TWI727464B - 管路異常風險預測方法、裝置與相關系統 - Google Patents
管路異常風險預測方法、裝置與相關系統 Download PDFInfo
- Publication number
- TWI727464B TWI727464B TW108137401A TW108137401A TWI727464B TW I727464 B TWI727464 B TW I727464B TW 108137401 A TW108137401 A TW 108137401A TW 108137401 A TW108137401 A TW 108137401A TW I727464 B TWI727464 B TW I727464B
- Authority
- TW
- Taiwan
- Prior art keywords
- pipeline
- patient
- abnormality risk
- item
- patent application
- Prior art date
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一種管路異常風險預測方法、裝置與相關系統，應用在使用管路之病患，其中的方法包含下列步驟：偵測該管路的一擾動狀態或該病患的一特定動作；根據該管路的該擾動狀態或該使用者的該特定動作或聲音而運算出一管路異常風險指數；以及根據該管路異常風險指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出。
Description
本案為一種管路異常風險預測方法、裝置與相關系統，尤指可以應用在病患上的管路異常風險預測方法、裝置與相關系統。
隨著高齡化社會的到來，需要進行插管來進行治療的病患已快速增加。而插管治療多數是為了維持基本的生命，因此若管路不慎脫落將造成嚴重後果。但插管治療多數會造成病患的不舒適，使得病患有可能有意或是下意識的自行拔除管路，造成不可回復的錯誤。為了防止此類狀況發生，傳統的方法便需要動用大量護理人員進行巡房，用以發現管路異常的事件發生而能及時阻止。但如此將佔用大量的人力資源。
本案為能改善上述先前技術的缺失，故發展出一種管路異常風險預測方法，應用在使用一管路之一病患，該方法包含下列步驟：偵測該管路的一擾動狀態或該病患的一特定動作；根據該管路的該擾動狀態或該使用者的該特定動作或聲音而運算出一管路異常風險指數；以及根據該管路異常風險指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出。
根據上述構想，本案所述之管路異常風險預測方法，其中該擾動狀態為該管路的外型變化與該管路中的流體流速變化中之任一或全部。
根據上述構想，本案所述之管路異常風險預測方法，其中該病患的該特定動作為該病患移動其自由肢體朝向該管路與該病患的自由肢體有不正常運動軌跡中之任一或全部。
根據上述構想，本案所述之管路異常風險預測方法，其中根據該流體管路的該擾動狀態以及一病患背景資料而運算出該管路異常風險指數
根據上述構想，本案所述之管路異常風險預測方法，其中根據該使用者的該特定動作以及一病患背景資料而運算出該管路異常風險指數。
根據上述構想，本案所述之管路異常風險預測方法，其中該管路異常風險指數落於複數個數值範圍中之一第一範圍係代表病患拉扯管路或自由肢體劇烈晃動，相對應發出一第一警示信號，建議照護者對病患使用重度鎮定劑以及使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第二範圍係代表管路明顯移動或病患的自由肢體有大幅度動作，相對應發出一第二警示信號，建議照護者對病患使用輕微鎮定劑以及考慮使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第三範圍係代表管路輕微移動或病患的自由肢體有不正常軌跡，相對應發出一第三警示信號，建議照護者對病患加強觀察以及詢問病患狀況。
根據上述構想，本案所述之管路異常風險預測方法，其中該使用者的該特定動作為發出一聲音。
本案之另一方面係為一種管路異常風險預測裝置，應用在使用一管路之病患，該裝置包含：一感測器，設置於該管路附近，用以偵測該管路的一擾動狀態或該病患的一特定動作；以及 一運算單元，信號連接於該感測器，根據該管路的該擾動狀態或該病患的該特定動作而運算出一管路異常風險指數，並根據該管路異常風險指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出。
根據上述構想，本案所述之管路異常風險預測裝置，其中該感測器包含一動作感應器或一影像擷取分析裝置，所偵測到之擾動狀態為該管路的外型變化。
根據上述構想，本案所述之管路異常風險預測裝置，其中該感測器包含一管路流量偵測器，所偵測到之擾動狀態為該管路中的流體流速變化。
根據上述構想，本案所述之管路異常風險預測裝置，其中該感測器所偵測到之該病患的該特定動作為該病患移動其自由肢體朝向該管路與該病患的自由肢體有不正常運動軌跡中之任一或全部。
根據上述構想，本案所述之管路異常風險預測裝置，其中該運算單元根據該流體管路的該擾動狀態以及一病患背景資料而運算出該管路異常風險指數
根據上述構想，本案所述之管路異常風險預測裝置，其中該運算單元根據該使用者的該特定動作以及一病患背景資料而運算出該管路異常風險指數。
根據上述構想，本案所述之管路異常風險預測裝置，其中該管路異常風險指數落於複數個數值範圍中之一第一範圍係代表病患拉扯管路或自由肢體劇烈晃動，該運算單元相對應發出一第一警示信號，建議照護者對病患使用重度鎮定劑以及使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第二範圍係代表管路明顯移動或病患的自由肢體有大幅度動作，該運算單元相對應發出一第二警示信號，建議照護者對病患使用輕微鎮定劑以及考慮使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第三範圍係代表管路輕微移動或病患的自由肢體有不正常軌跡，該運算單元相對應發出一第三警示信號，建議照護者對病患加強觀察以及詢問病患狀況。
根據上述構想，本案所述之管路異常風險預測裝置，其中該使用者的該特定動作為發出一聲音，該感測器用以偵測該聲音而形成代表該聲音的強度與頻譜資料。
本案之另一方面係為一種管路異常風險預測系統，應用在使用多個病床上之複數個病患，該系統包含有：複數個感測器，分別設置於相對應於該複數個病患的複數個管路附近，用以偵測該複數個管路的擾動狀態或該複數個病患的特定動作；以及一運算單元，以網路連接於該複數個感測器，根據該複數個管路的擾動狀態或該複數個病患的特定動作而分別運算出相對應的複數個管路異常風險指數，並根據該複數個管路異常風險指數中之任一指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出。所述之管路異常風險預測方法，其中該病患的該特定動作為該病患移動其自由肢體朝向該管路與該病患的自由肢體有不正常運動軌跡中之任一或全部。
請參見圖1A與圖1B，其係本案所發展出之一種管路異常事件預測裝置的功能方塊示意圖，其中係應用在使用一管路10的病患(圖未示出)，該管路可以是氣管內管、靜脈注射管與血液透析管路等，該管路異常事件預測裝置1主要包含有感測器11以及運算單元12，圖1A所示實施例之感測器11設置於該管路10附近，用以偵測該管路10的一擾動狀態或該病患的一特定動作。至於運算單元則信號連接於該感測器11，根據該管路10的該擾動狀態或該病患的特定動作而運算出一管路異常風險指數，並根據該管路異常風險指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出上述感測器所偵測到之擾動狀態為該管路的外型變化與該管路中的流體流速變化中之任一或全部。
而上述的感測器11可以是動作感應器(motion senser)110、影像擷取分析裝置111、管路流量偵測器112與聲音感測裝置113中之一或是任意的組合。而圖1A中的感測器11可以是動作感應器(motion senser)110以及管路流量偵測器112的組合。其需要較接近病患的管路10。為求簡潔易讀，下列實施例係先以動作感應器110為例來進行說明。
動作感應器110可以貼附在管路10上且接近病患的地方，例如是一個重力加速度感測器(G-sensor)。可以用來感測該管路10因為病患的移動所造成的擾動狀態(例如固定有管路的不自由手晃動所造成管路的快速位移或旋轉)相對應產生一第一感測信號。而該運算單元12便可根據該第一感測信號所代表的流體管路的該擾動狀態以及一病患背景資料而運算出代表該管路異常風險（例如脫落）的單一數據或是多個數據所構成的資料陣列。而該病患背景資料可以是性別、年齡、該病患之病史中拔管事件的次數、住院天數、對應該病患症狀的痛苦指數與躁動指數等等，因此該病患背景資料對於代表管路異常風險（例如脫落）的單一數據或多個數據將構成某種程度的影響。
為了能更精確地感測出該病患的特定動作，動作感應器(motion senser)110除了可以是貼附在管路10上之重力加速度感測器(G-sensor)外，其中還可以包含其他元件一起作業，例如是角速度感測器（即陀螺儀）、磁感應感測器（即磁力計）所組合產生的多軸感測器1100，例如3軸感測器、6軸感測器、9軸感測器等。如圖2所示之動作感應器內部的功能方塊示意圖可知，動作感應器(motion senser)110中還可以另外包含有可偵測紅外線（IR）強弱的光學感測器1101、可偵測因磁鐵靠近（可活動的手上配戴磁鐵）而導致的磁通量改變的磁力感測器1102，或是可偵測電容量改變的電容感測器1103，當然還可以是其他可以偵測電場改變的各式感測器。如此一來，就可以用以判斷病患另外一隻可活動的手(未固定有管路的自由手)是否靠近管路10，進而感測到該病患之特定動作對磁通量、電容或是電場的改變，而進一步做到提供足夠的資訊，來讓運算單元12進行分析，進而做到對於手動導致管路異常風險（例如脫落）的預警判斷。
至於感測器11的另一實施例可以是影像擷取分析裝置111，其所擷取到的影像也可以用來偵測病患的特定動作，例如該病患移動其自由肢體朝向該管路與該病患的自由肢體有不正常運動軌跡中之任一或全部，也就可以判斷出病患在掙扎或是有伸手拔管的傾向。另外，也可以運用室內定位技術的標籤（tag）貼附在雙手上，如此透過對該標籤（tag）的移動進行探測，也可以判斷出病患的自由肢體是否有不正常有運動軌跡。 而上述自由肢體的運動軌跡影像可以被該運算單元12拿來與一正常影像來進行比對，進而得出代表兩個影像間差異程度的一個或多個影像差異數值。而上述一個或多個影像差異數值便可以是上述該管路異常風險指數的一部份或全部。
至於管路中的流體流速變化也可以是被視為該管路10的該擾動狀態的一部份，而流體流速用以靠管路流量偵測器112來進行偵測，進而偵測出因管路不當彎折而使流速降低，導致管路異常風險增高的傾向，進而讓運算單元12可以進行分析與判斷。另外，由於病患在不舒適的狀態下會發出一些特定的聲音，例如嘆息、呻吟或是哀嚎，所以透過聲音感測裝置113所感測到的聲音強度與頻譜資料，便可以讓運算單元12來進行分析與判斷，進而對管路異常風險指數來進行必要的調整。
而根據上述各種方式所決定出之一個或一組管路異常風險指數後，便可以根據該數值來進行管路異常風險的判斷。接著，如圖3所示之管路異常事件預測方法流程示意圖，上述該管路異常風險指數的數值範圍可以被定義成多個數值範圍。於是利用步驟30來根據該管路異常風險指數的數值(例如是0-100)進行判斷，當指數的數值範圍落於複數個數值範圍中之一第一範圍(例如是70-100)時，便代表病患拉扯管路或自由肢體劇烈晃動，進而進入步驟31，使該運算單元12相對應發出一第一警示信號，建議照護者對病患使用重度鎮定劑以及使用約束帶。當指數的數值範圍落於複數個數值範圍中之一第二範圍(例如是50-70)時，係代表管路明顯移動或病患的自由肢體有大幅度動作，進而進入步驟32，使該運算單元12相對應發出一第二警示信號，建議照護者對病患使用輕微鎮定劑以及考慮使用約束帶。當指數的數值範圍落於複數個數值範圍中之一第三範圍(例如是10-50)係代表管路輕微移動或病患的自由肢體有不正常軌跡，進而進入步驟33，該運算單元12相對應發出一第三警示信號，建議照護者對病患加強觀察以及詢問病患狀況。當然，若指數的數值範圍小於10，則不做任何通知行為而持續監控以及降低資料擷取量，進而達到不打擾病患與節能的好處。
而為能清楚區分分類級別，可以看出上述的方法皆需要設定一個或多個門檻值來進行判斷，藉以決定要發出那一種級別的警告信號。為此，本案還可以透過蒐集大量的資訊來進行門檻值優化的訓練模式，其中以人工智慧的相關技術所建立的訓練模式更佳，靠著蒐集到的各種病患的影像資料，尤其是病患手動拔管前一段時間的影像資料。然後餵入大量的蒐集到影像資料及其後續是否發生拔管的結果來進行機器學習，藉此將可建立起屬於拔管高風險的動作模式，如此將可以藉由結果再來重新調整門檻值數據的分佈樣態，進而達到門檻值優化而能進入準確判斷不誤判的狀態。當然，除了影像資料之外，還可以將上述各種感測器所擷取到之聲音資料、磁通量、電容或是電場等與擾動相關的數據來進行機器學習，同樣可以藉此將可建立起屬於拔管高風險的動作模式，進而達到判斷優化而能增加不誤判的機率。
再者，為能快速完成處理，本系統還可以將運算單元12放在雲端，如圖4之所示，藉由多部伺服器40所組成的運算單元4來提高運算能力。除此之外，還可以透過網路49來同時接收散落在多個病床48對應於不同病患的感測器41，進而同時監控多個病患的的狀態。如此一來，當某一個病床的狀況滿足上述發出警示信號的條件時，便可對一可攜式裝置42發出包含有床位資訊的一相對應的警示信號，進而透過可攜式裝置42的顯示能力來告知醫護人員，那一個病床上的病患有管路脫落的異常風險。而且還可以讓多個可攜式裝置都可以接收到該警示信號，達到資訊分享與共同照護的目的。
綜上所述，本系統將建構出臨床管路脫落之智慧預測裝置，讓護理人員即時發現高齡病患拔管風險，對臨床實際所能達到的減少管路脫落之效益，、臨床實用性及節約成本效益，以降低醫療糾紛。本案將收集於各種管路(如氣管內管、靜脈注射管與血液透析管路等管路脫落傷害)與管路內的物理量量測，並運用病患不同背景資料 (可包含年齡層、疼痛指數、住院天數等)，更精確動態反饋以判定不同類別的病患狀況，藉以搜集並分析數位生物標記(Digital Biomarker)，達到即時警示。更可以使用人工智慧中的機器學習來訓練本案系統，進而達到判斷準確率優化的目的。
雖然本發明已以較佳實施例揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，因此本發明的保護範圍應當視後附的權利要求所界定者為準。
管路10
管路異常事件預測裝置1
感測器11
運算單元12
動作感應器110
影像擷取分析裝置111
管路流量偵測器112
聲音感測裝置113
多軸感測器1100
光學感測器1101
磁力感測器1102
電容感測器1103
伺服器40
運算單元4
網路49
病床48
感測器41
可攜式裝置42
圖1A與1B，其係本案所發展出之管路異常事件預測裝置的多種實施例之功能方塊示意圖。
圖2，其係本案動作感應器內部的功能方塊示意圖。
圖3，其係本案之管路異常事件預測方法流程示意圖。
圖4，其係本案之管路異常事件預測系統的功能方塊示意圖。
管路10
管路異常事件預測裝置1
感測器11
運算單元12
動作感應器110
影像擷取分析裝置111
管路流量偵測器112
聲音感測裝置113
Claims (16)
- 一種管路異常風險預測方法，應用在使用一管路之一病患，該方法包含下列步驟：偵測該管路被拔管前的一擾動狀態或該病患的一特定動作；根據該管路被拔管前的該擾動狀態或該使用者的該特定動作或聲音而運算出一管路異常風險指數；以及根據該管路異常風險指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出。
- 如申請專利範圍第1項所述之管路異常風險預測方法，其中該擾動狀態為被拔管前之該管路的外型變化與被拔管前之該管路中的流體流速變化中之任一或全部。
- 如申請專利範圍第1項所述之管路異常風險預測方法，其中該病患的該特定動作為該病患移動其自由肢體朝向該管路與該病患的自由肢體有不正常運動軌跡中之任一或全部。
- 如申請專利範圍第1項所述之管路異常風險預測方法，其中根據該流體管路的該擾動狀態以及一病患背景資料而運算出該管路異常風險指數。
- 如申請專利範圍第1項所述之管路異常風險預測方法，其中根據該使用者的該特定動作以及一病患背景資料而運算出該管路異常風險指數。
- 如申請專利範圍第1項所述之管路異常風險預測方法，其中該管路異常風險指數落於複數個數值範圍中之一第一範圍係代表病患拉扯管路或自由肢體劇烈晃動，相對應發出一第一警示信號，建議照護者對病患使用重度鎮定劑以及使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第 二範圍係代表管路明顯移動或病患的自由肢體有大幅度動作，相對應發出一第二警示信號，建議照護者對病患使用輕微鎮定劑以及考慮使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第三範圍係代表管路輕微移動或病患的自由肢體有不正常軌跡，相對應發出一第三警示信號，建議照護者對病患加強觀察以及詢問病患狀況。
- 如申請專利範圍第1項所述之管路異常風險預測方法，其中該使用者的該特定動作為發出一聲音。
- 一種管路異常風險預測裝置，應用在使用一管路之病患，該裝置包含：一感測器，設置於該管路附近，用以偵測該管路的一擾動狀態或該病患的一特定動作；以及一運算單元，信號連接於該感測器，根據該管路的該擾動狀態或該病患的該特定動作而運算出一管路異常風險指數，並根據該管路異常風險指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出。
- 如申請專利範圍第8項所述之管路異常風險預測裝置，其中該感測器包含一動作感應器或一影像擷取分析裝置，所偵測到之擾動狀態為該管路的外型變化。
- 如申請專利範圍第8項所述之管路異常風險預測裝置，其中該感測器包含一管路流量偵測器，所偵測到之擾動狀態為該管路中的流體流速變化。
- 如申請專利範圍第8項所述之管路異常風險預測裝置，其中該感測器所偵測到之該病患的該特定動作為該病患移動其自由肢體朝向該管路與該病患的自由肢體有不正常運動軌跡中之任一或全部。
- 如申請專利範圍第8項所述之管路異常風險預測裝置，其中該運算單元根據該流體管路的該擾動狀態以及一病患背景資料而運算出該管路異常風險指數。
- 如申請專利範圍第8項所述之管路異常風險預測裝置，其中該運算單元根據該使用者的該特定動作以及一病患背景資料而運算出該管路異常風險指數。
- 如申請專利範圍第8項所述之管路異常風險預測裝置，其中該管路異常風險指數落於複數個數值範圍中之一第一範圍係代表病患拉扯管路或自由肢體劇烈晃動，該運算單元相對應發出一第一警示信號，建議照護者對病患使用重度鎮定劑以及使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第二範圍係代表管路明顯移動或病患的自由肢體有大幅度動作，該運算單元相對應發出一第二警示信號，建議照護者對病患使用輕微鎮定劑以及考慮使用約束帶，其中該管路異常風險指數落於複數個數值範圍中之一第三範圍係代表管路輕微移動或病患的自由肢體有不正常軌跡，該運算單元相對應發出一第三警示信號，建議照護者對病患加強觀察以及詢問病患狀況。
- 如申請專利範圍第8項所述之管路異常風險預測裝置，其中該使用者的該特定動作為發出一聲音，該感測器用以偵測該聲音而形成代表該聲音的強度與頻譜資料。
- 一種管路異常風險預測系統，應用在使用多個病床上之複數個病患，該系統包含有：複數個感測器，分別設置於相對應於該複數個病患的複數個管路附近，用以偵測該複數個管路的擾動狀態或該複數個病患的特定動作；以及一運算單元，以網路連接於該複數個感測器，根據該複數個管路的擾動狀態或該複數個病患的特定動作而分別運算出相對應的複數個管路異常風險指數，並根據該複數個管路異常風險指數中之任一指數落於複數個數值範圍中之一範圍，而相對應從複數個內容不同警示信號中擇一輸出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108137401A TWI727464B (zh) | 2019-10-17 | 2019-10-17 | 管路異常風險預測方法、裝置與相關系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108137401A TWI727464B (zh) | 2019-10-17 | 2019-10-17 | 管路異常風險預測方法、裝置與相關系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202116374A TW202116374A (zh) | 2021-05-01 |
| TWI727464B true TWI727464B (zh) | 2021-05-11 |
Family
ID=77020517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108137401A TWI727464B (zh) | 2019-10-17 | 2019-10-17 | 管路異常風險預測方法、裝置與相關系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI727464B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112691271A (zh) * | 2019-10-17 | 2021-04-23 | 翔安生医科技股份有限公司 | 管路异常风险预测方法、装置与系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201200109A (en) * | 2010-06-22 | 2012-01-01 | Apex Medical Corp | Feedback control method of negative pressure wound care system and negative pressure wound care system |
-
2019
- 2019-10-17 TW TW108137401A patent/TWI727464B/zh active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201200109A (en) * | 2010-06-22 | 2012-01-01 | Apex Medical Corp | Feedback control method of negative pressure wound care system and negative pressure wound care system |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202116374A (zh) | 2021-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180137734A1 (en) | Biomechanical Parameter Determination For Emergency Alerting And Health Assessment | |
| Zhang et al. | A context-aware mhealth system for online physiological monitoring in remote healthcare | |
| US9763571B2 (en) | Monitoring a person for indications of a brain injury | |
| CN110432908A (zh) | 对婴儿的感知和活动分类 | |
| JP2014528314A (ja) | 患者を監視し、患者のせん妄を検出する監視システム | |
| CN109475304A (zh) | 用于监测哮喘症状的系统和方法 | |
| US10653353B2 (en) | Monitoring a person for indications of a brain injury | |
| JP2013078567A (ja) | 遠隔健康監視データを提供するための方法および関連するシステム | |
| JP2019535052A (ja) | ベッド転落を予測及び防止する患者監視のためのデバイス、システム、及び方法 | |
| Aghalya et al. | Real-time Monitoring and Prediction of Respiratory Diseases Using IoT and Machine Learning | |
| Collier et al. | Mapping movement: applying motion measurement technologies to the psychiatric care of older adults | |
| US20210251573A1 (en) | Determining reliability of vital signs of a monitored subject | |
| US11684293B2 (en) | Sensors and method for defining breathing signatures for identifying respiratory disease | |
| CN109643585A (zh) | 用于进行患者监测以预测并防止坠床的设备、系统和方法 | |
| TWI727464B (zh) | 管路異常風險預測方法、裝置與相關系統 | |
| US9968287B2 (en) | Monitoring a person for indications of a brain injury | |
| Amiroh et al. | Intelligent System for Fall Prediction Based on Accelerometer and Gyroscope of Fatal Injury in Geriatric | |
| TWI772762B (zh) | 照護系統與自動照護方法 | |
| CN107669282A (zh) | 基于面部识别的测谎仪 | |
| CN112691271A (zh) | 管路异常风险预测方法、装置与系统 | |
| CN111328421B (zh) | 用于对患者的活动分类的方法、计算机程序和设备 | |
| Pravin et al. | Machine learning and IoT-based automatic health monitoring system | |
| EP3567563A1 (en) | System and method for monitoring patients with cognitive disorders | |
| Dusarlapudi et al. | COVID-19 patient breath monitoring and assessment with MEMS accelerometer-based DAQ-a Machine Learning Approach | |
| Uwaoma et al. | Using embedded sensors in smartphones to monitor and detect early symptoms of exercise-induced asthma |