TWI789844B

TWI789844B - 多元生理資訊分析裝置及系統

Info

Publication number: TWI789844B
Application number: TW110127399A
Authority: TW
Inventors: 陳振祥; 賴政國
Original assignee: 大立雲康科技股份有限公司
Priority date: 2021-07-26
Filing date: 2021-07-26
Publication date: 2023-01-11
Also published as: TW202305830A; US20230033963A1; CN115691796A

Abstract

本發明提供一種多元生理資訊分析裝置，針對多元生理資訊收集、人工標記、機器學習、訓練樣本篩選、機器分析等操作，提供單一環境下的解決方法。便利研究者分析生理資訊與生理現象的關聯性，以提高生理資訊蒐集與生理狀態檢測的正確度。本發明的多元生理資訊分析裝置包含：資料上載裝置、資料儲存裝置、資料編輯裝置，以及自動分析裝置。

Description

多元生理資訊分析裝置及系統

本發明是關於一種多元生理資訊分析裝置與系統，特別是關於一種用來收集、處理及顯示由不同型態或功能的感測裝置所記錄，以多種形式與描述方式存在的生理資訊，以找尋特定種類生理資訊與特定生理現象的關聯性的裝置與系統。

睡眠多項生理檢查(Polysomnography，PSG)是睡眠醫學以及睡眠障礙、打鼾、癲癇、睡眠呼吸中止症等睡眠相關疾病的診斷中，最常進行的標準檢測方法。此種檢查通常在醫院的病房中進行。患者須留宿醫院(通常由睡眠中心進行)，由醫生或睡眠技師在病患身上安裝多種傳感器，記錄整晚的睡眠生理數據。再以人工設定成例如每30秒為一個單位，以顯示檢查結果。以6小時的檢查為例，就會產生720個單位的檢查結果。這些結果經統計後，再提供給醫生進行診斷。

PSG需要透過多種儀器的配合，方能完成檢查，提供綜合診斷。檢查項目通常包含：

1.腦波(EEG)：用來記錄睡眠各種階段(NREM的N1、N2、N3，以及REM)的腦波數值及變化。

2.肌電(EMG)：包括下顎肌電，用來輔助判斷睡眠階段；兩腿肌電，用來找出異常的腿部抽動。

3.心電(ECG)：檢查睡眠時期的心率變化，也可用來發現心律不整問題。

4.眼電(EOG)：輔助對於快速動眼期的判斷。

5.血氧飽和度(SaO2)與脈搏(Pulse)：檢查血氧濃度狀態，以及脈搏變化

6.胸腹呼吸張力(Tho/Abdo Effort)：檢查呼吸情形。

7.口鼻氣流(Nasal-oral Air Flow)：檢查上呼吸道通氣狀態。

由於PSG檢測的項目太多，多種檢查儀器附接在患者身上不僅影響患者睡眠，導致檢測失準，統計標記結果也相當耗費人力。業界為解決這個技術難題，提出多種執行較少種類的檢查項目，輔以軟體標記檢查結果的產品。例如針對睡眠呼吸中止症的診斷，已有業者開發出簡易型睡眠生理檢查設備。該設備只需量測鼻氣流、脈搏、以及血氧濃度。收集到的數據經由機器判讀，就能得到與PSG相近的睡眠呼吸中止症檢測結果，即睡眠呼吸中止指數(Apnea-Hypopnea Index,AHI)。

Sun等人的研究指出，以大量的PSG數據進行深度學習後發現，只要腹部張力數值加上心電訊號，就可以計算出相當接近腦波的睡眠分期結果。見Haoqi Sun et al.,“Sleep Staging from Electrocardiography and Respiration with Deep Learning.”12/21/2019,Sleep 2020,https：//academic.oup.com/sleep/article-abstract/43/7/zsz306/5682785。

大立雲康科技的睡眠分析軟體，也在對大量的PSG數據進行機器學習後，發現只以心電訊號就能計算出相當接近PSG的睡眠分期與呼吸中止指數的結果。

隨著穿戴式裝置、IoT傳感技術、以及毫米波技術的普及，許多專家嘗試將更多儀器放置在受測人員身上，希望能夠更準確的檢測、預測生理現象，及/或查出發生原因、尋求改善方法。但對於生理現象的檢測、預測或原因分析有用的儀器或量測方法，並沒有因為這些新技術、新產品的種類增加而發現。量測的準確度也沒有相應的提高。

本發明的目的就是在提供一種新穎的多元生理資訊分析裝置，針對多元生理資訊收集、人工標記以及機器學習、訓練樣本篩選、機器分析等操作，提供單一環境下的解決方案。便利專業人士在浩瀚的資料大海中，迅速找到與特定生理現象有高度關聯性的生理資訊種類。

本發明提供一種多元生理資訊分析裝置，以接收來自不同裝置的生理資訊，自動分類、儲存。藉由機器學習，尋找與特定生理現象有關的生理資訊種類。

本發明提供一種多元生理資訊分析系統，可以將接收到的不同檢測裝置的不同種類生理資訊，依照使用者設定條件，在相同顯示裝置上顯示，便利研究人員發現與特定生理現象有關的生理資訊種類。

本發明提供一種多元生理資訊分析裝置，提供有用的評估工具，以判斷特定種類的生理資訊種類與特定生理現象間的關聯性。

為達成上述目的，本發明提供一種多元生理資訊分析裝置，該裝置包括：資料上載裝置，提供通信通道以供多種生理資訊檢測裝置或生理資訊儲存裝置通信連結，以接收不同種類的生理資訊資料；資料儲存裝置，提供大量記憶空間用以儲存各種生理資訊以及該生理資訊資料在該多元生理資訊分析裝置中處理的結果資料；資料編輯裝置，提供人機介面，以供使用者從該資料儲存裝置取得特定種類的生理資訊資料及/或處理結果資料，進行瀏覽、增加、刪除或修改人工標記，以及挑選評估用關聯性時輸入的生理資訊種類；其中，該資料儲存裝置提供自動索引能力，可對每一筆生理資訊資料及/或處理結果資料自動標記索引，且該資料編輯裝置建置成可根據該索引，取得及編排使用者所要求的資料；及關聯性評估裝置，用以計算特定種類生理資訊與特定人工標記之間的關聯性。

本發明的多元生理資訊分析裝置還可以包括自動分析裝置，提供自動篩選功能，經由篩選介面接收使用者的篩選指令，以從該資料儲存裝置中自動擷取對應於篩選指令的生理資訊資料及/或處理結果資料，並從該資料中尋找與特定人工標記結果有關連性的生理資訊種類。

根據本發明的較佳實施例，該多元生理資訊分析裝置提供的資料儲存裝置儲存對應到多數人的生理資訊。每一筆生理資訊以下述方式建立索引：記號型資訊及多導程記號型資訊：檔案名稱、記錄時間及辨認代碼。

頁型及多張頁型資訊：檔案名稱、記錄時間及辨認代碼。

其中，該檔案名稱較好包括該生理資訊所屬人員的ID碼。該記錄時間可包括單一時間，或以開始時間與結束時間定義的時間段。至於該辨認代碼，較佳為唯一的代碼。且較好與對應的檔案內所含的資訊數值對應的生理資訊種類有關聯性。代碼長度應適中，即不會太短，以致於容易與其他筆量測資料重複，也不應太長，而增加處理的複雜度、資源與時間。在本發明的較佳實施例中，是採用根據檔案內容的數值計算所得的雜湊值，特別是「安全雜湊演算法256位元」(SHA256-Secure Hash Algorithm 256-bit)。

由於本發明採用獨特的資料、資訊分類方法，以及特殊設計的索引方法，不同形式、性質、儲存或傳輸媒介以及資料量，屬於不同人、於不同時間記錄的資料，都可以儲存在單一的儲存裝置中，並能以單一的顯示介面或人機介面進行檢索、篩選，編輯以及其他應用。並能立即顯示不同筆資料間的關聯性。此外，各種類型的生理資訊與人工標記之間的關聯性，很容易從顯示介面辨識，或容易由機器辨識。使得以前不存在或專家沒想過的生理資訊種類，可能成為評估、預測或控制生理現象的關鍵資訊。

本發明的其他目的與優點，可由以下詳細說明並參照附圖而更形清楚。

100:多元生理資訊分析裝置

110:資料上載裝置

111:通信通道

120:資料儲存裝置

130:資料編輯裝置

131:人機介面

140:自動分析裝置

141:篩選介面

150:關聯性評估裝置

151-155:生理資訊檢測裝置

156:生理資訊儲存裝置

160:中介裝置

圖1表示本發明多元生理資訊分析裝置一種實施例的系統示意圖。

圖2顯示數種可用的信號(Signal)存檔形式。

圖3顯示頁類型信號(frame)的一種適用的存檔形式。

圖4顯示一種在本發明多元生理資訊分析裝置的資料儲存裝置內儲存生理資訊的資料結構示意圖。

圖5顯示一種適用在本發明資料編輯裝置130的資料檢索方法流程圖。

圖6則顯示該檢索方法示意圖。

圖7A到7D顯示一種是用在本發明多元生理資訊分析裝置的資料檢索畫面應用示意圖。

圖8顯示本發明的檢索結果顯示內容示意圖。

圖9顯示本發明多元生理資訊分析方法流程圖。

圖10表示本發明多元生理資訊分析裝置建立新演算法一種實施例的流程圖。

圖11表示將多種PSG檢測結果投入機器學習的結果畫面波形圖。

圖12顯示一種機器學習所得分析模型波形圖。

圖13表示一種機器學習所發現的分析方法辨識能力計算結果波形圖。

以下參照圖式說明本發明多元生理資訊分析裝置的數種較佳實施例。必須說明的是，對於本發明實施例的說明及圖示，目的只是在以簡要的方式呈現本發明的主要重點及可能的實現型態。本發明的範圍應該及於其他本行業人士所能想到或推導得出的實施方式。

雖然本發明不需限定或侷限在任何的理論，但根據本發明人發現，眾多種類的生理資訊可以分類成四種類型：

1.頁frame-定義為「在某一時間點量測到的生理相關資訊，以數值或影像記錄的資料」。頁型資訊有如一張快照，可能是瞬時的數字、瞬間的影像等等。常見的頁型資訊包括：身高、體重、血壓、血糖、體溫、血氧、X光攝影、CT攝影、室溫、GPS位置...等。

2.記號signal-定義為「在某一時間段量測到的連續生理相關資訊，以時域(如PCM)或頻域(如SBC)編碼的波形記錄」。Signal在時間軸上是一個連續時段，以生理訊號來說像是一段影片。這些訊號隨時間的變化具有特殊意義。常見的記號型資訊包括：心電、腦電、肌電、連續血氧、鼻氣流、胸腹張力、連續心率、連續血糖、連續血壓...等。

3.多導程記號multi-channel signals-定義為「同步量測的連續生理相關資訊」。常見的多導程記號型資訊包括：多導心電、多導腦電、多導肌電...等。

4.多張頁multiple frames-定義為「以首張(I Frame)與差異部分(B Frame)組成的多張Frame組合」。常見的多張頁型資訊包括：影片、連續CT攝影...等。

主要基於以上的發現，並結合其他獨特的技術，本發明提供一種有用的機制，可以結集不同種類、不同特性、不同格式、不同媒介的生理資訊，經過以對應的方法處理後，儲存在資料庫中，提供以單一介面就可以同時查找、顯示、標記、加工，以及進一步提供機器學習、深度學習等處理。

圖1表示本發明多元生理資訊分析裝置一種實施例的系統示意圖。如圖所示，本發明的多元生理資訊分析裝置100在實施上可以實現在一個伺服器電腦，並以應用程式或其他適用的型態，提供必要的資料交換、處理、儲存及顯示等功能。該多元生理資訊分析裝置100主要包括：資料上載裝置110，提供多種通信通道111以供多種生理資訊檢測裝置151-155或生理資訊儲存裝置156通信連結，以將該生理資訊檢測裝置151-155的檢測結果生理資訊資料或該生理資訊儲存裝置156儲存的生理資訊資料，傳送給該多元生理資訊分析裝置100。在本發明的較佳實施例中，該通信通道111較佳為網際網路。具體而言，該通信通道111較佳為從生理資訊檢測裝置151-155或生理資訊儲存裝置156，經由中介裝置160，例如智慧手機或平板電腦，經由網際網路連接到該多元生理資訊分析裝置100。該生理資訊儲存裝置156也可經由例如讀卡機，USB介面，或短距離無線通信通道等，連接到該多元生理資訊分析裝置100。

該多元生理資訊可能是腦波(EEG)、肌電(EMG)、心電(ECG)、眼電(EOG)、血氧飽和度(SaO2)與脈搏(Pulse)、胸腹呼吸張力(Tho/Abdo Effort)、口鼻氣流(Nasal-oral Air Flow)等類型當中的一種或多種。其他可以代表身體、器官、組織或其一部份或其組合的資訊，也都可以應用在本發明。該生理資訊儲存裝置156則可能是任何類型、任何記憶容量、以任何方式連線的記憶裝置，例如雲端硬碟、外接式硬碟、USB記憶卡、靜態硬碟、甚至是手機、平板電腦、筆記型或桌上型電腦，或者另一台伺服器電腦。

在市面上，用來量測某時點或某時段的上述生理資訊的儀器，絕大多數都已經提供上網功能。即使沒有上網功能，也可透過例如Bluetooth等短距離通信標準，與智慧手機或平板電腦等上網裝置連線，傳送檢測結果。在現有技術下，提供一個應用程式，建置在智慧手機或平板電腦，或其他具備上網能力的電腦裝置，以接受多種生理資訊檢測裝置151-155通信連結，向該中介裝置160，進而向該多元生理資訊分析裝置100上傳檢測結果生理資訊，已經是成熟的技術。本行業技術人員都可以利用已知技術完成。

資料儲存裝置120連接該資料上載裝置110。資料儲存裝置120提供大量記憶空間以儲存各生理資訊檢測裝置151-155與生理資訊儲存裝置156上載的生理資訊資料。該資料儲存裝置120也提供記憶空間，以儲存該多元生理資訊分析裝置100處理生理資訊資料後產生的結果資料。該資料儲存裝置120的配置為本發明的重要技術特徵。相關詳情將在以下說明。

資料編輯裝置130連接該資料儲存裝置120，並提供人機介面131，以供使用者從該資料儲存裝置120取得特定生理檢測結果生理資訊及/或處理結果資料，進行瀏覽、人工標記或修改標記。該人機介面131可包括顯示裝置、滑鼠、鍵盤、麥克風、擴音器等輸出入裝置當中的一種或多種，也可以包括其他可以在資料檔案中增加、刪除、變更內容的工具。該資料編輯裝置130的人機介面131提供檢索工具，以根據使用者輸入的一個或多個索引，將含有該索引的一筆或多筆生理資料取得，以預定形式顯示在該人機介面131，以供使用者進行編輯。並可在使用者編輯完成後，將處理結果附加索引後，儲存到該資料儲存裝置120。

根據本發明的較佳實施例，該資料儲存裝置120提供自動索引能力，可對每一筆生理檢測結果生理資訊及/或處理結果資料自動標記索引，且該資料編輯裝置130建置成可根據該索引，取得使用者所要求的資料。

根據本發明的較佳實施例，該多元生理資訊分析裝置100提供的資料儲存裝置120儲存對應到多數人的生理資訊。每一筆生理資訊以下述方式建立索引：

1.信號及多導程信號：檔案名稱、記錄時間及辨認代碼。其中：

1)該檔案名稱只要能識別生理資訊的種類即可。命名方式包括：〔用戶ID+生理訊號類型+設備廠牌+設備型號〕的形式。

但其他形式的命名方法，也可以適用在本發明。

2)該記錄時間可包括單一時間，或以開始時間與結束時間定義的時間段。

3)至於該辨認代碼，較佳為唯一的代碼。且較好與對應的檔案內所含的資訊數值有關聯性。代碼長度應適中，即不會太短，以致於容易與其他比量測資料重複，也不應太長，而增加處理的複雜度、資源與時間。在本發明的較佳實施例中，是採用根據檔案內容的數值計算所得的雜湊值，特別是「安全雜湊演算法256位元」(SHA256-Secure Hash Algorithm 256-bit)。這種代碼因長度適中，幾乎不會重複，特別適用在本發明。

4)一個命名的實例：UuIiDdd1234-ECG-LARGAN-AT202。其中，UuIiDdd1234=用戶識別碼

ECG=心電訊號

LARGAN=設備廠牌

AT202=設備型號

5)檔案名稱可以透過加密處理，以防止敏感資料外洩。圖2顯示數種可用的信號(Signal)存檔形式。

2.頁及多張頁：檔案名稱、記錄時間及辨認代碼。其中：

但其他形式的命名方法，也可以適用在本發明。

2)該記錄時間通常包括單一時間。連續的頁只需記錄首張(I Frame)的時間點。

3)至於該辨認代碼，較佳為唯一的代碼。且較好為SHA256雜湊值。

4)一個命名的實例：UuIiDdd1234-GLU-ABC-VP123。其中，UuIiDdd1234=用戶識別碼

GLU=血糖值

ABC=設備廠牌

VP123=設備型號

5)檔案名稱可以透過加密處理，以防止敏感資料外洩。圖3顯示頁類型信號(frame)的一種適用的存檔形式。

圖4顯示一種在該資料儲存裝置內儲存生理資訊資料的結構。透過索引的方式，可以將例如因屬同一人、同一時間或具備其他共同因素而產生關連性的數筆生理資訊，就可以同時取得、顯示，以進行瀏覽、比較、尋找關聯性、標記，以及進行例如機器學習、深度學習等處理。對於經過處理的結果資訊，也可以作相同或類似的應用。

本發明的大多數較佳實施例選擇使用雜湊碼計算函式做為辨識代碼的理由，主要是因為雜湊碼是所有不易發生碰撞(不同內容卻有相同的雜湊值)的索引方法中，資料長度相對短，且計算方法相對簡單的演算法。其中，SHA256演算法一般認為不會發生碰撞，且長度只有256bits，適合作為資料庫索引。在計算上僅使用位元的反轉(XOR)、位移(SHIFT)、旋轉(ROT)，效率高且容易實作。以生理資訊內容的SHA256雜湊碼為索引，產生的優點包括：

1.重複上傳的資料會因雜湊碼相同而只保留一份。

2.雜湊碼也可用來驗證資料是否毀損或遭竄改。

3.多導程或公共訊號可共用內容而不額外佔用空間。

資料上載裝置110所上載的生理資料在經過以上述方法處理後，儲存在該資料儲存裝置120備用。

如前所述，本發明的資料編輯裝置130是建置成依據各筆資料的索引資料，判斷不同筆資料之間的關聯性，而將經判斷為具有關聯性的多筆資料顯示成為檢索結果。

圖5顯示一種適用在本發明資料編輯裝置130的資料檢索方法流程圖。圖6則顯示該檢索方法示意圖。如圖5所示，在步驟510，使用者在該資料編輯裝置130的檢索人機介面131上輸入檢索條件後，該資料編輯裝置130開始進行資料檢索。通常，該檢索條件包括所要檢索的生理資訊所屬的個人資料、記錄日期以及資料種類。在本發明的較佳實施例中，該資料編輯裝置130是建置成可在使用者輸入一筆個人資料後，自動在資料庫中查找該個人資料對應的ID碼。於步驟520，該資料編輯裝置130將檢索得到的大量資料進行關聯性處理。如果是記號型資訊，就找出不同筆資料之間有交集的記號型資訊。如果是頁型資訊，就找出最佳的資料頁。

在前述步驟中，找出兩筆資料之間的交集，可以包括找出時間的交集，例如建立時間落入某區段的多筆資料。其他可以根據資料檔的內容判斷關聯性，特別是可以根據所引的成分判斷關聯性的方法，也都可以應用在本發明。

至於頁型資訊的最佳成分，通常是指檢索者最可能想看的資料。因此也可以包括時間範圍，以及其他可以根據資料檔的內容判斷為最適合顯示，特別是可以根據索引的成分判斷為最適合顯示的資料內容。

具體來說，頁型資訊與記號型資訊的記錄方式不同。頁型資訊需要描述一個值，並且定義其維度與精度(解析度)。記號型資訊則多了取樣率和濾波方法的描述，並重視變化的動態範圍。多張頁型資訊與多導程記號型本質上是頁型資訊與記號型資訊。但其資料通常不能分開記錄與讀。配置成多重的型態，主要是便利同時一起存取與記錄。例如5 Lead的ECG訊號通常需要同時檢視，單獨看一個Lead的意義不大。若在記錄時將其分開成5個獨立的信號存放，在應用時會有效率低的問題。

頁型資訊與記號型資訊在資料處理上，用途也不同。頁型資訊在時間上只有一點。在這時間點外雖然不存在資料，但可以從前後的量測值推估。例如一年前胸部X光只有一個白點，今天胸部X光也是只有一個白點。可以推測這一年胸部X光應該都是一個白點。記號型資訊因為在時間軸上有一個連續區段，需要在時間上相近或產生交集時引用。例如昨晚20：00到今早5：00戴了血氧儀，想分析22：00~8：00的睡眠呼吸障礙指數。這時，交集的22：00~5：00這段時間的血氧訊號就可以拿來分析。

很多時候，人們想要尋找Signal與Frame之間是否存在因果關係。例如在發生特定事件(Frame)的時候，是否會伴隨出現特定徵狀的連續訊號(Signal)。例如學者透過觀察發現：在發生呼吸中止事件時，心率會出現先降低再升高的徵狀。只要監控心率是否出現先降低再升高的徵狀，就可用來評估是否發生了睡眠呼吸中止事件。在這方面本發明就可提供有用的資訊，透過機器學習，可能發現心率變化與睡眠呼吸中止事件的之間的關聯性。經過驗證後，可以產生新的分析方法。

接著，在步驟530該資料編輯裝置130將檢索得到的資料，以既定形式顯示在該人機介面131。顯示的形式通常是影像，特別是圖形。但是其他形式的資料顯示方法，例如文字、聲音、動畫、連續影像或不連續影像等，都非所禁。

在步驟540該資料編輯裝置130判斷使用者是否輸入或修改人工標記。如有，則在步驟550將使用者所做的修改存在相同或不同於對應資料檔的資料檔中，並變更顯示內容。步驟回到540。如步驟540的判斷結果為否，則在步驟560判斷是否重新輸入檢索條件。如是，則步驟回到510；如否，在步驟570判斷是否結束編輯。如否，步驟回到540；如是，在步驟580結束編輯。在以上過程中，研究者容易從顯示結果看出不同種類的生理資訊之間的可能關係，以及不同種類生理資訊與特定生理現象的關聯性。

在應用上，研究人員在看到引起興趣的生理現象，就可以在上面標示人工標記。該人工標記可以是一個記號或一串文字。該資料編輯裝置130及自動將該人工標記附加在生理資訊資料檔中備用。結果如以下圖8所示。

圖6所示的檢索結果可以看出，在同一顯示裝置上，可以同時顯示不同儀器檢測的生理資訊。不同性質、形式的資料，也可以根據其關聯性，例如時間上的關聯性，進行顯示。使用者易於比較，判斷。對於不同人的生理資訊檢測結果，也可以一起顯示。

圖7A到7D顯示一種是用在本發明多元生理資訊分析裝置的資料檢索畫面應用示意圖。其中，圖7A顯示可能應用在本發明多元生理資訊分析裝置100的資料編輯裝置130人機介面顯示裝置的顯示頁面。在該實例中，檢索畫面的功能欄位中提供如下的檢索條件輸入：

1.資料來源：表示提供特定多元生理資訊的機構名稱，例如醫院/診所名稱、睡眠中心名稱等。圖7A即顯示選擇其中兩所醫療機構後的檢索結果。

2.收集日期範圍：表示特定多元生理資訊的收集日期或期間。甲、ran欄位並提供自動產生始期與終期的功能。圖7B即顯示選擇特定期間後的檢索結果。

3.資料類型：表示資料的分類，例如為腦波(EEG)、肌電(EMG)、心電(ECG)、眼電(EOG)、血氧飽和度(SaO2)與脈搏(Pulse)、胸腹呼吸張力(Tho/Abdo Effort)、口鼻氣流(Nasal-oral Air Flow)等各種生理資訊的類型。其他的類型，甚至分類方式，也都可以應用到本發明。圖7C即顯示選擇「僅含SpO2(血氧飽和濃度)」的檢索結果。

4.人工標記：是指專業人士以該資料編輯裝置130對特定筆生理資訊所做的標記。通常而言，專業人士所做的標記，需要規定標準用語，以便正確檢索。但這並非任何技術限制。圖7D即顯示選擇「僅含PSG(睡眠判讀)事件」的檢索結果。

從圖7D可以看出，經過以上方式檢索後，會在顯示畫面上顯示大量相關的生理資訊。比較特別的是，所顯示的條目除了可以顯示針對特定人、特定時間所收集的資料之外，還可以包括對不同人的量測結果，不同日期的量測結果，不同數值分布範圍的量測結果，以及多種形態，種類，性質的生理資訊。該多種形態，種類，性質的生理資訊並可以不同的icon，以不同顏色顯示。以讓使用者一目瞭然檢索結果的大致分布情形。

圖8顯示本發明的檢索結果顯示內容示意圖。圖8所示的一筆生理資訊代表特定人在特定時間段檢測所得的血氧濃度信號(Signal：SpO2)，以及判讀專家在該筆生理資訊所賦予的人工標記(Frame：睡眠呼吸事件&睡眠分期)。並可以視覺變化的方式顯示。此外，圖中並顯示時間縮圖，以讓使用者立即了解測試時間的定位。另外，心律變異頻譜是以Signal類型資訊的形式呈現；睡姿是以Frame類型資訊的形式呈現。顯示內容包含多元生理資訊以及專家的人工標記，以容易理解的方式顯示，並能顯示其關聯性。

本發明的多元生理資訊分析裝置100還可以包括自動分析裝置140。該自動分析裝置140提供自動篩選功能，經由篩選介面(141)接收使用者的篩選指令，以從該資料儲存裝置120中自動擷取對應於篩選指令的生理檢測結果資訊資料及/或處理結果資料，並從該資料中尋找與特定產生篩選結果資料，以供進行機器學習，找出可以進行機器判讀的演算法，或供進行深度學習，找出與人工標記結果有關連性的生理資訊種類型。使用者即可將篩選所得結果送至機器學習，以嘗試的方式試圖找出可以進行機器判讀的演算法。使用者也可將篩選結果送至AI深度學習，找出與人工標記結果有關連性的生理資訊類型。

適合應用在本發明自動分析裝置140的分析技術，包括各種深度學習(deep learning)技術。現有深度學習技術已經可以在諸多資料種類中，協助找尋可能與特定生理現象相關的生理資訊。例如，Sun等人「以深度學習探討睡眠階段與心電圖及呼吸的關係」(Haoqi Sun et al.,Sleep staging from electrocardiography and respiration with deep learning,Sleep staging from electrocardiography and respiration with deep learning,https：//pubmed.ncbi.nlm.nih.gov/31863111/)即提出一種適用在本發明的方法論。該技術領域其他專家也提出數種可資應用的技術。均值參考。

不過，由於本發明已經提供一種簡單且能夠以圖形介面顯示不同種類生理資訊與特定生理現象，亦即人工標記的關聯性的顯示方法，研究人員只要嘗試多次呼叫不同的生理資訊種類組合，就可能找到以前所不知，或以前所不存在的生理資訊與生理現象關聯性。換言之，本發明的資料編輯裝置130所提供的人機介面就是一種容易以肉眼看出生理資訊與生理現象的關聯性的工具。研究人員以人工篩選，就可能得到前所未知的研究結果。

本發明的多元生理資訊分析裝置100提供關聯性評估裝置150，用以計算特定種類生理資訊與特定人工標記之間的關聯性。使用者在該篩選介面141輸入篩選結果的生理資訊種類後，該關聯性評估裝置150就從該資料儲存裝置120擷取特定範圍的生理資訊資料，與使用者同樣在該篩選介面141輸入的人工標記進行關聯性(辨識度)評估。並以數值或圖形顯示評估結果。

圖9顯示本發明多元生理資訊分析裝置的自動分析方法流程圖。如圖所示，在步驟910使用者在篩選介面141輸入篩選條件。所適用的篩選條件可能是特定的人工標記。以學習睡眠呼吸事件分析方法為例，就可能選擇標記有睡眠呼吸事件(Apnea、Hypopnea、Desat)的生理資料。但由於機器學習的目的在找出未知的分析方法，因此篩選條件也可以是隨機條件，例如年齡與性別平均分布。此外，篩選條件也可以是排除條件，例如有睡眠呼吸事件標記的生理資訊，但排除其中有人工標記為「心律不整(VPC、APC、AF、AFib)」的資料。

在步驟920，該自動分析裝置140將篩選結果顯示在該篩選介面141。在此步驟，該自動分析裝置140可能提供使用者包括以下的篩選功能：

1.選擇合適的訓練模型(CNN、RNN、LSTM、ReLU、...)

2.定義output layer(以睡眠呼吸事件為例，輸出為「有/無」阻塞)

3.定義input layer(以不同signal/frame排列組合)

4.將樣本依input layer排列，依序輸入訓練模型

5.找出最小誤差的input layer，可得到關鍵生理訊號組合

以上的篩選條件並無一定的順序。減少或增加一個或數個篩選條件，也無不可。重要的是找出數量適當且關聯性較強的資料，以節省機器學習或深度學習的時間。

於步驟930使用者在該篩選介面141輸入篩選結果的關鍵性生理資訊。於步驟940，關聯性評估裝置150產生結果後，檢驗所得結果關鍵生理資訊與特定生理現象之關聯性。該資訊可能包括signal類型與frame類型。該生理現象通常就是一種疾病或一種生理的異常。如測試發現具有高度關聯性，表示測試成功，於步驟950記錄該結果。新增或更新分析裝置上的分析方法。否則步驟回到930或910，重新篩選。

以下以具體實例，說明研究人員使用本發明多元生理資訊分析裝置尋找及驗證特定生理資訊與特定生理現象的關聯性的方法。在本實施例中，是使用PSG(睡眠多項生理檢查)所得到的數值，投入本發明多元生理資訊分析裝置進行機器學習，試圖發現，建立新的睡眠分期與睡眠呼吸事件演算法。圖10表示本發明多元生理資訊分析裝置建立新演算法一種實施例的流程圖。

如圖所示，在步驟101，先將各種PSG檢測結果以Signal(記號型)資訊與Page(頁型)資訊的形式投入系統，作為機器學習與驗證的資料。在本實例中所投入的記號型資訊包含：腦電、下顎肌電、口鼻氣流、胸腹起伏、血氧、心電、麥克風、體動、腿動等相關數值。至於頁型資訊，則包括人工睡眠分期標記、人工呼吸事件標記等記錄。其中，相關人工標記都是專業人員使用本發明多元生理資訊分析裝置，在相關生理資訊檔中所為的標記。

圖11即顯示步驟101記錄的結果波形圖。圖中顯示記錄結果包含多種生理資訊，並依據索引排列，表示其間可能的關聯性。

於步驟102，找出與人工標記關聯性最高的一種或數種記號型資訊。在此步驟，較佳為以人工智慧電腦使用深度學習演算法，找出上述記號型資訊相對於特定人工標記的最佳特徵，再依該特徵對人工標記的辨識度排序出關聯性。但在本件實際的案例中，容易從顯示結果以人工辨認出以下可能的關聯性：對人工睡眠分期標記而言，所得到的辨識度由大至小排列為：腦電>心電>口鼻氣流>胸口起伏>...。

對人工呼吸事件標記而言，所所得到的辨識度由大至小牌列為：血氧>口鼻氣流>心電>胸口起伏>...。

再詳言之，以心電為例，對睡眠分期最佳的特徵為心率變異(時域)。對睡眠呼吸事件最佳的特徵為心率變異(頻域)。如此就可以假定一種或數種可能的關聯性，即特定種類生理資訊，甚至是特定參數與人工標記之間的關係。

在本實例中關聯性(辨識度)可以使用AUC的值判斷。如使用AUC值作為辨識度的判斷標準，以該值越接近1為越好。低於0.6就認為辨識度不足。不選為候選參數。至於特定種類生理資訊所選用的參數，可以根據文獻中提及的特徵，選用相關的參數。但也可以本發明的系統，利用深度學習找到文獻所謂記載的參數。

接著，在步驟103挑選輸入用的記號型資訊。如前所述，挑選的方式較佳為人工挑選。考慮到使用者的操作方便性及與前步驟關聯性，可以選擇血氧跟心電兩種記號型資訊，作為輸入。在本實例中挑選心電而不挑選腦電的主要原因，是腦電在睡眠呼吸事件的辨識度較差。同時，量測腦電的電極較多。受測者無法自行黏貼，而且睡覺過程容易脫落。且腦電只適合有人在旁監督的情境下使用。在居家量測的情境下，選用心電。在步驟104使用步驟102找到的特徵進行機器學習，訓練機器學習模型。在步驟105記錄機器學習演算結果。在較佳實施例中，可以頁型資訊的形式記錄。圖12即顯示一種機器學習所得分析模型波形圖。

在步驟106，對演算法效能進行評估。比對人工標記頁型資訊與機器演算法標記頁型資訊的各種指標：樣本分布：從訓練樣本的頁型資訊統計樣本分布(性別、呼吸問題程度)。所得結果如下表。認定本實施例採用樣本具有代表性：

靈敏度、特異度：比對機器學習標記對人工標記在不同呼吸紊亂指數(Apnea-Hypopnea Index，AHI)下的辨識能力(AUC=精準度、TP=真陽、FN=偽陰、FP=偽陽、TN=真陰)。所得結果如下表：

在步驟107根據計算所得分析方法的辨識能力，用來判斷所發現的演算法是否有用。計算結果可以數值表示，也可以圖表表示。例如圖13即是以靈敏度和特異度(Sensitivity and specificity)座標顯示的圖表。使用者從圖表更能夠清楚判斷研究結果是否有用。判斷的方法包括計算關聯性曲線下面積。面積>0.9表示辨識能力優良。圖13表示一種機器學習所發現的分析方法辨識能力計算結果波形圖。根據圖13所示，以機器學習產生的分析方法的辨識能力已經獲得驗證。

以上是以實例說明本發明多元生理資訊分析裝置及系統。本行業專家在閱讀過本案說明書後，當能想到或推演出適當的變化或替代做法。只要不脫出本發明的申請專利範圍，都仍在本發明的保護之內。