 잘 섞인 열원이 감지기를 데울 수 있었다는 조건 하에서 정확해질 것이다. 탐침 커버(34)가 특정 열 및 초기 온도 "TW(0)"를 갖는 다량의 물(30)에 담겨진 온도 감지기 또는 탐침(32)을 덮는다. 탐침은 열 덩어리 "M" 및 초기 온도 "TP(0)"를 갖는다. 탐침 커버는 열 저항 "R"을 갖는다. 이러한 이상적인 조건 하에서, 항온수조(water bath)로부터 탐침으로의 열 흐름은 간단한 수학식에 의해 제어된다:
Figure 112007066059434-PCT00006
여기서
Figure 112007066059434-PCT00007
는 열의 흐름(flow_of_heat)이다.
임의의 시간에 탐침 온도에 대하여 미분 수학식을 풀면 (물에 담긴 이후) 임의의 시간 "t"에 탐침 온도를 뒤따르는 형태에 대한 수학식이 형성된다:
Figure 112007066059434-PCT00008
열 상승의 "시간 상수"는 대략 탐침의 열 덩어리의 양 "M" 및 탐침 커버의 열 저항 "R"에 의해 결정된다.
이 간단한 모델을 입 또는 겨드랑이 등의 신체 일부에 접촉하여 위치한 온도 탐침을 데우는데 응용하는 것은 탐침의 중간 영역 내에 조직의 유한 열 용량 및 표피층에서 시작하여 내부 구조로 진행되는 연속적인 조직층의 열 저항에 대해 밝히지 못한다.
특히, 탐침 온도가 높아지면서, 탐침에 접촉한 중간 영역으로부터의 열은 더 많은 조직을 거쳐 이동하여 탐침에 도달하기 위한 추가 열 에너지를 요구하면서 제거된다. 따라서 이 "먼 거리의" 열 에너지는 인접 영역으로부터 탐침으로 흐르는 열 에너지보다 긴 "시간 상수"를 갖는다.
임의의 시간 "t"에서, 다음 수학식에 의해 주어지는 현재 값과 최종 값 간의 온도차가 존재할 수 있다:
Figure 112007066059434-PCT00009
따라서 신체 조직 내의 복잡한 열전도를 모델링하기 위한 수학식 2의 제한은 예측한 온도의 "변화율"이 임의의 시점에 발생하도록 유지되는 온도 변화의 상수비율을 유지한다는 것을 고려함으로써 알 수 있다.
따라서 제1 순서의 모델과 달리, 안정화된 온도를 예측할 수 있고 측정되는 신체와 측정 시스템 자체의 열 흐름 특성을 변화시키는데 적응될 수 있는 측정 시스템에 대한 필요성이 생겨난다. 안정화된 온도를 나타내는 유사한 온도 증가 곡선을 생성하도록 실시간으로 풀리는 연립방정식 세트를 사용하는 예측 기술이 제안된다. 성공하기 위해, 이러한 기술은 증가 곡선의 모양이 적절히 근사해지도록 다수의 계수를 방정식에 사용할 것을 요구한다. 실질 제한사항은 사용될 수 있는 항의 개수를 제한하여 이러한 접근방법의 정확도에 제한을 부과한다. 또한, 온도계에 비교적 간단하고 저전력인 마이크로프로세서 회로가 사용될 때, 이들 방정식의 계산 결과는 사소한 것이 아니다.
제조업자가 매우 정교한 의학 장치를 개발할 수 있지만, 비용 문제는 계속 유념되어야만 한다는 것이 또한 주의된다. 제조업자는 의학 장비의 비용을 가능한 낮게 하여 여러 환자들이 그것을 사용할 수 있도록 한다. 보다 큰 프로세서, 보다 빠른 계산 속도, 보다 큰 메모리 크기를 갖는 온도계를 사용가능하게 하여 계산이 좀더 빠르게 수행되고 많은 계산이 수행될 수 있게 하는 반면, 비용 문제가 발생한다. 프로세싱 전력에의 이러한 증가는 온도계 비용을 상당히 증가시키고 그 결과 여러 환자가 사용할 수 없게 한다. 대신, 당업자들은 비용 효율적이지만 강력하고 정확하고 빠른 실행의 알고리즘을 사용하여 정교한 온도 데이터 프로세스를 통해 환자 체온의 정확하고 빠른 예측을 제공할 수 있는 온도계를 원한다.
또한 환자의 구강, 직장 및 겨드랑이 부분에서 체온을 측정할 수 있는 하나의 온도계에 대해 인식할 필요가 있다. 하나 이상의 이들 부분에서 체온을 측정할 수 없게 하는 다양한 요소들이 특정 환자에게 영향을 주기 시작할 수 있다. 따라서 3 부분 모두를 측정할 수 있는 온도계가 상이한 부분에 대한 상이한 온도계를 찾을 필요성에 대하여 바람직한 이점을 제공할 것이다. 환자의 구강 부분에서 체온을 측정하는 것은 구강 및 직장 부분으로부터와는 상당히 상이하다는 것이 인식되어야한다. 겨드랑이 부분에 대한 탐침의 온도 응답은 대부분의 경우 구강 및 직장 부분으로부터와는 상당히 다르다. 이 부분이 지방 조직의 하층(underlying stratum)과 비점액 표피 조직을 포함한다는 사실로 인해, 겨드랑이에 위치한 탐침의 온도 응답의 곡률은 구각 및 직장 부분보다 훨씬 평편하다(도 7 참조, 여기서 곡선(100)은 구강 부분에 대해 전형적인 것이고 곡선(102)은 겨드랑이 부분에 대해 전형적인 것임).
종래의 예측 온도 측정 기술은 전자 온도 측정 기술을 상당히 진보시켰지만, 당업자들은 측정 조건 및 측정되는 대상물의 특성이 측정마다 다양한 경우 측정 프로세스의 조기 단계에서 안정화 온도를 예측할 수 있는 전자 온도계에 대한 필요성이 여전히 존재한다고 인식한다. 추가로, 구강, 직장 및 겨드랑이 부분 모두 등의 다수의 부분으로부터 환자의 체온을 측정 및 예측할 수 있는 하나의 온도계에 대한 필요성도 존재한다는 것도 인식된다. 또한, 정확하지만 비교적 간단하고 저렴한 회로를 포함하는 의학 온도계에 대한 필요성도 존재한다. 본 발명은 이들 필요성 및 다른 것들을 충족시킨다.
대략적으로 및 일반적으로, 본 발명은 측정 프로세스의 조기 단계에서 대상물의 온도를 예측하여 대상물의 온도를 결정하는 온도계 및 방법을 제공한다. 본 발명의 온도계 시스템 및 방법은 다수의 매개변수를 포함하는 비선형 모델을 모니터링되는 온도 데이터에 대한 모델 곡선에 맞도록 적응시킨다. 매개변수가 온도 증가 곡선의 초기 부분에서, 및 결과 모델 곡선으로부터 선택되어, 감지기의 평형상태 온도 따라서 대상물이 예측된다. 이 방식에서, 예측 프로세스가 대상물의 해부학적 구조 및 생리기능뿐만 아니라 온도계 탐침의 열 특성을 반영하여 적응되고, 따라서 감지기의 평형 온도의 정확한 예측을 산출해내면서 비교적 데이터 획득 및 데이터 프로세스 시간을 거의 요구하지 않는다.
한 상세한 양태에서, 매개변수 중 하나인 "곡률지수" C는 전형적으로 선택된 해부학적 측정 부분에 적절한 값의 범위에 걸쳐 추정된다. 본 발명에 따른 온도계 시스템 및 방법의 적응 특성으로 인해, 환자의 여러 부분이 하나의 온도계에 의해 측정될 수 있다.
다른 양태에서, 감지기는 대상물의 온도를 감지하는 것에 응답하여 온도 신호를 제공하는데, 여기서 온도 신호는 시간에 다양하다. 프로세서는 제1 선택된 시간 프레임 동안 온도 신호를 모니터링하고 제1 시간 프레임의 온도 샘플의 선택된 특성 서브세트를 결정하고, 모니터링된 온도 신호의 특성의 비선형 곡선 맞춤 매개변수 세트에 대한 계산 및 모델 곡선에 기초하여 모델 온도 곡선을 제공 또는 "맞추고", 대상물의 온도를 예측한다. 보다 상세한 양태에서, 프로세서는 감지기가 대상물의 온도에 도달하기 전에 일어나는 기간으로부터 제1 시간 프레임을 선택하고, 비선형 곡률 맞춤 매개변수를 사용하여 모델 곡선을 제공함으로써 대상물 온도의 예측을 계산한다. 다른 보다 상세한 양태에서, 프로세서는 모델 곡선을 모니터링된 온도 데이터에 비교하고, 그 차이가 문턱값을 초과하지 않으면, 프로세서는 모델 곡선으로부터 대상물의 온도를 예측하고 그것을 디스플레이한다. 다른 보다 상세한 양태에서, 프로세서는 선택된 영역에 대해 결정된 모델 매개변수를 사용하여 선택된 모델 매개변수의 선형 함수인 오프셋 항을 계산한다. 또 다른 보다 상세한 양태에서, 오프셋 항을 계산하기 위해 사용되는 모델 매개변수는 곡률 매개변수에 관련된다. 또 다른 보다 상세한 양태에서, 프로세서는 선택된 모델 매개변수의 선형 함수인 오프셋 항을 계산하기 위해 선택된 예측 윈도우의 시작 이전에 시간 지연을 사용한다.
다른 양태에서, 프로세서는 선택된 제1 시간 프레임에 맞는 비선형 곡선을 미리 결정된 무결성 기준에 비교하여, 제1 프레임으로부터 예측된 온도가 무결성 기준을 만족하지 못하면, 프로세서는 대상물 온도 계산에서 제1 시간 프레임을 배제한다.
또 다른 양태에서, 프로세서는 모니터링된 온도 데이터의 양태를 무결성 기준에 비교하여, 모니터링된 온도 데이터의 임의의 특성이 무결성 기준을 만족시키지 못하면, 프로세서는 대상물의 온도를 예측하는데 그 데이터를 사용하지 않는다. 다른 보다 상세한 양태에서, 무결성 기준 중 하나는 모니터링된 온도 데이터의 곡률 성질을 포함한다. 또 다른 보다 상세한 양태에서, 또 다른 무결성 기준은 모니터링된 온도 데이터의 기울기 제한을 포함한다. 또 다른 양태에서, 모니터링된 온도 데이터가 무결성 기준을 만족하지 않으면, 프로세서는 모니터링된 온도 데이터에 대한 상이한 윈도우를 선택하여 무결성 기준에 비교한다.
또 다른 양태에서, 제1 선택된 시간 프레임이 대상물의 온도 결정에서 배제되면, 프로세서는 제2 선택된 시간 프레임 동안 온도 신호를 모니터링한다. 또한, 일 양태에서 및 또 다른 양태에서의 제1 시간 프레임 이후, 프로세서는 제2 시간 프레임을 일어나도록 선택하고, 프로세서는 제2 시간 프레임을 선택하여 제1 시간 프레임에 오버랩한다.
광범위한 양태에서, 이전 시간 프레임이 대상물의 온도의 결정으로부터 배제되면, 프로세서는 복수의 상이한 선택된 시간 프레임 동안 온도 신호를 모니터링하고, 프로세서는 모니터링되는 복수의 시간 프레임의 수를 감지기가 대상물의 온도에 도달하기 전에 미리 결정된 기간 내에 일어나는 것에 제한한다.
다른 양태에서, 프로세서는 감지기가 대상물의 온도 감지를 시작하는 시작 시간을 결정하고, 프로세서는 시작 시간 이후 일어나는 온도 신호를 포함하도록 제1 시간 프레임을 선택한다. 보다 상세한 양태에서, 프로세서는, 감지기로부터의 온도 신호의 현재 값을 계산하여 대상물의 온도를 감지하고 현재 값이 조직 접촉 문턱 온도를 초과하면 그 계산에 기초하여 시작 시간을 설정한다고 결정한다.
본 발명의 다른 특징 및 장점은, 예로서 본 발명의 특징을 나타내는 첨부된 도면에 관련하여 취해진 다음의 상세한 설명으로부터 명백해질 것이다.
도 1은 환자와 접촉하는 온도 탐침 내에 장착되는 서미스터 감지기의 온도 평형상태를 나타내는 서미스터 감지기 장치의 전형적인 점근 응답 곡선의 그래프.
도 2는 제1 온도를 갖는 작은 물체가 큰 유동체 수조에 담궈진 도면으로서, 유동체가 제1 온도보다 높은 제2 온도에 있고, 평형상태를 이루기 위한 두 온도 간의 열 흐름을 나타내는 도면.
도 3은 내장에 의해 생성되는 열이, 주 혈관 및 다른 조직을 통하고 탐침 커버 및 다른 장치를 통해 전파되어 최종적으로 서미스터에 도달하는, 그러나 그 후 서미스터로부터 탐침 손잡이에, 대기와 핸들을 통해, 서미스터로부터 열을 전도해 버리는 것들 및 장치 통해 심지어 작동자에 흘러가 버리는 것을 나타내는 환자의 체온을 측정하는 프로세스의 열 흐름 다이어그램.
도 4는 2개의 탐침, 탐침 커버, 디스플레이 및 대상물의 온도를 측정하기에 유용한 입력을 갖는 휴대용 온도계의 정면도.
도 5는 환자와 시스템의 온도 감지기의 평형상태 이전에 획득되는 온도 데이터의 분석에 기초하여 환자 체온의 예측을 통해 환자와 시스템의 온도 감지기의 최종 평형상태 이전에 환자 체온을 결정하기 위한 본 발명의 원리에 따른 시스템의 블럭도.
도 6은 본 발명의 양태에 따라 온도 데이터를 모으고 프로세싱하여 온도를 예측 및 디스플레이하는 것을 나타내는 흐름도.
도 7은 구강 및 직장 측정 부분에서의 체온 측정에 대한 곡률을 나타내는 서 미스터 감지기 장지의 예시적인 응답 곡선을 나타내는 도면으로서, 겨드랑이 부분에서의 체온 측정에 대한 제2 선은 겨드랑이 부분에서의 응답 선의 곡률이 구강/직장 부분에서보다 훨씬 낮음을 보이는 도면.
도 8은 대상물의 온도를 예측하기 위한 본 발명의 양태에 따른 조직 접촉 문턱치, 예측 시작 지연, 예측 시작 및 예측 완료 지점을 나타내는 온도 그래프.
도 9는 데이터 곡선에 모델 곡선을 맞추고, 제한에 맞춰졌을 때는 대상물의 온도를 예측하기 위해, 대상물의 온도 데이터 곡선에 사용되도록 선택된 Ai, Bi 및 Ci 매개변수의 상이한 세트에 의해 형성된 모델 온도 곡선 세트를 나타내는 도면.
도 10은 모델 곡선이 데이터에 대해 수용가능하게 "맞는"지를 결정할 때 사용하도록, 모델 온도 곡선을 실제 측정된 데이터 지점에 맞추고 모델 곡선과 각각의 실제 데이터 지점 간의 차를 결정하는 곡선을 나타내는 도면.
도 11은 예측에서 사용되는 최종 조직 접촉 지점을 나타내고 예측 시작 지연 및 예측 샘플의 시작을 나타내는 도 8의 온도 그래프의 확대된 부분을 나타내는 도면.
도 12는 본 발명의 양태에 따르는 방법의 양태에 따른 데이터 흐름도.
다음의 설명에서, 도면의 상이한 특징의 유사하거나 대응하는 구성요소를 참조하기 위해 유사한 참조번호가 사용될 것이다. 이제 도면, 특히 도 4를 참조하면, 본 발명의 신규 특징을 통합한 전자 온도계(40)의 일 실시예가 나타나있다. 전자 온도계는 환자 신체의 선택된 부분의 체온을 감지하기 위한 탐침(42)을 포함 하는데, 이 탐침(42)은 전도체(44)에 의해 온도계의 메인 몸체(46)에 연결된다. 탐침은 메인 몸체 내의 수납벽(48)으로부터 분리되어 있다. 온도계의 메인 몸체는 온도계의 전기 컴포넌트 및 전원을 포함하고, 온도 값 및 에러 또는 경고 메시지를 디스플레이하는 디스플레이(50) 및 이 경우에는 디스플레이 밑에 위치한 켜짐/꺼짐 스위치인 제1 입력 장치(52)를 갖는다. 또한 모드 스위치(54)가 메인 몸체의 앞 패널(56)에 제공되어, 보다 적절하게 온도 데이터를 프로세싱하는 부분 및 방법을 선택하여, 그 부분의 특성이 온도 측정 동안 고려되게 한다. 일 실시예에서, 모드 스위치는 "빠른 구강", "빠른 겨드랑이" 및 "빠른 직장"의 선택을 제공한다. 제2 탐침(58)이 온도계에 포함되어 메인 몸체의 벽(60)에 삽입된 수용된 포지션으로 나타난다. 본 실시예에 따라서, 하나의 탐침은 환자의 구강 및 겨드랑이 체온을 측정하는데 사용되고, 다른 탐침은 직장 체온 측정을 위해 사용될 것이다. 또한 환자와 접촉하기 전에 탐침 위에 위치시키기 위한 위생 커버(62)가 도시된다.
도 5를 참조하면, 이 블럭도는 본 발명의 양태에 따른 온도계(40)의 일 실시예의 주요 전자 컴포넌트를 일반적으로 나타낸다. 온도 감지기(42)는 측정 동안 감지된 온도에 응답하여 온도 신호를 제공한다. 또한 환자와 탐침의 감지기 사이에 위치하는 탐침 커버(62)가 존재한다. 서미스터가 온도 감지기로 사용되는 경우, 이들 신호는 서미스터의 저항을 나타내는 따라서 감지된 온도를 나타내는 아날로그 전압이다. 온도를 나타내는 신호는 증폭기(70)에 의해 증폭되고 그 후 아날로그-대-디지털 변환기(72)에 의한 추가적인 프로세스를 위해 디지털 형태로 변환된다. 아날로그-대-디지털 변환기는 디지털화된 전압 신호를 수신하고 측정되는 대상물의 온도를 결정하도록 그 전압 신호를 프로세싱하는 프로세서(74)에 연결되어 있다. 메모리(76)는 알고리즘에 따라 온도 및 시간 신호 데이터를 저장하여 다음에 신호 데이터를 분석할 수 있게 한다. 일단 신호가 프로세싱되면, 프로세서는 신호를 디스플레이(78)에 제공하여 예측된 안정화된 온도를 디스플레이시킨다. 탐침은 가열기 전력원(80)에 의해 제어되는 가열기 장치를 포함한다. 일단 탐침을 몸체의 벽에서 분리시키면, 프로세서는 탐침 가열기를 제어하여 가열기 전력원을 켬으로써 설정된 지점으로 탐침의 온도를 높인다. 이러한 설정된 지점은 전형적으로 93℉(33.9℃)이지만, 다른 온도가 선택될 수도 있다. 스위치를 활성화시킴으로써 온도계의 온도 측정 기능을 인에이블링시킨다(enable). 이 스위치는 탐침 수납벽 내에 위치하는 것이 바람직하며, 따라서 탐침의 분리는 자동으로 측정을 인에이블링시키도록 한다. 전원(82)은 여러 컴포넌트의 전력 필요를 위해 제공된다. 예시의 간결함을 위해 전원과 컴포넌트 간의 구체적인 연결은 나타내지 않았지만, 당업자들은 이러한 연결을 잘 이해하고 있다.
전자 예측 온도계가 도 5의 특정 실시예에 나타나있지만, 이는 단지 예시의 목적을 위한 것이다. 메모리(76)는 실제로 다수의 메모리 장치를 포함할 수 있다. 프로세서(74)는 다수의 프로세서를 포함할 수 있다. 사용자 인터페이스(78)는 다수의 스위치 또는 디스플레이를 포함할 수 있다. 도 5에 대하여 다양한 수정이 만들어질 수 있다는 것이 당업자들에게는 자명해질 것이다.
이제 도 6을 참조하면, 본 발명의 양태에 따른 방법의 실시예의 일반적인 기능(태스크)이 그들을 따라 흐르는 데이터와 함께 나타나있다. 태스크는 동시적으 로 또는 차례차례로 동작할 수 있으며 나타낸 몇몇 태스크들은 시스템에 의해 수행되는 특정 측정 동안에는 동작하지 않을 수 있다. 데이터 흐름은 활성화 순서를 내포하고; 제어 및 활성화는 이 다이어그램에는 나타나지 않는다.
온도계 시스템이 초기화되고(90) 온도계 감지기로부터의 데이터가 생성되기 시작한다. 충분한 온도 샘플(데이터)이 획득되면, 그 후 그들은 필터링된다(92). 필터링은 필터 유형, 순서 및 구현되는 모델에 종속한다. 한 경우에, 간단한 박스카 에버레저/데시메이터(boxcar averager/decimator)가 사용된다. 다른 보다 섬세한 필터가 사용될 수 있다. 필터링된 온도 데이터는 그 후 프로세서에 의해 예측 온도(94)를 계산하는데 사용된다. 일단 예측 온도의 수용가능한 계산이 행해지면, 그것은 디스플레이된다(96).
구강, 겨드랑이 및 직장의 3부분 각각의 온도를 예측하기 위한 수단의 일반화된 실시예가 이제 설명될 것이다. 선택된 부분의 동작기 선택은 그 부분에서의 사용을 위한 제어 매개변수 및 문턱치의 세트를 선택한다.
ABCE 비선형 다수-매개변수 곡선 맞춤 예측의 개요
정의된 추가 시간(감지기가 환자의 체온과 평형이된다고 예측되는 시간)에서의 온도의 추정 또는 예측은 다음의 조직 접촉을 따라 발생하는, 필터링된 온도 샘플("윈도우")의 시퀀스에 비선형 다수-매개변수 모델(수학식 9)를 필터링함으로써 수행된다(도 8 참조).
Figure 112007066059434-PCT00010
여기서:
Tfit(nㆍτ)는 특정 시간 t=nㆍτ에서의 온도의 추정(℉)이고;
n은 "예측 시작"에 대한 조건을 만족하는 제1 샘플에서 0으로 초기화된 정수 샘플 색인이고;
τ는 샘플당 초의 수(초)이고;
A는 "오프셋" 매개변수(℉ 또는 ℃)이고;
B는 "폭" 또는 "범위" 매개변수(℉ 또는 ℃)이고;
C는 "곡률" 또는 "평형상태의 속도" 매개변수(초-1)이고;
E는 모델 곡선의 곡률을 비선형 수정하여 그것이 온도 데이터의 곡선에 더욱 잘 맞게 하는데 사용될 수 있는 "시간 왜곡" 인자(단위 없음)이다.
제1 윈도우에서 이루어진 맞춤이 예측 기준을 만족하지 않으면, 윈도우는 하나의 측정 샘플(10개의 샘플당 1초 평균, 이하의 TAD 계산의 세부설명을 참조)만큼 앞으로 "슬라이드"되고 모델 매개변수는 다시 계산된다.
C 및 E의 다수의 개별 값 각각에 대해서, 모델 매개변수(A, B)는 선형 최소 제곱 최적화 방법을 사용하여 계산된다. 모델 곡선값과 윈도우 데이터 인자 값 간의 차이로서 측정되는 최소 "오차 제곱합"을 이루는 A, B, C 및 E의 해의 세트는 그 윈도우에 대하여 Am, Bm, Cm 및 Em으로 명명된다. 이 값이 정의된 문턱치 미만 이고 다른 곡률 성질(이하 "CQI"라 나타냄) 및 기울기 조건(이하 또한 "윈도우 기울기(WindowSlope)"라 나타냄)이 이 윈도우 내에서 만족되면, 매개변수 ABC를 사용하고 이하 수학식 10을 사용하여 온도를 예측한다.
Figure 112007066059434-PCT00011
여기서:
D(Cm)은 "곡률 조정 인자"이고;
D(T)는 "시간 조정 인자"이고;
D0는 오프셋 상수이고;
w는 예측 시작이 일어날 이후 경과한 초의 수이고;
nㆍτ는 예측의 시작에 관련하여 온도가 추정될 때의 미래의 초의 수이다.
도 10의 실시예에서, Cm의 지수 "E"(수학식 9 참조)는 "1"로 설정된 것이 주의될 것이다. 그러나 다른 실시예에서, 그것은 모델 곡선을 온도 데이터의 곡률에 더욱 정확하게 맞추기 위해서 "1" 이외의 값으로 설정될 수 있다. 온도 데이터는 시간 종속적인데, 즉, 각각의 데이터 지점은 개별적인 시점에 취해졌다. 데이터 지점이 상호연결되어 온도 데이터 "곡선"을 나타내면, 이러한 곡선은 하나의 시간 축을 가짐으로써 시간 곡선으로 또한 생각될 수 있다. 이 지수 "E"는 모델 곡선의 곡률을 비선형으로 수정하여 온도/시간 데이터의 곡률에 더욱 정확하게 매치하게 하는데, 따라서 그것이 시간적으로 모델 곡선을 바꿈으로써 "시간 외곡"이라 참조된다. 데 이터 곡선에 더욱 정확하게 매치하도록 "E"를 다양하게 하는 것은 프로세스 시간 및 전력을 더욱 요구할 것이다.
수학식 10에 의해 생성되는 모델 곡선은 조직에 접촉하여 "데워졌을" 때 탐침 온도의 속도를 예측한다. 설계는 구강/직장 및 겨드랑이 위치에서의 열 전달의 차이 때문에 겨드랑이에 비해 구강/직장 측정에 대해서 더욱 높은 C 값을 요구한다. 대략의 비교가 도 7에 나타난다. 그래프 선(100)은 구강 및 직장 부분에 대한 전형적인 온도 응답 모양을 나타낸다. 그래프 선(100)은 겨드랑이 부분에 대한 전형적인 온도 응답 모양을 나타낸다. 구강 및 직장 부분에 대한 곡률이 겨드랑이 부분에 대한 곡률보다 훨씬 크다는 것이 명백하다. 몇몇의 제어 매개변수 및 문턱치도 또한 겨드랑이 대 구강/직장 모드에 대해서 상이하다. 이들 차이는 이하 설명된다.
또한, 다양한 인자 값이 결정되면(A, B, C 및 D), 그 후 nㆍτ의 시간이 입력되어 평형상태의 예측이 결정될 수 있다. 예로서, 구강 또는 직장에 대해서는 180초의 값이 입력되는 반면, 겨드랑이 측정에 대해서는 300초의 값이 입력될 수 있다. 수학식 10(Tpredict)을 푼 결과는 그 후 평형상태가 될 것이다.
인자 D(C), D(w) 및 D0는 E항이 고정됐을 때 부분적으로 발생할 수 있는 것이 무엇인지를 예측할 때의 중요하지 않은 시스템 오류를 보상한다. D(C)는 형태의 선형 조정이고:
Figure 112007066059434-PCT00012
여기서:
Cslope은 상수이고;
C는 최소 오차 제곱합에 관련된 추정된 값이다.
D(w)는 유사하게 다음과 같은 형태이고:
Figure 112007066059434-PCT00013
여기서:
w는 현재 윈도우가 추정된 시간의 예측 시작에서부터 경과된 시간(초)이고;
D0는 대중적인 연구에서 통계적으로 관찰되는 중요하지 않은 시스템 오프셋뿐만 아니라 D(w) 및 D(C)의 바이어스 영향을 제거하는데 사용되는 상수이다.
사용되는 "C" 값의 범위 및 "D" 항에 대한 값은 광범위하고 무작위로 선택되는 대상물 집단의 실제 온도 테스트에 기초하여 선택됐다. 이들 실제 온도 테스트에 기초하여, 이들 값 모두는 이 광범위한 대상물 집단에 대한 온도 예측의 수행을 최적화하도록 설정됐다. 그러나, 당업자에게 자명한 바와 같이, 이 값은 다른 대상물 집단의 테스트 결과에 종속하여 변할 수 있다. "D"항 중 몇몇 또는 모두는, 측정된 실제 데이터에 종속하여 0 값으로 갈 수 있다. 또한, 수학식 9의 "C"항에 대한 지수 "E"를 사용하여 모델의 곡률을 제어하면, "D"항은 불필요하고 0으로 설 정될 수 있다. 지수 "E"이 1로 설정되면, "D"항을 사용하여 모델 곡선의 모양에 대하여 소정의 보상을 제공할 수 있다(수학식 10 참조). 지수 "E"를 1로 설정하고 선형 "D"항을 사용하는 이 실시예는 프로세서에 대한 요구를 낮추지만 정확한 예측 결과를 낸다는 것이 발견됐다.
추정된 온도가 낮은 또는 높은 예측 제한 밖에 있으면, 장비는 자동으로 "계속 모니터링 상태(Continuous Monitoring State)"로 이동한다. "계속 모니터링 상태"는 온도계가 대상물의 온도를 예측하지 않고 대신 대상물 온도와 평형상태가 될 때까지 단순히 활성상태로 남아있는 상태이다. 선택된 해부학적인 부분, 접촉, 유동체, 연결 및 인가된 압력에 종속하여, 이는 3~8분 동안 취해질 수 있다.
도 8은 전형적인 온도 프로파일 및 예측 프로세스의 주요 특징을 나타낸다. 탐침(42)이 장비 "벽"(48)로부터 분리되면(도 4 참조), 그것은 전형적으로 방 대기 온도에 있게 된다. 탐침 가열기 전원(80)(도 4 참조)이 활성화되고(110) 탐침 가열기를 사용하여 탐침 온도를 목표 설정지점으로 끌어올리지만, 그것은 소정의 정도를 넘어 진동할 수도 있는데, 특히 탐침 커버(62)가 탐침을 덮지 않았을 때 그러하다. 탐침 커버는 탐침을 덮는다. 커버를 갖는 탐침이 조직에 접촉해 있으면, 온도가 조직 접촉 문턱치(112)를 누르는 설정지점으로부터 높아져 가열기가 차단된다.
예측 시작의 결정은 고정된, 모드-종속 시간 지연이 뒤따르는 조직 접촉 문턱치를 초과하는 로우(raw) (100ms) 온도의 탐지에 의해 수행된다. 로우 온도가 예측 시간 조건에 이르기 전에 조직 접촉 문턱치 이하로 떨어지면, 지연이 연장된 다.
예측 시작(114)에 대한 기준을 만족하는 로우 샘플에 의해 시작하여, 10개의 블럭 내의 로우 온도 샘플이 평균화되고 저장되어 10개의 필터링된 샘플들의 어레이(윈도우)(116)를 생성한다. 각각의 이러한 10개의 평균은 "TAD(Temperature Averaged and Decimated)"로 참조된다. 임의의 TAD 값이 1℉(
Figure 112007066059434-PCT00014
0.5℃) 이상으로 기록된 최대 TAD 값 미만이면, 장비 상태는 조직 접촉의 손실이 발생했다고 가정된 이후 계속 모니터링 상태로 변한다.
각 윈도우 내의 TAD 샘플을 사용하여 CQI(curvature quality index) 및 윈도우 기울기 값을 계산한다. 오차 제곱합(SSE)과 함께 이들 값은 나타날 예측에 대한 특정 기준을 모두 만족해야만 한다. 그들이 만족하지 않으면, 다음의 윈도우는 다음과 같이 형성된다. 각각의 다음 초에 대한 TAD 값이 추정 윈도우에 추가되고, 가장 오래된 TAD 값이, 성공적인 개별 윈도우 예측이 생성되거나 윈도우의 최대 수(MaxNumWindows)에 도달하기 전까지 제거된다.
최종 윈도우에 도달하고 SSE, CQI 및 윈도우 기울기 값이 특정 문턱치를 달성하지 못하면, 최종 윈도우의 SSE는 문턱치 FSSE와 비교된다. 이것이 성공적이면, 최종 윈도우로부터의 예측이 행해지고, 그렇지 않으면 장치는 계속 모니터링 상태로 이동한다. 다르게 제한된 임의의 예측에 대해서, 예측 온도가 낮은 또는 높은 예측 제한 밖에 있으면, 장비는 자동으로 계속 모니터링 상태로 이동한다.
몇몇의 다른 조건들도 예측에서부터 계속 모니터링 상태로의 이동을 개시할 수 있다. 이 조건들은 가열기를 제어하고 서미스터의 실패에 대하여 탐침을 모니 터링하는 소프트웨어 루틴에 의해 설정된다. 그들은 완전성을 위해 도 12에 나타나있으며 본 명세에 설명되어 있다.
TAD 프로세싱
장비는 온도 탐침 증폭기(70)(도 5)로부터 전압을 샘플링하여 이 값을 100밀리초 간격으로 디지털 변환시킨다. 효율성 및 잡음 억제를 위해, 100 밀리초("로우") 샘플은 단순한 박스카 에버레저/데이메이터(수학식 13)로 사전 필터링되어 1초 간격으로 또는 "TAD" 샘플을 생성한다.
Figure 112007066059434-PCT00015
여기서 N은 TAD 샘플/윈도우의 수이고, 제1 TAD의 제1 샘플은 예측 시작 지연(118) 이후의 샘플이다. 예측 시작 지연은 그 차례에 94℉(34.4℃)의 조직 접촉 온도를 초과하는 제1 샘플과 함께 시작한다. 시작 지연 기간 동안 로우 온도가 조직 접촉 문턱치 이하로 떨어지면, 예측 시작 지연 타이머가 리셋된다.
예측 윈도우 샘플 선택
열 평형상태 곡선은 종종 몇몇의 소스로부터 발생하는 아티펙트(artifact)를 포함한다. 본 발명의 양태에 따른 시스템 및 방법은 입력 데이터의 최적화된 선택을 통해 아티펙트들의 영향을 피하려고 한다. 조직 접촉 이후 처음 몇 초 내에, 탐침 가열의 남아있는 영향이 평형상태 곡선 모양에 영향을 줄 수 있다. 장비로부터 제거된 후 탐침이 조직에 빨리 접촉할수록, 이들 효과가 더욱 나타난다. 피부 와 탐침 커버와의 다양한 포지션 및/또는 압착은 조직과 커버 간의 열 저항을 다양하게 한다. 이는 평형상태 온도의 메그니튜드(magnitude) 및 열 평형 상태 곡선의 모양 모두에 영향을 준다.
잡음원의 영향을 완화시키기 위해, 알고리즘은 각각이 고정된 수의 TAD 샘플로 이루어진 "시간 윈도우"로부터 다수의 추정을 계산한다(도 12의 블럭도 참조). 특정 윈도우로부터의 추정이 예측에 적절한지 여부 또는 측정 윈도우가 다음에 오는 TAD 값에 대해 향상(슬라이드)되어야만 하는지 여부를 결정하기 위해, 3개의 매트릭(matric)이 계산된다.
1. 제1 성질 측정은 윈도우 SSE이다(수학식 14). 허용된 최종 윈도우에 도달한 경우, 마지막 윈도우의 SSE 값을 사용하여 예측이 디스플레이되어야하는지 여부 또는 신뢰적인 예측을 생성할 수 없을 때는 장비가 계속 모니터링 상태로 이동해야하는지를 결정한다.
Figure 112007066059434-PCT00016
(N TAD에 대한 것임)
2. 제2 성질 측정은 "CQI"이다. 이것의 목적은 온도 곡선이 통상 아래로 오목한 모양(도 1 참조)으로부터 빗나가게 할 윈도우 TAD 데이터 내의 아티펙트를 탐지하는 것이다. 제3 윈도우 TAD로 시작하여, 각각의 3개의 TAD 값을 추정하여 그들의 "곡률"을 결정한다. 일 실시예에서, 연속 3개 중 제2 지점이 제1 및 제3 지점의 평균 이상의 값을 갖거나 CQI가 수용불가능하다고 고려될 것이다. 윈도우 내 의 3개의 TAD 중 임의의 것이 곡률 기준을 만족시키지 못하면, 그 윈도우는 예측에 대해 사용불가능하고 알고리즘은 윈도우를 1 단계(1 TAD) 향상시켜야만 한다.
Figure 112007066059434-PCT00017
여기서:
w는 1에서부터 NumWindows로 동작하는 측정 윈도우의 색인이고.
N은 윈도우당 TAD의 수로서, TAD 색인은 1에서부터 NumWindows + N-1로 동작한다.
"ifPOSITIVE" 연산자는 우측 괄호 안의 값이 양수이면, 그것은 합계에 더해질 것임을 나타낸다는 것을 명심하자. 값이 음수이면, 그것은 합계에 더해지지 않는다. 각각의 윈도우에 대한 CQI 값은, 주어진 윈도우로부터의 예측이 즉시 디스플레이되는 예측을 생성하는데 사용되도록 CQI 문턱치 이하여야만 한다.
3. 제3 품직 측정은 각 윈도우 내의 제1 TAD와 마지막 TAD 간의 차이로서 간단하게 계산되는 윈도우의 기울기(WindowSlope)이다. 이 값이 제한 기울기 문턱치(SlopeThreshlod)를 초과하면, 다음 윈도우를 선택하거나 최종 윈도우를 추정해야만 한다.
Figure 112007066059434-PCT00018
여기서 NumTADs는 윈도우 내의 TAD 샘플의 수이다.
윈도우 기울기(WindowSlope)는 104℉(40℃)와 같은 매우 높은 온도를 갖는 대상물의 경우에 매우 이롭다고 발켜졌다. 여러 경우, 이러한 환자의 체온 데이터 곡선은 초기에는 매우 높은 기울기를 갖고 프로세서는 대상물의 실제 온도보다 훨씬 높은 온도를 예측하게 할 수 있다. 윈도우 기울기 특징에 따라, 기울기가 너무 높으면(가능한 "뜨거운" 대상물을 나타냄), 프로세서는 다음 데이터 윈도우를 기다릴 것이다. 다음 데이터는 대상물의 온도 데이터가 더욱 점근적이게 시작하고 예측이 정확할 지점에 더욱 인접할 수 있다. 일 실시예에서, 윈도우가 즉시 예측에 대한 기준을 만족하지 않는 경우에, 일단 마지막 윈도우(LastWindow)에 도달하면, 대안적인 가능성이 제공된다. 최종 윈도우의 SSE가 문턱치 최종 윈도우 제곱합 문턱치(FinalWindowSumSquareThreshold에 비교된다. 이 기준을 만족하면, 최종 윈도우에 대하여 예측이 계산된다.
추정 프로세싱
추정을 생성하기 위해, 추정 윈도우는 필요한 TAD 샘플을 획득 및 생성함으로써 완료되어야만 한다. 다음 TAD 샘플은 맞춤 매개변수 A, B 및 C 및 성질 측정, SSE, CQI 및 WindowSlope을 결정하도록 프로세싱된다.
A 및 B는 LSE(least squares estimation methods)를 사용하여 결정되지만, 수학식 9의 비선형성 때문에, C 및 E는 C, E의 각각의 값에 대한 오차 제곱합을 계산하고 최소 오차 제곱합("SSE")을 생성하는 대응하는 A 및 B 값을 따라 C, E 값을 알아냄으로써 결정되어야만 한다. 그것은 특정 신체 부분에 대한 가능한 값의 유한 범위로부터 C, E를 선택하기에 충분하다는 것이 발견된다. 입과 직장은 충분히 유사하고 한 C, E 값의 범위를 사용하기에 비교적 높은 열전도율을 갖는다. 한편 낮은 평균 열전도율을 소유한 겨드랑이는 개별적이고 낮은 범위의 C, E 값을 사용한다. 일 실시예에서, A 및 B를 결정하기 위해, 3개의 고정된 상수 어레이가 C 값들 각각에 대해 구성되고 E는 1의 값으로 설정되고 변경불가능하다. 도 9는 본 발명의 A, B 및 C 매개변수의 결정을 나타낸다. 프로세서는 그것의 연관된 A 및 B 매개변수로 15개의 C 값의 각각을 선택하고 각각에 대한 오차 제곱합을 취한다. 최저 오차를 갖는 연관된 A 및 B 매개변수와 함께 C 값이 수학식 10에 사용되어 예측 온도를 계산한다.
도 9 및 10은 본 발명의 실시예에 따른 기술을 나타내는데, 여기서 모델 온도 곡선은 실제 온도 측정 데이터 지점에 정확하게 맞는다. 도 9에서, 다양한 곡선이 나타나있으며, 그들 모두는 도 10에 나타낸 실제 온도 측정 데이터 지점(126)에 적용된다. 도 10에서, 특정 매개변수 Ai, Bi 및 Ci를 갖는 모델 곡선(128)이 데이터 지점에 맞는 것이 나타나있다. 오차 e1 내지 e6, 즉, 데이터 지점과 모델 곡선 간의 차이가 결정되고 오차 제곱합이 취해진다. 일 실시예에서, 이 모델 곡선의 SSE가 최저이면, 그것은 이 측정의 온도 데이터에 대한 모델 곡선으로서 사용된다. 당업자들에게 잘 알려진 것과 같은 임의의 잘 알려진 LSE 루틴이 사용될 수 있다. 대안적인 실시예에서, 최소 SSE를 생성하는 C 중 2개의 값이 결정될 수 있다. 이 2개의 값으로부터, SSE가 계산되는 C의 중간값이 결정된다. SSE가 초기의 2개의 SSE 값 미만이면, 그것이 사용되거나 SSE가 수용가능한 문턱치 이하로 떨어 지거나 감소를 멈출 때까지 이 프로세스가 반복된다.
예측의 조직 접촉 탐지, 시작 및 재시작
총 예측 시간을 결정하는 목적을 위한 조직 접촉 탐지에 대한 시간 제한은 예측 이전 조직 접촉 문턱치 온도를 초과하기 위한 마지막 로우 온도 샘플(100ms)로서 정의된다. 이 샘플은 TC 샘플로서 참조될 것이다.
예측 시작 샘플(SOP)은 예측 시작 지연(PredictStartDelay) 샘플(로우 샘플)을 뒤따라 발생한다. TC를 뒤따르는 임의의 샘플이 조직 접촉 문턱치(TissueContactThreshold) 이하이면, TC 값은 재설정되고 예측이 보류되고 리셋되고 예측 시작 지연이 재시작된다. 따라서 SOP의 색인 값은 다음과 같이 정의된다:
Figure 112007066059434-PCT00019
도 8 및 11의 예에서, 제1 TC(120)이 조직 접촉 문턱치(112)보다 낮은 로우 온도(122) 때문에 리셋된다. 그 결과 최종 TC(124)는 연관된 관련 색인 = 1에 의해 발견된다. 샘플의 예측 시작 지연(PredictStartDelay)(118)을 뒤따라, 예측 시작(StartPrediction)(114) 샘플이 발생하고, 이 샘플은 제1 TAD의 제1 샘플이다.
조직 접촉 탐지의 손실
예측이 완료되기 이전에 소정의 지점에서 조직 접촉이 손실될 수 있다. 이 조건은, 현재 여유만큼 적은 최대 TAD 값이 발생할 때 탐지된다.
도 12는 예측 기술에 사용되는 온도 감지기에 대한 온도 응답의 그래프 선(130)의 다이어그램에 연결된 데이터 흐름 다이어그램을 제공한다. 그래프 선에서 점으로 나타낸 온도 샘플(132)은 이 실시예에서 각각 100밀리초 마다 취해진다. 간격(134) 동안, 가열기는 이 경우에는 94℉(34.4℃)인 조직 접촉 문턱치(136) 이하의 전형적으로 대략 1℉(
Figure 112007066059434-PCT00020
0.5℃)인 목표 예열 온도로 감지기의 온도를 끌어올린다. 조직 접촉 문턱치를 7번 여행한 그래프 선이 도 11에 나타나있다. 시작 지연(138)으로 인해, TAD 계산 프로세싱(140)은, 조직 접촉 문턱치를 7번(142)넘길 때까지 발생하지 않는다.
시작 지연 동작은, 샘플링된 온도가 예측 프로세싱이 개시되기 전에 적어도 간격(전형적으로 0.5초) 동안 조직-접촉-문턱치 이상으로 유지되어야만 한다고 요구함으로써 예측 프로세스의 조기 개시를 피한다. 이 조건이 만족되더라도, 샘플링된 온도는 조직-접촉-문턱치 이하고 떨어지면, 예측 프로세스는 중단되고, 샘플링은 샘플링된 온도가 전술된 조직-접촉-문턱치를 다시 초과하는 때 또는 초과하는지 여부를 결정한다. 샘플링된 온도가 1분 동안 조직-접촉-문턱치를 초과하지 않으면, 모드는 연관된 가청 통지와 함께 자동으로 계속 모니터링 상태로 이동하고 디스플레이 표시자로 바뀐다.
일단 샘플링된 데이터가 요구된 시간 동안 조직-접촉-문턱치를 초과하고, 온도 예측이 제1 윈도우로부터 행해질 수 없으면, 점선으로 나타낸 TAD 값은 제1 윈도우(144) 및 다음 윈도우 내에서 계산된다. "현재 윈도우로부터의 예측 온도"(146), SSE(148), CQI(150), FSSE(152), 최종 윈도우(154) 및 조직 접촉의 손실(156)의 기능은 모두 전술된 바와 같은 TAD 값으로부터 수행된다. 이들 기능에 대한 논리가 도 12에 나타나있다.
논리 AND 게이트(162)를 사용하여 현재 윈도우로부터의 예측이 사용 및 제시되는지 여부 또는 윈도우가 하나의 TAD 값만큼 향상되어야만 하는지 여부를 제어한다. 특히 논리 AND 게이트(162)의 결과가 참이어 현재 예측이 디스플레이되게 하기 위해 세 비교의 결과는 모두 참이어야만 한다. 3개의 입력이 다음과 같이 형성된다. SSE가 SSE 문턱치(160)에 비교되고(158), CQI가 CQI 문턱치(166)에 비교되고(164), 윈도우 기울기(168)가 윈도우 기울기 문턱치(172)에 비교된다(170). 3개의 비교 연산자(158, 164, 170)의 결과는 AND 게이트(162)의 입력에 제시된다.
최종 윈도우에 도달하면, 개별적인 규칙 세트를 적용하여 그 윈도우의 예측이 디스플레이되거나 계속 모니터링 상태로의 이동이 발생하는지 여부가 결정된다. 논리 AND 게이트(178)를 사용하여 최종 윈도우에 의해 생성된 예측의 전달 게이트(184)를 통한 사용자 디스플레이로의 전달이 제어된다. 특히 게이트(178)의 결과가 참이어 다음에 전달 게이트(184)가 예측을 디스플레이(196)에 전달하도록 허용하기 위해 2개의 비교의 결과는 모두 참이어야만 한다. 2개의 논리 입력은 다음과 같이 형성된다. FSSE(152)는 비교기(174)에 의해 FSSE 문턱치(176)에 대하여 테스트되고, 최종 윈도우 상태(154)가 참 또는 거짓인지 추정되고, 이 논리 신호는 또한 AND 게이트(178)에 송신된다.
몇몇 논리 조건은 장비의 동작 상태를 계속 모니터링 상태(188)로 이동하게 할 수 있다. 참일 때 논리 OR 게이트(186)는 계속 모니터링 상태(188)로 이동하게 한다. 이 입력은 AND 게이트(182)의 출력을 포함하며, 이는 다음에 2개의 논리 신 호(마지막 윈도우 논리(154)로부터의 하나, 비교기(174)의 변환된(180) 출력으로부터의 다른 하나)를 수신한다. 논리는 다음의 테스트를 구현한다: "FSSE가 FSSE 문턱치보다 크면 AND 마지막 윈도우가 예측을 위해 현재 사용되고 있으면, 계속 모니터링 상태로 이동".
논리 OR 게이트(186)로의 추가적인 입력은 탐침이 그것의 벽에서 분리되자마자 이상 초기 탐침 온도(190), 적절한 온도 증가(192)를 획득하기 위한 가열기 제어 논리의 무력 및 최종 윈도우로부터의 예측이 허용된 범위(194) 밖에 있다는 결정에 대해 체크하는 것을 포함하는 안정성 및 신뢰성 테스트를 포함한다.
또한 현재 윈도우(146)로부터 예측된 온도를 디스플레이(196) 상에 나타내기 위한 게이트(195)가 나타나있다. 그러나 이것이 행해질 수 있기 전에, SSE, CQI 및 윈도우 기울기가 모두 수용가능하다는 것을 나타내는 AND 게이트(162)로부터의 입력이 있어야만 한다. 다른 특징에서, AND 게이트(162)의 출력은 예측 윈도우 향상(Advance the Prediction Window)(200)에 신호를 제공하는 변환기(198)에 제공된다.
상기에 따라, 대상물의 온도를 정확하게 예측하기 위한 시스템 및 방법이 제공된다. 온도 데이터 곡선에 유사한 것은 사용되지 않는다. 대신, 실제 곡선을 온도 데이터 곡선에 맞추어 증가된 정확도를 결과로 낳는다. 비선형, 다수-매개변수 모델 곡선이 온도 측정 데이터에 맞춰진다. 다수의 매개변수를 특정한 온도 측정 데이터에 종속하여 선택함으로써, 모델 곡선을 직접 특정 온도 상황에 적용하여 그것을 매우 정확하게 한다. 가열기 영향, 매우 높은 온도를 가진 대상물 및 조직 접촉의 손실 등으로부터의 잘못 유도된 데이터의 사용을 피하기 위해 보호책이 제공된다. 제공된 접근방법은 제한된 프로세싱 전력을 갖는 프로세서에 의해 생성될 수 있지만, 평형상태 이전에 대상물의 온도의 정확한 예측을 제공할 수 있다.
본 발명의 몇몇의 형태가 예시 및 설명됐으며, 본 발명의 취지 및 영역으로부터 벗어나지 않는 다양한 수정이 행해질 수 있다는 것이 자명해질 것이다. 따라서, 본 발명은 첨부된 청구항 이외의 것에 의해서는 제한되지 않는다.

Claims (38)

  1. 대상물의 온도를 결정하기 위한 온도계에 있어서,
    상기 대상물의 온도를 감지하는 것에 응답하여 온도 신호들을 제공하는 감지기로서, 상기 온도 신호들은 시간에 따라 가변적인, 상기 감지기; 및
    프로세서를 포함하고,
    상기 프로세서는,
    상기 온도 신호들을 모니터링하고;
    가변적인 모양, 비선형성, 다수-매개변수 모델 온도 곡선을 상기 모니터링된 온도 신호들에 적용하고;
    상기 모델 온도 곡선을 상기 모니터링된 온도 신호들에 비교하고;
    상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이가 문턱치를 초과하지 않으면, 상기 모델 곡선에 기초하여 상기 대상물의 온도를 예측하도록 구성된, 대상물 온도 결정 온도계.
  2. 제1항에 있어서,
    상기 프로세서는 오차 제곱합을 통해 상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이를 결정하도록 더욱 구성된, 대상물 온도 결정 온도계.
  3. 제1항에 있어서,
    상기 모델 온도 곡선을 적용할 때의 상기 프로세서의 구성은,
    Figure 112007066059434-PCT00021
    을 포함하고,
    여기서,
    Tfit(nㆍτ)는 특정 시간 t=nㆍτ에서의 온도의 추정(℉)이고;
    n은 "예측 시작(Prediction Start)"에 대한 조건을 만족하는 제1 샘플에서 0으로 초기화된 정수 샘플 색인이고;
    τ는 샘플당 초의 수(초)이고;
    A는 "오프셋" 매개변수(℉ 또는 ℃)이고;
    B는 "폭" 또는 "범위" 매개변수(℉ 또는 ℃)이고;
    C는 "곡률" 또는 "평형상태의 속도" 매개변수(초-1)이고;
    E는 상기 모델 곡선의 곡률을 비선형 수정하여 그것이 상기 온도 데이터의 곡선에 더욱 잘 맞게 하는데 사용될 수 있는 "시간 왜곡" 인자(단위 없음)인, 대상물 온도 결정 온도계.
  4. 제3항에 있어서,
    상기 프로세서는 오차 제곱합에 의해 상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이를 결정하고, 상기 매개변수들 중 하나 이상을 선택하는데 상기 오차 제곱합을 사용하도록 더 구성된, 대상물 온도 결정 온도계.
  5. 제4항에 있어서,
    상기 프로세서는 C 및 E 매개변수들이 주어진 A 및 B 매개변수들을 선택할 때 상기 오차 제곱합을 사용하는, 대상물 온도 결정 온도계.
  6. 제3항에 있어서,
    상기 프로세서는 오차 제곱합에 의해 상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이를 결정하고, 상기 선택가능한 매개변수들 모두의 값들을 선택하는데 상기 오차 제곱합을 사용하도록 더 구성된, 대상물 온도 결정 온도계.
  7. 제1항에 있어서,
    상기 프로세서는,
    제1 시간 프레임 동안 상기 온도 신호들을 모니터링하고; 및
    상기 모니터링된 온도 신호들에 대한 상기 모델 온도 곡선의 비교가 상기 문턱치를 초과하는 차이를 나타내는 경우, 상기 온도 신호들을 모니터링하기 위한 제2 시간 프레임을 선택하는, 대상물 온도 결정 온도계.
  8. 제7항에 있어서,
    상기 프로세서는 상기 제1 시간 프레임을 오버랩하도록 상기 제2 시간 프레임을 선택하도록 더 구성된, 대상물 온도 결정 온도계.
  9. 제7항에 있어서,
    상기 프로세서는 상기 제1 시간 프레임을 오버랩하지 않도록 상기 제2 시간 프레임을 선택하도록 더 구성된, 대상물 온도 결정 온도계.
  10. 제1항에 있어서,
    상기 프로세서는 상기 비선형 곡선 맞춤을 미리 결정된 무결성 기준(integrity criterion)에 비교하도록 더 구성되고, 상기 곡선 맞춤으로부터 예측된 온도가 상기 무결성 기준을 불만족하면, 상기 프로세서는 상기 대상물의 온도 예측에서 상기 모니터링된 온도 데이터를 배제하는, 대상물 온도 결정 온도계.
  11. 제1항에 있어서,
    상기 프로세서는 상기 모니터링된 온도 데이터의 특성을 무결성 기준에 비교하도록 더 구성되고, 상기 모니터링된 온도 데이터의 임의의 특성이 상기 무결성 기준을 불만족하면, 상기 프로세서는 상기 대상물의 온도를 예측하는데 상기 모니터링된 온도 데이터를 이용하지 않는, 대상물 온도 결정 온도계.
  12. 제11항에 있어서,
    상기 무결성 기준 중 하나는 상기 모니터링된 온도 데이터의 곡률 성질을 포함하는, 대상물 온도 결정 온도계.
  13. 제12항에 있어서,
    상기 곡률 성질은 아래로 오목하지 않은 온도의 추정에 사용되는 것이 고려되는 상기 실제 온도 측정 데이터에 기초하여 곡선부의 존재에 의해 결정되는, 대상물 온도 결정 온도계.
  14. 제11항에 있어서,
    상기 무결성 기준 중 하나는 상기 모니터링된 온도 데이터의 기울기 제한을 포함하는, 대상 온도 결정 온도계.
  15. 제14항에 있어서,
    상기 기울기 제한은 최대 기울기 제한을 포함하는, 대상 온도 결정 온도계.
  16. 제1항에 있어서,
    상기 프로세서는 상기 모니터링된 온도 신호의 곡률 성질을 곡률 성질 문턱치에 비교하도록 더 구성되고, 상기 곡률 성질이 상기 곡률 성질 문턱치를 초과하면, 상기 프로세서는 상기 곡률 성질 비교에 대한 기초를 형성하는 상기 데이터에 기초하여서는 상기 대상물의 온도를 예측하지 않는, 대상 온도 결정 온도계.
  17. 제1항에 있어서,
    상기 프로세서는 상기 모니터링된 온도 신호들의 기울기를 기울기 문턱치에 비교하도록 더욱 구성되고, 상기 기울기가 상기 기울기 문턱치를 초과하면, 상기 프로세서는 상기 기울기 비교에 대한 기초를 형성하는 상기 데이터에 기초하여서는 상기 대상물의 온도를 예측하지 않는, 대상 온도 결정 온도계.
  18. 제1항에 있어서,
    상기 프로세서에 의해 사용되는 상기 비선형 모델에 대한 상기 다수의 매개변수들 중 하나는 곡률지수인, 대상 온도 결정 온도계.
  19. 제18항에 있어서,
    상기 곡률지수는 측정 부분에 적절한 값들의 패밀리(family)에 제한되는, 대상 온도 결정 온도계.
  20. 대상물의 온도를 결정하기 위한 방법에 있어서,
    상기 대상물의 온도를 감지하는 단계;
    상기 감지하는 단계에 기초하여 온도 신호들을 제공하는 단계로서, 상기 온도 신호들은 시간에 따라 가변적인, 상기 온도 신호 제공 단계;
    상기 온도 신호들을 모니터링하는 단계;
    가변적인 모양, 비선형성, 다수-매개변수 모델 온도 곡선을 상기 모니터링된 온도 신호들에 적용하는 단계;
    상기 모델 온도 곡선을 상기 모니터링된 온도 신호들에 비교하는 단계; 및
    상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이가 문턱치를 초과하지 않으면, 상기 모델 곡선에 기초하여 상기 대상물의 온도를 예측하는 단계
    를 포함하는, 대상물 온도 결정 방법.
  21. 제20항에 있어서,
    오차 제곱합을 통해 상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이를 결정하는 단계를 더 포함하는, 대상물 온도 결정 방법.
  22. 제20항에 있어서,
    상기 모델 온도 곡선을 적용하는 단계는,
    Figure 112007066059434-PCT00022
    을 포함하고,
    여기서,
    Tfit(nㆍτ)는 특정 시간 t=nㆍτ에서의 온도의 추정(℉)이고;
    n은 "예측 시작"에 대한 조건을 만족하는 제1 샘플에서 0으로 초기화된 정수 샘플 색인이고;
    τ는 샘플당 초의 수(초)이고;
    A는 "오프셋" 매개변수(℉ 또는 ℃)이고;
    B는 "폭" 또는 "범위" 매개변수(℉ 또는 ℃)이고;
    C는 "곡률" 또는 "평형상태의 속도" 매개변수(초-1)이고;
    E는 상기 모델 곡선의 곡률을 비선형 수정하여 그것이 상기 온도 데이터의 곡선에 더욱 잘 맞게 하는데 사용될 수 있는 "시간 왜곡" 인자(단위 없음)인, 대상물 온도 결정 방법.
  23. 제22항에 있어서,
    상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이를 결정하는 단계는 오차 제곱합을 취하고, 상기 매개변수들 중 하나 이상을 선택할 때 상기 오차 제곱합을 이용하는 단계를 포함하는, 대상물 온도 결정 방법.
  24. 제23항에 있어서,
    C 및 E 매개변수들이 주어진 A 및 B 매개변수들을 선택할 때 상기 오차 제곱합을 이용하는 단계를 더 포함하는, 대상물 온도 결정 방법.
  25. 제22항에 있어서,
    오차 제곱합에 의해 상기 모델 온도 곡선과 상기 모니터링된 온도 신호들 간의 차이를 결정하고 상기 선택가능한 매개변수들 모두의 값들을 선택하는데 상기 오차 제곱합을 이용하는 단계를 더 포함하는, 대상물 온도 결정 방법.
  26. 제20항에 있어서,
    제1 시간 프레임 동안 상기 온도 신호들을 모니터링하는 단계; 및
    상기 모니터링된 온도 신호들에 대한 상기 모델 온도 곡선의 비교가 상기 문턱치를 초과하는 차이를 나타내는 경우, 상기 온도 신호들을 모니터링하기 위한 제2 시간 프레임을 선택하는 단계
    를 더 포함하는, 대상물 온도 결정 방법.
  27. 제26항에 있어서,
    제2 시간 프레임을 선택하는 단계는 상기 제1 시간 프레임을 오버랩하도록 상기 제2 시간 프레임을 선택하는 단계를 포함하는, 대상물 온도 결정 온도계.
  28. 제26항에 있어서,
    상기 제2 시간 프레임을 선택하는 단계는 상기 제1 시간 프레임을 오버랩하지 않도록 상기 제2 시간 프레임을 선택하는 단계를 포함하는, 대상물 온도 결정 방법.
  29. 제20항에 있어서,
    상기 비선형 곡선 맞춤을 미리 결정된 무결성 기준에 비교하고, 상기 곡선 맞춤으로부터 예측된 온도가 상기 무결성 기준을 불만족하면, 상기 대상물의 온도 예측에서 상기 모니터링된 온도 데이터를 배제하는 단계를 더 포함하는, 대상물 온도 결정 방법.
  30. 제20항에 있어서,
    상기 모니터링된 온도 데이터의 특성을 무결성 기준에 비교하고, 상기 모니터링된 온도 데이터의 임의의 특성이 상기 무결성 기준을 불만족하면, 상기 대상물의 온도의 예측으로부터 상기 모니터링된 온도 데이터를 배제하는 단계를 더 포함하는, 대상물 온도 결정 방법.
  31. 제30항에 있어서,
    상기 무결성 기준 중 하나는 상기 모니터링된 온도 데이터의 곡률 성질을 포함하는, 대상물 온도 결정 방법.
  32. 제31항에 있어서,
    상기 곡률 성질은 아래로 오목하지 않은 온도의 추정에 사용되는 것이 고려되는 상기 실제 온도 측정 데이터에 기초하여 곡선부의 존재에 의해 결정되는. 대상물 온도 결정 방법.
  33. 제30항에 있어서,
    상기 무결성 기준 중 하나는 상기 모니터링된 온도 데이터의 기울기 제한을 포함하는, 대상 온도 결정 방법.
  34. 제33항에 있어서,
    상기 기울기 제한은 최대 기울기 제한을 포함하는, 대상 온도 결정 방법.
  35. 제20항에 있어서,
    상기 모니터링된 온도 신호의 곡률 성질을 곡률 성질 문턱치에 비교하고, 상기 곡률 성질이 상기 곡률 성질 문턱치를 초과하면, 상기 곡률 성질 비교에 대한 기초를 형성하는 상기 데이터에 기초하여서는 상기 대상물의 온도를 예측하지 않는 단계를 더 포함하는, 대상 온도 결정 방법.
  36. 제20항에 있어서,
    상기 모니터링된 온도 신호들의 기울기를 기울기 문턱치에 비교하고, 상기 기울기가 상기 기울기 문턱치를 초과하면, 상기 기울기 비교에 대한 기초를 형성하는 상기 데이터에 기초하여서는 상기 대상물의 온도를 예측하지 않는 단계를 더 포함하는, 대상 온도 결정 방법.
  37. 제20항에 있어서,
    가변적인 모양, 비선형성, 다수-매개변수 모델 온도 곡선을 적용하는 단계는 상기 비선형 모델에 대한 상기 다수의 매개변수 중 하나로서 곡률지수를 선택하는 단계를 포함하는, 대상 온도 결정 방법.
  38. 제37항에 있어서,
    상기 곡률지수는 측정 부분에 적절한 값들의 패밀리에 제한되는, 대상 온도 결정 방법.
KR1020077020858A 2005-04-01 2006-03-24 온도 예측 시스템 및 방법 KR20080002761A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/097,725 2005-04-01
US11/097,725 US7318004B2 (en) 2005-04-01 2005-04-01 Temperature prediction system and method

Publications (1)

Publication Number Publication Date
KR20080002761A true KR20080002761A (ko) 2008-01-04

Family

ID=36603302

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077020858A KR20080002761A (ko) 2005-04-01 2006-03-24 온도 예측 시스템 및 방법

Country Status (13)

Country Link
US (1) US7318004B2 (ko)
EP (1) EP1864098B1 (ko)
JP (2) JP5001257B2 (ko)
KR (1) KR20080002761A (ko)
CN (1) CN101124464B (ko)
AU (1) AU2006232933B2 (ko)
BR (1) BRPI0609586B1 (ko)
CA (1) CA2602530C (ko)
NO (1) NO20073724L (ko)
NZ (1) NZ556524A (ko)
RU (1) RU2413187C2 (ko)
WO (1) WO2006107630A1 (ko)
ZA (1) ZA200706787B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011081825A3 (en) * 2009-12-31 2011-11-17 Welch Allyn, Inc. Temperature-measurement probe

Families Citing this family (93)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7347621B2 (en) * 2004-07-16 2008-03-25 International Business Machines Corporation Method and system for real-time estimation and prediction of the thermal state of a microprocessor unit
JP4774409B2 (ja) * 2004-12-16 2011-09-14 アトランティック ビジネス センター オブ エクセレンス アンド コマーシャライゼイション オブ イノベーション リミテッド 材料をモニタする方法及び装置
JP4702781B2 (ja) * 2005-03-29 2011-06-15 シチズンホールディングス株式会社 電子体温計
JP4949649B2 (ja) * 2005-07-12 2012-06-13 テルモ株式会社 電子体温計及びその制御方法
US20070116089A1 (en) * 2005-11-22 2007-05-24 Sherwood Services Ag Electronic thermometer with progress indicator
GB2462218A (en) * 2006-03-10 2010-02-03 Neurotech Res Pty Ltd Subject modelling
CN101055300B (zh) * 2006-04-14 2010-08-25 鸿富锦精密工业（深圳）有限公司 电阻测量方法
US7507019B2 (en) * 2006-05-19 2009-03-24 Covidien Ag Thermometer calibration
GB0617451D0 (ko) 2006-09-05 2006-10-18 Medical Prediction Ltd
US7549792B2 (en) * 2006-10-06 2009-06-23 Covidien Ag Electronic thermometer with selectable modes
ATE470005T1 (de) * 2006-11-10 2010-06-15 Johnson Diversey Inc Sensorvorrichtung und verfahren
EP1988375A1 (en) * 2007-05-03 2008-11-05 Renishaw plc Method and apparatus for rapid temperature measurement
US8047712B1 (en) * 2007-07-26 2011-11-01 Lockheed Martin Corporation Method and apparatus for predicting steady state temperature of solid state devices
CN101435727B (zh) * 2007-11-12 2011-01-26 深圳迈瑞生物医疗电子股份有限公司 温度预测方法及装置
US20090292212A1 (en) * 2008-05-20 2009-11-26 Searete Llc, A Limited Corporation Of The State Of Delaware Circulatory monitoring systems and methods
US8636670B2 (en) 2008-05-13 2014-01-28 The Invention Science Fund I, Llc Circulatory monitoring systems and methods
US20090287093A1 (en) * 2008-05-15 2009-11-19 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Circulatory monitoring systems and methods
US20090287094A1 (en) * 2008-05-15 2009-11-19 Seacrete Llc, A Limited Liability Corporation Of The State Of Delaware Circulatory monitoring systems and methods
US20090287109A1 (en) * 2008-05-14 2009-11-19 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Circulatory monitoring systems and methods
US20090287101A1 (en) * 2008-05-13 2009-11-19 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Circulatory monitoring systems and methods
US20090287191A1 (en) * 2007-12-18 2009-11-19 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Circulatory monitoring systems and methods
US9717896B2 (en) 2007-12-18 2017-08-01 Gearbox, Llc Treatment indications informed by a priori implant information
US20090287120A1 (en) * 2007-12-18 2009-11-19 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Circulatory monitoring systems and methods
US8315746B2 (en) * 2008-05-30 2012-11-20 Apple Inc. Thermal management techniques in an electronic device
US8306772B2 (en) 2008-10-13 2012-11-06 Apple Inc. Method for estimating temperature at a critical point
FR2939508B1 (fr) * 2008-12-09 2011-01-07 Snecma Procede et systeme de correction d'un signal de mesure d'une temperature.
US8136983B2 (en) * 2009-01-01 2012-03-20 Mahmoud Razzaghi Sensor and control system
WO2010120362A1 (en) * 2009-04-15 2010-10-21 Arizant Healthcare Inc. Deep tissue temperature probe constructions
EP2419006B1 (en) * 2009-04-15 2015-09-30 3M Innovative Properties Company Deep tissue temperature probe constructions
US8380451B2 (en) * 2009-07-14 2013-02-19 Ford Global Technologies, Llc System and method for monitoring the state of health of a power electronic system
US20110043368A1 (en) * 2009-08-20 2011-02-24 Hsueh-Yu Lu Thermometer
US8226294B2 (en) * 2009-08-31 2012-07-24 Arizant Healthcare Inc. Flexible deep tissue temperature measurement devices
US8392141B2 (en) * 2009-11-02 2013-03-05 Rosemount Aerospace Inc. Total air temperature probe and method for reducing de-icing/anti-icing heater error
US8301408B2 (en) * 2010-03-09 2012-10-30 Invensys Systems, Inc. Temperature prediction transmitter
US8292495B2 (en) 2010-04-07 2012-10-23 Arizant Healthcare Inc. Zero-heat-flux, deep tissue temperature measurement devices with thermal sensor calibration
US8292502B2 (en) 2010-04-07 2012-10-23 Arizant Healthcare Inc. Constructions for zero-heat-flux, deep tissue temperature measurement devices
US9420952B2 (en) 2010-07-27 2016-08-23 Carefusion 303, Inc. Temperature probe suitable for axillary reading
US8814792B2 (en) 2010-07-27 2014-08-26 Carefusion 303, Inc. System and method for storing and forwarding data from a vital-signs monitor
US9585620B2 (en) 2010-07-27 2017-03-07 Carefusion 303, Inc. Vital-signs patch having a flexible attachment to electrodes
US9615792B2 (en) 2010-07-27 2017-04-11 Carefusion 303, Inc. System and method for conserving battery power in a patient monitoring system
US9357929B2 (en) 2010-07-27 2016-06-07 Carefusion 303, Inc. System and method for monitoring body temperature of a person
US9055925B2 (en) 2010-07-27 2015-06-16 Carefusion 303, Inc. System and method for reducing false alarms associated with vital-signs monitoring
US9017255B2 (en) 2010-07-27 2015-04-28 Carefusion 303, Inc. System and method for saving battery power in a patient monitoring system
CN102095526B (zh) * 2011-01-30 2012-07-25 中南大学 一种基于烧结热量损失计算的环冷机烟气温度预测方法
US8727607B2 (en) * 2011-04-25 2014-05-20 Ultra Electronics Limited Method of calibrating a heater system
US9354122B2 (en) 2011-05-10 2016-05-31 3M Innovative Properties Company Zero-heat-flux, deep tissue temperature measurement system
CN102288316B (zh) * 2011-08-29 2014-02-12 杭州鸿程科技有限公司 数字式变压器绕组温度测量装置
JP5749806B2 (ja) * 2011-11-01 2015-07-15 パナソニックヘルスケアホールディングス株式会社 生体試料測定装置
DK2833783T4 (da) 2012-04-02 2020-10-19 Podimetrics Inc Fremgangsmåde og anordning til indikation af forekomst af begyndende, åbent sår og dets progression
US9846086B1 (en) * 2012-11-09 2017-12-19 Startrak Systems Llc System and method for time-temperature monitoring of transportable goods
CN103234647B (zh) * 2013-04-16 2015-04-08 广东欧珀移动通信有限公司 一种嵌入式系统的温度校准方法及系统
DE102014117693A1 (de) * 2013-12-06 2015-06-11 Topinox Sarl Verfahren zum Erkennen eines Einflusses von Mikrowellen auf einen Messwert eines Temperatursensors, Gargerät sowie Kerntemperaturfühler
US9468485B2 (en) 2013-12-12 2016-10-18 Medtronic Cryocath Lp Real-time lesion formation assessment
US10018514B2 (en) * 2014-02-17 2018-07-10 Haier Us Appliance Solutions, Inc. Cooktop temperature sensors and methods of operation
JP6689204B2 (ja) 2014-03-21 2020-04-28 ポディメトリクス インコーポレイテッドＰｏｄｉｍｅｔｒｉｃｓ， Ｉｎｃ． 足の炎症をモニタリングする方法および装置
CN103884439B (zh) * 2014-04-16 2017-08-04 中磊电子（苏州）有限公司 电子装置及应用该装置的检测环境温度的方法
US20150300888A1 (en) * 2014-04-21 2015-10-22 National Taiwan University Temperature prediction system and method thereof
AU2015283818B2 (en) 2014-06-30 2018-02-15 Evolving Machine Intelligence Pty Ltd A system and method for modelling system behaviour
US20170348138A1 (en) * 2014-12-19 2017-12-07 Coloplast A/S A System and a Method for Anal and/or Stomal Irrigation
WO2016095929A1 (en) 2014-12-19 2016-06-23 Coloplast A/S A system for anal and/or stomal irrigation and a method for controlling such a system
BR112017012478A2 (pt) * 2014-12-19 2018-02-27 Coloplast A/S sistema para irrigação anal ou estomal, e, método para prever uma temperatura de um líquido de irrigação em um reservatório de um sistema para irrigação anal ou estomal.
CN104460469B (zh) * 2014-12-25 2017-07-28 歌尔股份有限公司 一种环境传感器和一种环境参数测量和预测方法
CN104914850B (zh) * 2015-05-20 2017-07-28 浙江大学 基于切换线性动态系统模型的工业过程故障诊断方法
US20170068261A1 (en) * 2015-09-08 2017-03-09 Mediatek Inc. Adaptive Thermal Slope Control
JP2018536472A (ja) 2015-11-06 2018-12-13 ポディメトリクス インコーポレイテッドＰｏｄｉｍｅｔｒｉｃｓ， Ｉｎｃ． 潰瘍または潰瘍前病変を検出するためのフットウェアシステム
CN105371968B (zh) * 2015-11-20 2018-03-23 广州视源电子科技股份有限公司 电子温度计控制方法及其装置
CN105286812B (zh) * 2015-12-02 2018-04-20 广东宝莱特医用科技股份有限公司 一种体温测量方法和装置
WO2017101954A1 (en) * 2015-12-17 2017-06-22 Coloplast A/S Emergency stop for a system and a method for anal and/or stomal irrigation
US11366027B2 (en) * 2015-12-21 2022-06-21 Koninklijke Philips N.V. Method of predicting a stabilization temperature of a heat-flow sensor
CN105867471B (zh) * 2016-04-28 2018-02-27 珠海格力电器股份有限公司 温控式水加热设备的控制方法、装置和温控式水加热设备
CN106037676B (zh) * 2016-05-19 2018-11-27 广州视源电子科技股份有限公司 体温测量方法和装置
US11480356B2 (en) * 2017-12-11 2022-10-25 Johnson Controls Tyco IP Holdings LLP Thermostat with startup temperature estimation
CN110276044B (zh) * 2018-03-13 2023-06-20 浙江智柔科技有限公司 体温预测方法及采用该体温预测方法预测体温的体温计
CN108613755B (zh) * 2018-05-09 2020-09-18 威特龙消防安全集团股份公司 一种煤堆高温点预测系统及预测方法
CN108873970B (zh) * 2018-06-29 2024-05-24 深圳市捷汇多科技有限公司 一种炉温监控系统、设备及方法
EP3623782B1 (en) * 2018-09-14 2021-11-10 Landis+Gyr AG Electricity meter thermal performance monitoring
CN109283955B (zh) * 2018-09-20 2021-01-29 广东美的暖通设备有限公司 温度采样的控制方法及家用电器
CN109489859A (zh) * 2018-09-25 2019-03-19 维灵（杭州）信息技术有限公司 一种用于电子体温设备显示温度的预测算法
EP3866675A4 (en) 2018-10-15 2022-07-06 Podimetrics, Inc. IPSILATERAL ULCER AND METHODS AND DEVICE FOR DETECTING PRE-ULCERATIONS
CN109738079B (zh) * 2019-01-28 2022-02-08 四川汉尔医疗科技有限公司 一种多探头表面温度精准预测方法
CN110594955B (zh) * 2019-09-18 2021-06-22 宁波奥克斯电气股份有限公司 一种空调自修复的控制方法及控制装置和空调
CN110823405B (zh) * 2019-10-17 2020-12-01 五邑大学 一种温度传感器的温度标定方法
CN111442855A (zh) * 2020-04-07 2020-07-24 珠海格力电器股份有限公司 一种温度检测装置、功率模块及其温度检测方法
CN111623895B (zh) * 2020-06-30 2021-11-23 上海申矽凌微电子科技有限公司 一种体温测量装置
CN112327133A (zh) * 2020-10-20 2021-02-05 南京尚孚电子电路有限公司 一种用于铝基电路板的高温散热测试系统及其测试方法
CN112475248B (zh) * 2020-12-01 2022-01-25 内蒙古科技大学 连铸多流中间包钢水出口温度预测方法、装置和终端设备
CN114689199B (zh) * 2020-12-29 2023-06-02 华润微集成电路(无锡)有限公司 实现温度补偿的预测型电子体温计电路结构
CN113340937B (zh) * 2021-05-10 2022-05-13 武汉深维鼎测科技有限公司 基于氧弹式量热仪的热值快速测量方法及系统
CN113567004B (zh) * 2021-07-23 2024-02-09 巨翊科技（上海）有限公司 一种双探头预测温度的方法及系统
CA3238042A1 (en) 2021-12-06 2023-06-15 Podimetrics, Inc. Apparatus and method of measuring blood flow in the foot
CN115359610A (zh) * 2022-07-04 2022-11-18 珠海派诺科技股份有限公司 一种测温式电气火灾监测方法、设备、存储介质
CN116090340B (zh) * 2022-12-30 2023-09-12 朗坤智慧科技股份有限公司 一种基于数据分析的热工控制时间延迟估计方法
CN115952700B (zh) * 2023-03-15 2023-05-26 江西飞尚科技有限公司 一种温度关联数据补偿方法、系统、计算机及存储介质

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4161880A (en) 1978-01-05 1979-07-24 Electromedics, Inc. Linearized digital thermometer
US4232682A (en) 1978-08-21 1980-11-11 United States Surgical Corporation Physiological parameter measuring system
US4464067A (en) 1982-01-22 1984-08-07 Citizen Watch Company Limited Thermistor frequency controlled electronic thermometer
JPS58225326A (ja) * 1982-06-24 1983-12-27 Terumo Corp 電子体温計
US4592000A (en) * 1982-06-24 1986-05-27 Terumo Corporation Electronic clinical thermometer, and method of measuring body temperature
JPS61108936A (ja) * 1984-11-01 1986-05-27 Matsushita Electric Ind Co Ltd 体温計
US4727500A (en) 1985-05-01 1988-02-23 Sherwood Medical Company Electronic thermometer with fixed response time
EP0232899A1 (en) 1986-02-10 1987-08-19 Omron Tateisi Electronics Co. Electronic thermometer
JPH0625700B2 (ja) 1986-03-04 1994-04-06 テルモ株式会社 電子体温計
JPS6340825A (ja) 1986-08-07 1988-02-22 Terumo Corp 電子体温計
GB2197724B (en) 1986-11-05 1990-12-19 Citizen Watch Co Ltd Predictive operation type electronic clinical thermometer
JPH0795004B2 (ja) 1986-12-24 1995-10-11 テルモ株式会社 生体の温度測定装置
JPS63262532A (ja) * 1987-04-21 1988-10-28 Citizen Watch Co Ltd 予測演算型電子体温計
JPH07111383B2 (ja) 1989-10-05 1995-11-29 テルモ株式会社 平衡温度の検出方法及び電子体温計
US5259389A (en) 1990-10-24 1993-11-09 Terumo Kabushiki Kaisha Electronic clincal thermometer
JPH04104629U (ja) * 1991-02-15 1992-09-09 ソニー株式会社 光源装置
US5638418A (en) 1993-02-05 1997-06-10 Dallas Semiconductor Corporation Temperature detector systems and methods
US5392031A (en) 1992-03-17 1995-02-21 Terumo Kabushiki Kaisha Electronic clinical thermometer
US5632555A (en) 1994-09-09 1997-05-27 Diatek, L.P. Medical thermometer
US5727500A (en) * 1996-04-08 1998-03-17 Conboy; Meg Leash-mounted storage device
US6056435A (en) 1997-06-24 2000-05-02 Exergen Corporation Ambient and perfusion normalized temperature detector
CN1233750A (zh) * 1998-04-30 1999-11-03 陈敬弘 一种快速测量的电子体温计
US6270252B1 (en) * 1999-05-18 2001-08-07 Alaris Medical Systems, Inc. Predictive temperature measurement system
JP2002022552A (ja) * 2000-07-11 2002-01-23 Toshiba Corp 測定データの整定推定方法
EP1342060B1 (en) 2000-12-12 2016-04-13 Mini-Mitter Company, Inc Digital sensor for miniature medical thermometer, and body temperature monitor

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011081825A3 (en) * 2009-12-31 2011-11-17 Welch Allyn, Inc. Temperature-measurement probe
AU2010337180B2 (en) * 2009-12-31 2014-05-01 Welch Allyn, Inc. Temperature-measurement probe
US8794829B2 (en) 2009-12-31 2014-08-05 Welch Allyn, Inc. Temperature-measurement probe
US9719862B2 (en) 2009-12-31 2017-08-01 Welch Allyn, Inc. Temperature-measurement probe
US10054498B2 (en) 2009-12-31 2018-08-21 Welch Allyn, Inc. Temperature-measurement probe

Also Published As

Publication number Publication date
EP1864098A1 (en) 2007-12-12
JP2008534967A (ja) 2008-08-28
NZ556524A (en) 2011-01-28
US20060224349A1 (en) 2006-10-05
JP5001257B2 (ja) 2012-08-15
RU2007140372A (ru) 2009-05-10
JP2012022010A (ja) 2012-02-02
CN101124464A (zh) 2008-02-13
ZA200706787B (en) 2008-10-29
CN101124464B (zh) 2010-09-15
EP1864098B1 (en) 2017-01-18
CA2602530C (en) 2014-09-30
WO2006107630A1 (en) 2006-10-12
AU2006232933B2 (en) 2011-11-10
BRPI0609586B1 (pt) 2018-02-06
AU2006232933A1 (en) 2006-10-12
RU2413187C2 (ru) 2011-02-27
NO20073724L (no) 2007-12-20
CA2602530A1 (en) 2006-10-12
US7318004B2 (en) 2008-01-08
BRPI0609586A2 (pt) 2010-04-20

Similar Documents

Publication Publication Date Title
KR20080002761A (ko) 온도 예측 시스템 및 방법
US5738441A (en) Electronic clinical predictive thermometer using logarithm for temperature prediction
EP1183508B1 (en) Predictive temperature measurement system
US20070116089A1 (en) Electronic thermometer with progress indicator
EP2005131B1 (en) Improved digital thermometer
JP2009236624A (ja) 生体の深部温度測定装置
AU2011236062B2 (en) Temperature Prediction System and Method
JPS62192625A (ja) 電子体温計

Legal Events

Date Code Title Description
A201 Request for examination
E601 Decision to refuse application
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20130628

Effective date: 20140820