TWI667995B - 監督慢性疾病之方法及設備 - Google Patents

監督慢性疾病之方法及設備 Download PDF

Info

Publication number
TWI667995B
TWI667995B TW104116606A TW104116606A TWI667995B TW I667995 B TWI667995 B TW I667995B TW 104116606 A TW104116606 A TW 104116606A TW 104116606 A TW104116606 A TW 104116606A TW I667995 B TWI667995 B TW I667995B
Authority
TW
Taiwan
Prior art keywords
respiratory
patient
chronic disease
phase
supervised
Prior art date
Application number
TW104116606A
Other languages
English (en)
Other versions
TW201618715A (zh
Inventor
法埃真 札非德
史蒂分 保羅 法洛吉
Original Assignee
愛爾蘭商瑞思邁感測技術有限公司
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
Priority claimed from AU2014901975A external-priority patent/AU2014901975A0/en
Application filed by 愛爾蘭商瑞思邁感測技術有限公司 filed Critical 愛爾蘭商瑞思邁感測技術有限公司
Publication of TW201618715A publication Critical patent/TW201618715A/zh
Application granted granted Critical
Publication of TWI667995B publication Critical patent/TWI667995B/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/087—Measuring breath flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0057—Pumps therefor
    • A61M16/0066—Blowers or centrifugal pumps
    • A61M16/0069—Blowers or centrifugal pumps the speed thereof being controlled by respiratory parameters, e.g. by inhalation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/63—Motion, e.g. physical activity

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Emergency Medicine (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本發明揭示一種監督患者慢性疾病狀態之方法及設備。該方法可包括：利用一處理器，針對複數個監督階段之每一者，在該監督階段期間從指示患者呼吸的呼吸信號萃取一呼吸特徵，該呼吸信號是源自至少一感測器；及利用一處理器，計算一監督階段之患者的穩定性測量，該穩定性測量代表一變化點已發生在該呼吸特徵的統計分佈中的該監督階段之指示。

Description

監督慢性疾病之方法及設備
本技術有關檢測、診斷、治療、預防及改善慢性疾病之一或多者。更具體地，本技術有關醫療裝置或設備、及其使用。
相關申請案的交互參照
本申請案主張於2014年5月26日申請的第2014901975號的澳洲臨時專利申請案，其整個內容在此併入本文供參考。 人類呼吸系統及其障礙
身體之呼吸器官系統可促進氣體交換。鼻子與嘴部形成患者呼吸道入口。
呼吸道包括一系列的分支管，當分支管穿透更深入肺部時，會變成較窄、較短且更多。肺部的主要功能為氣體交換，允許氧從空氣進入靜脈血及排出二氧化碳。氣管分成右與左主支氣管，最後進一步分成末端細支氣管。支氣管構成傳導呼吸道，且不參與氣體交換。呼吸道的進一步分支造成呼吸細支氣管，且最終至肺泡。肺部之肺泡區域為發生氣體交換，且稱為呼吸區。請參見2011年第9版，出版社Lippincott Williams & Wilkins，作者魏斯特(John B. West)先生的《呼吸生理學》。
多種呼吸障礙存在人體。特定障礙特徵具有特別事件狀況，例如，睡眠呼吸中止症、呼吸淺慢和呼吸深快。
阻塞型睡眠呼吸中止症(OSA，Obstructive Sleep Apnoea)為一種睡眠呼吸障礙(SDB，Sleep Disordered Breathing)之形式，其特徵為睡眠期間呈現上呼吸道閉塞或障礙。此為睡眠期間發生自整個不正常小上呼吸道、及舌、軟腭、與後咽壁區域肌肉張力正常損失。該症狀導致受影響的患者每個夜晚典型停止呼吸30至120秒持續時間，有時200至300秒時間。此時常引起過度白天瞌睡，且可能引起心臟血管疾病與腦損害。併發症狀為一般失序，特別是中年超重男性，雖然受影響的人可能沒有注意到問題。請參閱美國專利第4,944,310號(蘇利文(Sullivan)先生)。
陳-施呼吸(CSR，Cheyne-Stokes Respiration)是患者睡眠呼吸障礙的另一形式。陳-施呼吸是患者呼吸控制器的障礙，其中存在著已知是陳-施呼吸週期的通氣增強和減弱的旋律交互時段。陳-施呼吸的特徵為造成動脈血液的重複去氧和復氧。陳-施呼吸是可能有害，因為重複缺氧。在。在某些患者中，陳-施呼吸是與睡眠的重複覺醒有關，引起嚴重睡眠中斷，增加交感神經活動與提高降低毛細體膊量。請參見美國專利案第6,532,959號(伯松-瓊斯(Berthon-Jones)先生)。
肥胖肺換氣不足綜合症(OHS，Obesity Hyperventilation Syndrome)定義為嚴重肥胖與清醒時慢性高碳酸血症的組合，沒有換氣不足的其他已知因素。癥狀包括呼吸困難、早晨頭痛與過度白天想睡。
慢性阻塞性肺部疾病(COPD，Chronic Obstructive Pulmonary Disease)可包括一些有共同特定特徵的低呼吸道疾病之任一者。這些包括增加抵抗空氣流動、延長呼吸吐氣相位、與正常肺伸縮性損失。COPD的範例是肺氣腫與慢性支氣管炎。COPD是由慢性煙草吸煙(主要危險因素)、職業暴露、空氣污染與遺傳基因因素所引起。癥狀包括：運動性呼吸困難、慢性咳嗽與痰產生。
神經肌肉疾病(NMD，Neuromuscular Disease)是一廣義的術語，包括許多疾病與失調，直接經由本質肌肉病理或間接經由神經病理傷害肌肉功能。一些NMD患者的特徵為進行性肌肉傷害導致移動機能降低(需要坐輪椅)、吞嚥困難、呼吸器官肌肉衰竭，最後，呼吸器官衰竭導致死亡。神經肌肉疾病可分成快速進行性與慢性進行性：(i)快速進行性失序：其特徵為，肌肉傷害惡化超過數個月，且造成幾年內死亡(例如，青少年的肌萎縮側部硬化症(ALS)與裘馨氏肌肉失養症(DMD))；(ii)可變或慢進行性失序：其特徵為，肌肉傷害惡化超過數年，且只略微減少平均壽命可能性(例如，肢帶型、面肩臂型、與肌强直性肌肉營養失調)。神經肌肉疾病(NMD)的呼吸器官衰竭癥狀包括：漸增的一般性衰弱、吞咽困難、運動中呼吸困難與凹部、疲累、想睡、早晨頭痛、集中困難、和情緒變化。
胸腔壁障礙是胸廓變形之類，造成在呼吸肌肉與胸廓間無效率耦合。胸腔壁障礙特徵通常為一限制性障礙且分擔長期高碳酸血症性呼吸衰竭的潛在性。脊椎側彎及/或脊椎後側彎可能引起嚴重的呼吸衰竭。呼吸衰竭的癥狀包括：運動性呼吸困難、外周水腫、端坐呼吸、週期性胸腔感染、早晨頭痛、疲勞、不良睡眠品質與食慾不振。
心臟衰竭(HF，Heart Failure)是相當普通和嚴重臨床狀況，其特徵為心臟沒有能力維持身體的氧氣需求。由於高度普遍和嚴重性，心臟衰竭的管控對現代化醫療系統會是明顯挑戰。心臟衰竭是慢性狀況，本質是惡化性。心臟衰竭的發展時常特徵在於長時間是相當穩定(即使減少心血管功能)，強調急性發作。在這些急性發作，患者會經歷逐漸惡化的癥狀，諸如呼吸困難(不容易呼吸)、奔馬律、增加咽喉靜脈壓力、和端坐呼吸。這通常伴隨明顯阻塞性(其在肺腔增加液體)。此過多液體時常導致測量體重增加數公斤。不過，在許多狀況，在發生明顯阻塞性之前，醫生具有限選項來幫助患者重獲穩定性，且在許多狀況，患者需要住院治療。在極端狀況，沒有適當的治療，患者可能經歷急性失代償型心臟衰竭(ADHF，Acute Decompensated Heart Failure)事件，有時稱為失代償性。 治療
鼻持續呼吸道正壓通氣(CPAP，Nasal Continuous Positive Airway Pressure)治療已用來治療阻塞型睡眠呼吸中止症(OSA，Obstructive Sleep Apnea)。該假設在於，持續呼吸道正壓充當一吹氣夾板，且可藉由將軟顎與舌前推及推離後咽壁而避免上呼吸道阻塞。
非侵入式換氣(NIV，Non-Invasive Ventilation)透過上呼吸道對患者提供呼吸器支援，以幫助患者採取完全呼吸及/或藉由進行一些或全部呼吸工作以維持身體適當氧位準。呼吸器支援是透過一非侵入式患者介面提供。非侵入式換氣(NIV)已用來治療陳-施呼吸(CSR)、肥胖肺換氣不足綜合症(OHS)、慢性阻塞性肺部疾病(COPD)、神經肌肉疾病(NMD)與胸腔壁障礙。 治療系統
前述治療可利用一治療系統或裝置提供。系統和裝置亦可用來沒有治療性的病情診斷。
一治療系統可包括一呼吸壓力治療(RPT，Respiratory Pressure Therapy)裝置、一空氣通道、一增濕器、一患者介面、和資料管理。 患者介面
一患者介面可用來介接呼吸設備及其使用者，例如藉由提供空氣流。空氣流可透過一鼻罩而提供給鼻子及/或嘴部，透過一管子而提供給嘴部，或透過一氣切管而提供給使用者的氣管。根據所要施加的治療，患者介面可例如與患者的臉部區域形成密封，以在隨環境壓力的充份差異的壓力促成氣體傳遞以發揮療效，例如約10cmH2 O的正壓。對於治療的其他形式而言，諸如氧氣傳遞，患者介面可不包括充份密封，以在約10cmH2 O的正壓，促成對氣體供應呼吸道的輸送。 呼吸壓力治療(RPT)裝置
空氣壓力產生器已知使用於多種應用，例如，工業規模的通風系統。不過，醫療應用的空氣壓力產生器具有更多普通空氣壓力產生器無法履行的特別需求，諸如醫療裝置的可靠度、尺寸和重量需求。此外，針對醫學治療而設計的穩定裝置可會有缺點，包括舒適性、噪音、易用性、效能、尺寸、重量、製造性、成本和可靠度的一或多者。 增濕器
輸送沒有濕化的空氣流可能引起呼吸道乾燥。使用RPT裝置與患者介面的增濕器可產生濕化的氣體，減少鼻黏膜乾燥，且增加患者呼吸道舒適。除了在較冷的氣候，通常施加於患者介面或其附近臉部區域的暖空氣會比冷空氣更為舒服。 監督系統
想要能夠在住家監督帶有心臟衰竭或慢性阻塞性肺部疾病的患者，為了要避免或改善可能的臨床事件，諸如心臟衰竭代償失調或慢性阻塞性肺部疾病發作。已提議或用於預測臨床事件之目的之特徵包括體重、排尿勝肽激素(BNP)的位準、夜間心率、與睡眠姿勢變化。睡眠多維圖(PSG)是一用於監督心肺障礙的習知系統。睡眠多維圖典型包括在人體安置15至20個感測器，以記錄各種不同人體信號，諸如腦電圖(EEG)、心電圖(ECG)、眼電圖(EOG)、等。
心臟衰竭已呈現對睡眠障礙呼吸(SDB)有高度關聯性。更具體地，陳-施呼吸(CSR)通常是由身體呼吸控制系統的不穩定性所引起，其的一因素是心臟衰竭。陳-施呼吸的嚴重性可採用一組特徵來表示，其指出睡眠期間呼吸類似於典型的陳-施呼吸的程度，即是「類似陳-施呼吸」特徵。此外，指出諸如呼吸中止/淺呼吸指數(AHI)的阻塞型睡眠呼吸中止症嚴重性的特徵已呈現受到ADHF事件而死亡及有關ADHF事件而住院治療的獨立預測因子。此睡眠呼吸障礙特徵值與變化可包含有關ADHF事件可能性的有用資訊。接觸感測器模態，諸如有能力監督及分析睡眠期間呼吸參數以萃取SDB特徵的鼻罩或口鼻管，已在監督慢性心肺疾病的前後文中提議。植入式感測器已用於監督胸阻抗和心律不整，以預測ADHF事件。
基於前述感測器模態的心臟衰竭監督系統傾向無法令人滿意，因這類系統需要良好的患者順影性，例如，仰賴患者記錄其每日重量的以重量為主之監督系統為可配戴，將其用於長期監督是不切實際；或者，這類系統是侵入式或干擾性。植入式裝置的使用只可實行於適合此裝置的部分心臟衰竭患者。
SleepMinder(位於愛爾蘭都柏林的瑞思邁感測器技術公司)為適合長期監督慢性疾病的無接觸式床邊監督器。SleepMinder包括以超低功率(少於1mW(毫瓦))，無需經過授權使用頻帶5.8 GHz，基於都普勒雷達原理操作的一生物運動收發器感測器。SleepMinder能夠測量人體運動，且在特別呼吸運動，超過從0.3至1.5公尺範圍距離；在床上有兩人的情況，高性能感測器設計和智慧型信號處理的組合使SleepMinder只能測量最靠近感測器的人員呼吸運動。SleepMinder適合長期監督慢性疾病，因為其為非干擾性且不會呈現明顯的順應性問題。
本技術針對提供具有改善舒適性、成本、效能、易用性和製造性之一或多個優點而可用來監督心肺障礙或其他慢性疾病的醫療設備。
本技術之一第一態樣有關用來監督心肺障礙或其他慢性疾病的設備。
本技術之另一態樣有關用來監督心肺障礙或其他慢性疾病的方法。
本技術之一形式包括慢性疾病監督設備，其可在每個監督階段期間從患者的呼吸信號萃取一呼吸特徵，且在複數個監督階段，從呼吸特徵的連續值所形成時間序列的統計分析來計算穩定性測量。該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的指示。如果該穩定性測量符合標準，可產生一警示。
本技術之另一形式包括監督慢性疾病的方法，其包括計算一穩定性測量，其是在複數個監督階段，從患者呼吸信號所萃取呼吸特徵的連續值所形成時間序列的機率分佈中已發生之一變化點的指示。該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的指示。如果檢測到該分佈中的一變化點，可產生一警示。計算的方法可為追溯或線上模式。
根據本技術之一第一態樣，提供一種監督患者慢性疾病狀態的方法。該方法包括：利用一處理器，針對複數個監督階段之每一者，在監督階段期間從指示患者呼吸的呼吸信號萃取一呼吸特徵，該呼吸信號是源自至少一感測器；及利用一處理器，計算一監督階段之患者的穩定性測量，該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的指示。
根據一第二態樣，提供一種慢性疾病監督設備，包括：一感測器，其構成在監督階段期間產生指示患者呼吸的呼吸信號；及一處理器，其構成根據該第一態樣以實現一方法。
根據一第三態樣，提供監督患者慢性疾病狀態的方法。利用一或多個處理器實現的方法包括：針對複數個監督階段之每一者，在監督階段期間從指示患者呼吸的呼吸信號萃取一呼吸特徵，該呼吸信號是源自至少一感測器；從該呼吸特徵的連續值形成一時間序列；及計算一監督階段之患者的穩定性測量。該穩定性測量代表該等時間序列的兩組子序列的機率分佈的相異點測量。該等兩組包括實質由分別在該監督階段之前和之後的該等時間序列的取樣所組成的子序列。
根據一第四態樣，提供一種慢性疾病監督設備，包括：一感測器，其構成在監督階段期間產生指示患者呼吸的呼吸信號；及一處理器，其構成根據該第三態樣實現一方法。
根據一第五態樣，提供一種監督患者慢性疾病狀態的方法。利用一或多個處理器實現的方法包括：針對複數個監督階段之每一者，在該監督階段期間從指示患者呼吸的呼吸信號萃取一呼吸特徵，該呼吸信號是源自至少一感測器；計算一監督階段之患者的穩定性測量。該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的機率。該計算包括：如果有上限為該監督階段且包含該監督階段的該呼吸特徵之值，計算該監督階段特之連串長度的後驗分佈；及計算連串長度之該後驗分佈的值之總和。
根據一第六態樣，提供一種慢性疾病監督設備，包括：一感測器，其構成在監督階段期間產生指示患者呼吸的呼吸信號；及一處理器，其構成根據該第五態樣實現一方法。
當然，該等態樣的部分可形成本技術的附屬態樣。同時，附屬態樣及/或態樣的各種不同一些者能採用各種不同方式組合，且亦構成本技術的附加態樣或附屬態樣。
本技術的其他特徵將可從下列實施方式、發明摘要、圖式簡單說明與申請專利範圍內含的資訊闡述變得更明白。
在更詳細描述本技術以前，應明白，本技術並未侷限於在此所述之特別範例，這些特別範例可改變。亦應明白，在本說明書揭露所使用之術語只是為了描述在此所討論的特別範例，而不是限制。
下述的設備和方法特別適用於心肺健康的監督，且採用這些術語描述。不過，描述的設備與方法亦可適用於監督影響患者呼吸的其他慢性疾病。 監督設備和方法 非阻塞型監督設備
圖7A示意說明根據本技術之一形式之一非介入性監督設備(7000)。監督設備(7000)係定位鄰近且相當接近睡眠患者(1000)(例如，在床側桌上)。
圖7B為更詳細示意說明根據本技術之一形式之圖7A所示監督設備(7000)的組件的方塊圖。在監督設備(7000)中，一非接觸式感測器單元(1200)包括通常針對患者(1000)的一非接觸式動作感測器(7010)。動作感測器(7010)構成產生代表患者(1000)的身體運動的一或多個信號，從其可衍生出代表患者呼吸運動的一或多個呼吸動作信號。
感測器單元(1200)亦可包括一一微控制器單元(MCU，Microcontroller Unit)(7001)；及一記憶體(7002)(例如，一記憶體卡)，用於記錄資料。在一實施，感測器單元(1200)可包括通訊電路(7004)，其構成經由一連接(7008)而將資料轉移至一外部計算裝置(7005)，例如一本地通用電腦、或一遠端伺服器。該連接(7008)可為有線或無線，在此情況，通訊電路(7004)具備無線能力，且可經由一區域網路或廣域網路(未顯示)(諸如，網際網路)而直接或間接溝通。
感測器單元(1200)包括一處理器(7006)，其構成處理由動作感測器(7010)產生的信號，如下面詳細描述。
感測器單元(1200)包括一顯示器裝置(7015)，其構成對使用者提供視覺回饋。在一實施，顯示器裝置(7015)包括一或多個警示光(例如，一或多個發光二極體)。顯示器裝置(7015)亦可實施如同一顯示螢幕，諸如一LCD或一觸控靈敏顯示器。顯示器裝置(7015)的操作是基於患者心肺健康的評估而受處理器(7006)的控制。顯示器裝置(7015)可操作以對監督設備(7000)的使用者展示資料 諸如患者(1000)、或醫師或其他臨床醫生。顯示器裝置(7015)亦可顯示監督設備(7000)操作的圖形使用者界面。
感測器單元(1200)亦可包括一音頻輸出(7017)，其構成在處理器(7006)的控制之下對使用者提供聽覺回饋，例如，頻率隨呼吸變化的音調、或符合特定狀況發聲的警示。
監督設備(7000)操作的使用者控制可基於監督設備(7000)的處理器(7006)所感測的控制操作(未顯示)。
感測器單元(1200)的一實例是瑞思邁感測器技術有限公司(ResMed Sensor Technologies Ltd)製造的SleepMinder裝置，其包含一非接觸式都普勒(Doppler)射頻(RF，Radio-Frequency)動作感測器(7010)。
在本技術之一形式，諸如當SleepMinder裝置當作感測器單元(1200)使用時，動作感測器(7010)包括一射頻發射器(7020)，其構成傳輸一射頻信號(7060)。傳輸射頻信號(7060)例如具有下列式子：(方程式1)
在方程式1中，載頻是fc (典型在範圍100 MHz至100 GHz，例如3 GHz至12GHz，例如5.8 GHz或10.5 GHz)，t 是時間，q 是任意相位角，且u(t) 是脈衝形狀。在一連續波形系統中，u(t) 的振幅可為單一性，且可從方程式(錯誤：未發現參考來源)省略。更普遍地，脈衝u (t )可如下方程式(錯誤：未發現參考來源)定義：(方程式2)
其中T 是週期寬度，且Tp 是脈衝寬度。其中Tp ＜＜T ，此變成一脈衝連續波形系統。在一情況，當Tp 變成非常小時，發射信號的頻譜變成非常寬，且系統稱為超寬頻(UWB，Ultra-wideband)雷達或脈衝雷達。或者，射頻傳輸信號(7060)的載頻可改變(啁啾脈衝)以產生所謂的頻率調變連續波形(FMCW，Frequency Modulated Continuous Wave)系統。
射頻信號(7060)可由使用耦接運用脈衝閘控電路的本地振盪器(7040)之發射器(7020)產生。在 FMCW情況，一電壓控制振盪器搭配一電壓頻率轉換器使用，以產生供傳輸的射頻信號(7060)。空氣和傳輸射頻信號(7060)的耦合性可利用一天線(7050)完成。天線(7050)可為全方向(全方位傳輸同樣或多或少的功率)或方向性(在特定方向傳輸較強功率)。有利的是在監督設備(7000)使用一方向性天線(7050)，使得傳輸及反射能量主要來自一方向。在監督設備(7000)的實施，具單載頻性的一單天線(7050)可用於發射器(7020)和接收器(7030)兩者。或者，可使用具多重載頻性的多接收和傳輸天線(7050)。
監督設備(7000)在使用各種不同類型天線(7050)的各種不同具體實施例是可相容，諸如簡單偶極天線、平板天線、與螺旋天線，且某些因素可能影響天線的選擇，諸如需要的方向性、尺寸、形狀、或成本。應注意，監督設備(7000)可採取對人類使用安全性的方式來操作。監督設備(7000)已經過發射平均功率1 mW(毫瓦)(0dBm)或較低的全系統驗證過。射頻(RF)暴露的建議安全位準是1 mW/cm2 (毫瓦/平方公分)。在離開0 dBm傳輸系統的1公尺距離處，等效功率密度將至少小於此建議限制的100倍。
使用時，傳輸射頻(RF)信號(7060)會是反射無線電波的反射物體(諸如，患者(1000)的空氣體介面)，且反射信號(7070)之某些部分會被採用所謂「雙靜態」結構的一接收器(7030)接收，該接收器可連同發射器(7020)配置，或從發射器(7020)分開。所接收的反射信號(7070)和所傳輸的射頻信號(7060)可在一混波器(7080)相乘(採用一類比或數位方式)。此混波器(7080)可為一乘法器的形式(如在下面(方程式(錯誤：未發現參考來源)中表示)或在趨近乘法器效果的電路(例如，添加正弦波形的一波封檢測器電路)。例如，在CW情況，混波信號將等於下式：(方程式3)
其中f(t)是從所傳輸的射頻信號(7060)和所接收的反射信號(7070)的路徑差引起的相位項(在反射受到一單反射物體控制的情況)，且g 是反射信號(7070)經歷的衰減。如果反射物體是固定，那麼f(t )是固定。在設備(7000)，反射物體(例如，患者(1000)的胸部)通常會移動，且f(t )會是時間變化。如一簡單實例所示，如果胸部由於呼吸而進行頻率fm 的正弦運動，那麼混波信號m (t )包含fm 成份(以及置中在2fC 的成份，其可能只會被低通濾波器移除)。混波後的低通濾波器的輸出信號稱為動作信號或解調變感測器動作信號(7003)，且包含有關全身(非呼吸)運動、與呼吸運動的資訊。
解調變感測器動作信號(7003)的振幅會受到反射信號的平均路徑距離的影響，導致動作感測器(7010)發生檢測零和峰值(即是動作感測器(7010)多或低靈敏度的區域)。此影響可利用正交技術而降低，其中發射器(7020)同時傳輸如方程式1所示信號(7060)的單一90度非同相位信號(採正交)。此造成兩反射信號，該等兩反射信號可混波且由混波器(7080)進行低通濾波，導致兩解調變感測器信號，其在個別I和Q「頻道」稱為「I信號」和「Q信號」。動作信號(7003)可包含該等信號之一或兩者。
在超寬頻(UWB)實施，可使用取得一動作信號(7003)的替代方法。藉由測量傳輸脈衝和峰值反射信號間的延遲可決定至最重要空氣體介面的路徑距離。例如，如果脈衝寬度是1 ns(奈秒)，且從動作感測器(7010)至該空氣體的距離是0.5公尺，那麼脈衝的峰值反射到達接收器(7030)前的延遲會是1/(3×108 ) s(秒) = 3.33 ns(奈秒)。藉由傳輸大量脈衝(例如，每1 ms(微秒)為1 ns(奈秒)脈衝)且假設路徑距離在特定時間是緩慢改變，一動作信號(7003)在該時段能以時間延遲的平均來計算。
如此，動作感測器(7010)(例如，一射頻感測器)可估計胸壁的呼吸運動；或者，更普遍地，監督設備(7000)正監督的患者(1000)身體部分的運動。
如前述，所接收的反射信號(7070)可包括大動作雜訊，例如全身運動的結果。這是由於來自身體的反射信號可包括一個以上的反射路徑，且導致複雜信號(例如，如果一隻手正移向感測器，且胸部正移開)。當此信號指出上部身體處於運動時，此信號的接收是有用，此信號在決定睡眠狀態是很有用。
為了要改善呼吸動作信號的品質，且更普遍地，身體運動信號、感測器單元(1200)收集反射能量的實際量可能受到使用各種不同方法的限制。例如，感測器單元(1200)可達成「方向性選擇」，(即是，在某方向傳輸更多能量)，如接收器(7030)的天線。方向選擇性可使用方向性天線(7050)、或多重射頻(RF)發射器(7020)達成。在本技術的替代形式，一連續波形、FMCW、或一UWB雷達可用來獲得類似信號。稱為「時域閘控」的技術只可用來測量從感測器單元(1200)的特定實際距離處的信號發生的反射信號(7070)。頻域閘控(濾波)可用來忽略超過特定頻率的反射物體運動。
在使用多重頻率(例如，在500 MHz和5 GHz)的設備(7000)實施，較低頻率可用來正確決定大運動而沒有相位模糊，其然後可從較高頻率感測器信號扣除(更適合測量小運動)。使用此一感測器單元(1200)，監督設備(7000)可收集來自患者(1000)的資料，且使用該資料來決定呼吸運動；且更普遍地，收集身體運動資訊。
動作信號(7003)可針對每個監督階段而儲存在感測器單元(1200)的記憶體(7002)，及/或供儲存在外部計算裝置(7005)以在連結(例如，連接(7008))上傳輸。在一實施，每個監督階段是一夜晚持續時間。
感測器單元(1200)或外部計算裝置(7005)的的處理器(7006)可根據一監督處理來處理儲存的動作信號(7003)，諸如下面詳細描述之類。有關描述處理的指令可儲存在一電腦可讀儲存媒體，例如感測器單元(1200)的記憶體(7002)，及由一處理器解譯及執行，例如感測器單元(1200)的處理器(7006)。 替代選擇性監督設備
在本技術的其他形式，如圖1所示，構成經由患者介面(3000)的一空氣通道(4170)將呼吸壓力治療提供給患者(1000)的RPT裝置(4000)亦可構成一監督設備。
一患者介面(3000)可包括下列功能態樣：一密封形成結構(3100)、一充氣室(3200)、一定位和穩定結構(3300)、一換氣口(3400)、一用於連接空氣通道(4170)的連接端口(3600)形式、與一前額支撐件(3700)。在某些形式，一功能態樣可經由一或多個實體組件提供。在某些形式，一實體組件可提供一或多個功能態樣。使用時，密封形成結構(3100)配置成圍繞在患者呼吸道的入口，促成對呼吸道供應正壓空氣。
一RPT裝置(4000)可包括機械和氣動組件(4100)、電氣組件(4200)，且構成執行一或多個演算法。RPT裝置最好具有一外殼體(4010)，最好採用兩部件形成，即是一上部(4012)和一下部(4014)。此外，外殼體(4010)可包括一或多個面盤(4015)。最好係，RPT裝置(4000)包括一底盤(4016)，用以支撐RPT裝置(4000)的一或多個內組件。RPT裝置(4000)可包括一環柄(4018)。
RPT裝置(4000)的氣動路徑最好包括一或多個空氣路徑項目，例如，一進氣口濾清器(4112)；一進氣口消音器(4122)；一壓力產生器(4140)，其有能力供應正壓空氣(最好是一鼓氣機(4142))；一出氣口消音器(4124)和一或多個轉換器(4270)，諸如壓力感測器(4272)和流速感測器(4274)。
一或多個空氣路徑項目可設置在一可卸除式一元結構內，該可卸除式一元結構將稱為一氣動組塊(4020)。氣動組塊(4020)可設置在外殼體(4010)內。在一形式，一氣動組塊(4020)是由底盤(4016)的部分支撐、或形成其的部分。
RPT裝置(4000)最好具有一電源供應器(4210)、一或多個輸入裝置(4220)、一中央控制器(4230)、一治療裝置控制器(4240)、一壓力產生器(4140)、一或多個保護電路(4250)、記憶體(4260)、轉換器(4270)、資料通訊介面(4280)與一或多個輸出裝置(4290)。電氣組件(4200)可安裝在一單印刷電路板總成(PCBA，Printed Circuit Board Assembly)(4202)。在一替代形式，RPT裝置(4000)可包括一個以上的單印刷電路板總成(4202)。
在本技術之一形式，中央控制器(4230)是適合控制一RPT裝置(4000)的一或複數個處理器。適合的處理器可包括一x86 INTEL(英代爾)處理器，其為基於ARM Holdings公司提供的ARM® Cortex®-M，諸如意法半導體(ST MICROELECTRONICS)公司提供的STM32系列微控制器。在本技術的特定替代形式，一32位元RISC CPU(諸如意法半導體公司提供的STR9系列微控制器)、或一16位元RISC CPU(諸如德儀(TEXAS INSTRUMENTS)公司所製造MSP430系列微控制器的處理器)亦適合。
在本技術之一形式，中央控制器(4230)是一專屬的電子電路。在一形式，中央控制器(4230)是一特殊應用積體電路。在另一形式，中央控制器(4230)包括分離式電子組件。
中央控制器(4230)可構成接收來自一或多個轉換器(4270)、與一或多個輸入裝置(4220)的輸入信號。
中央控制器(4230)可構成提供輸出信號給輸出裝置(4290)、治療裝置控制器(4240)、資料通訊介面(4280)、與增濕器(5000)之一或多者。
在本技術的某些形式，該中央控制器(4230)構成實施如本說明書描述的一或多個處理，如在非暫時性電腦可讀儲存媒體(諸如記憶體(4260))的電腦程式所示。
資料通訊介面(4280)可連接一遠端外部通訊網路(4282)及/或一本地外部通訊網路(4284)。遠端外部通訊網路(4282)可連接一遠端外部裝置(4286)。本地外部通訊網路(4284)可連接一本地外部裝置(4288)。資料通訊介面(4280)可使用有線通訊(例如，經由乙太網路、或光纖)或一無線協定(例如，CDMA、GSM、LTE)連接至網際網路。
在一形式，本地外部通訊網路(4284)利用一或多個通訊標準(諸如，藍芽(Bluetooth))、或一消費性紅外線協定。本地外部裝置(4288)可為一個人電腦、手機、平板電腦或遙控裝置。
在一形式，遠端外部通訊網路(4282)是網際網路。在一形式，遠端外部裝置(4286)是一或多個電腦，例如連接網路的電腦叢群。在一形式，遠端外部裝置(4286)可為虛擬電腦，而不是實體電腦。在任一情況，此一遠端外部裝置(4286)可由適當經認可的人員接取，諸如臨床醫生。
一輸出裝置(4290)可採用視覺、音頻和觸控單元的一或多個形式。一視覺顯示器可為一液晶顯示器(LCD，Liquid Crystal Display)或發光二極體(LED，Light Emitting Diode)顯示器。一顯示器驅動器(4292)接收當作輸入的顯示在顯示器(4294)的字元、符號或影像，且將其轉換成命令，使顯示器(4294)顯示這些字元、符號或影像。一顯示器(4294)構成回應從顯示器驅動器(4292)接收的命令進而視覺顯示字元、符號或影像。 監督處理
在本技術之一態樣，一監督設備實現監督處理以監督來自指示患者(1000)呼吸的呼吸信號的患者心肺健康。
在本技術的形式，其中監督設備(7000)是圖7B所示的非介入性設備且呼吸信號是源自動作信號(7003)的呼吸動作信號，該監督處理可由非接觸式感測器單元(1200)的處理器(7006)實現，其係利用儲存在電腦可讀儲存媒體(諸如，記憶體(7002))的指令構成。或者，外部計算裝置(7005)的一處理器可實施全部或部分描述的監督處理，其可經由如前述的連接(7008)而從監督設備(7000)的感測器單元(1200)與任何其他感測器取得必需的資料(原始或部分經過處理)。在此實施中，監督設備(7000)的視覺顯示器裝置(7015)和音頻輸出(7017)的前面描述同樣可適用於外部計算裝置(7005)的相容元件。在一實例中，外部計算裝置(7005)是一臨床醫生可接取裝置，諸如多患者監督裝置，允許臨床醫生檢視來自多重遠端患者資料錄音裝置(諸如監督設備(7000))的資料。在這些系統中，資料庫可提供用來記錄患者監督資料。透過此一外部計算裝置(7005)，臨床醫生可接收特別患者可能需要詳細觀察或應前往醫院疹療的一份報告或警示。
在本技術的形式中，其中監督設備是RPT裝置(4000)且呼吸信號是代表源自一或多個轉換器(4270)的患者(1000)呼吸流速Qr 的信號，該監督處理可由RPT裝置(4000)的中央控制器(4230)實現，該RPT裝置是由儲存在電腦可讀儲存媒體(諸如，記憶體(4260))的指令構成。或者，本地外部裝置(4288)或遠端外部裝置(4286)可實施全部或部分描述的處理，其可經由資料通訊介面(4280)而從從RPT裝置(4000)取得必需的資料(原始或部分經過處理)，如前述。在此實施中，RPT裝置(4000)的輸出裝置(4290)的輸出功能是由本地外部設備(4288)或遠端外部設備(4286)的相容元件實現。
圖7C示意說明可用來實施根據本技術之一形式之監督方法(7100)的流程圖。該監督方法(7100)可在符合監督階段的儲存呼吸信號的每個監督階段結束之時實現。
監督方法(7100)是從步驟(7110)開始，其中呼吸信號經過預處理。預處理步驟(7110)(如圖7C的虛線顯示)是選擇性且可在監督方法(7100)省略。在下一步驟(7120)，(可能預處理)呼吸信號會經過分析以萃取一或多個呼吸特徵。萃取的呼吸特徵可儲存在記憶體，例如感測器單元(1200)或外部計算裝置(7005)的記憶體(7002)。
然後，在步驟(7130)，監督方法(7100)使用來自剛完成監督階段的萃取呼吸特徵、與來自一或多個先前監督階段的可能呼吸特徵，以計算穩定性測量。如此建立的穩定性測量、或基於逐階段的連續計算穩定性測量的歷史可儲存在一或多個記憶體，例如感測器單元(1200)或外部計算裝置(7005)的記憶體(7002)，或有關計算穩定性測量之一處理器的其他記憶體。在步驟(7130)，計算的穩定性測量可充當可能臨床事件的預測值，其在於穩定性測量的變化(例如，增加)可能指出患者狀況惡化，其可為一臨床事件的預測值。當患者狀況改善時，穩定性測量亦發生改變(例如，增加)，其亦是監督慢性疾病的想要事件。
然後在步驟(7140)評估穩定性測量以決定其是否符合標準，諸如藉由比較一或多個臨界值。例如，在步驟(7140)，可比較穩定性測量與一臨界值，諸如採用一處理器。如果穩定性測量超過臨界值，例如是(「Y」)，檢測到一變化點，且在步驟(7150)，產生一警示。如果否(「N」)，監督方法(7100)終止在步驟(7160)。當對訓練資料執行監督處理時，臨界值的選擇會影響用來檢測可能臨床事件的監督處理的靈敏度與特徵，且基於靈敏度與特徵的想要位準來選擇。在某些實施，臨界值可基於觀察的假陽性與假陰性檢策而在監督階段間調整。在步驟(7140)，其他評估可決定穩定性測量是否在特定範圍內，諸如，藉由比較屬於一或多個範圍的一或多個臨界值。因此，自動監督處理可透過處理而有效將呼吸信號資料(可能呈現無害)轉換成患者監督工具，即是穩定性測量，如此可改善監督設備及改善現場臨床醫生的能力，以更有效監督其患者，諸如適時進行必要的治療變化。
在本技術的形式，其中監督設備是非介入性監督設備(7000)，非接觸式動作感測器(7010)是一都普勒射頻(RF)動作感測器。如前述，在此一實施，動作信號(7003)可包括兩信號，分別標示I和Q信號，每個信號通常指示身體運動，但通常彼此90度不同相位。
當動作信號(7003)包含I和Q信號時，某些方法是有可能。在「平行」方式，步驟(7110、7120)是針對I和Q信號之每一者平行執行，且個別取得的特徵是在特徵萃取步驟(7120)的結束之時組合。在平行方式的實施，可省略預處理步驟(7110)。在「組合」方式，I和Q信號會被組合成為預處理步驟(7110)的部分，且處理步驟(7120-7130)是針對組合的動作信號執行。相較於平行方式，組合方式可能在犧牲低準確度之下具有低計算複雜度的優點。
或者，非接觸式動作感測器(7010)可提供一單動作信號(7003)。此是由稱為「單頻道」方式之方法所處理。 下列部分更詳細描述圖7C所示監督方法(7100)的步驟之實施。
步驟(7110、7120)的實施是從本技術的形式觀點來描述，其中監督設備是圖7B所示的監督設備(7000)。對於監督設備是圖4A所示RPT裝置(4000)之本技術的形式，可省略預處理步驟(7110)，且呼吸特徵萃取步驟(7120)可針對呼吸流信號Qr 採取習知的方式執行。
步驟(7130-7150)的描述實施對本技術的前述形式是一般的。 預處理
在組合方式之下，預處理步驟(7110)是從採用適當幾何方式將組合I和Q信號組合成一組合動作信號c 開始。在一實施，組合子步驟包括三個階段，其適用於沿著I和Q信號滑動的窗框(例如，隨著時間漸進地處理信號資料量(窗框大小))。在一實施，窗框是具50%重疊的10秒鐘持續時間。
a. 使用相互關聯來檢查信號是否為180度非同相位，且若如此，將其轉回到相同象限。
b. 當向量(I ,Q )在準圓弧周圍形成點雲塊時，減去該點雲至(0, 0 )處弧中心的平均，在兩方向設置點中心雲的最小量mIQ ，且計算參考mIQ 的每個向量(I ,Q )的長度m 。(方程式4)(方程式5) 減去m 的平均值以產生(一度空間)組合信號c 。(方程式6) 組合的動作信號c 然後(選擇性)去趨勢以移除基線漂移。在一實施，使用第三階多項式實施去趨勢效應：(方程式7) 在另一實施，使用雙通中值濾波器來實施去趨勢效應。
去趨勢信號c1 是(選擇性)使用巴特沃恩氏(Butterworth)通帶濾波器濾波的帶通，其範圍設定成呼吸運作的頻率範圍，此是採用一實施[0.1 Hz(赫茲), 0.8 Hz(赫茲)](符合每分鐘6至48個呼吸)。
預處理步驟(7110)的進一步(選擇性)子步驟是噪音降低。在一實施，特別適合來自都普勒(Doppler)射頻(RF)動作感測器(7010)的信號(其是非固定)，噪音降低子步驟是針對(帶通濾波)去趨組合動作信號c2 而採用小波變換域實現：(方程式8)
其中W 代表小波變換，例如達到第五雙值位準的30係數「symmlet」小波，且M 是一屏蔽矩陣，其通過特定小波係數且拒絕認為「擾亂性」的其他小波係數。 實施M 的動作之步驟如下所述：
a. 選擇小波係數的「偽差信號」(參閱下面)超過一第一臨界值TA 的雙值比例量；
b. 從此組雙值比例量，基於標準偏離來執行小波係數的硬式臨界值(具臨界值TC )。
一比例量的「偽差信號」是偽差信號影響在該比例量處的信號之程度。偽差信號是可包含不太可能高振幅值的信號斜率測量。信號x 的偽差信號可如下式來計算：(方程式9)
其中s x 是信號x 的標準偏差。進一步Art(x) 是從1，偽差信號愈大是。
在平行方式之下，預處理步驟(7110)可省略組合子步驟，且針對I和Q信號之每一者，平行執行隨後子步驟(去趨勢、濾波、與噪音降低)之任何或全部。
在單頻道方式之下，針對動作信號(7003)執行去趨勢、濾波、與噪音降低子步驟之任何或全部。
在下面描述，特徵萃取步驟(7120)的輸入稱為(預處理)動作信號，以反映預處理步驟(7110)的選擇性本質。 呼吸特徵萃取
圖7D為示意說明採用本技術之一形式，用來實施圖7C所示方法的特徵萃取步驟(7120)之方法(7200)的方塊圖。
在方法(7200)，一活動判斷和動作檢測模組(7210)是從(預處理)動作信號產生一活動計數信號和一運動旗號系列。(在組合或單頻道方式之下，此只是一(預處理)動作信號。)一陽性/陰性檢測模組(7220)是從(預處理)動作信號產生一陽性/陰性旗號系列、及動作旗號系列。睡眠/覺醒分析模組(7230)是從陽性/陰性旗號系列、動作旗號系列、與活動計數信號計算睡眠圖。一呼吸率判斷模組(7240)是從(預處理)動作信號和睡眠圖產生一系列患者呼吸率的估計。一信號選擇模組(7250)係使用運動旗號系列和睡眠圖來選擇(預處理)動作信號的部分。
一調變週期度量計算模組(7255)是從(預處理)動作信號的選定部分產生患者呼吸的調變週期長度的估計。一封包產生模組(7260)係使用估計的呼吸率來產生(預處理)動作信號的選定部分的封包。一睡眠呼吸障礙(SDB)事件檢測模組(7265)係使用估計的調變週期長度而從(預處理)動作信號的選定部分產生想要的SDB事件。一睡眠呼吸障礙(SDB)事件確認模組(7270)係使用估計的調變週期長度來確定睡眠呼吸障礙(SDB)事件檢測模組(7265)產生的想要SDB事件。最後，一特徵計算模組(7280)是從確認的SDB事件來計算呼吸特徵值。
在平行方式之下，方法(7200)的模組(7210-7270)只是複製來獨立處理兩(預處理)動作信號(7003)。特徵計算模組(7280)的修正版組合來自兩平行處理流的SDB事件，以計算兩(預處理)動作信號的單呼吸特徵組。
方法(7200)的模組(7210-7280)已由瑞斯邁感測器技術有限公司(ResMed Sensor Technologies Limited)在共同未决PCT申請案第PCT/AU2013/000564號，同族專利案第WO 2013/177621號，名稱「監督心肺健康的方法和設備(Method and Apparatus for Monitoring Cardio-Pulmonary Health)」中詳細描述，其整個內容在此併入本文供參考。
在一實施，特徵萃取步驟(7120)萃取每個監督階段的四個呼吸特徵： · SDB事件的總數； · 呼吸率的第50百分位分數(中位數)； · 呼吸率的第75百分位分數；及 · 陳-施呼吸(CSR)週期持續時間的第75百分位數。 計算穩定性測量
來自呼吸特徵的臨床事件預測是在許多穩定階段中具非常小量事件的高度不平衡資料組的實例，使得需要一健全方式來減少假陽性預測的次數。在本技術之下的假設在於當患者處於穩定時，呼吸特徵接續一統計分佈，且在一臨床事件之前的某些點，通過一「變化點」以接續一不同分佈。穩定性測量因此會被計算使得t 標示的監督階段處的分佈變化造成在或接近t 標示的監督階段處的穩定性測量增加。換句話說，一監督階段的穩定性測量是在該階段處已發生在呼吸特徵分佈之一變化點的指示。根據本技術之步驟(7130)因此本質是分佈導向。相較於以分類為主之方法，針對穩定測計算之以分佈為主的方式將造成低度假陽性(高特異性)。
在步驟(7130)，計算穩定性測量的兩方法是在下面描述。大體而言，只要發生變化，線上或連續方式可檢測在呼吸特徵分佈的變化點。即是，在監督階段t 完成之後，可取得足夠的資料，以在監督階段t 處計算穩定性測量。線上方式是最適合改善或避免速發型的臨床事件，即是，介於分佈的變化點與臨床事件發生間的一星期時間長度的延遲。
一追溯方式可檢測一至兩星期時間延遲的呼吸特徵分佈中的一變化點，此取決於選擇的參數。追溯方式最適合改善或避免更緩起的臨床事件，即是介於分佈的變化點與臨床事件發生間的二至三星期時間的延遲。
每個方式形成及分析(整數)監督階段數目t 所標示該等萃取呼吸特徵之一者的連續值或取樣y 的時間序列{y (t )}或{yt }。(整數)監督階段標示t有時簡化表示為「時間t 」，如此應瞭解，時間是採用監督階段的單位來測量。 線上或順序方式
線上方式是基於貝氏(Bayesian)線上變化點檢測(BOPCD，Bayesian on-line change point detection)。線上方式包括稱為在時間t 處的連串長度r 的量值，其採用rt 表示，其定義為自輸入取樣分佈的最後變化點的取樣次數yt 。如果有上限為時間t 且包括時間t 的所有取樣yt ，在線上方式之下的步驟(7130)計算在時間t 處的連串長度rt 的後驗分佈。這些取樣能採用y1:t 簡化形式來表示，因此要計算的後驗連串長度分佈可採用p (rt |y1:t )來表示。屬於目前連串的取樣可採用簡化形式表示。
後驗連串長度分佈p (rt |y1:t )可藉由在連串長度rt 使聯合概率p (rt ,y1:t )正常化來計算：(方程式10)
聯合概率p (rt ,y1:t )(簡化為gt )可藉由將gt 表示為p(rt , rt ‑1 ,y 1:t )而從其先前值gt -1 來計算，其可擴展為rt -1 的邊際化：(方程式11)
在方程式(錯誤：未發現參考來源)的總和項中的第一因素p (rt ｜rt-1 )是在連串長度的條件先驗，亦稱為變化點先驗。在一實施，變化點先驗p (rt ｜rt-1 )只有兩非零值：(方程式12)
第一非零值(針對rt = 0)是在連串長度rt-1 之後發生一變化點的機率H (rt-1 +1)，且另一非零值(針對rt = rt ‑1 +1)是其補數，rt 的機率是大於rt-1 的機率，即是針對逐一階段伸展的目前連串長度。函數H (rt1 +1)稱為「危險函數」。在一實施，危險函數H (rt-1 +1)可設定成一預定常數值h (已知為「危險率」)，該預定常數值係與rt­-1 無關(所謂「無記憶體」處理)，其導致時間比例1/h 的連串長度幾何分佈。在一實施，該危險率h 是設定成1/90，即是，每90個監督階段的時間比例有一變化點。
在方程式11的總和項中的第二因素已知為後驗預測機率，因為其是觀察目前取樣yt 的機率，如果有全部先前取樣y 1:t-1 和先前連串長度rt-1 。後驗預測機率可簡寫為，因為其只取決屬於目前連串長度的先前取樣。
基本預測模型(UPM，Underlying Predictive Model)是用來計算後驗預測機率的時間序列{yt }的模型。在線上方式的一實施，基本預測模型是基於自主性且相同分佈高斯(Gaussian)取樣：(方程式13)
其中平均值 和差異值會在每個變化點處變化。在一實施，平均值值 和差異分別衍生自常態和逆伽瑪(inverse-Gamma)分佈： (方程式14)
因此，此基本預測模型稱為常態逆伽瑪(NIG，normal-inverse-Gamma)模型。常態逆伽瑪(NIG)模型的參數m0 , k0 , a0 ,和b0 之決定是藉由使常態逆伽瑪模型調適成一訓練資料組。
為了要在時間t 處來計算後驗預測機率，從1至目前時間t 的全部時間會先更新基本預測模型的參數：(方程式15) 常態逆伽瑪模型的差異值s2 然後依下式來計算：(方程式16) 最後，後驗預測機率依下式來計算：(方程式17)
另外，如果有全部取樣y1:t ，在時間t 的後驗連串長度分佈p (rt ｜y1 ：t )可用來計算下一取樣yt+1 的邊避預測分佈p (yt+1 ｜y1:t )。邊際預測分佈p (yt+1 ｜y1:t )可採用一方式來計算，該方式為，藉由在連串長度rt 的後驗預測機率的邊際化以維持連串長度rt 的不確定性：(方程式18)
針對連串長度rt 的每個值的後驗預測機率可從如前述的基本預測模型來計算。
在線上方式之下的穩定性測量St 可如自檢測到最後變化點已發生的一變化點的時間t 處的機率來計算。此機率係採用自檢測到先前變化點的所有可能連串長度的後驗連串長度分佈p (rt ｜y1:t )的值之總和來計算。即是，總和是針對從0至小於先前變化點時間的目前時間t 的連串長度rt 的全部值來計算：(方程式19)
其中在時間t 前的先前變化點是在時間t0 檢測到(先前警示時間t0 是在檢測到任何變化點之前被初始化成0)。
在本技術之一形式，如下述，基於對外部計算裝置(7005)接收或計算的臨床醫生呼吸特徵檢驗，臨床醫生能夠透過其相關外部計算裝置(7005)的使用者界面而對監督設備(7000)發出人工警示。如果發出此一人工警示，先前警示時間t0 的值會更新成發出人工警示的時間。
圖7E包含示意說明根據本技術之一形式之在線上方式之下，用來實施圖7C所示方法(7100)的穩定性測量計算步驟(7130)之方法(7300)的流程圖。方法(7300)是在每個監督階段之後反覆實現(執行一次)。
方法(7300)是從步驟(7310)開始，其中聯合概率p (rt ,y1:t )(即是，gt )在一實施過程會被初始化(即是，t = 0時的指定值)成1。步驟(7310)只實現在方法(7300)的第一重複，因此是在圖7E的虛線所示。在步驟(7320)，目前時間t 會增量，且會收到目前取樣yt 。接著是步驟(7330)，其中方法(7300)使用基本預測模型(UPM)來計算目前後驗預測機率，且使用方程式(錯誤：未發現參考來源至錯誤：未發現參考來源)來計算目前取樣yt 。步驟(7340)然後使用方程式(錯誤：未發現參考來源)，從先前聯合概率gt -1 和目前後驗預測機率來計算目前聯合概率p (rt ,y1:t ) = gt 。對於連串長度rt 等於零而言，在方程式(錯誤：未發現參考來源)的總和存有t 項。不過，對於大於零的連串長度rt 的值而言，在方程式(錯誤：未發現參考來源)的總和中只有一項，因為只有rt-1 的一值，其中變化點先驗(方程式(錯誤：未發現參考來源))是非零，即是rt-1 =rt -1。此實際對線上方式提供計算效率。
在下一步驟(7350)，方法(7300)藉由使如方程式(錯誤：未發現參考來源)中的目前聯合概率p (rt ,y1:t )常態化來計算目前後驗連串長度分佈p(rt ｜y1:t )。步驟(7360)然後使用方程式(錯誤：未發現參考來源)而從目前後驗連串長度分佈p (rt ｜y1:t )來計算目前穩定性測量S t 。方法(7300)然後結束。 追溯方式
步驟(7130)的追溯方式是藉由比較特定時間之前和之後的時間序列{y (t )}的子序列的機率分佈來運作。在追溯方式之下的步驟(7130)是計算兩分佈間相異性時的穩定性測量。 假設，時間序列{y (t )}的長度k 的子序列Y (t )如下式的定義：(方程式20)
其中k 是追溯方式的參數。每個子序列Y (t )是當作k 構件向量來處理，其為來自基本k 維度聯合分佈的取樣。在時間t 的n 個連續子序列Y (t )的集合Y(t )是如下式的定義：(方程式21)
其中n 是追溯方式的進一步參數。n 個子序列Y (t )的集合Y(t )的機率分佈可使用Pt 來表示。
追溯方式計算在n 個子序列的集合Y(t+n )的分佈Pt 和分佈Pt+n 間的對稱相異性Ds ，n 取樣較慢於集合Y(t )。在一實施，對稱相異性Ds 利用已知為f散度的兩分佈P 和P ¢ 間的相異性測量Df (P||P’)，且如下式的定義：(方程式22)
其中f 是凸函數，使得f (1)=0，且p (Y )和p ¢ (Y )是分別分佈P 和P’的機率密度函數(密度)。對稱相異性Ds 可採用分佈Pt 和分配Pt+ n 間的f 散度Df (Pt ||Pt+n )、與分佈Pt+n 和分佈Pt 間的f 散度Df (Pt+n ||Pt )的總和來計算：(方程式23)
對稱相異性Ds 是採用此來表示，因為Pt 和Pt+n 間的對稱相異性Ds 是相同於Pt+n 和Pt 間的對稱相異性Ds 。大體上，方程式22的f 散度Df 在此意義不是對稱。當Pt 和Pt+n 間的f 散度Df 或Pt+n 和Pt 間的f 散度Df 是高值時，根據方程式23計算的對稱相異性Ds 係採用一高值。對稱相異性Ds 因此在檢測變化點的靈敏度超過在Pt 和Pt+n 間的f 散度Df (單獨)或在Pt+n 和Pt 間的f 散度Df (單獨)。Pt 和Pt+n 間的對稱相異性Ds 可因此當作在時間t+n 處之患者(1000)的穩定性測量St+n 來使用。在Pt (一集合(t )的機率分佈，其包含實質由監督階段t +n 之前的時間序列{y (t )}的取樣組成的子序列Y (t ))、和Pt+n (一集合(t+n )的機率分佈，其包含實質由監督階段Y(t+n) 之後的時間序列{y (t )}的取樣組成的子序列Y (t+n ))間的對稱相異性Ds 的較高值表示，在時間序列{y (t )}的變化點是否可能呈現介於監督階段(t+n1 )和(t+n )間。
使用在方程式23的定義來評估監督階段t+n 處的穩定性測量St+n 需要從上限為時間t+2n +k -2且包含時間t+2n +k -2的時間的取樣y (t )。換句話說，當在時間T 收到取樣y (T )時，根據追溯方式的穩定性測量S 可在時間T-n -k +2處計算。因此，根據追溯方式，在時間T ，使用最近取樣y (T )計算的穩定性測量S 的提高表示，一變化點發生約在時間T 之前的n +k -2個監督階段。追溯方式因此可視為具有n +k -2個取樣的延遲。
在一實施，在f 散度定義(方程式22)的定義中使用的凸函數f 是定義為f (t ) =t log(t )的Kullback-Liebler(KL)散度。在另一實施，凸函數f 是定義為二次函數的皮爾遜(Pearson)散度：(方程式24)
將方程式24的皮爾遜散度f (t )替換成方程式22可提供皮爾遜(Pearson)相異性DPE 。
由於分佈Pt 和Pt+n 的密度p (Y )和p ¢ (Y )是未知，使得無法直接計算對稱相異性Ds 。追溯方式之一實施使用習知的方法分別估計來自該等集合Y(t )和Y(t+n )的密度p (Y )和p ¢ (Y )，然後套用方程式22和23，以從估計的密度來計算對稱相異性Ds 。不過，當維度數(在此情況為k )增加時，習知的密度估計方法傾向較不準確。
追溯方式的替代實施可估計密度p (Y )和p ¢ (Y )間的比值。相較於準確性，密度比值評估對於個別密度p (Y )和p ¢ (Y )的評估是較容易。
密度比值g (Y ) =p (Y )/p ¢ (Y )可藉由核心基函數的加權總和來取得近似值：(方程式25) 其中核心基函數K 是高斯函數：(方程式26)
其中核心寬度s 是基於交叉驗證而決定，且加權或係數q l 是參數n 向量q 的元素。核心中心Yl (l = 1, …, n)是構成集合Y(t )的n 個子序列Y (t ), …,Y (t +n -1)。
針對密度比g(Y)而在方程式25中所給定近似值的最佳參數向量在平方損失之下可藉由使近似值調適真實密度比值g 而發現。此相當於使下列針對參數向量 的目標函數極小化：(方程式27) 其中H 是由下列式子所給定第(l, l¢)元素H(l, l¢)的n xn 矩陣。(方程式28) 其中Y'j (j = 1, …, n)為構成集合Y(t+n )的n 個子序列Y (t+n ), …,Y (t+2n-1 )。向量h 是由下列式子所給定第1元素h (l )的n 向量。(方程式29)
在方程式27的目標函數中的最後項是一懲罰項，包含針對規則化目的，其中l 當作規則化參數。
在方程式27的目標函數是利用下式給定的參數向量而極小化：(方程式30)
方程式22的皮爾遜相異性DPE (Pt ||Pt+n )可如下式取得近似值：(方程式31)
皮爾遜相異性DPE (Pt+n ||Pt )可藉由互換子序列Yi (i = 1, …,n )和Y'j (j = 1, …,n )而採用類似於的方式取得近似值。產生的近似值然後加上近似值以取得對稱相異性，其是在追溯方式之下的穩定性測量St+n 。
圖7F包含示意說明根據本技術一形式之用來追溯方式之下實施圖7C所示方法(7100)的穩定性測量計算步驟(7130)之方法(7400)的流程圖。
方法(7400)是從步驟(7410)開始，其根據方程式(錯誤：未發現參考來源)形成分別構成集合Y(t )和Y(t+n )的兩組子序列Yi (i = 1, …,n )和Y'j (j = 1, …,n )。因為這些子序列的定義，使得在時間t +2n +k -2或其後實現方法(7400)。接續步驟(7420)，其中矩陣H 和向量h 使用方程式(錯誤：未發現參考來源和錯誤：未發現參考來源)及核心定義方程式(錯誤：未發現參考來源)來計算。在下一步驟(7430)，方程式26用來計算參數向量。接續步驟(7440)，其中方法(7400)利用方程式31和25而使用參數向量來計算皮爾遜相異性DPE (Pt ||Pt+n )的近似值。
在步驟(7450)，子序列Yi (i = 1, …,n )和Y'j (j = 1, …,n )會互換。步驟(7460、7470、7480)會在互換的子序列Y'j (i = 1, …,n )和Yi (i = 1, …,n )重複步驟(7420、7430、7440)的處理，以取得皮爾遜相異性DPE (Pt+n ||Pt )的近似值。最後，在步驟(7490)，DPE (Pt ||Pt+n )和DPE (Pt+n ||Pt )的近似值相加一起以取得對稱相異性DS (Pt ||Pt+n )，其為根據追溯方式在時間t+n 處的一穩定性測量St+n 。
在方法(7400)的一實施，參數n 和k 分別是10和5，因此追溯方式的延遲是n +k -2=13個取樣。核心寬度s 和正則化參數l 是利用複核效化取得，因為來自兩不連續可能集合的值，其使針對子序列Yi 和Y'j 的集合Y(t )和Y(t+n )的複數個任意選定子集合的方程式27中的目標函數極小化。 組合方式
步驟(7130)的組合方式計算如前述的線上穩定性測量和追溯穩定性測量以產生警示。在組合方式的一實施，當線上穩定性測量符合一第一標準(例如，一或多個臨界值比較)且追溯穩定性測量同時符合一第二標準(例如，一或多個臨界值比較)時，該組合方式產生一警示。在組合方式的另一實施，當線上穩定性測量符合一第一標準(例如，一或多個臨界值比較)或追溯穩定性測量同時符合一第二標準(例如，一或多個臨界值比較)時，該組合方式產生一警示。 警示產生
在步驟(7150)產生的臨床警示可包括採用許多形式的一警告或警示訊息。例如，用以對患者(1000)產生臨床警示的處理器(7006)可啟動監督設備(7000)的狀態光(例如，LED或在顯示器裝置(7015)的小圖示)。有關指示符的評估之更詳細訊息亦可在顯示器裝置(7015)顯示給患者(1000)。或者，處理器(7006)亦可(或者)經由連接(7008)傳送一警示訊息至有關臨床醫生的外部計算裝置(7005)。此一訊息可採用有線或無線通訊形式。例如，處理器(7006)可經由一傳呼系統產生一警示訊息，諸如藉由自動撥接一傳呼系統。處理器(7006)亦可構成產生一自動語音電話訊息。處理器(7006)亦可藉由傳真傳輸來傳送警示訊息。在某些具體實施例，處理器(7006)亦可經由網際網路傳訊協定(諸如，電子郵件訊息)、或藉由任何其他網際網資料檔案傳輸協定來傳送警示訊息。警示訊息可甚至被加密以保持患者資訊隱私。一典型警示訊息可識別患者。此一訊息亦可包括監督設備(7000)記錄的資料、或任何其他記錄患者資料。或者，在某些具體實施例，警示訊息可甚至表示由於檢測到可能臨床事件考慮患者是否需要額外治療、住院治療、或評估。
雖然警示訊息可經由監督設備(7000)的顯示器裝置(7015)而由處理器(7006)傳送給患者，且經由連接(7008)而傳送給臨床醫生，不過在某些具體實施例中，警示訊息可更選擇性傳送。例如，在顯示器裝置(7015)沒有顯示任何警示，透過連接(7008)只傳送警示訊息至一外部計算裝置(7005)，一第一警示訊息便可只傳送給臨床醫生。不過，可能更緊急訊息的一第二警示訊息可然後傳送至外部計算裝置(7005)，同時主動地顯示在顯示器裝置(7015)。可亦實施由處理器(7006)所控制選擇性喇叭的可聽警示。一可聽警示可視警示訊息的迫切性來使用。
在本技術之一形式，臨床醫生可基於在外部計算裝置(7005)所收到呼吸特徵的臨床醫生檢驗，透過有關外部計算裝置(7005)的使用者界面而對監督設備(7000)發出人工警示。 查詢
在本技術之另一形式，處理器(7006)可針對患者查詢的反應狀況來限定警示，其可用來避免不必要的警示。在方法(7100)的變化中，在穩定性測量符合標準(步驟(7140))而不是立即產生一警示，如步驟(7150)，處理器(7006)可提示患者(1000)採取行動，諸如服用處方藥物，或對患者(1000)顯示查詢以提供回應。在處理器(7006)的控制之下的顯示器裝置(7015)可對患者(1000)顯示查詢，提示患者(1000)經由使用者界面輸入一回應。顯示的問題或查詢的問題可從資料庫、或其他問題資料結構選擇，諸如在監督設備(7000)的記憶體(7002)中的資料結構。處理器(7006)然後可評估查詢的接收反應。基於此評估，處理器(7006)可產生警示(如步驟(7150)所示)、中止警示、及/或在回應一或多個附加查詢中延遲一警示的產生。在特定時間之後、在進一步發現變化點之後、或在進一步使用監督設備(7000)之後，可啟動此附加查詢。在步驟(7150)包含傳送有關臨床醫生的警示訊息至外部計算裝置(7005)的本技術之形式中，接收的查詢回應可改為轉送至外部計算裝置(7005)，供臨床醫生的手動評估。臨床醫生可基於此評估來決定是否維持或取消警示。
此查詢可用來減少假陽性(例如，當臨床干預和患者造成警示，且稍後發現臨床干預不必要)。某些假陽性可能由於患者行為變化，此行為可能在沒有臨床干預予以矯正。此行為可包括錯過或不正確藥物劑量、未遵循飲食建議及/或休息需求、等等。查詢問題可按照患者提出醫藥及/或生活方式依從性(例如，使患者服用處方藥物及/或遵從醫師治療建議，等等)。或者，在某些情況，一或多個問題可提出監督設備(7000)的操作完整性，以確保接收的呼吸信號是有效。或者，處理器(7006)可在預定時間範圍(諸如，一或多個監督階段)進行一系列查詢，且只有在該預定時間範圍已經過去之後，產生一警示。
在線上的方式之下，如果處理器(7006)放棄一警示回應發現的變化點，或臨床醫生隨後手動取消一產生的警示，處理器(7006)可將先前的警示時間t0 (使用在方程式19)恢復成倒數第二個所產生警示的時間。 實例結果
圖8包含顯示使用方法(7100)從監督設備(7000)取得實例結果的曲線圖(8000)。上波形曲線(8010)顯示該等前述呼吸特徵之一，即是在階段t 所標示階段(超過400個階段)的呼吸率的第75百分位數。灰頻帶(8015)顯示在概略階段數182處的患者所經歷對稱圍繞ADHF事件(向上箭號(8020)所示)的28個階段間隔。下波形曲線(8050)顯示在階段t 處的峰巔，其中追溯方式計算的穩定性測量St 超過一臨界值，因此步驟(7150)產生一警示。具體地係，雙峰值(8060)符合ADHF事件。其他峰值(例如， (8070))不符合ADHF事件，因此代表「假陽性」。 字彙
為了本技術揭示之目的，在本技術之特定形式中，可應用一或多個下列定義。在本技術之其他形式中，可應用其他定義。 通則
空氣(Air)：在本技術之特定形式中，空氣意指大氣，且在本技術的其他形式，空氣義指意謂可呼吸氣體的某些其他組合，例如含高度氧的大氣。
連續呼吸道正壓換氣(CPAP，Continuous Positive Airway Pressure)：CPAP治療意指將相對大氣的持續正壓空氣供應施加於呼吸道入口，且最好係，在整個患者呼吸週期概略不變。在某些形式，呼吸道入口的壓力在呼氣期間將略微較高，且在吸氣期間略微降低。在某些形式，壓力將會在患者的不同呼吸週期之間發生變化，例如，隨著發現局部上呼吸道障礙的指示而增加，且隨著沒有上呼吸道障礙的指示而減少。 呼吸週期的態樣
呼吸中止(Apnea)：最好係，呼吸中止應是，例如10秒鐘持續時間，流量落在低於一預定臨界值之時發生。妨害性呼吸中止應是，不管患者努力，當呼吸道的一些障礙無法使空氣流動的情況發生。中樞型呼吸中止可以說，儘管呼吸道是暢通，在檢測到呼吸中止之時發生，由於減少呼吸使力、或沒有呼吸使力。當減少或沒有呼吸使力符合阻塞性呼吸道時，發生混合性呼吸中止症。
呼吸率(Breathing Rate)：患者的自然呼吸率，通常採用每分鐘呼吸次數為單位進行測量。
工作週期(Duty Cycle)：吸入時間Ti 與總呼吸時間Ttot 之比率。
呼吸使力(Breathing Effort)：最好係，呼吸使力應是自然呼吸者嘗試呼吸所完成的動作。
呼吸循環的呼氣部分(Expiratory portion of a breathing cycle)：從呼氣流動的開始至吸氣流動的開始之時段。
流速限制(Flow Limitation)：最好係，流速限制會是患者呼吸的事態，其中，患者更用力不引起流速相對增加。在流速限制於呼吸循環的吸氣部分期間發生的情況，此流速限制會是吸氣流速限制。在呼吸循環的呼氣部分期間發生流速限制的情況，此流速限制會是呼氣流速限制。
淺呼吸(Hypopnea)：最好係，淺呼吸會降低流動，但不會停止流動。在一形式中，淺呼吸應是當減少流速低於持久性的臨界值時發生。中樞性淺呼吸可說是由於減少呼吸使力，檢測到淺呼吸之時發生。
呼吸急促(Hyperpnea)：流量增加至較高於正常流量的位準。
呼吸循環的吸氣部分(Inspiratory portion of a breathing cycle)：最好係，從吸氣流動的開始至呼氣流動的開始之時段會是呼吸循環的吸氣部分。
暢通性呼吸道(Patency Airway)：呼吸道打開的程度，或呼吸道打開的範圍。暢換呼吸道是打開的。呼吸道暢通可量化，例如1值表示暢通，與0值表示關閉(阻塞)。
呼氣末正壓換氣(PEEP，Positive End-Expiratory Pressure)：呼氣末肺內壓力超過大氣。
峰值流速(Peak Flow)Qpeak ：在呼吸流波形的吸氣部分期間的最大流動值。
呼吸流速、氣流、患者氣流、呼吸氣流(Respiratory Flow, Airflow, Patient Airflow, Respiratory Airflow)(Qr )：這些同義術語可視為PAP器件對呼吸氣流的評估，而不是「真實的呼吸流速」或「真實的呼吸氣流」，其為患者經歷的正確呼吸流速，通常是以每分鐘公升數表示。
潮氣量(Tidal volume)(Vt )：未施加額外用力時的正常呼吸期間的吸氣或呼氣量。
吸氣時間(Inhalation Time)(Ti )：呼吸流波形的吸氣部分的持續時間。
呼氣時間(Eexhalation Time)(Te )：呼吸流波形的呼氣部分的持續時間。
總時間(Total Time)(Ttot )：在一呼吸流波形的吸氣部分的開始與下一呼吸流波形的吸氣部分的開始之間的總期間。
典型最近換氣(Typical Recent Ventilation)：換氣值，其中在一些預定時段的最近值傾向密集，即是，最近換氣值的趨中量數。
上呼吸道障礙(UAO，Upper Airway Obstruction)：包括部分與總上呼吸道障礙。此可能有關流速限制的狀態，其中，流速程度只略微增加，或當跨上呼吸道的壓力差增加(斯塔林電阻行為)時，可能甚至減少。
換氣(Ventilation)(Vent)：患者呼吸系統交換氣體總量的測量，包括每單位時間的吸氣與呼氣流速。當以每分鐘換氣量表示時，此量時常稱為「分鐘換氣」。分鐘換氣有時只以換氣量表示，即為每分鐘換氣量。 呼吸道正壓換氣(PAP)器件參數
流率/流速(Flow Rate/Flow)：每單位時間的瞬間傳導空氣量(或質量)。當流速與換氣每單位時間有相同體積量或質量時，在非常短時間所測得的流率。在某些情況，參考流率可視為純量，即是只有大小的量值。在其他情況，流率可視為矢量的參考，即是具有大小和方向的量值。在稱為符號量值情況，患者呼吸週期的吸氣部分的流率為額定正值，因此，患者呼吸週期的呼氣部分的流率為負值。流率是採用符號Q 表示。總流量Qt 是空氣離開RPT裝置的流率。換氣口流量Qv 是空氣離開換氣口以排出呼出氣體的流率。漏流量Q l 是從患者介面系統的非意欲漏流率。呼吸流量Qr 是進入患者呼吸系統的空氣流率。
漏流(Leak)：具體地，用詞「漏流」將視為空氣流環境。漏流是意欲的(例如)以允許排出呼出氣體CO2 。漏流是非意欲的，例如，因此，其是在面罩與患者臉部之間的不完全密封。在一實例，漏流可能發生在旋轉接頭。 其他補充說明
本專利文件的揭露部分包括受制於版權保護的材料。版權擁有者對於專利文件或專利揭露部分的任何一者的傳真再生沒有異議，因為專利文件或專利揭露部分出現在專利商標局專利檔案或記錄，但在其他方面保有所有版權。
除非本說明書明確指出且提供各種值，否則，應明白，在範圍內的上限值與下限值間的每個居間值(到下限值單位的十分之一)、與在所述範圍內的任何其他指定值或居間值涵蓋在本技術內。這些居間範圍的上限值與下限值(可獨自包括在居間的範圍中)亦涵蓋的本技術(隸屬於在所述範圍內的任何特別排除限制)內。在所述範圍包括一或兩限制之情況，排除這些包括限制的任一者或兩者的範圍亦包括在本技術內。
此外，在本說明書所述之一值或數值係以技術之一部分予以實施的情況，應瞭解，除非特別聲明，否則此值可為近似值，且此值可用於一實際技術實施允許或需要的任何適當有效數字的任何視當有效數字。
除非定義，否則，在此使用的所有技術與科學術語具有與熟諳此技者普遍瞭解相同的意義。雖然類似或等同在本說明書所述的任何方法與材料亦可用來實施或試驗本技術，不過在本說明書描述有限數量的示範方法與材料。
當特別材料視為最好用來構成一組件時，很明顯，具類似屬性的替代性材料可替代使用。此外，除非在此指定相反，否則在此所述的任何與所有組件應瞭解可製造，同樣地，可一起製造或個別製造。
必須注意，如在本說明書與文後申請專利範圍的使用，除非明確說明，否則單數形式「一」、與「該」包括其複數個等效物。
本說明書提到的所有專利為併入供參考以揭示及描述這些專利的主題之方法及/或材料。本說明書中討論的出版物只是為了揭示在本申請的申請日之前的出版物而提供。不應解釋為承認本技術不能因為是在先前發明而先於這些揭示。此外，提供出版物日期可能不同於實際的出版日期，可能需要單獨確認。
而且，在解釋本技術方面，所有術語應在以符合本說明書的最大合理方法解釋。尤其，術語「包括」與「包含」應解釋為以非排他性方法參考元件、組件或步驟，表示參考的元件、組件或步驟可提供、或利用、或與未明白參考的其他元件、組件或步驟一起組合。
在詳細描述中所包括使用的主題標題只供讀者容易參考，且應不是用來限制在揭示或申請專利範圍中使用之標的事項。主題標題應未構成申請專利範圍或申請專利範圍限制之範疇。
雖然本技術在此參考特別範例描述，但應瞭解，這些範例只是示意說明本技術的原理與應用。在一些例證中，術語與符號可能表示無需實施本技術的特定細節。例如，雖然可能使用用語「第一」與「第二」，除非特別指定，否則在此不意味任何順序，而是用來區別不同的元件。此外，雖然方法中的處理步驟可能採用一順序來描述或示例，但不必然要依此一順序。熟諳此技者明白，此順序可修改及/或其態樣可同時或甚至同步執行。
因此，應瞭解，許多修改可達成示意範例，且其他配置可設計，不致悖離本技術的精神與範疇。
1000‧‧‧患者
1200‧‧‧感測器單元
3000‧‧‧患者介面
3100‧‧‧密封形成結構
3200‧‧‧充氣室
3300‧‧‧穩定結構
3400‧‧‧換氣口
3600‧‧‧連接端口
3700‧‧‧前額支撐件
4000‧‧‧呼吸壓力治療(RPT)裝置
4010‧‧‧外殼體
4012‧‧‧上部
4014‧‧‧下部
4015‧‧‧面盤
4016‧‧‧底盤
4018‧‧‧環柄
4020‧‧‧氣動組塊
4100‧‧‧氣動組件
4112‧‧‧進氣口濾清器
4122‧‧‧進氣口消音器
4124‧‧‧出氣口消音器
4140‧‧‧壓力產生器
4142‧‧‧鼓氣機
4170‧‧‧空氣通道
4200‧‧‧電氣組件
4202‧‧‧印刷電路板組件總成
4210‧‧‧電源供應器
4220‧‧‧輸入裝置
4230‧‧‧中央控制器
4240‧‧‧治療裝置控制器
4250‧‧‧保護電路
4260‧‧‧記憶體
4270‧‧‧轉換器
4272‧‧‧壓力感測器
4274‧‧‧流速感測器
4280‧‧‧資料通訊介面
4282‧‧‧遠端外部通訊網路
4284‧‧‧本地外部通訊網路
4286‧‧‧遠端外部裝置
4288‧‧‧本地外部裝置
4290‧‧‧輸出裝置
4292‧‧‧顯示器驅動器
4294‧‧‧顯示器
5000‧‧‧增濕器
7000‧‧‧監督設備
7001‧‧‧微控制器單元
7002‧‧‧記憶體
7003‧‧‧動作信號
7004‧‧‧通訊電路
7005‧‧‧外部計算裝置
7006‧‧‧處理器
7008‧‧‧連接
7010‧‧‧動作感測器
7015‧‧‧顯示器裝置
7017‧‧‧音頻輸出
7020‧‧‧發射器
7030‧‧‧接收器
7040‧‧‧本地振盪器
7050‧‧‧天線
7060‧‧‧射頻信號
7070‧‧‧反射信號
7080‧‧‧混波器
7100‧‧‧監督方法
7110‧‧‧步驟
7120‧‧‧步驟
7130‧‧‧步驟
7140‧‧‧步驟
7150‧‧‧步驟
7160‧‧‧步驟
7210‧‧‧動作檢測模組
7220‧‧‧陽性/陰性檢測模組
7230‧‧‧睡眠/覺醒分析模組
7240‧‧‧呼吸率估計模組
7250‧‧‧信號選擇模組
7255‧‧‧調變週期度量計算模組
7260‧‧‧封包產生模組
7265‧‧‧睡眠呼吸障礙(SDB)事件檢測模組
7270‧‧‧睡眠呼吸障礙(SDB)事件確認模組
7280‧‧‧特徵計算模組
7300‧‧‧在線上方式之下之監督方法的穩定性測量計算步驟之方法
7310‧‧‧步驟
7320‧‧‧步驟
7330‧‧‧步驟
7340‧‧‧步驟
7350‧‧‧步驟
7360‧‧‧步驟
7400‧‧‧在追溯方式之下之監督方法的穩定性測量計算步驟之方法
7410‧‧‧步驟
7420‧‧‧步驟
7430‧‧‧步驟
7440‧‧‧步驟
7450‧‧‧步驟
7460‧‧‧步驟
7470‧‧‧步驟
7480‧‧‧步驟
7490‧‧‧步驟
8000‧‧‧曲線圖
8010‧‧‧上波形曲線
8015‧‧‧灰頻帶
8020‧‧‧向上箭號
8050‧‧‧下波形曲線
8060‧‧‧峰值
8070‧‧‧峰值
本技術為經由非限制性範例、連同附圖加以示意說明，其中，相同參考編號表示類似元件，包括： 治療系統
圖1顯示根據本技術之一形式之一示範性治療系統。配戴一患者介面(3000)的患者(1000)從RPT裝置(4000)接收正壓空氣供應。來自RPT裝置(4000)的空氣是在一增濕器(5000)中增濕，且沿著空氣通道(4170)輸送給患者(1000)。 呼吸系統和臉部解剖構造
圖2顯示人體呼吸器官系統之概觀，包括鼻與口腔、喉、聲帶、食管、氣管、支氣管、肺、肺泡小囊、心臟與橫隔膜。 患者介面
圖3顯示根據本技術之一形式之採用鼻罩形式的患者介面。 呼吸壓力治療(RPT)裝置
圖4A顯示根據本技術之一形式的RPT裝置。
圖4B顯示根據本技術之一形式之圖4A所示RPT裝置的氣動路徑的示意圖。同時指出上游方向和下游方向。
圖4C顯示根據本技術之一態樣之圖4A所示RPT裝置的電器組件的示意圖。 增濕器
圖5顯示根據本技術之一態樣之增濕器的等角視圖。 呼吸波形
圖6A顯示人睡眠時的典型呼吸波形模型。
圖6B顯示約90秒時段通常非REM睡眠呼吸期間患者的睡眠多維圖資料。
圖6C顯示患有阻塞型睡眠呼吸中止症患者的睡眠多維圖資料。
圖6D顯示患者經歷一系列整體阻塞性呼吸中止狀況的患者流率資料。
圖6E顯示患有陳-施呼吸症患者的睡眠多維圖資料。 監督設備
圖7A顯示根據本技術之一形式之監督患者睡眠的設備。
圖7B為更詳細示意說明圖7A所示監督設備的方塊圖。
圖7C為示意說明根據本技術之一形式之如圖7B所示監督設備所實現，用以監督患者慢性疾病狀態之方法的流程圖。
圖7D為示意說明根據本技術之一形式之用來實施圖7C所示方法中特徵萃取步驟之方法的方塊圖。
圖7E為示意說明根據本技術之一形式之用來在線上方式之下實施圖7C所示方法中穩定性測量計算步驟之方法的方塊圖。
圖7F為示意說明根據本技術之一形式之用來在追溯方式之下實施圖7C所示方法中穩定性測量計算步驟之方法的方塊圖。 圖8包含顯示使用圖7C所示方法從圖7A所示監督設備獲得實例結果的圖式。

Claims (52)

  1. 一種監督患者慢性疾病狀態的方法，該方法包括：利用一處理器，針對複數個監督階段之每一者，在監督階段期間從指示患者呼吸的呼吸信號萃取呼吸特徵，該呼吸信號是源自至少一感測器；及利用一處理器，計算一監督階段之患者的穩定性測量，該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的指示。
  2. 如請求項1所述之方法，其中該指示是從該呼吸特徵形成的一時間序列的兩組子序列的機率分佈的相異性測量，該等兩組包含實質由分別監督階段之前和之後的該等時間序列之取樣所組成的子序列。
  3. 如請求項1所述之方法，其中該指示是在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的機率。
  4. 如請求項3所述之方法，其中該計算該指示包括：如果有上限為該監督階段且包含該監督階段的該呼吸特徵之值，計算該監督階段特之連串長度的後驗分佈；及計算連串長度之該後驗分佈的值之總和。
  5. 如請求項1至4中任一項所述之方法，其中該呼吸特徵是呼吸率的百分位數。
  6. 如請求項5所述之方法，其中該呼吸率的百分位數是呼吸率的第50百分位數。
  7. 如請求項5所述之方法，其中該呼吸率的百分位數是呼吸率的第75百分位數。
  8. 如請求項1至4中任一項所述之方法，其中該呼吸特徵是睡眠障礙呼吸事件的總次數。
  9. 如請求項1至4中任一項所述之方法，其中該呼吸特徵是陳-施呼吸週期持續時間的百分位數。
  10. 如請求項9所述之方法，其中該持續時間的百分位數是陳-施呼吸週期持續時間的第75百分位數。
  11. 如請求項1至4中任一項所述之方法，其更包括基於該穩定性測量與一臨界值的比較以產生一警示。
  12. 如請求項1至4中任一項所述之方法，其更包括基於該穩定性測量與一臨界值的比較以提示患者採取一行動。
  13. 如請求項1至4中任一項所述之方法，其更包括基於該穩定性測量與一臨界值的比較以觸發對患者顯示查詢。
  14. 如請求項13所述之方法，其更包括基於對該查詢的回應以產生一警示。
  15. 如請求項13所述之方法，其更包括基於對該查詢的回應以觸發對患者顯示額外查詢。
  16. 一種慢性疾病監督設備，其包括：一感測器，其構成在監督階段期間產生指示患者呼吸的呼吸信號；及一處理器，其構成：針對複數個監督階段之每一者，從該呼吸信號萃取一呼吸特徵；及計算一監督階段之患者的穩定性測量，該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的指 示。
  17. 如請求項16所述之慢性疾病監督設備，其更包括一外部計算裝置。
  18. 如請求項17所述之慢性疾病監督設備，其中該處理器形成該外部計算裝置的部分。
  19. 如請求項16所述之慢性疾病監督設備，其中該處理器更構成基於該穩定性測量與一臨界值的比較以控制一警示的產生。
  20. 如請求項19所述之慢性疾病監督設備，其更包括一外部計算裝置。
  21. 如請求項20所述之慢性疾病監督設備，其中該警示的產生包括傳送一警示訊息至該外部計算裝置。
  22. 如請求項16至21中任一項所述之慢性疾病監督設備，其中該感測器是一非接觸式動作感測器，且該呼吸信號是代表患者呼吸運動的信號。
  23. 如請求項16至21中任一項所述之慢性疾病監督設備，其中該設備是一呼吸壓力治療裝置，且該呼吸信號是代表來自使用該呼吸壓力治療裝置階段的患者呼吸流率之一信號。
  24. 一種利用一或多個處理器以監督患者慢性疾病狀態之方法，該方法包括：在該監督階段期間，針對複數個監督階段之每一者，從指示患者呼吸的呼吸信號萃取一呼吸特徵，該呼吸信號是源自至少一感測器；從該呼吸特徵的連續值形成一時間序列；及計算一監督階段之患者的穩定性測量，該穩定性測量代表該等 時間序列的兩組子序列的機率分佈的相異性測量，該等兩組包含實質由分別監督階段之前和之後的該等時間序列之取樣所組成的子序列。
  25. 如請求項24所述之方法，其更包括，利用一或多個處理器，基於該穩定性測量與一臨界值的比較以控制一警示的產生。
  26. 如請求項24所述之方法，其更包括，利用一或多個處理器：如果有上限為該監督階段且包含該監督階段的該呼吸特徵之值，計算該監督階段特之連串長度的後驗分佈；計算該監督階段之患者的第二穩定性測量，其為連串長度之該後驗分佈的值之總和。
  27. 如請求項26所述之方法，其更包括，利用一或多個處理器，基於該穩定性測量與一臨界值的比較、及該第二穩定性測量與一第二臨界值的比較以控制一警示的產生。
  28. 如請求項26所述之方法，其更包括利用一或多個處理器，基於該穩定性測量與第一臨界值的比較、及該第二穩定性測量與一第二臨界值的比較以控制一警示的產生。
  29. 如請求項24至28中任一項所述之方法，其中該相異性的測量是相異性的對稱測量。
  30. 如請求項29所述之方法，其中該相異性的對稱測量是下列的總和：在實質由分別該監督階段之前和之後的該等時間序列的取樣所組成的該等時間序列的該組子序列的一機率分佈之間的f散度；及在實質由分別該監督階段之後和之前的該等時間序列的取樣所 組成的該等時間序列的該組子序列的該機率分佈之間的f散度。
  31. 如請求項30所述之方法，其中一第一機率分佈和一第二機率分佈間的f散度是該第一機率分佈的密度函數與該第二機率分佈的密度函數之比率的凸函數之積分，其係利用該第二機率分佈的密度函數加權。
  32. 如請求項31所述之方法，其中該凸函數是一皮爾遜(Pearson)散度。
  33. 如請求項31所述之方法，其更包括利用一或多個處理器，藉由高斯核基函數的加權總和以趨近密度函數之比率。
  34. 一種慢性疾病監督設備包括：一感測器，其構成在監督階段期間產生指示患者呼吸的呼吸信號；一處理器，其構成：針對複數個監督階段之每一者，從該呼吸信號萃取一呼吸特徵；從該呼吸特徵的連續值形成一時間序列；及計算一監督階段之患者的穩定性測量，該穩定性測量代表該等時間序列的兩組子序列組的機率分佈的相異性測量，該等兩組包含實質在分別由該監督階段之前和之後的該等時間序列的取樣所組成的子序列。
  35. 如請求項34所述之慢性疾病監督設備，其更包括一外部計算裝置。
  36. 如請求項35所述之慢性疾病監督設備，其中該處理器形成該外部計算裝置的部分。
  37. 如請求項34所述之慢性疾病監督設備，其中該處理器更構成基於該穩定性測量與一臨界值的比較以控制一警示的產生。
  38. 如請求項37所述之慢性疾病監督設備，其更包括一外部計算裝置。
  39. 如請求項38所述之慢性疾病監督設備，其中該警示的產生包括傳送一警示訊息至該外部計算裝置。
  40. 如請求項34至39中任一項所述之慢性疾病監督設備，其中該感測器是一非接觸式動作感測器，且該呼吸信號是代表患者呼吸運動之一信號。
  41. 如請求項34至39中任一項所述之慢性疾病監督設備，其中該設備是一呼吸壓力治療裝置，且該呼吸信號是代表來自使用該呼吸壓力治療裝置階段的患者呼吸流率之一信號。
  42. 一種監督患者慢性疾病狀態的方法，該方法包括，利用一或多個處理器：針對複數個監督階段之每一者，在該監督階段期間從指示患者呼吸的呼吸信號萃取一呼吸特徵，該呼吸信號是源自至少一感測器；及計算一監督階段之患者的穩定性測量，該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的機率，其中該計算包括：如果有上限為該監督階段且包含該監督階段的該呼吸特徵之值，計算該監督階段特之連串長度的後驗分佈；及計算連串長度之該後驗分佈的值之總和。
  43. 如請求項42所述之方法，其更包括利用一或多個處理器，基於該穩定性測量與一臨界值的比較以檢測在該監督階段的一變化點。
  44. 如請求項43所述之方法，其中該總和是自檢測先前變化點的整個連串長度來計算。
  45. 如請求項43所述之方法，其更包括利用一或多個處理器，基於檢測一變化點以控制一警示的產生。
  46. 如請求項42至45中任一項所述之方法，其中該計算連串長度的後驗分佈包括使連串長度和取樣值的聯合概率常態化。
  47. 如請求項46所述之方法，其中連串長度和取樣值的該聯合概率是從先前監督階段的連串長度和取樣值的聯合概率值來計算。
  48. 一種慢性疾病監督設備，包括：一感測器，其構成在監督階段期間產生指示患者呼吸的一呼吸信號；及一處理器，其構成：針對複數個監督階段之每一者，從該呼吸信號萃取一呼吸特徵；及計算一監督階段之患者的穩定性測量，該穩定性測量代表在該呼吸特徵的統計分佈中已發生在該監督階段之一變化點的機率，其中該計算包括：如果有上限為該監督階段且包含該監督階段的該呼吸特徵之值，計算該監督階段特之連串長度的後驗分佈；及計算連串長度之該後驗分佈的值之總和。
  49. 如請求項48所述之慢性疾病監督設備，其中該處理器更構成基於該穩定性測量與一臨界值的比較以控制一警示的產生。
  50. 如請求項49所述之慢性疾病監督設備，其更包括一外部計算裝置，其中該產生一警示包括傳送一警示訊息至該外部計算裝置。
  51. 如請求項48至50中任一項所述之慢性疾病監督設備，其中該感測器是一非接觸式動作感測器，且該呼吸信號是代表患者呼吸運動之一信號。
  52. 如請求項48至50中任一項所述之慢性疾病監督設備，其中該設備是一呼吸壓力治療裝置，且該呼吸信號是代表從使用該呼吸壓力治療裝置階段的患者呼吸流率之一信號。
TW104116606A 2014-05-26 2015-05-25 監督慢性疾病之方法及設備 TWI667995B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
AU2014901975A AU2014901975A0 (en) 2014-05-26 Method and apparatus for monitoring cardio-pulmonary health
??AU2014901975 2014-05-26

Publications (2)

Publication Number Publication Date
TW201618715A TW201618715A (zh) 2016-06-01
TWI667995B true TWI667995B (zh) 2019-08-11

Family

ID=54697725

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104116606A TWI667995B (zh) 2014-05-26 2015-05-25 監督慢性疾病之方法及設備

Country Status (6)

Country Link
US (2) US10980476B2 (zh)
EP (2) EP3148433B1 (zh)
JP (3) JP6765971B2 (zh)
CN (2) CN106572812B (zh)
TW (1) TWI667995B (zh)
WO (1) WO2015179911A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016205891A1 (en) 2015-06-26 2016-12-29 Resmed Limited Diagnosis and monitoring of cardio-respiratory disorders
EP3838138A3 (en) 2015-08-26 2021-09-15 ResMed Sensor Technologies Limited Systems and methods for monitoring and management of chronic disease
CN105232049A (zh) * 2015-11-17 2016-01-13 北京怡和嘉业医疗科技有限公司 一种云平台
US11103661B2 (en) * 2016-09-14 2021-08-31 ResMed Pty Ltd Apparatus and method for adaptive ramped control of positive airway pressure (PAP)
US11819322B2 (en) 2016-09-19 2023-11-21 Wisconsin Alumni Research Foundation System and method for monitoring airflow in a trachea with ultrasound
US11844605B2 (en) 2016-11-10 2023-12-19 The Research Foundation For Suny System, method and biomarkers for airway obstruction
CN107368675A (zh) * 2017-06-16 2017-11-21 深圳市盛路物联通讯技术有限公司 生命体征监测方法、系统以及数据整合方法、转发节点
EP3727135B1 (en) 2017-12-22 2024-02-28 ResMed Sensor Technologies Limited Apparatus, system, and method for motion sensing
EP3727134B8 (en) 2017-12-22 2023-03-08 ResMed Sensor Technologies Limited Processor readable medium and corresponding method for health and medical sensing
US11759677B2 (en) 2018-02-16 2023-09-19 University Of Louisville Research Foundation, Inc. Respiratory training and airway pressure monitoring device
US20220172359A1 (en) * 2019-04-02 2022-06-02 The Uab Research Foundation Method for detecting radiological progression in cancer surveillance
JP7383440B2 (ja) * 2019-10-03 2023-11-20 キヤノンメディカルシステムズ株式会社 診断支援システム、診断支援装置及びプログラム
CN110934590A (zh) * 2019-12-03 2020-03-31 中国矿业大学 作业状态下呼吸流量的实时测量方法
US11676031B2 (en) * 2020-02-25 2023-06-13 Ventech Solutions, Inc. Anatomical position monitoring for bodily pressure ulcers
US11568262B2 (en) 2020-03-25 2023-01-31 Ventech Solutions, Inc. Neural network based radiowave monitoring of fall characteristics in injury diagnosis
WO2022051678A1 (en) * 2020-09-04 2022-03-10 Cedars-Sinai Medical Center Compositions and methods for therapeutic management of heart failure patients
TWI764315B (zh) * 2020-10-13 2022-05-11 鉭騏實業有限公司 舌象檢測裝置
CN113951867B (zh) * 2021-10-19 2023-10-17 天津大学 一种基于口鼻气流信号的慢性阻塞性肺疾病识别装置

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0088761B1 (en) 1981-04-24 1987-08-12 Somed Pty. Ltd. Device for treating snoring sickness
US5732696A (en) * 1992-03-17 1998-03-31 New York University Polysomnograph scoring
AUPP366398A0 (en) 1998-05-22 1998-06-18 Resmed Limited Ventilatory assistance for treatment of cardiac failure and cheyne-stokes breathing
JP3961386B2 (ja) * 2002-09-25 2007-08-22 株式会社デンソー 呼吸モニタ装置および呼吸モニタ方法
DE10248590B4 (de) * 2002-10-17 2016-10-27 Resmed R&D Germany Gmbh Verfahren und Vorrichtung zur Durchführung einer signalverarbeitenden Betrachtung eines mit der Atmungstätigkeit einer Person im Zusammenhang stehenden Messsignales
US7297113B1 (en) 2003-04-25 2007-11-20 United States Of America As Represented By The Secretary Of The Navy Microsensor system and method for measuring data
US7118536B2 (en) * 2003-07-25 2006-10-10 Ric Investments, Llc. Apnea/hypopnea detection system and method
US8491492B2 (en) * 2004-02-05 2013-07-23 Earlysense Ltd. Monitoring a condition of a subject
US20070118054A1 (en) * 2005-11-01 2007-05-24 Earlysense Ltd. Methods and systems for monitoring patients for clinical episodes
US7667624B2 (en) * 2007-01-22 2010-02-23 General Electric Company Methods and apparatus for clinical data compression
EP2249700B1 (en) * 2008-02-07 2019-04-24 Koninklijke Philips N.V. Apparatus for measuring and predicting patients' respiratory stability
KR20110008080A (ko) * 2008-04-03 2011-01-25 카이 메디컬, 아이엔씨. 비접촉식 생리학적 모션 센서 및 모션 센서의 사용 방법
US8880207B2 (en) 2008-12-10 2014-11-04 The University Of Queensland Multi-parametric analysis of snore sounds for the community screening of sleep apnea with non-gaussianity index
US20110009753A1 (en) 2009-07-10 2011-01-13 Yi Zhang Respiration Rate Trending for Detecting Early Onset of Worsening Heart Failure
US8529458B2 (en) * 2009-09-28 2013-09-10 State Of Oregon By And Through The State Board Of Higher Education On Behalf Of Portland State University Method and apparatus for assessment of fluid responsiveness
US8951192B2 (en) 2010-06-15 2015-02-10 Flint Hills Scientific, Llc Systems approach to disease state and health assessment
JP5557610B2 (ja) 2010-06-16 2014-07-23 株式会社日立製作所 行動内容可視化装置および行動内容解析装置
RU2014143783A (ru) * 2012-03-30 2016-05-27 Конинклейке Филипс Н.В. Начальное давление для устройств респираторной терапии
US10426380B2 (en) * 2012-05-30 2019-10-01 Resmed Sensor Technologies Limited Method and apparatus for monitoring cardio-pulmonary health
US10525219B2 (en) * 2012-06-26 2020-01-07 Resmed Sensor Technologies Limited Methods and apparatus for monitoring and treating respiratory insufficiency
GB201408469D0 (en) * 2014-05-13 2014-06-25 Obs Medical Ltd Method and apparatus for monitoring patient status

Also Published As

Publication number Publication date
EP3148433A4 (en) 2018-01-24
JP2017523820A (ja) 2017-08-24
US20210298666A1 (en) 2021-09-30
CN116570245A (zh) 2023-08-11
TW201618715A (zh) 2016-06-01
JP6765971B2 (ja) 2020-10-07
US10980476B2 (en) 2021-04-20
JP7057807B2 (ja) 2022-04-20
JP2022101595A (ja) 2022-07-06
JP7244695B2 (ja) 2023-03-22
CN106572812B (zh) 2023-06-20
EP4029441A1 (en) 2022-07-20
CN106572812A (zh) 2017-04-19
JP2021000485A (ja) 2021-01-07
WO2015179911A1 (en) 2015-12-03
EP3148433B1 (en) 2022-02-09
EP3148433A1 (en) 2017-04-05
US20170238867A1 (en) 2017-08-24

Similar Documents

Publication Publication Date Title
TWI667995B (zh) 監督慢性疾病之方法及設備
JP7273774B2 (ja) 心肺健康状態をモニタリングするシステム、システムの作動方法及びコンピュータ可読媒体
JP7284782B2 (ja) 慢性疾患の監視および管理のためのシステムおよび方法
JP6742377B2 (ja) 睡眠段階を決定するシステム、方法及び可読媒体
US20220387741A1 (en) Diagnosis, monitoring, and treatment of respiratory disorders
US20220020488A1 (en) System and method for varying data volume transmitted to external source
JP2023513889A (ja) 口漏れを検出するためのシステムおよび方法
WO2019079855A1 (en) DETECTION AND MONITORING OF BODY ORIENTATION

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees