WO2022243535A1 - Verfahren und system zur bestimmung eines abp-signals und computerprogrammprodukt - Google Patents

Verfahren und system zur bestimmung eines abp-signals und computerprogrammprodukt Download PDF

Info

Publication number
WO2022243535A1
WO2022243535A1 PCT/EP2022/063773 EP2022063773W WO2022243535A1 WO 2022243535 A1 WO2022243535 A1 WO 2022243535A1 EP 2022063773 W EP2022063773 W EP 2022063773W WO 2022243535 A1 WO2022243535 A1 WO 2022243535A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
abp
transformation
induced
induced signal
Prior art date
Application number
PCT/EP2022/063773
Other languages
English (en)
French (fr)
Inventor
Marian HÄSCHER
Florian Höpfner
Helmut Tödtmann
Original Assignee
Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
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 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. filed Critical Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.
Priority to EP22731105.7A priority Critical patent/EP4340714A1/de
Priority to KR1020237043961A priority patent/KR20240010725A/ko
Priority to JP2023571354A priority patent/JP2024517992A/ja
Publication of WO2022243535A1 publication Critical patent/WO2022243535A1/de
Priority to US18/513,648 priority patent/US20240081662A1/en

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/04—Babies, e.g. for SIDS detection
    • A61B2503/045—Newborns, e.g. premature baby monitoring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • 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
    • A61B5/1107—Measuring contraction of parts of the body, e.g. organ, muscle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6831—Straps, bands or harnesses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
    • A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
    • A61B5/686—Permanently implanted devices, e.g. pacemakers, other stimulators, biochips
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6892—Mats
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6893—Cars
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • 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
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays

Abstract

Die Erfindung betrifft ein Verfahren und ein System zur Bestimmung eines ABP-Signals, wobei mindestens ein herzbewegungsinduziertes Signal erfasst wird, wobei das mindestens eine erfasste herzbewegungsinduzierte Signal in mindestens ein ABP-Signal (1) transformiert wird, wobei die Transformation mittels eines Modells durchgeführt wird, welches durch maschinelles Lernen erzeugt wurde, wobei das herzbewegungsinduzierte Signal die Eingangsgröße und das ABP-Signal die Ausgangsgröße der Transformation bildet sowie Computerprogrammprodukt.

Description

Verfahren und System zur Bestimmung eines ABP-Signals und Computerprogrammprodukt
Die Erfindung betrifft ein Verfahren und ein System zur Bestimmung eines ABP-Signals und ein Computerprogrammprodukt.
Der Blutdruck ist ein wichtiger Indikator für medizinische Diagnosen, beispielsweise bei bluthochdruckbedingten Krankheiten. In einer Vielzahl von Fällen kann es zu diagnostischen Zwecken notwendig oder erwünscht sein, ein kontinuierliches Blutdrucksignal, nämlich ein sogenanntes Aortenblutdrucksignal oder ABP-Signal, zu erfassen. Ein solches kontinuierliches Blutdrucksignal wird aktuell in der Regel invasiv aufgezeichnet. So wird in bekannten Verfahren eine Kanüle oder ein Katheder in ein Blutgefäß eingeführt, um dann den Blutdruck kontinuierlich zu erfassen. Weiter bekannt sind auch klassische, nicht-invasive Messgeräte zur Blutdruckmessung, wie z.B. Oberarmmanschettengeräte. Diese können allerdings nur Messungen zu einzelnen Zeitpunkten, also eine diskrete und keine kontinuierliche Messung, durchführen. Ferner müssen diese Geräte den Blutfluss mechanisch unterbrechen oder zumindest reduzieren. Weiter ist der Messvorgang, z.B. durch das Aufblasen der Manschette, fehleranfällig, da die Manschette an einem dedizierten Punkt des Körpers angelegt werden muss, z.B. etwa 1 - 2 cm über der Armbeuge am Oberarm. Ebenfalls muss darauf geachtet werden, dass die Manschette nicht zu eng und nicht zu locker sitzt. Ferner wurde beobachtet, dass eine erneute Messung ohne ausreichende Pause zu verfälschten Messwerten führen kann, was die Eignung zur kontinuierlichen Blutdruckerfassung weiter vermindert.
Ebenfalls sind auch diese bekannten Verfahren kontaktbasiert, was in manchen Fällen für ein erhöhtes Infektionsrisiko für den Patienten bedeutet. Zudem kann der bekannte Ansatz für manche Patienten unangenehm oder sogar schmerzhaft sein.
Weiter bekannte Ansätze nutzen mehrere Messsystem, wie z.B. EKG-Geräte oder SKG- Erfassungseinrichtungen und PPG-Geräte, um die sogenannte Pulswellenlaufzeit, die auch als Pulstransittime, PTT, bezeichnet wird, zwischen zwei Punkten, z.B. dem Herz und dem Finger, zu messen. Die Pulswellenlaufzeit ermöglicht anschließend die Bestimmung des Blutdrucks. Dieser Ansatz erfordert jedoch die Kombination verschiedener Messsysteme und Messverfahren, was einerseits aufwendig, andererseits aber auch ungenau ist. Ebenfalls sind solche Verfahren auf eine vorherige, personenspezifische Kalibrierung vor jeder Messung zur Durchführung einer herkömmlichen Blutdruckmessung angewiesen.
Weiter bekannte Ansätze nutzen PPG-Signale, um eine Blutdruckmessung durchzuführen. Weiter bekannt ist die Erfassung von Seismokardiographiesignalen (SKG-Signal), welches auch als präkordiales Bewegungssignal bezeichnet werden kann. Das Präkordium kann hierbei einen Teil der Brustwand vor dem Herzen bezeichnen. Somit kann das präkordiale Bewegungssignal Informationen über die Bewegung dieses Teils der Brustwand beinhalten. Ein solches Signal beinhaltet insbesondere Informationen über Bewegungen, insbesondere Schwingungen, des Präkordiums, die durch Herzbewegungen bedingt sind. Aus derartigen Signalen können sogar Bewegungen von Herzklappen, z.B. der Aortenklappe oder der Mitralklappe, detektiert und entsprechende Eigenschaften identifiziert werden. Während die elektrischen Reize, die bei der EKG-Untersuchung sichtbar gemacht werden, die elektrischen Reize darstellen, die vor jeder Muskelbewegung innerhalb des Herzzyklus auftreten, repräsentiert das SKG-Signal die resultierenden Bewegungen, die an der präkordialen Position gemessen werden. Bei diesem Ansatz werden zum Beispiel weit verbreitete Trägheitssensoren wie Beschleunigungsmesser oder Gyroskope eingesetzt. Allerdings können auch Druck- oder Radarsensoren verwendet werden.
Ebenfalls bekannt ist die Erfassung von Phonokardiographiesignalen, wobei diese Audiosignale sind, die durch den Empfang von Schallwellen erzeugt werden, wobei die Schallwellen durch Herzbewegungen verursacht sind.
Ebenfalls bekannt ist die Erfassung von Ballistokardiographiesignalen, wobei diese die Schwingung des ganzen Körpers erfassen, welche durch die Herzbewegungen verursacht sind. Ballistokardiogramme können am ganzen Körper erfasst werden und sind somit nicht auf einen bestimmten Messpunkt festgelegt.
Ein Großteil der Forschung auf dem Gebiet der mobilen und tragbaren Seismokardiographie konzentriert sich auf die Extraktion von Vitalparametern wie Herzfrequenz, Herzfrequenzvariabilität oder Atemfrequenz. Obwohl diese Parameter wertvolle Informationen über den Gesundheitszustand der Benutzer liefern, ist es wünschenswert, einen Blutdruck kontinuierlich zu erfassen, um Diagnosemöglichkeiten für einen Arzt zu erweitern.
Ferner bekannt sind Verfahren des maschinellen Lernens, auch in der Kardiologie. Mehrere bekannte Verfahren wenden konvolutionale Autoencoder an, um Gesundheitsdaten zu komprimieren, indem die Komplexität oder das Rauschen in biologischen Signalen reduziert wird, wie für EEG- und EKG-Signale gezeigt wurde. Neben der Anwendung von neuronalen Netzen zur Analyse von EKG-Daten gibt es eine Reihe von Publikationen, die das maschinelle Lernen auf Signale von anderen Sensortypen anwenden. CNNs (Convolutional Neuronale Netze, faltendes neuronales Netz) können zur Schätzung der Herzfrequenzen von PPG-Sensoren (Photoplethysmografie -Sensoren) oder zur automatischen Erkennung von Herz-Kreislauf-Erkrankungen aus SKG-Daten verwendet werden.
Aus dem Stand der Technik bekannt ist die W02020/009387 A1. Diese offenbart ein Verfahren und eine Vorrichtung zur Schätzung von segmentalem Blutdruck unter Nutzung eines zirkulären neuronalen Netzwerks. Die Druckschrift lehrt, dass ein biometrisches Signal erfasst und analysiert wird, wobei jedoch Merkmalsinformationen extrahiert werden und ein Blutdruckparameter basierend auf den Merkmalsinformationen berechnet wird. Weiter wird ein Blutdruck mit einem neuronalen Netz für einen zukünftigen Zeitpunkt bestimmt, wobei eine Eingangsgröße für diese Bestimmung ein berechneter Blutdruck ist.
Weiter bekannt ist die US2019/274552A1 beschreibt eine manschettenlose Bestimmung eines Blutdrucks. Hierzu umfasst ein Blutdruckmesser einen Prozessor, der blutdruckbezogene Merkmale aus einem BCG-Signal extrahiert und basierend auf zumindest einem Teil der extrahierten Merkmale einen Blutdruck schätzt. Der Blutdruckschätzer kann hierbei durch Verfahren des maschinellen Lernens bestimmt werden.
Weiter bekannt ist die US2020/330050A1, die Gesundheitsüberwachungssysteme offenbart. Insbesondere offenbart ist, dass Ausgangssignale von Beschleunigungssensoren einem „Peak Pattern Detektor zugeführt werden, der wiederum Eingangssignale für einen Blutdruckschätzer bereitstellt.
Diese Druckschriften lehren als wesentliches Merkmal für die Blutdruckbestimmung eine Merkmalsextraktion aus einem erfassten Signal, wobei die extrahierten Merkmale dann Eingangsgrößen für ein Verfahren zur Bestimmung/Schätzung des Blutdrucks bilden. So lehrt die US2020/330050A1 als wesentliches Merkmal eine Spitzenwerterkennung und - Schätzung, wobei die Zeitpunkte dieser Spitzenwerte dann Eingangsgrößen für ein nichtlineares Regressionsmodel bilden, welches den Blutdruck schätzt.
Die US2019/274552A1 lehrt als wesentliches Merkmal eine Extraktion von blutdruckbezogenen Merkmalen aus einem BCG-Signal, die dann als Basis für eine Blutdruckschätzung genutzt werden. Die W02020/009387 A1 lehrt als wesentlich, dass ein Merkmal aus einem Biosignal extrahiert wird und dann ein vergangener blutdruckbezogener Parameter basierend auf dem extrahierten Merkmal berechnet wird. Dann wird ein zukünftiger Blutdruck bestimmt, indem der blutdruckbezogene Parameter als Eingangsgröße für ein neuronales Netz verwendet wird. Diese Merkmalsextraktion ist aufwändig und fehleranfällig und kann die Qualität des geschätzten Blutdrucksignals vermindern. Ferner benötigt die die Merkmalsbestimmung zusätzlichen Rechenaufwand.
Ebenfalls bekannt ist das Dokument M. S. Imtiaz etai, "Correlation between seismocardiogram and systolic blood pressure," 201326th IEEE Canadian Conference on Electrical and Computer Engineering (CCECE), Regina, SK, Canada, 2013, pp. 1-4, doi: 10.1109/CCECE.2013.6567773, welches eine Korrelation zwischen Seismokardiogram und Blutdruck analysiert.
Es stellt sich daher das technische Problem, ein Verfahren und ein System zur Erzeugung eines, insbesondere kontinuierlichen, ABP-Signals sowie ein Computerprogrammprodukt zu schaffen, welche eine einfache, genaue, zuverlässige und möglichst wenig Rechenaufwand benötigende Erzeugung des ABP-Signals ermöglicht, wobei insbesondere eine invasive Erfassung mit den vorhergehend erläuterten Nachteilen vermieden wird.
Die Lösung des technischen Problems ergibt sich durch die Gegenstände mit den Merkmalen der unabhängigen Ansprüche. Weitere vorteilhafte Ausgestaltungen der Erfindung ergeben sich durch die Gegenstände mit den Merkmalen der Unteransprüche.
Vorgeschlagen wird ein Verfahren zur Erzeugung eines APB-Signals, welches ein Aortenblutdrucksignal-Signal oder ein arterielles Blutdrucksignal bezeichnen kann, wobei mindestens ein herzbewegungsinduziertes Signal erfasst wird. Ein herzbewegungsinduziertes Signal kann ein Signal bezeichnen, dass durch Herzbewegungen verursacht wird. Es ist auch möglich, dass mehrere herzbewegungsinduzierte Signale erfasst werden, insbesondere auch Signale verschiedenen Typs. Dies wird nachfolgend noch erläutert. Das ABP-Signal ist insbesondere ein kontinuierliches ABP-Signal. Dies kann bedeuten, dass ein zeitlicher Verlauf des ABP-Signals erzeugt wird, insbesondere ein wellenförmiger Zeitverlauf. Insbesondere definiert das kontinuierliche Aortenblutdrucksignal den Aortenblutdruck und das kontinuierliche arterielle Blutdrucksignal einen Blutdruck in einer Arterie für jeden Zeitpunkt aus einem vorbestimmten Bestimmungszeitraum.
Ein herzbewegungsinduziertes Signal kann insbesondere ein SKG-Signal (Seismokardiographie-Signal) oder ein PKG-Signal (Phonokardiographie-Signal) oder ein BKG-Signal (Ballistokardiographie-Signal) sein. Dieses herzbewegungsinduzierte Signal kann durch eine geeignete Erfassungseinrichtung erzeugt werden. So kann das SKG-Signal von einer geeigneten SKG-Erfassungseinrichtung, das PKG-Signal von einer geeigneten PKG-Erfassungseinrichtung und das BKG-Signal von einer geeigneten BKG- Erfassungseinrichtung erzeugt werden. Das herzbewegungsinduzierte Signal ist aber insbesondere kein EKG-Signal, insbesondere da das EKG-Signal das Signal ist, welches die Herzbewegung induziert (und nicht umgekehrt).
Eine solche SKG-Erfassungseinrichtung kann beispielsweise mindestens einen Beschleunigungssensor, z.B. einen MEMS-Beschleunigungssensor, insbesondere ein MEMS-Gyroskop, oder einen Radarsensor, insbesondere einen Doppler-Radarsensor, umfassen. Wie vorhergehend erläutert, enthält bzw. kodiert das SKG-Signal Informationen über Herzbewegungen. Solche Beschleunigungssensoren können uniaxiale oder triaxiale piezoelektische Beschleunigungssensoren oder MEMS-Beschleunigungssensoren, triaxiale MEMS-Beschleunigungssensoren oder Gyroskope, Laser-Doppler-Vibrometer, Mikrowellen- Doppler-Radarsensoren oder eine so genannte Airbourne ultrasound surface motion camera (AUSMC) sein. Eine PKG-Erfassungseinrichtung kann insbesondere ein Mikrofon umfassen, insbesondere ein Mikrofon eines mobilen Endgeräts wie z.B. eines Mobiltelefons oder ein Lasermikrofon. Eine BKG-Erfassungseinrichtung kann z.B. mindestens einen Drucksensor umfassen, z.B. einen als Lastzelle ausgebildeten Drucksensor.
Weiter wird das mindestens eine erfasste herzbewegungsinduzierte Signal in mindestens ein ABP-Signal transformiert. Beispielhafte Transformationsprozesse werden nachfolgend noch näher erläutert. Es ist - wie nachfolgend noch näher erläutert- auch möglich, dass mehrere erfasste herzbewegungsinduzierte Signale in ein ABP-Signal transformiert werden.
So wurde in überraschender Weise erkannt, dass ein herzbewegungsinduziertes Signal und ein ABP-Signal einen bezüglich der Herzaktivität vergleichbaren Informationsgehalt besitzen, da auch ABP-Signale Informationen über Herzbewegungen enthalten bzw. kodieren, da der Aortenblutdruck durch Herzbewegungen beeinflusst wird. Umgekehrt enthält ein herzbewegungsinduziertes Signal also auch Informationen über mechanische Aktivitäten des Herzens.
Da herzbewegungsinduzierte Signale ohne eine entsprechende Verarbeitung für die Nutzer regelmäßig unverständlich sind, weil diese in der Regel im Klinik- und Praxisalltag insbesondere für eine Diagnose nicht verwendet und ihre Interpretation in der Regel nicht Teil der Ausbildung als Arzt ist, kann durch die Transformation ein in der Regel für einen größeren Personenkreis aussagekräftiges ABP-Signal erzeugt werden, wodurch die medizinische Anwendbarkeit z.B. zu Diagnosezwecken steigt. Bei der Erfassung von herzbewegungsinduzierten Signalen ist ebenfalls in vorteilhafter Weise eine mechanische Kontaktierung des Patienten bzw. eine invasive Erfassung nicht zwingend notwendig.
Vorzugsweise wird also das herzbewegungsinduzierte Signal berührungslos erfasst, also ohne mechanische Kontaktierung eines Patienten durch einen entsprechenden Sensor. Z.B. kann dies erfolgen, indem die Erfassungseinrichtung beabstandet von den Patienten angeordnet ist, beispielsweise in einer Matratze, auf der der Patient liegt oder in einem Sitz, in dem der Patient sitzt. Umfasst die Erfassungseinrichtung z.B. einen Radarsensor, so ist es nur erforderlich, die Erfassungseinrichtung derart anzuordnen, dass der Patient bzw. ein Brustbereich des Patienten im Erfassungsbereich des Radarsensors angeordnet ist.
Es ist allerdings auch möglich, dass das herzbewegungsinduzierte Signal durch einen Sensor erfasst wird, der zur Erfassung den Patienten mechanisch kontaktiert bzw. in oder an dem Patienten angeordnet ist. So ist es möglich, dass die Erfassungseinrichtung in einen Schrittmacher, insbesondere in einen ratenadaptiven Schrittmacher, integriert ist. Ein Schrittmacher kann eine solche Erfassungseinrichtung, insbesondere eine als Beschleunigungssensor ausgebildete Erfassungseinrichtung, umfassen, um einen Takt des Herzschlags eines Patienten in Abhängigkeit des von der Erfassungseinrichtung erfassten Signals einzustellen, z.B. um diesen an den aktuellen Bewegungszustand sowie Pulsbedarf anzupassen. Um dies zu ermöglichen werden Aktivitäten in Abhängigkeit von Ausgangssignalen der Beschleunigungssensoren erkannt und z.B. bei steigender Belastung der Takt des Herzschlags entsprechend erhöht (z.B. bei einem Wechsel vom Gehen zu Treppensteigen). Die hierfür eingesetzten Beschleunigungssensoren können zudem eingesetzt werden, um ein herzbewegungsinduziertes Signal zu erfassen.
Ein von einer solchen Erfassungseinrichtung erfasstes Signal kann dann z.B. zu einer Recheneinrichtung übertragen werden, z.B. drahtlos über geeignete Verfahren zur Datenübertragung, wobei die Recheneinrichtung dann die Transformation durchführt. Diese (externe) Recheneinrichtung kann z.B. eine Recheneinrichtung eines mobilen Endgeräts sein. Alternativ ist vorstellbar, dass der Schrittmacher eine Recheneinrichtung umfasst, wobei diese dann die Transformation durchführt. Eine solche Recheneinrichtung des Schrittmachers kann in Form eines eingebetteten Systems in diesen integriert sein. Beispielsweise kann die Recheneinrichtung als integrierte Schaltung ausgebildet sein, welche speziell zur Durchführung der Transformation ausgebildet ist. Diese integrierte Schaltung kann z.B. die Funktionalität eines neuronalen Netzes bereitstellen. Die Verwendung von einer Erfassungseinrichtung, die in einen Herzschrittmacher integriert ist, ermöglicht in vorteilhafter weise die Nutzung von bereits vorhandenen und dicht am Herzen angeordneten Sensoren, was eine gute Signalqualität der herzbewegungsinduzierten Signale bedingt. Dies wiederum verbessert die Messgenauigkeit und somit auch die Genauigkeit des erfindungsgemäß erzeugten ABP-Signals. Weiter wird aufgrund der erweiterten Nutzung eines bereits zertifizierten Herzschrittmachers auch eine einfache Zertifizierung eines Systems zur Erzeugung eines EKG-Signals als Medizinprodukt ermöglicht, welches die Erfassungseinrichtung des Herzschrittmachers umfasst.
Durch die Transformation wird also das mindestens eine herzbewegungsinduzierte Signal, welches z.B. präkordiale Bewegungen, von diesen Bewegungen verursachte Schallwellen oder Ganzkörperbewegungen repräsentiert, in ein Signal transformiert, welches den Zeitverlauf des Aortenblutdrucks repräsentiert bzw. abbildet.
Die Transformation in ein ABP-Signal ist vorzugsweise eine direkte Transformation. Auch kann die Transformation mehrere Teiltransformationen umfassen, wobei z.B. durch eine erste Teiltransformation das herzbewegungsinduzierte Signal in ein Zwischensignal und in einer weiteren Teiltransformation das Zwischensignal in das ABP-Signal transformiert wird.
Es ist selbstverständlich möglich, dass auch mehr als zwei Teiltransformationen durchgeführt werden.
Durch das vorgeschlagene Verfahren ergibt sich in vorteilhafter Weise eine einfache und zuverlässige Erzeugung eines ABP-Signals, die insbesondere, aber nicht zwingend, berührungslos, in jedem Fall aber nichtinvasiv erfolgt. Somit ermöglicht das vorgeschlagene Verfahren eine zuverlässige Langzeiterfassung von ABP-Signalen, insbesondere über eine Zeitdauer von mehr als 24 Stunden, da herzbewegungsinduzierte Signale problemlos über einen derartigen Zeitraum aufgezeichnet und dann transformiert werden können, insbesondere da die Erzeugung nichtinvasiv erfolgt.
Ferner ist es möglich, das beanspruchte Verfahren in vorteilhafter Weise auf existierenden Geräten, die eine zur Erfassung von herzbewegungsinduzierten Signalen geeignete Erfassungseinrichtung aufweisen, zu implementieren und somit nachzurüsten, womit diese Geräte in die Lage versetzt werden, ein ABP-Signal zu erzeugen. Beispielsweise umfassen Mobiltelefone in der Regel Beschleunigungssensoren. Diese können genutzt werden, um SKG-Signale zu erzeugen, beispielsweise indem ein Mobiltelefon auf der Brust eines Patienten platziert und Ausgangssignale des Beschleunigungssensors erfasst werden. Diese Ausgangssignale können dann durch die vorgeschlagene Transformation in ein ABP-Signal transformiert werden. Auch kann ein Mikrofon eines Mobiltelefons genutzt werden, um PKG- Signale zu erzeugen.
Erfindungsgemäß wird die Transformation mittels eines Modells durchgeführt, welches durch maschinelles Lernen erzeugt wurde.
Weiter bildet das herzbewegungsinduzierte Signal die Eingangsgröße und das ABP-Signal die Ausgangsgröße der Transformation. Insbesondere erfolgt keine Extraktion von Merkmalen aus dem herzbewegungsinduzierten Signal, die dann Eingangsgrößen der Transformation bilden. Es ist also möglich, dass ein unverarbeitetes herzbewegungsinduziertes Signal oder ein gefiltertes herzbewegungsinduziertes Signal die Eingangsgröße der Transformation bildet, wobei die Filterung nicht zur Merkmalsextraktion dient. Weiter insbesondere umfasst die Transformation keinen Schritt zur Bestimmung vorbestimmter Merkmale. Auch kann das herzbewegungsinduzierte Signal die einzige Eingangsgröße der Transformation bilden. Mit anderen Worten wird bei der Transformation neben dem herzbewegungsinduzierten Signal keine weitere Eingangsgröße berücksichtigt.
Der Begriff maschinelles Lernen umfasst oder bezeichnet hierbei Verfahren zur Bestimmung des Modells basierend auf Trainingsdaten. So ist es möglich, das Modell durch Verfahren zum überwachten Lernen zu bestimmen, wobei hierzu die Trainingsdaten, also ein Trainingsdatensatz, Eingabedaten und Ausgabedaten umfassen. Als Eingabedaten können hierbei herzbewegungsinduzierte Signale bereitgestellt werden, wobei als Ausgabedaten die zu diesen herzbewegungsinduzierten Signalen korrespondierenden ABP-Signale bereitgestellt werden.
Insbesondere können Ein- und Ausgabedaten solcher Trainingsdaten erzeugt werden, indem zeitgleich herzbewegungsinduzierte Signale und ABP-Signale erzeugt werden, wobei diese zeitgleich erzeugten Daten dann die Ein- und Ausgabedaten für das Training bilden. Verfahren und Vorrichtung zur zeitgleichen Erzeugung solcher Daten sind aus dem Stand der Technik bekannt, der in der Beschreibungseinleitung erläutert wurde. So kann das Modell hierbei den Zusammenhang zwischen Seismokardiogramm, Ballistokardiogramm bzw. Phonokardiogramm und dem Blutdrucksignal lernen. Solche Verfahren zum überwachten Lernen sind dem Fachmann bekannt. Es ist auch vorstellbar, dass zur Bestimmung des Modells Verfahren des unüberwachten Lernens angewendet werden. Zur Erzeugung von Trainingsdaten können z.B. kontinuierliche Aortenblutdrucksignale (ABP- Signale) und simultan Seismokardiographiesignale (SKG-Signale) aufgezeichnet werden. So kann z.B. in einem ersten Schritt für Mitglieder einer ersten Probandengruppe zeitgleich eine invasive, kontinuierliche Erfassung des ABP-Signals und eine kontinuierliche Erfassung eines herzbewegungsinduzierten Signals, insbesondere eines SKG-Signals, erfolgen. Das ABP-Signal kann hierbei direkt in einem Blutgefäß eines Probanden gemessen werden.
Anschließend erfolgt ein Training von einem ersten Modell zur Transformation des herzbewegungsinduzierten Signals in das ABP-Signal mit den derart erfassten Daten der Probandengruppe und den in dieser Stichprobe verfügbaren Amplituden, insbesondere der der Amplituden von Systole und Diastole. Die für die Modellbildung genutzten Trainingsdaten werden als erste Trainingsdaten bezeichnet.
Im Anschluss können weitere Trainingsdaten erzeugt werden, indem für Mitglieder einer weiteren Probandengruppe nicht-invasiv und zu diskreten Zeitpunkten, also nicht kontinuierlich, ein Blutdrucksignal und simultan kontinuierlich ein herzbewegungsinduziertes Signal erfasst wird. Die zeitdiskrete Blutdruckmessung kann beispielsweise mit einem Oberarmmanschettenmessgerät durchgeführt werden. Dann kann unter Nutzung des ersten Modells die Transformation des herzbewegungsinduzierten Signals der Probanden der weiteren Probandengruppe in ein ABP-Signal durchgeführt werden, wobei anschließend jedoch das durch Transformation bestimmte ABP-Signal, insbesondere die Amplituden von Systole und Diastole, basierend auf den zeitdiskreten Messwerten korrigiert werden, insbesondere derart, dass eine Abweichung zwischen den durch die Transformation bestimmten Amplituden und den durch die zeitdiskrete Messung gemessenen Amplituden minimal ist. Diese Korrektur ist vorteilhaft, da der erste Trainingsdatensatz gegebenenfalls nicht alle Varianten der Amplitudenwerte beinhaltet (begründet durch die klinischen Laborbedingungen, z.B. liegend ohne Aktivität, evtl. Sedierung).
Die derart korrigierten durch Transformation bestimmten ABP-Signale und die herzbewegungsinduzierten Signale der weiteren Probandengruppe bilden dann einen weiteren Trainingsdatensatz. Es ist beispielsweise möglich, dass das Training eines aktualisierten Modells basierend auf der Gesamtheit des ersten und des weiteren Trainingsdatensatz durchgeführt wird, wobei die Gesamtheit auch als fusionierter Trainingsdatensatz bezeichnet werden kann. Somit wird eine Erweiterung des Trainingsdatensatzes ohne Notwendigkeit weiterer invasiver Messungen ermöglicht. Auch wird diese Erweiterung des Trainingsdatensatzes in einfacherWeise wiederholt werden, um den Trainingsdatensatz zu vergrößern. Nach der Erstellung des Modells, also nach der Trainingsphase, kann das derart parametrisierte Modell in der so genannten Inferenzphase verwendet werden, um aus Eingabedaten in Form von herzbewegungsinduzierten Signalen dann die zu bestimmenden ABP-Signale zu erzeugen, also die vorgeschlagene Transformation durchzuführen.
Hierdurch ergibt sich eine zuverlässige und qualitativ hochwertige Erzeugung von ABP- Signalen.
Es ist möglich, dass das Modell nutzer- bzw. patientenunspezifisch und/oder erfassungseinrichtungsunspezifisch bestimmt wird, wobei das derart bestimmte Modell dann genutzt wird, um die Transformation für einen spezifischen Nutzer und/oder eine spezifische Erfassungseinrichtung durchzuführen. Dies kann bedeuten, dass das Modell nicht individuell für einen bestimmten Nutzer und/oder für eine bestimmte Erfassungseinrichtung bestimmt wird, aber in der Inferenzphase dann für einen individuellen Nutzer und/oder eine individuelle Erfassungseinrichtung genutzt werden kann. Es ist also möglich, dass das Modell nicht für jeden Nutzer und/oder jede Erfassungseinrichtung neu trainiert werden muss. Es kann insbesondere einmalig, vorzugsweise mit einem geeignet großen Datensatz, trainiert (Trainingsphase) und danach als Modell nutzer- und/oder erfassungseinrichtungsunabhängig, z.B. für alle Nutzer, eingesetzt (Inferenzphase) werden. Somit ergibt sich in vorteilhafter Weise, dass eine Anwendbarkeit des Verfahrens verbessert wird, da insbesondere nicht für jeden Nutzer und/oder jede Erfassungseinrichtung ein spezifisches Training erfolgen muss. Z.B. kann das gleiche Modell zur Transformation von Signalen genutzt werden, die von verschiedenen Erfassungseinrichtungen erzeugt werden.
Hierbei umfasst der geeignete Datensatz vorzugsweise Daten, die für mindestens eine vorbestimmte Anzahl von verschiedenen kranken oder gesunden Personen und/oder für mindestens eine vorbestimmte Anzahl von Physiologien und/oder für mindestens eine vorbestimmte Anzahl von verschiedenen Erkrankungen erzeugt wurden.
Selbstverständlich kann es aber erforderlich sein, das Modell mit Eingangsdaten gleicher Charakteristik zu trainieren, also nur mit SKG-Signalen, PKG-Signalen oder BKG-Signalen, wobei jedoch verschiedene Erfassungseinrichtungen oder verschiedene Konfigurationen einer Erfassungseinrichtung zur Erfassung dieser Signale gleicher Charakteristik genutzt werden können. Selbstverständlich ist es aber auch möglich, dass das Modell nutzer und/oder erfassungseinrichtungsspezifisch bestimmt wird.
Geeignete mathematische Algorithmen für das maschinelle Lernen umfassen: Decision Tree-basierte Verfahren, Ensemble Methods (z.B. Boosting, Random Forrest) -basierte
Verfahren, Regression-basierte Verfahren, Bayes'sche Methoden (z.B. Bayesian Belief io Networks)-basierte Verfahren, Kernel Methoden (z.B. Support Vector Machines)-basierte Verfahren, Instance- (z.B. k-Nearest Neighbour)-basierte Verfahren, Association Rule Learning-basierte Verfahren, Boltzmann Maschine-basierte Verfahren, Artificial Neural Networks (z.B. Perceptron) -basierte Verfahren, Deep Learning (z.B. Convolutional Neural Networks, Stacked Autoencoders) -basierte Verfahren, Dimensionality Reduction-basierte Verfahren, Regularization Methods-basierte Verfahren.
Zum Trainieren z.B. eines neuronalen Netzes benötigt man regelmäßig eine große Menge an Trainingsdaten, um eine gewünschte Qualität der Transformation zu gewährleisten. Die Menge der Trainingsdaten kann abhängig von Faktoren wie der Komplexität des zugrundeliegenden Problems, der benötigten Genauigkeit und der angestrebten Anpassungsfähigkeit des zu trainierenden Netzes sein. Der Anwendungsbereich, also die Domäne, in der das Netz zum Einsatz kommen soll, ist oftmals das wichtigste Element in der Bestimmung dieser Faktoren und somit der Bestimmung der Trainingsdatenmenge. Mit entsprechendem Vorwissen über die Domäne ist es möglich zum Training des Netzes Daten vorzubereiten, die zu einer schnelleren Konvergenz zur optimalen Lösung führen, bzw. eine solche Konvergenz überhaupt erst ermöglichen und somit weniger Trainingsdaten benötigen.
Das vorgeschlagene Verfahren kommt in medizinischem Umfeld zum Einsatz. Somit ist eine hohe Genauigkeit wünschenswert. Hinzu kommt eine vergleichsweise hohe Komplexität, da sich ABP-Signale und herzbewegungsinduzierte Signale auf Grund der unterschiedlichen Sensorik zu deren Erfassung voneinander unterscheiden. Dies bedingt aber in der Regel eine große Datenmenge zum Trainieren eines neuronalen Netzes. Ein möglicher Schritt, um die benötigte Menge an Daten zu reduzieren, besteht in der Filterung der Trainingsdaten, insbesondere der Eingabedaten und/oder der Ausgabedaten. Insbesondere können Ein- und Ausgabedaten eines Trainingsdatensatzes erzeugt werden, indem zeitgleich herzbewegungsinduzierte Signale und ABP-Signale erzeugt und dann vor dem Training gefiltert werden. Somit verringert sich der Speicherbedarf als auch die benötigte Rechenzeit und/oder -leistung zur Bestimmung/Erzeugung des Modells. So ist es möglich, die Trainingsdaten mit einem Filter zu filtern, insbesondere einem Bandpassfilter, z.B. einem Butterworthfilter, um hochfrequente sowie niederfrequente Anteile in den Trainingsdaten abzuschwächen. Beispielsweise kann eine erste, untere Grenzfrequenz eines Bandpassfilters 0.5 Hz und eine weitere, obere Grenzfrequenz 200 Hz betragen. Auch vorstellbar ist die Nutzung von Hoch- und/oder Tiefpassfiltern oder anderen Filter (z.B. Polynomfilter), die entsprechenden ungewollten Frequenzen aus den Trainingsdaten herausfiltern. Alternativ können die erzeugten Signale aber auch ungefiltert zum Training genutzt werden. In einerweiteren Ausführungsform ist das mindestens eine herzbewegungsinduzierte Signal ein SKG-Signal. Hierdurch ergibt sich in vorteilhafter weise eine zuverlässige Bereitstellung eines ABP-Signals, da SKG-Signale zuverlässig erzeugt werden können. Weiter ergibt sich in vorteilhafter Weise, dass ein SKG-Signal ein breites Frequenzspektrum (insbesondere ein im Vergleich mit einem BKG-Signal breiteres Frequenzspektrum) und somit eine hohe Informationsdichte aufweist und berührungslos erzeugt werden kann. Insbesondere kann ein SKG-Signal Informationen über eine Herzklappenbewegung enthalten. Auch ergibt sich in vorteilhafter Weise, dass ein SKG-Signal, insbesondere im Vergleich zu einem BKG-Signal, weniger Bewegungsartefakte enthalten kann, insbesondere da es im Vergleich Anteile mit höherer Frequenz umfasst. Aus diesen Eigenschaften resultiert wiederum eine hohe Signalqualität. Ebenfalls hat sich gezeigt, dass das Bestimmen des Modells mit SKG- Signalen mit einer ausreichend schnellen Konvergenz möglich ist.
Alternativ ist das herzbewegungsinduzierte Signal ein PKG-Signal. Da dieses ein breites Frequenzspektrum (insbesondere ein im Vergleich mit dem SKG-Signal und einem BKG- Signal breiteres Frequenzspektrum) umfasst ergibt sich in vorteilhafter Weise eine genaue Erzeugung eines ABP-Signals. Somit weist auch das PKG-Signal eine hohe Informationsdichte auf. Alternativ ist das herzbewegungsinduzierte Signal ein BKG-Signal.
Da dieses am ganzen Körper gemessen werden kann, ergibt sich in vorteilhafter Weise eine flexible Erfassung und somit Erzeugung eines ABP-Signals. Es ist vorstellbar, dass mehrere, insbesondere verschiedene, herzbewegungsinduzierte Signale erfasst werden, z.B. mehrere SKG-Signale, mehrere BKG-Signale oder mehrere PKG-Signale. Auch können mindestens zwei verschiedene Signale der Signalmenge umfassend SKG-, PKG- und BKG-Signal erfasst werden, wobei das mindestens eine ABP-Signal dann durch eine Transformation dieser verschiedenen Signale in das mindestens eine ABP-Signal erzeugt wird. Auch ist es vorstellbar, dass aus den verschiedenen herzbewegungsinduzierten Signalen ein fusioniertes herzbewegungsinduziertes Signal erzeugt und dieses dann in mindestens ein ABP-Signal transformiert wird.
In einerweiteren Ausführungsform wird zur Erzeugung des Modells eine Fehlerfunktion zur Bestimmung einer Abweichung zwischen einem durch Transformation bestimmten ABP- Signal und einem Referenz-ABP-Signal ausgewertet, wobei bei der Auswertung der Fehlerfunktion verschiedene Signalabschnitte des durch Transformation bestimmten ABP- Signals und/oder des Referenz-ABP-Signals und/oder der Abweichung (des Abweichungssignals) verschieden gewichtet werden. Somit kann also eine ABP- Signalspezifische Fehlerfunktion verwendet werden. Das Referenz-ABP-Signal kann eine Grundwahrheit repräsentieren und kann beispielsweise ein parallel zu den Eingangsdaten (also einem herzbewegungsinduzierten Signal) erfasstes ABP-Signal sein, welches mit einer bekannten, z.B. invasiven, ABP-Erfassungseinrichtung erfasst wurde. Die Fehlerfunktion wird genutzt, um eine Abweichung zwischen dem Ergebnis der Transformation, also dem durch die Transformation bestimmten ABP-Signal, und der Grundwahrheit zu bestimmen bzw. zu quantifizieren. Diese Abweichung beeinflusst dann die Bestimmung, insbesondere das Training, des Modells für die Transformation durch maschinelles Lernen, insbesondere die Bestimmung eines neuronalen Netzes, wobei das Modell z.B. derart angepasst wird, dass die Abweichung reduziert wird. Hierbei kann als Abweichung z.B. eine mittlere quadratische Abweichung oder eine mittlere absolute Abweichung bestimmt werden.
Es ist möglich, dass zur Bestimmung der Abweichung verschiedene Signalabschnitte des durch Transformation bestimmten ABP-Signals oder des Referenz-ABP-Signals verschieden und alle Signalabschnitte des verbleibenden Signals gleich gewichtet werden. Vorzugsweise werden zur Bestimmung der Abweichung alle Signalabschnitte des durch Transformation bestimmten ABP-Signals und alle Signalabschnitte des Referenz-ABP-Signals gleich gewichtet, wobei jedoch verschiedene Abschnitte des die Abweichung repräsentierenden Signals verschieden gewichtet werden. Ein gewichteter Abschnitt im Abweichungssignal kann ein Abschnitt sein, der zu einem vorbestimmten (relevanten) Abschnitt in dem durch Transformation bestimmten ABP-Signal und/oder im Referenz-ABP-Signal zeitlich korrespondiert.
Die verschiedene Gewichtung verschiedener Signalabschnitte in mindestens einem der genannten Signale kann eine Qualität des Modells und somit auch die Signalqualität des durch Transformation bestimmten ABP-Signals in vorteilhafter weise verbessern. Die verschiedene Gewichtung verschiedener Signalabschnitt ermöglicht es insbesondere charakteristische und somit relevante Abschnitte des ABP-Signals höher zu gewichten als weniger relevante. Relevante ABP-Signalabschnitte können von einem Experten identifiziert werden, beispielsweise durch eine Auswahl von Signalabschnitten mittels einer Eingabeeinrichtung. Alternativ ist es jedoch auch vorstellbar, eine automatisierte Detektion von relevanten Signalabschnitten durchzuführen, beispielsweise über geeignete Detektionsverfahren, die z.B. Abschnitte mit vorbestimmten Signaleigenschaften identifizieren. In solchen Detektionsverfahren kann beispielsweise eine Phasortransformation durchgeführt werden. In diesem Fall können Abschnitten mit vorbestimmten Signaleigenschaften vorbestimmte Gewichte zugeordnet sein. Ein relevanter Abschnitt in einem Signal kann ein systolischer Abschnitt oder ein diastolischer Abschnitt sein.
Der systolische Abschnitt kann ein Zeitabschnitt sein, der in einem simultan zum ABP-Signal aufgezeichneten EKG-Signal mit einer R-Zacke beginnt und zum Zeitpunkt endet, an dem die auf die R-Zacke folgende T-Welle endet. Der diastolische Abschnitt kann ein Zeitabschnitt sein, der in einem simultan zum ABP-Signal aufgezeichneten EKG-Signal mit nach dem Ende einer T-Welle beginnt und zum Zeitpunkt endet, an dem die auf dieses Ende der T-Welle folgende R-Zacke auftritt. Eine Periode in einem ABP-Signal kann zwei lokale Maxima aufweisen, wobei das zeitlich zuerst auftretende erste lokale Maximum eine höhere Amplitude aufweist als das zeitlich darauf folgende zweite lokale Maximum. In dieser Periode des ABP-Signals kann der systolische Abschnitt ein Zeitabschnitt sein, der kurz vor dem Anstieg des Blutdrucks zum ersten lokalen Maximum beginnt und mit Erreichen des lokalen Minimums zwischen den beiden lokalen Maxima endet. Der diastolische Abschnitt beginnt daran anschließend und endet mit Beginn des nächsten systolischen Abschnitts.
In einerweiteren Ausführungsform wird die Transformation mittels eines neuronalen Netzes durchgeführt. Beispielsweise kann das neuronale Netz als Autoencoder oder als faltendes neuronales Netz (Convolutional Neural Network, CNN) oder als RNN (Recurrent Neural Network) oder als LSTM-Netz (long short-term memory network) oder als neuronales Transformer-Netz oder als eine Kombination aus mindestens zwei der erwähnten Netze ausgebildet sein. Ein solches neuronales Netz, insbesondere das als Autoencoder ausgebildete neuronale Netz, kann hierbei mittels der vorhergehend erläuterten Trainingsdaten trainiert werden, wobei dann nach dem Training die Transformation eines erfassten herzbewegungsinduzierten Signals in das ABP-Signal durchgeführt werden kann.
Hierbei bietet die Ausbildung des neuronalen Netzes als Autoencoder in vorteilhafter Weise, dass der für die Transformation benötigte Rechenaufwand gering ist, wodurch die Transformation in einfacher Weise durch eingebettete Systeme und tragbare Endgeräte wie z.B. Mobilfunktelefone zuverlässig und zeitlich schnell durchgeführt werden kann.
Die Ausbildung als CNN erlaubt in vorteilhafter Weise eine Reduktion der Komplexität des Netzes und ist damit geeignet für Geräte mit geringer Rechenleistung. Dies betrifft sowohl die Trainingsphase als auch die Inferenzphase. Auch ergibt sich in vorteilhafter weise, dass die zum Training benötigte Zeitdauer bei CNN kurz ist, insbesondere kürzer als bei LSTM- Netzen, die ebenfalls im Vergleich höhere Rechenleistungen benötigen.
Die Ausbildung als LSTM-Netz weist jedoch eine besonders gute Eignung für die Analyse von Zeitreihen auf, da ihre Architektur den Bezug zu zeitlichen Abhängigkeiten berücksichtigt. Somit ergibt sich in vorteilhafter Weise eine hohe Qualität der Transformation und des damit bestimmten ABP-Signals.
In einer alternativen Ausführungsform wird die Transformation mittels eines vorbestimmten mathematischen Modells oder mittels einer vorbestimmten Transformationsfunktion durchgeführt. Diese kann beispielsweise durch einen Nutzer vorbestimmt sein. Insbesondere ist es möglich, mathematische Modelle zur Transformation von herzbewegungsinduzierten Signalen in ABP-Signale geeignet zu parametrisieren. Hierdurch ergibt sich in vorteilhafter Weise eine alternative zuverlässige und zeitlich schnelle Erzeugung von ABP-Signalen.
In einerweiteren Ausführungsform wird das mindestens eine herzbewegungsinduzierte Signal berührungslos erfasst. Werden mehrere solche Signale erfasst, so kann/können genau ein, mehrere, aber nicht alle oder aber alle Signale berührungslos erfasst werden.
Dies und entsprechende Vorteile wurden vorhergehend erläutert.
In einerweiteren Ausführungsform wird das mindestens eine herzbewegungsinduzierte Signal vor der Transformation gefiltert und dann das gefilterte herzbewegungsinduzierte Signal in ein ABP-Signal transformiert. Die Filterung kann insbesondere eine Hoch- oder Bandpass- oder Bandstoppfilterung sein. Ein entsprechender Filter zur Durchführung der Filterung kann insbesondere ein Butterworth- oder Polynomfilter sein. Ist die Filterung eine Hochpassfilterung, so kann eine Grenzfrequenz des Hochpassfilters beispielsweise in einem Bereich von 5 Hz bis 8 Hz liegen, um zuverlässig Auswirkungen von Bewegungsartefakten auf das herzbewegungsinduzierte Signal zu reduzieren. Ist die Filterung eine Bandpass filterung, so kann eine erste Grenzfrequenz beispielsweise in einem Bereich von 5 Hz (einschließlich oder ausschließlich) bis 8 Hz (einschließlich oder ausschließlich) und eine weitere Grenzfrequenz in einem Bereich von 30 Hz (einschließlich oder ausschließlich) bis 35 Hz (einschließlich oder ausschließlich) liegen, um ebenfalls die Auswirkung von Bewegungsartefakten zuverlässig zu reduzieren, die beispielsweise außerhalb des Bereichs von 8 Hz bis 30 Hz liegen. Die Filterung kann insbesondere durch Butterworth-Filter oder Polynomfilter durchgeführt werden. Hierdurch ergibt sich in vorteilhafter Weise eine genauere Bestimmung des ABP-Signals, insbesondere auch dann, wenn sich der Patient während der Erfassung des herzbewegungsinduzierten Signals bewegt.
In einerweiteren Ausführungsform wird das mindestens eine herzbewegungsinduzierte Signal von einer Erfassungseinrichtung eines Geräts erzeugt. Beispielhafte Erfassungseinrichtungen wurden vorhergehend bereits erläutert. Das Gerät bezeichnet hierbei eine Einheit, die die Erfassungseinrichtung umfasst. So kann das Gerät beispielsweise ein Mobiltelefon oder ein Tablet-PC sein. Selbstverständlich sind jedoch auch andere Ausführungsformen eines solchen Geräts vorstellbar. Weiter wird die Transformation durch eine Recheneinrichtung des Geräts durchgeführt. Mit anderen Worten umfasst das Gerät sowohl die Erfassungseinrichtung als auch die Recheneinrichtung. Eine Recheneinrichtung kann hierbei als Mikrocontroller oder integrierte Schaltung ausgebildet sein oder eine solche(n) umfassen.
So ist es möglich, die Transformation oder eine Teiltransformation durch ein programmierbares oder fest verdrahtetes Bauteil, insbesondere einen Chip (z.B. ASIC, FPGA), durchzuführen. Ein solches Bauteil kann dann in Alleinstellung oder als Teil eines system-in-package (SiP) die Transformation durchführen. Auch ist es möglich, die Mittel zur Durchführung der Transformation, z.B. als SoC (system-on-a-chip), direkt in einen Sensor zur Erfassung des herzbewegungsinduzierten Signals (z.B. MEMS-Beschleunigungssensor) oder in ein anderes elektronisches Bauteil zu integrieren.
Hierdurch ergibt sich in vorteilhafter Weise eine zentralisierte Erfassung und Erzeugung von ABP-Signalen, beispielsweise auf einem Endgerät, insbesondere einem mobilen Endgerät.
Das Gerät kann neben den erläuterten Mitteln zur Signalverarbeitung auch Mittel zur Signalspeicherung, Mittel zur Signalübertragung und Mittel zur Anzeige umfassen. Allerdings kann es auch möglich sein, dass das Gerät keines oder nicht alle der erläuterten Mittel umfasst. In diesem Fall kann das erfasste herzbewegungsinduzierte Signal an ein weiteres Gerät übertragen werden, welches eines oder mehrere weitere Mittel umfasst. Das derart erzeugte ABP-Signal kann also auch visualisiert werden, beispielsweise durch eine Anzeigeeinrichtung des Geräts. Auch kann das ABP-Signal gespeichert werden, beispielsweise durch eine Speichereinrichtung des Geräts. Weiter ist es möglich, das ABP- Signal von dem Gerät an ein externes System zu übertragen, beispielsweise über eine geeignete Kommunikationseinrichtung des Geräts.
Alternativ wird das herzbewegungsinduzierte Signal von der Erfassungseinrichtung an eine geräteexterne Recheneinrichtung übertragen, wobei die Transformation von dieser geräteexternen Recheneinrichtung durchgeführt wird. Die geräteexterne Recheneinrichtung kann insbesondere eine Servereinrichtung oder die Recheneinrichtung eines weiteren Geräts sein.
Auch in diesem Fall kann das herzbewegungsinduzierte Signal visualisiert werden, beispielsweise durch eine Anzeigeeinrichtung des Geräts, wozu die durch die von der geräteexternen Recheneinrichtung durchgeführten Transformation bestimmten ABP-Signale wieder an das Gerät zurückübertragen werden. Selbstverständlich ist es auch möglich, das derart bestimmte ABP-Signal durch eine geräteexterne Anzeigeeinrichtung zu visualisieren. Hierzu kann das ABP-Signal an das entsprechende weitere Gerät zur Anzeige übertragen werden. Weiter kann das derart bestimmte ABP-Signal gespeichert oder weiterverarbeitet werden, beispielsweise durch die geräteexterne Speicher- bzw. Recheneinrichtung oder eine weitere (geräteexterne) Speicher- bzw. Recheneinrichtung. Die geräteexterne Recheneinrichtung kann hierbei eine Servereinrichtung eines Netzwerks, insbesondere des Internets, sein oder bilden. Insbesondere kann die geräteexterne Recheneinrichtung Teil einer Servereinrichtung sein, die cloudbasierte Dienste anbietet. Die Übertragung an die geräteexterne Recheneinrichtung kann vorzugsweise drahtlos, beispielsweise durch geeignete Übertragungsverfahren, erfolgen. Selbstverständlich ist es aber auch möglich, die Übertragung drahtgebunden auszugestalten.
Hierdurch ergibt sich in vorteilhafter weise, dass die Recheneinrichtung eines Geräts, welches auch die Erfassungseinrichtung umfasst, nicht durch die Transformation überlastet wird. Insbesondere ist es somit möglich, die Erfassung des herzbewegungsinduzierten Signals durch Geräte durchzuführen, die vergleichsweise geringe Rechenleistung bereitstellen, wodurch dann entsprechende Transformation und gegebenenfalls Weiterverarbeitung durch andere Recheneinrichtungen mit im Vergleich höherer Rechenleistung durchgeführt werden kann.
In einerweiteren Ausführungsform wird das mindestens eine herzbewegungsinduzierte Signal von einer Erfassungseinrichtung eines Geräts erzeugt und das durch Transformation bestimmte ABP-Signal auf einer Anzeigeeinrichtung des Geräts oder auf einer externen Anzeigeeinrichtung, beispielsweise einer Anzeigeeinrichtung eines weiteren Geräts, dargestellt. So ist es beispielsweise möglich, dass das herzbewegungsinduzierte Signal von dem Gerät an eine geräteexterne Recheneinrichtung übertragen und dort die Transformation durchgeführt wird, wobei dann das derart bestimmte ABP-Signal an ein weiteres Gerät, beispielsweise ein weiteres Mobilfunktelefon, übertragen wird und dann auf dessen Anzeigeeinrichtung dargestellt wird. Auch kann das ABP-Signal wieder an das Gerät zurückübertragen und durch dessen Anzeigeeinrichtung dargestellt werden. Auch können die ABP-Signale durch eine Anzeige in einem Browser angezeigt werden, insbesondere falls die geräteexterne Recheneinrichtung eine Servereinrichtung oder ein Teil davon ist.
Hierdurch ist es möglich, dass eine Fernüberwachung auf Basis der erfindungsgemäß erzeugten ABP-Signale durchgeführt werden kann.
In einerweiteren Ausführungsform wird vor der Transformation des mindestens einen herzbewegungsinduzierten Signals ein Funktionstest einer Erfassungseinrichtung durchgeführt, wobei das herzbewegungsinduzierte Signal nur dann transformiert wird, wenn eine Funktionsfähigkeit detektiert wird. Eine Funktionsfähigkeit kann beispielsweise detektiert werden, wenn die Erfassungseinrichtung ein zeitlich veränderliches Ausgangssignal erzeugt. Wird ein zeitlich konstantes Ausgangssignal erzeugt oder weicht das Ausgangssignal nicht mehr als ein vorbestimmtes Maß von einem konstanten Ausgangssignal ab, so kann eine fehlende Funktionsfähigkeit detektiert werden. Alternativ oder kumulativ kann eine Funktionsfähigkeit detektiert werden, wenn das Ausgangssignal Eigenschaften aufweist, die mehr als ein vorbestimmtes Maß von vorbestimmten Rauscheigenschaften abweichen, insbesondere Eigenschaften von weißem Rauschen. Ist dies der Fall, so kann eine Funktionsfähigkeit detektiert werden. Ist dies nicht der Fall, so kann eine fehlende Funktionsfähigkeit detektiert werden. Eine fehlende Funktionsfähigkeit kann auch detektiert werden, wenn eine Abtastrate des Ausgangssignals von einer Soll-Abtastrate abweicht und/oder eine Quantisierung des Ausgangssignals von zulässigen Quantifizierungswerten abweicht. Bei einer fehlenden Funktionsfähigkeit kann keine Transformation durchgeführt werden.
Hierdurch ergibt sich in vorteilhafter Weise, dass die Transformation nur dann durchgeführt wird, wenn von einer Funktionsfähigkeit der Erfassungseinrichtung ausgegangen werden kann. Hierdurch wird ein Energieverbrauch bei der Durchführung des Verfahrens reduziert.
Alternativ oder kumulativ wird vor der Transformation des mindestens einen herzbewegungsinduzierten Signals eine Signalgüte des erfassten Signals bestimmt, wobei das herzbewegungsinduzierte Signal nur dann transformiert wird, wenn eine die Signalgüte größer als ein oder gleich einem vorbestimmtes/n Maß ist. Eine Signalgüte kann beispielsweise ein Signal-zu-Rausch-Verhältnis oder eine dieses Verhältnis repräsentierende Größe sein. Ist dieses Verhältnis größer als ein vorbestimmtes Maß, so kann die Transformation durchgeführt werden. Auch kann eine Signalgüte größer als ein oder gleich einem vorbestimmten Maß sein, wenn eine Abweichung zwischen einem vorbestimmten Referenz-Signalverlauf und einem erfassten Signalverlauf in einem Abschnitt des herzbewegungsinduzierten Signals kleiner als ein oder gleich einem vorbestimmten Maß ist. Dies kann auch als sogenannter Templatevergleich bezeichnet werden. Hierbei kann eine klassische Signalform eines herzbewegungsinduzierten Signals, also der Referenz- Signalverlauf, bestimmt und abgespeichert werden. Dann kann mit dem Fachmann bekannte Verfahren eine Abweichung zwischen dem Signalverlauf des erfassten herzbewegungsinduzierten Signals mit dem Referenz-Signalverlauf bestimmt werden.
Auch kann eine Signalgüte über geeignete Modelle wie z.B. neuronale Netze bestimmt werden. Trainingsdaten für derartige Modelle können erzeugt werden, indem einem herzbewegungsinduzierten Signal ein die Signalgüte repräsentierendes Gütemaß zugeordnet wird, z.B. durch einen Nutzer oder (teil-)automatisiert. Diese Zuordnung kann auch als Annotation bezeichnet werden. Hierbei bilden das herzbewegungsinduzierte Signal die Eingangsdaten und das Gütemaß die Ausgangsdaten des Trainingsdatensatzes. Solche Trainingsdaten können insbesondere erzeugt werden, indem herzbewegungsinduzierte Signale in verschiedenen Raumlagen der Erfassungseinrichtung, insbesondere relativ zum Herzen, mit verschiedenen SNR, unter verschiedenen Umgebungsbedingungen, in verschiedenen Bewegungszuständen des Patienten usw. erzeugt und annotiert werden.
Es ist weiter möglich, dass ein solches Modell, insbesondere ein neuronales Netz, zur Bestimmung der Signalgüte auch zur Filterung der Trainingsdaten für die Bestimmung des durch maschinelles Lernen erzeugten Modells für die Transformation genutzt wird. Hierbei werden also nur solche herzbewegungsinduzierten Signale als Eingangsdaten für das Training des Modells zur Transformation genutzt, für die die Signalgüte höher als ein vorbestimmtes Maß ist.
Durch die Auswertung der Signalgüte als Bedingung für die Durchführung der Transformation kann in vorteilhafter weise sichergestellt werden, dass eine zuverlässige und qualitativ hochwertige Transformation erfolgt.
Es ist auch möglich, dass zusätzlich zur Signalgüte eine qualitätsmindernde Ursache über geeignete Modelle wie z.B. neuronale Netze bestimmt wird. Trainingsdaten für derartige Modelle können erzeugt werden, indem einem herzbewegungsinduzierten Signal die qualitätsmindernde Ursache zugeordnet wird, z.B. durch einen Nutzer oder (teil- )automatisiert. Diese Zuordnung kann auch als Annotation bezeichnet werden. Hierbei bilden das herzbewegungsinduzierte Signal die Eingangsdaten und die Ursache die Ausgangsdaten des Trainingsdatensatzes. Qualitätsmindernde Ursachen können beispielsweise das Vorhandensein von Artefakten, die Anordnung der Erfassungseinrichtung in für die Erfassung ungünstigen Raumlagen, insbesondere relativ zum Herzen, und/oder das Vorhandensein von ungünstigen Umgebungs- oder Bewegungsbedingungen sein.
Kann derart eine qualitätsmindernde Ursache bestimmt werden, so kann der Nutzer, beispielsweise über eine Anzeigeeinrichtung, über die Ursache informiert werden. Zusätzlich kann dem Nutzer eine Handlungsempfehlung zur Behebung der Ursache gegeben werden.
Weiter alternativ oder kumulativ wird vor der T ransformation des mindestens einen herzbewegungsinduzierten Signals eine Lage, also eine räumliche Position und/oder Orientierung, der Erfassungseinrichtung relativ zum Herz bestimmt, wobei das herzbewegungsinduzierte Signal nur dann transformiert wird, wenn die Lage einer vorbestimmten Lage entspricht oder weniger als ein vorbestimmtes Maß von dieser abweicht. Es ist beispielsweise möglich, dass das herzbewegungsinduzierte Signal nur dann vorbestimmte Signaleigenschaften aufweist, wenn die Lage einer vorbestimmten Lage entspricht oder weniger als ein vorbestimmtes Maß von dieser abweicht. Somit können Signaleigenschaften des herzbewegungsinduzierten Signals bestimmt und mit den vorbestimmten Signaleigenschaften verglichen werden. Ist die Abweichung geringer als ein vorbestimmtes Maß, so entspricht die Lage der vorbestimmten Lage oder weicht weniger als ein vorbestimmtes Maß von dieser ab.
Es ist auch möglich, dass die Lage über geeignete Modelle wie z.B. neuronale Netze bestimmt wird. Trainingsdaten für derartige Modelle können erzeugt werden, indem einem herzbewegungsinduzierten Signal die Lage zugeordnet wird, z.B. durch einen Nutzer oder (teil-)automatisiert. Diese Zuordnung kann auch als Annotation bezeichnet werden. Hierbei bilden das herzbewegungsinduzierte Signal die Eingangsdaten und die Lage die Ausgangsdaten des Trainingsdatensatzes. Solche Trainingsdaten können insbesondere erzeugt werden, indem herzbewegungsinduzierte Signale in verschiedenen Raumlagen der Erfassungseinrichtung, insbesondere relativ zum Herzen, erzeugt und entsprechend annotiert werden. Kann eine Lage bestimmt werden, so kann der Nutzer, beispielsweise über eine Anzeigeeinrichtung, über die Lage, insbesondere ihre Korrektheit, informiert werden. Zusätzlich kann dem Nutzer eine Handlungsempfehlung zur Veränderung der Lage gegeben werden, wenn diese mehr als das vorbestimmte Maß von der vorbestimmten Lage abweicht.
Durch die Bestimmung der Lage als Bedingung für die Durchführung der Transformation kann in vorteilhafter weise sichergestellt werden, dass eine zuverlässige und qualitativ hochwertige Transformation erfolgt. So kann beispielsweise vermieden werden, dass eine Erfassungseinrichtung zur Erfassung des herzbewegungsinduzierten Signals nicht in korrekter Weise angeordnet ist, beispielsweise ein Beschleunigungssensor nicht auf einer Körperoberfläche aufliegt, und somit eine Qualität des durch Transformation bestimmten ABP-Signals reduziert ist.
Es ist vorstellbar, dass zur Bestimmung der Funktionsfähigkeit und/oder der Signalgüte und/oder der Lage die zur Transformation vorgesehenen herzbewegungsinduzierte Signale ausgewertet werden, wobei diese zur Transformation verwendet werden, wenn eine Funktionsfähigkeit detektiert wird und/oder die Signalgüte größer als das oder gleich dem vorbestimmte/n Maß ist und/oder die Lage nicht mehr als ein vorbestimmtes Maß von der vorbestimmten Lage abweicht. Alternativ kann die Funktionsfähigkeit und/oder die Signalgüte und/oder die Lage auf Basis von nicht zur Transformation vorgesehenen herzbewegungsinduzierte Signale bestimmt werden, wobei dann eine weitere Erfassung des herzbewegungsinduzierten Signals zur Transformation durchgeführt wird, wenn eine Funktionsfähigkeit detektiert wird und/oder die Signalgüte größer als das oder gleich dem vorbestimmte/n Maß ist und/oder die Lage nicht mehr als ein vorbestimmtes Maß von der vorbestimmten Lage abweicht.
Alternativ kann auch die Signalgüte und/oder die Anordnung der Erfassungseinrichtung relativ zum Herzen auch bestimmt werden, indem ein vom SKG-Signal verschiedener Vital parameter, z.B. ein eine Eigenschaft der Atmung repräsentierender Parameter bestimmt wird, und in Abhängigkeit des Parameters bestimmt wird, ob die Signalgüte größer als das oder gleich dem vorbestimmten Maß ist und/oder ob die Anordnung einer vorbestimmten Anordnung entspricht oder weniger als ein vorbestimmtes Maß von dieser abweicht. Hierzu kann z.B. eine vorbestimmte Zuordnung zwischen dem Parameter und der Signalgüte und/oder der Anordnung ausgewertet werden. Z.B. kann auf diese Weise sichergestellt werden, dass das System am Körper getragen wird und in einer geeigneten Position angeordnet ist, um für ein ABP-Signal relevante Informationen zu erfassen.
Z.B. kann ein (Roh)Datensignal, welches eine Eigenschaft der Atmung repräsentiert, von einem Zeitbereich in einen Frequenzbereich transformiert werden, beispielsweise mit einer Fast Fourier Transformation. Dann kann z.B. die Signalenergie E berechnet werden, z.B. gemäß p — yoR L2 n n wobei E die Signalenergie des Atmungsbereiches darstellt und A die Amplitude der jeweiligen Frequenzen im Atmungsbereich (z.B. 0,1 Hz bis 0,6Hz). Die untere Atemfrequenzgrenze wird hierbei mit uR bezeichnet, die obere Atemfrequenzgrenze wird hierbei mit oR bezeichnet.
Dann kann ein Fehlen der Atmung detektiert werden, falls die Signalenergie kleiner als ein vorbestimmter Schwellwert ist. Ist die Signalenergie größer als der oder gleich dem vorbestimmten Schwellwert, so kann ein Vorhandensein der Atmung detektiert werden. Im Falle einer fehlenden Atmung kann angenommen werden, dass das System nicht am Körper getragen wird und somit die Anordnung mehr als ein vorbestimmtes Maß von einer vorbestimmten Anordnung abweicht. In diesem Fall wird keine Transformation des herzbewegungsinduzierten Signals vorgenommen. Hierdurch ergibt sich in vorteilhafter Weise, dass die Transformation nur dann durchgeführt wird, wenn von einer korrekten Nutzung der Erfassungseinrichtung ausgegangen werden kann.
Das ABP-Signal kann insbesondere das ABP-Signal eines Menschen sein, also ein Signal für/in humanmedizinische Anwendungen. Allerdings kann das Verfahren auch zur Erzeugung eines ABP-Signals eines Tieres angewendet werden, also zur Erzeugung eines Signals für/in tiermedizinische Anwendungen. So ermöglicht eine insbesondere unaufdringliche und nicht invasive ABP-Erfassung bei Tieren in vorteilhafter Weise eine große Reduktion von Stress bei Tieren, bei denen ein ABP-Signal z.B. zu diagnostischen Zwecken erfasst werden soll.
So kann beispielsweise eine Erfassungseinrichtung in ein Geschirr oder Brustgurt, das/der dem Tier angelegt wird, integriert werden. Somit kann eine solche Sensorik vom Tierhalter selbst gekauft und angelegt werden. So kann z.B. ein Beschleunigungssensor im Geschirr/Brustgurt die herzbewegungsinduzierten Signale des Tieres erfassen und die erläuterte Transformation ermöglichen. Ebenso kann das Verfahren genutzt werden, um von Tierärzten in Routineuntersuchungen eingesetzt zu werden. Da Tiere in der Regel erst sehr spät Symptome einer Erkrankung des Herz-Kreislauf-Systems zeigen, kann man auf diesem Weg bereits Diagnosen in einem früheren Stadium solcher Krankheiten ermöglichen. Der Tierarzt kann dabei durch das Auflegen einer geeigneten Erfassungseinrichtung oder Gerätes mit einer Erfassungseinrichtung, z.B. eines Smartphones, ein ABP des Tieres in einfacher Weise erfassen. Dieses Konzept der Untersuchung lässt sich zudem sowohl auf Haustierfische, z.B. Kois, als auch auf Pferde und Kamele anwenden, was besonders im Leistungssportbereich solcher Tiere interessant ist.
Im Nutztierbereich werden medizinische Überwachungen regelmäßig nach Kosten bzw. Aufwand nur reduziert durchgeführt, z.B. indem ein Tierarzt nach Kohorten diagnostiziert. Jedoch würde eine ABP-Überwachung auch hier wertvolle Informationen bezüglich des Tierwohls für den Arzt bereitstellen (etwa zur Leistungsfähigkeit, Gesundheitsstatus, Stressbewertung, frühzeitige Erkennung bakterieller Infektionen wie Streptokokken). Bisher ist jedoch eine ABP-Überwachung einzelner Tiere mit den gängigen Methoden sehr aufwendig und teuer. Das vorgeschlagene Verfahren bietet eine preiswerte und einfache Möglichkeit der Überwachung, z.B. wenn das herzbewegungsinduzierte Signal berührungslos erfasst wird, z.B. durch die Nutzung von Radarsensoren. Somit können Tiere kontaktlos und somit auch hygienisch überwacht werden. Denkbar wäre diese Überwachung für Nutztiere wie Schweine, Wiederkäuer, aber auch Fische. Auch in der Tierforschung kann das vorgeschlagene Verfahren eingesetzt werden. Anwendbar ist es auch in Zoos und Tierparks, um die Gesundheit der Tiere bei möglichst wenig Stress zu gewährleisten.
Das vorgeschlagene Verfahren ist in vorteilhafter Weise kontaktlos anwendbar. Ein weiterer Vorteil ist dessen einfache Anwendung und die hohe Verfügbarkeit. Ebenfalls vorteilhaft ist die Möglichkeit, das Verfahren mit SKG-Erfassungseinrichtungen in Krankenhausbetten oder Betten in Pflegeeinrichtungen oder sogar in der häuslichen Umgebung anzuwenden. Auch vorteilhaft ist die leichte Verwendbarkeit in ländlichen Gebieten, in denen es oft an Allgemeinmedizinern und insbesondere an Fachärzten mangelt. Das vorgeschlagene Verfahren kann in einem solchen Szenario fürtelemedizinische Anwendungen einfach und kostengünstig eingesetzt werden.
Weiter kann ein existierendes Gerät mit einer zur Erfassung eines SKG-Signals 2 tauglichen Einrichtung, z.B. einem Beschleunigungssensor oder einem Gyroskop, durch ein Softwareupdate in die Lage versetzt werden, das vorgeschlagene Verfahren durchzuführen. Somit kann die von dem Verfahren bereitgestellte Funktionalität auf einer Vielzahl von Geräten nachgerüstet werden, was in eine breite Anwendbarkeit des Verfahrens gewährleistet.
Ein weiterer Vorteil ist, dass eine einfache und zuverlässige dauerhafte Erfassung von präkordialen Bewegungen (SKG-Signal) möglich ist, die dann auch die dauerhafte und zuverlässige Bestimmung eines ABP-Signals ermöglicht, insbesondere in einem Zeitraum länger als 24 Stunden. Ebenfalls von Vorteil ist, dass die benötigte Sensorik kostengünstig ist und benötigte Sensoren in vielen nutzbaren Geräten bereits verbaut und daher -wie vorhergehend erläutert - für die Ausführung des Verfahrens genutzt werden können. Ebenfalls ist das vorgeschlagene Verfahren anwendbar, um nachträglich bereits erzeugte SKG-Signale 2 in ABP-Signale 1 zu transformieren. Dies ist insbesondere für wissenschaftlichen Untersuchungen interessant.
Weiter vorgeschlagen wird ein System zur Erzeugung eines ABP-Signals, wobei das System mindestens eine Erfassungseinrichtung zur Erfassung mindestens eines herzbewegungsinduzierten Signals und mindestens eine Recheneinrichtung umfasst. Wie vorhergehend erläutert, kann die Erfassungseinrichtung und die Recheneinrichtung jeweils Teil eines Geräts sein. Allerdings ist es auch vorstellbar, dass die Erfassungseinrichtung und die mindestens eine Recheneinrichtung jeweils Teile voneinander verschiedener Geräte sind. Auch ist vorstellbar, dass das System mehrere Erfassungseinrichtungen zur Erfassung mehrerer herzbewegungsinduzierter Signale umfasst.
Weiter ist das mindestens eine erfasste herzbewegungsinduzierte Signal mittels der Recheneinrichtung in mindestens ein ABP-Signal transformierbar. Hierzu kann es notwendig sein, dass durch die Erfassungseinrichtung erfasste Signal an die Recheneinrichtung zu übertragen, beispielsweise durch Übertragungseinrichtungen. Erfindungsgemäß wird die Transformation mittels eines Modells durchgeführt, welches durch maschinelles Lernen erzeugt wurde. Weiter bildet das herzbewegungsinduzierte Signal die Eingangsgröße und das ABP-Signal die Ausgangsgröße der Transformation.
Das System ermöglicht in vorteilhafter Weise die Durchführung eines Verfahrens zur Erzeugung eines ABP-Signals gemäß einer der in dieser Offenbarung beschriebenen Ausführungsformen mit den entsprechend genannten Vorteilen. Somit ist das System derart konfiguriert, dass ein solches Verfahren mit dem System ausgeführt werden kann.
In einerweiteren Ausführungsform ist die Erfassungseinrichtung in einen Inkubator integriert. Beispielsweise kann die Erfassungseinrichtung in diesem Fall einen Doppler-Radarsensor umfassen und an einer Decke des Inkubators angeordnet sein, insbesondere derart, dass ein Brustbereich des Patienten, der auf einer Matratze des Inkubators liegt, im Erfassungsbereich des Radarsensors angeordnet ist. Alternativ kann die Erfassungseinrichtung einen Beschleunigungssensor umfassen oder als solcher ausgebildet sein, der im/am Boden des Inkubators oder in/an der Matratze des Inkubators angeordnet ist.
Alternativ kann die Erfassungseinrichtung in einem Bett, insbesondere einem Krankenhausbett, angeordnet sein. Ist die Erfassungseinrichtung z.B. als Doppler- Radarsensor ausgebildet, so kann diese unter der Matratze oder über dem Bett, beispielsweise an einem Bettgalgen befestigt, angeordnet sein.
Ebenfalls vorstellbar ist die vorhergehend erläuterte Ausbildung der Erfassungseinrichtung als Beschleunigungssensor, der in/an der Matratze oder in/an dem Boden des Bettes angeordnet ist. Auch ist es möglich, die Erfassungseinrichtung als Drucksensor auszubilden, der in/an der Matratze des Bettes angeordnet ist.
Weiter alternativ ist die Erfassungseinrichtung in einen Fahrzeugsitz integriert. Hierbei kann eine als Doppler-Radarsensor ausgebildete Erfassungseinrichtung beispielsweise in/an einer Sitzlehne angeordnet sein. Ein als Drucksensor ausgebildete Erfassungseinrichtung kann in/an der Sitzlehne angeordnet sein. Selbiges gilt für eine als Beschleunigungssensor ausgebildete Erfassungseinrichtung. Weiter alternativ ist die Erfassungseinrichtung in einen Herzschrittmacher integriert. Weiter alternativ ist die Erfassungseinrichtung in einen Tierbedarfsgegenstand, z.B. ein Brustgurt, ein Halfter, ein Halsband oder ähnliches, integriert. Somit wird auch ein System zur Erzeugung eines ABP-Signals beschrieben, welches einen Inkubator umfasst, wobei die Erfassungseinrichtung in/an dem Inkubator oder in/an einer Matratze des Inkubators angeordnet ist. Weiter wird ein System zur Erzeugung eines ABP- Signals beschrieben, welches ein Bett umfasst, wobei die Erfassungseinrichtung in/an dem Bett oder in/an einer Matratze des Betts angeordnet ist. Weiter wird ein System zur Erzeugung eines ABP-Signals beschrieben, welches zusätzlich einen Fahrzeugsitz umfasst, wobei die Erfassungseinrichtung in/an dem Fahrzeugsitz angeordnet ist. Weiter wird ein System zur Erzeugung eines ABP-Signals beschrieben, welches zusätzlich einen Herzschrittmacher umfasst, wobei die Erfassungseinrichtung in/an dem Herzschrittmacher angeordnet ist. Weiter wird ein System zur Erzeugung eines ABP-Signals beschrieben, welches zusätzlich einen Tierbedarfsgegenstand umfasst, wobei die Erfassungseinrichtung in/an dem Tierbedarfsgegenstand angeordnet ist. Selbstverständlich sind auch weitere Anwendungen vorstellbar. Auch beschrieben wird ein Inkubator, ein Bett, eine Matratze, ein Fahrzeugsitz, ein Herzschrittmacher und ein Tierbedarfsgegenstand, der/die/das zumindest die Erfassungseinrichtung eines solchen Systems umfasst.
Weiter wird ein Computerprogrammprodukt mit einem Computerprogramm vorgeschlagen, wobei das Computerprogramm Softwaremittel zur Ausführung eines, mehrerer oder aller Schritte des Verfahrens zur Erzeugung eines ABP-Signals gemäß einer der in dieser Offenbarung beschriebenen Ausführungsformen umfasst, wenn das Computerprogramm von oder in einem Computer oder einem Automatisierungssystem ausgeführt wird.
Ferner wird ein Programm beschrieben, das, wenn es auf einem Computer oder in einem Automatisierungssystem abläuft, den Computer oder das Automatisierungssystem veranlasst, einen oder mehrere oder alle Schritte des Verfahrens zur Erzeugung eines ABP- Signals gemäß einer der in dieser Offenbarung beschriebenen Ausführungsformen durchzuführen, und/oder ein Programmspeichermedium, auf dem das Programm gespeichert ist (insbesondere in einer nicht-transitorischen Form), und/oder zu einem Computer, der das Programmspeichermedium umfasst, und/oder eine (physikalischen, z.B. elektrische, z.B. technisch erzeugte) Signalwelle, z.B. eine digitale Signalwelle, die Informationen trägt, die das Programm, z.B. das vorgenannte Programm, darstellen, das z.B. Codemittel umfasst, die geeignet sind, einen oder alle der hierin beschriebenen Verfahrensschritte durchzuführen.
Dies bedeutet, dass das erfindungsgemäße Verfahren zum Beispiel ein computerimplementiertes Verfahren ist. Beispielsweise können alle Schritte oder nur einige der Schritte (d.h. weniger als die Gesamtzahl der Schritte) des erfindungsgemäßen Verfahrens von einem Computer ausgeführt werden. Eine Ausführungsform des computerimplementierten Verfahrens ist eine Verwendung des Computers zur Durchführung eines Datenverarbeitungsverfahrens. Der Computer umfasst zum Beispiel mindestens einen Mikrocontroller oder Prozessor und zum Beispiel mindestens einen Speicher, um die Daten (technisch) zu verarbeiten, zum Beispiel elektronisch und/oder optisch. Der Prozessor besteht beispielsweise aus einer Substanz oder Zusammensetzung, die ein Halbleiter ist, beispielsweise zumindest teilweise n- und/oder p-dotierter Halbleiter, beispielsweise mindestens ein II-, III-, IV-, V-, Vl-Halbleitermaterial, beispielsweise (dotiertes) Silizium und/oder Galliumarsenid. Die beschriebenen Schritte, insbesondere die Transformation, werden beispielsweise von einem Computer durchgeführt. Bestimmungsschritte, Berechnungsschritte oder Transformationsschritte sind beispielsweise Schritte zur Bestimmung von Daten im Rahmen des technischen Verfahrens, beispielsweise im Rahmen eines Programms. Ein Computer ist z.B. jede Art von Datenverarbeitungsgerät, z.B. elektronisches Datenverarbeitungsgerät. Ein Computer kann ein Gerät sein, das allgemein als solches angesehen wird, z. B. Desktop-PCs, Notebooks, Netbooks usw., kann aber auch ein beliebiges programmierbares Gerät sein, wie z. B. ein Mobiltelefon oder ein eingebetteter Prozessor. Ein Computer kann beispielsweise aus einem System (Netzwerk) von "Sub- Computern" bestehen, wobei jeder Sub-Computer einen eigenständigen Computer darstellt. Schritte, die von einem Computer oder einem Automatisierungssystem ausgeführt oder durchgeführt werden, können insbesondere die Bestimmungsschritte und/oder der Verifikationsschritt sein.
Das Computerprogrammprodukt ermöglicht in vorteilhafter Weise die Durchführung eines Verfahrens zur Erzeugung eines ABP-Signals gemäß einer der in dieser Offenbarung beschriebenen Ausführungsformen, für die zuvor technische Vorteile beschrieben worden sind.
Die Erfindung wird anhand von Ausführungsbeispielen näher erläutert. Die Figuren zeigen:
Fig. 1 eine schematische Darstellung eines erfindungsgemäßen Verfahrens zur
Bestimmung eines ABP-Signals,
Fig. 2 ein schematisches Blockschaltbild eines erfindungsgemäßen Systems zur
Erzeugung eines ABP-Signals gemäß einer ersten Ausführungsform,
Fig. 3 eine schematische Darstellung eines erfindungsgemäßen Systems zur
Erzeugung eines ABP-Signals gemäß einer weiteren Ausführungsform,
Fig. 4 ein schematisches Flussdiagramm eines erfindungsgemäßen Verfahrens,
Fig. 5 eine schematische Darstellung eines Systems zur Erzeugung eines ABP-
Signals gemäß einer weiteren Ausführungsform, Fig. 6 eine schematische Darstellung eines Systems zur Erzeugung eines ABP-
Signals gemäß einer weiteren Ausführungsform,
Fig. 7 eine schematische Darstellung eines Systems zur Erzeugung eines ABP-
Signals gemäß einer weiteren Ausführungsform,
Fig. 8 eine schematische Darstellung einer exemplarischen Anwendung des erfindungsgemäßen Verfahrens,
Fig. 9 eine schematische Darstellung eines Systems zur Erzeugung eines ABP-
Signals mit einem Inkubator,
Fig. 10 eine schematische Darstellung eines Systems zur Erzeugung eines ABP- Signals mit einem Krankenhausbett,
Fig. 11 eine schematische Darstellung eines Systems zur Erzeugung eines ABP-
Signals mit einem Fahrzeugsitz,
Fig. 12 eine schematische Darstellung eines erfindungsgemäßen Verfahrens in einer weiteren Ausführungsform,
Fig. 13 eine schematische Darstellung der Erzeugung/des Trainings des in Fig. 12 dargestellten neuronalen Netzes,
Fig. 14 ein schematisches Flussdiagramm eines erfindungsgemäßen Verfahrens in einer weiteren Ausführungsform,
Fig. 15a eine schematische Darstellung eines Hundegurts mit einer
Erfassungseinrichtung eines Systems zur Erzeugung eines ABP-Signals,
Fig. 15b eine schematische Darstellung eines Pferdeholsters mit einer
Erfassungseinrichtung eines Systems zur Erzeugung eines ABP-Signals,
Fig. 16 eine schematische Darstellung eines Schrittmachers mit einem System zur Erzeugung eines ABP-Signals und,
Fig. 17 eine exemplarische Darstellung von Gewichtungen verschiedener Signalabschnitte.
Nachfolgend bezeichnen gleiche Bezugszeichen Elemente mit gleichen oder ähnlichen technischen Merkmalen.
Fig. 1 zeigt eine schematische Darstellung eines Verfahrens zur Erzeugung eines ABP- Signals 1. Hierbei wird ein als SKG-Signal 2 ausgebildetes herzbewegungsinduziertes Signal erfasst. Dies kann mittels einer nachfolgend noch näher erläuterten SKG- Erfassungseinrichtung S erfolgen. Dann wird durch eine Transformationseinrichtung T, die insbesondere als Recheneinrichtung ausgebildet oder eine Recheneinrichtung umfassen kann, das erfasste SKG-Signal 2 in ein ABP-Signal 1 transformiert. Alternativ oder kumulativ kann als herzbewegungsinduziertes Signal auch ein PKG-Signal, z.B. durch eine PKG- Erfassungseinrichtung, erfasst und in ein ABP-Signal 1 transformiert werden. Weiter alternativ oder kumulativ kann als herzbewegungsinduziertes Signal auch ein BKG-Signal, z.B. durch eine BKG-Erfassungseinrichtung, erfasst und in ein ABP-Signal 1 transformiert werden.
Fig. 2 zeigt ein schematisches Blockschaltbild eines Systems 3 zur Erzeugung eines ABP- Signals 1 (siehe Fig. 1). Das System 3 umfasst eine SKG-Erfassungseinrichtung S und mindestens eine Transformationseinrichtung T, die als Recheneinrichtung ausgebildet ist. Dargestellt ist, dass die SKG-Erfassungseinrichtung und die Transformationseinrichtung Teil eines Geräts 4 sind, beispielsweise eines Mobiltelefons.
Fig. 3 zeigt eine Darstellung des Systems 3 zur Erzeugung eines ABP-Signals 1 gemäß einerweiteren Ausführungsform. Wie vorhergehend erläutert, umfasst das System 3 eine SKG-Erfassungseinrichtung S und eine als Recheneinrichtung ausgebildete Transformationseinrichtung T. Weiter dargestellt ist eine Anzeigeeinrichtung A, auf der das ABP-Signal 1 visualisiert wird. Hierbei ist dargestellt, dass die SKG-Erfassungseinrichtung S, die Transformationseinrichtung T und die Anzeigeeinrichtung A Teil eines Geräts 4 sind.
Die in Fig. 2 und Fig. 3 dargestellte SKG-Erfassungseinrichtung kann beispielsweise als Beschleunigungssensor, als Drucksensor oder als Radarsensor, insbesondere Doppler- Radarsensor, ausgebildet sein oder einen solchen Sensor umfassen. Auch kann die SKG- Erfassungseinrichtung als Gyroskop ausgebildet sein oder ein solches Gyroskop umfassen.
Fig. 4 zeigt ein schematisches Flussdiagramm eines erfindungsgemäßen Verfahrens.
Hierbei wird in einem Erfassungsschritt S1 ein SKG-Signal 1 erfasst, insbesondere mittels einer SKG-Erfassungseinrichtung S, die vorhergehend erläutert wurde. In einem optionalen Filterschritt S2 wird das derart erfasste SKG-Signal 2 gefiltert, beispielsweise hochpassgefiltert. Auch kann eine sogenannte Trendbeseitigung im SKG-Signal 2 durchgeführt werden. In einem Transformationsschritt S3, der in der Transformationseinrichtung T durchgeführt werden kann, wird das SKG-Signal in ein ABP- Signal transformiert. Somit kann auch ein Seismokardiogramm in ein kontinuierliches Aortenblutdrucksignal transformiert werden. Der Transformationschritt S3 kann auch mehrere Teiltransformationen umfassen. In einem Nachverarbeitungsschritt S4 wird das derart erzeugte ABP-Signal bzw. das derart erzeugte Aortenblutdrucksignal gespeichert, an mindestens eine weitere Einrichtung übertragen und/oder visualisiert, beispielsweise auf einer geeigneten Anzeigeeinrichtung A. Fig. 5 zeigt eine schematische Darstellung eines Systems 3 zur Erzeugung eines ABP- Signals 1 (siehe Fig. 1) gemäß einer weiteren Ausführungsform. Dargestellt ist ein Gerät 4, welches eine SKG-Erfassungseinrichtung S umfasst. Durch diese SKG- Erfassungseinrichtung S ist ein SKG-Signal 2 (siehe Fig. 1) erfassbar. Weiter umfasst das Gerät eine Kommunikationseinrichtung K zur Datenübertragung zwischen dem Gerät 4 und weiteren Geräten. Durch diese Kommunikationseinrichtung K wird das erzeugte SKG-Signal 1 an ein HUB-Gerät 5 übertragen. Dieses HUB-Gerät 5 weist eine als Recheneinrichtung ausgebildete Transformationseinrichtung T und eine Kommunikationseinrichtung K zum Empfang der übertragenen SKG-Signale auf. Weiter kann durch die HUB-Einrichtung 5 die Transformation des SKG-Signals 2 in das ABP-Signal 1 durchgeführt werden. Es ist dann möglich, dass das derart bestimmte ABP-Signal 1 dann auf einer nicht dargestellten Anzeigeeinrichtung der HUB-Einrichtung 5 zur Anzeige gebracht wird. Auch kann es durch eine nicht dargestellte Speichereinrichtung der HUB-Einrichtung 5 gespeichert oder durch die Kommunikationseinrichtung K weiter übertragen werden.
Fig. 6 zeigt eine weitere Darstellung eines Systems 3 zur Erzeugung eines ABP-Signals 1.
Im Unterschied zu der in Fig. 5 dargestellten Ausführungsform werden die von der SKG- Erfassungseinrichtung S erzeugten SKG-Signale 2 über die Kommunikationseinrichtung K an eine Servereinrichtung 6 übertragen, die sogenannte Cloud-basierte Dienste anbietet. Diese Servereinrichtung 6 kann eine nicht dargestellte Transformationseinrichtung T umfassen, die die Transformation der vom Gerät 4 übertragenen SKG-Signale 2 in ABP- Signale 1 durchführt. In Fig. 6 ist dargestellt, dass die transformierten Signale, also die ABP- Signale 1, wieder an das Gerät 4 zurückübertragen werden, wobei diese dann durch die Kommunikationseinrichtung K des Geräts 4 empfangen werden können. Dann kann das derart erhaltene ABP-Signal von dem Gerät 4 gespeichert, weiterverarbeitet oder visualisiert werden, beispielsweise durch eine nicht dargestellte Anzeigeeinrichtung A des Geräts 4. Hierbei ist es möglich, dass mindestens ein Nachbearbeitungsschritt durch die HUB- Einrichtung 5 oder durch die Servereinrichtung 6 durchgeführt wird. Hierbei können einzelne, mehrere, aber nicht alle, oder aber alle der vorhergehend erläuterten Nachbearbeitungsschritte von der HUB-Einrichtung 5 oder der externen Servereinrichtung 6 durchgeführt werden.
Fig. 7 zeigt eine schematische Darstellung eines Systems 3 zur Erzeugung eines ABP- Signals 1 gemäß einerweiteren Ausführungsform der Erfindung. Im Unterschied zu der in Fig. 6 dargestellten Ausführungsform werden von der SKG-Erfassungseinrichtung S des Geräts 4 erfasste SKG-Signale 2 über die Kommunikationseinrichtung K des Geräts 4 an die Servereinrichtung 6 übertragen, deren Transformationseinrichtung dann die Transformation in ein ABP-Signal 1 durchführt. Das derart durch Transformation bestimmte ABP-Signal 1 wird dann von der Servereinrichtung 6 an ein weiteres Gerät 7 übertragen und dort mittels einer Kommunikationseinrichtung K des weiteren Geräts 7 empfangen. Weiter kann das derart erzeugte ABP-Signal 1 dann in einer Speichereinrichtung des weiteren Geräts 7 gespeichert, von einer Recheneinrichtung des weiteren Geräts 7 weiterverarbeitet oder von einer nicht dargestellten Anzeigeeinrichtung des weiteren Geräts 7 angezeigt werden.
Fig. 8 zeigt eine schematische Anwendung eines Systems 3 (siehe z.B. Fig. 2) zur Erzeugung eines ABP-Signals 1. Hierbei ist ein als Mobilfunktelefon 4 ausgebildetes Gerät, welches eine nicht dargestellte SKG-Erfassungseinrichtung S und eine als Recheneinrichtung ausgebildete Transformationseinrichtung T umfasst, auf einer Brust eines Nutzers/Patienten 8 angeordnet. Es ist selbstverständlich vorstellbar, dass anstelle des Mobilfunktelefons 4 auch ein anderes Gerät mit einer SKG-Erfassungseinrichtung S genutzt wird. Mittels der SKG-Erfassungseinrichtung S können dann SKG-Signale 2 erzeugt werden, die dann durch die Transformationseinrichtung (nicht dargestellt) des Geräts 4 in ABP- Signale 1 transformiert und dann von einer Anzeigeeinrichtung A des Geräts 4 visualisiert werden.
Fig. 9 zeigt eine Darstellung eines Systems 3 zur Erzeugung eines ABP-Signals 1 (siehe Fig. 1) gemäß einerweiteren Ausführungsform. Das System 3 umfasst einen Inkubator 9, wobei ein Patient 8, beispielsweise eine Frühgeburt, auf einer Matratze 10 des Inkubators 9 liegt. Weiter umfasst der Inkubator 9 einen Deckel 11 , der den Liegeraum für den Patienten 8 abdeckt. An den Deckel ist eine als ein Doppler-Radarsensor 12 ausgebildete SKG- Erfassungseinrichtung S angeordnet. Hierbei ist dieser Doppler-Radarsensor 12 derart angeordnet, dass ein Brustbereich des Patienten 8 im Erfassungsbereich dieses Sensors 12 liegt. Alternativ wäre es möglich, z.B. eine als Druck- oder Beschleunigungssensor ausgebildete SKG-Erfassungseinrichtung S in/an der Matratze 10 oder in/an einem Boden des Inkubators 9, auf dem die Matratze 10 aufliegt, anzuordnen. Ist der Patient 8 ein Frühgeborenes bzw. ein Neugeborenes, so kann, insbesondere durch geeignete Filterverfahren, ein von Umgebungsartefakten völlig oder in hohem Maße bereinigtes ABP- Signal 1 erzeugt werden, da mit der im Vergleich hohen Herzfrequenz eines Neugeborenen eine zuverlässige Reduktion von Störeinflüssen anderer Personen im Umfeld des Inkubators 9 erreicht werden kann.
Fig. 10 zeigt eine schematische Darstellung eines Systems 3 zur Erzeugung eines ABP- Signals 1 (siehe Fig. 1) gemäß einerweiteren Ausführungsform. Das System 3 umfasst ein Bett 13 mit einer Matratze 14. Weiter umfasst das System 3 eine als Druck- oder Beschleunigungssensor 15 ausgebildete SKG-Erfassungseinrichtung S, die in/an der Matratze 14 angeordnet ist. Selbstverständlich ist es auch vorstellbar, einen Doppler- Radarsensor zu verwenden, wobei dieser beispielsweise an einem Galgen 16 des Bettes 13 angeordnet werden kann.
Fig. 11 zeigt eine schematische Darstellung eines Systems 3 zur Erzeugung eines ABP- Signals 1 (siehe Fig. 1) gemäß einerweiteren Ausführungsform. Das System 3 umfasst hierbei einen Fahrzeugsitz 17, wobei in eine Rückenlehne des Fahrzeugsitzes 17 eine als Druck- oder Beschleunigungssensor 18 ausgebildete SKG-Erfassungseinrichtung S, angeordnet ist. Selbstverständlich ist es auch vorstellbar, die SKG-Erfassungseinrichtung S als Doppler-Radarsensor auszubilden und in geeigneter Weise in/an der Rückenlehne oder an einer davon verschiedenen Stelle des Fahrzeugs anzuordnen.
Die in den Figuren 8, 9, 10, 11 dargestellten Ausführungsformen ermöglichen neben der normalen Überwachung von Vitaldaten, insbesondere des Blutdrucks, und der normalen blutdruckbasierten Diagnostik von Pathologien eine günstige, lückenlose sowie nichtinvasive Überwachung und somit auch die Detektion von gegebenenfalls bisher nicht diagnostizierten Pathologien, z.B. eine nicht bisher diagnostizierte Hypertonie.
Fig. 12 zeigt eine schematische Darstellung eines erfindungsgemäßen Verfahrens in einer weiteren Ausführungsform. Hierbei ist dargestellt, dass SKG-Signale 2 Eingangsdaten für ein neuronales Netz NN bilden, welches die Transformation von SKG-Signalen in ABP-Signale 1 durchführt. Somit sind die Ausgangssignale des neuronalen Netzes NN die wie vorgeschlagen zu erzeugenden ABP-Signale 1. In diesem Fall ist die Transformationseinrichtung T als neuronales Netz NN ausgebildet, umfasst ein solches bzw. kann Funktionen eines neuronalen Netzes NN ausführen.
Fig. 13 zeigt eine schematische Darstellung der Erzeugung/des Trainings des in Fig. 12 dargestellten neuronalen Netzes NN. Hierbei werden Trainingsdaten in Form von zeitgleich erfassten SKG-Signalen 2 und ABP-Signalen 1 in das neuronale Netz NN eingespeist, wobei Parameter des neuronalen Netzes NN derart angepasst werden, dass eine Abweichung zwischen den vom neuronalen Netz erzeugten ABP-Signalen 1, die Ausgangsdaten des neuronalen Netzes NN sind, und ABP-Signalen des Trainingsdatensatzes minimiert wird.
Der Trainingsdatensatz kann aus einer kombinierten Messung von ABP-Signalen und Seismokardiogramm, also SKG-Signalen, resultieren. Zur Erzeugung von Trainingsdaten wurden beispielhaft kontinuierliche Aortenblutdrucksignale simultan zu Seismokardiographiesignalen aufgezeichnet. Zur Aufzeichnung/Erfassung der SKG-Signale wurde die Shimmer3-EKG-Einheit, vertrieben von der Firma Shimmer Research Ltd. eingesetzt. Dieses System ermöglicht die zeitgleiche Erfassung von EKG-Signalen und SKG-Signalen. Parallel hierzu wurde eine invasive klinische Aortenblutdruckmessung zur Erfassung eines ABP-Signals durchgeführt sowie von einem klinischen Elekrophysiologiesystem der Firma Phillips ein klinisches Oberflächen-EKG zur Erfassung eines weiteren EKG-Signals aufgezeichnet. Die beiden erfassten EKG-Signale (Shimmer3-EKG-Signal und klinisches Oberflächen-EKG), insbesondere die Ableitung I im jeweiligen EKG-Signal, wurde zur Synchronisierung der SKG-Signale und des ABP-Signals genutzt. Anschließend wurden verbleibende Asynchronitäten bereinigt, insbesondere mit dem sogenannten Dynamic-Time-Warping (DTW)-Verfahren oder der automatisierten, individuellen Segmentverschiebung.
Fig. 14 zeigt ein schematisches Flussdiagramm eines erfindungsgemäßen Verfahrens in einerweiteren Ausführungsform. In einem ersten Vorerfassungsschritt SOa wird eine Funktionsfähigkeit einer Erfassungseinrichtung S zur Erfassung eines herzbewegungsinduzierten Signals bestimmt. Ist diese gegeben, so wird in einem zweiten Vorerfassungsschritt SOb eine Signalgüte des mit der Erfassungseinrichtung S erfassten Signals bestimmt. Ist die Funktionsfähigkeit nicht gegeben, so wird das Verfahren abgebrochen und gegebenenfalls ein Fehlersignal an einen Nutzer ausgegeben.
Ist die Signalgüte höher als ein vorbestimmter Schwellwert, so wird in einem dritten Vorerfassungsschritt SOc eine räumliche Position und/oder Orientierung der Erfassungseinrichtung S relativ zum Herz bestimmt. Ist die Signalgüte nicht höher als der vorbestimmte Schwellwert, so wird das Verfahren abgebrochen und gegebenenfalls ein Fehlersignal an einen Nutzer ausgegeben. Weicht die Relativlage nicht mehr als ein vorbestimmtes Maß von einer Soll-Relativlage ab, so wird, wie vorhergehend in Bezug auf Fig. 4 bereits erläutert, in einem Erfassungsschritt S1 ein SKG-Signal 1 erfasst, insbesondere mittels einer SKG-Erfassungseinrichtung S, die vorhergehend erläutert wurde. Die weiteren Schritte S2, S3, S4 entsprechen den in Fig. 4 dargestellten Schritten S2, S3, S4, daher wird auf die entsprechenden Ausführungen verwiesen. Weicht die Relativlage mehr als ein vorbestimmtes Maß von einer Soll-Relativlage ab, so wird das Verfahren abgebrochen und gegebenenfalls ein Fehlersignal an einen Nutzer ausgegeben. Auch kann ein Signal zur Neupositionierung an den Nutzer ausgegeben werden. Fig. 15a zeigt eine schematische Darstellung eines Hundegurts 19 mit einer SKG- Erfassungseinrichtung S eines Systems 3 zur Erzeugung eines ABP-Signals 1 (siehe Fig. 1), wobei die SKG-Erfassungseinrichtung S als Beschleunigungssensor 18 ausgebildet ist. Dargestellt ist, dass die SKG-Erfassungseinrichtung S in einem Bereich des Hundegurts 19 angeordnet ist, der an einem Brustbereich des Hundes 20 anliegt, welcher den Hundegurt 19 in bestimmungsgemäßer Weise trägt.
Fig. 15b zeigt eine schematische Darstellung eines Pferdehalfters 21 mit einer SKG- Erfassungseinrichtung S eines Systems 3 zur Erzeugung eines ABP-Signals 1 (siehe Fig. 1), wobei die SKG-Erfassungseinrichtung S als Beschleunigungssensor 18 ausgebildet ist. Dargestellt ist, dass die SKG-Erfassungseinrichtung S in einem Bereich des Halfters 21 angeordnet ist, der an einem oberen Rückenbereich des Pferdes 22 anliegt, welches das Halfter 21 in bestimmungsgemäßer Weise trägt. Es ist aber auch vorstellbar, die SKG- Erfassungseinrichtung S in einem Bereich des Halfters 21 anzuordnen, der an Bauch- oder Brustbereich des Pferdes 22 anliegt, welches das Halfter 21 in bestimmungsgemäßer weise trägt.
Fig. 16 eine schematische Darstellung eines Schrittmachers 23 mit einem System 3 zur Erzeugung eines ABP-Signals 1. Dargestellt ist ein ratenadaptiver Herzschrittmacher 23, der eine SKG-Erfassungseinrichtung S, die als Beschleunigungssensor 18 ausgebildet ist, umfasst. Weiter umfasst der Schrittmacher 22 eine Transformationseinrichtung T. Nicht dargestellt ist eine Kommunikationseinrichtung K des Schrittmachers 23, die das durch Transformation bestimmte ABP-Signal 1 an eine körperexterne Einrichtung, z.B. eine Anzeigeeinrichtung A oder eine Servereinrichtung 6, übertragen kann. Es ist allerdings nicht zwingend, dass der Schrittmacher 23 die Transformationseinrichtung T umfasst. So ist es auch möglich, dass der Schrittmacher 23 keine Transformationseinrichtung T umfasst und die Ausgangssignale (Rohsignale) der SKG-Erfassungseinrichtung S an eine schrittmacherexterne Recheneinrichtung übertragen werden, z.B. über die Kommunikationseinrichtung K.
Fig. 17 zeigt eine exemplarische Darstellung von Gewichtungen verschiedener Signalabschnitte für die Auswertung einer Fehlerfunktion. In der oberen Zeile dargestellt ist ein ABP-Signal. In dem ABP-Signal sind zwei verschiedene Signalabschnitte SA1, SA2 dargestellt, wobei die verschiedenen Signalabschnitte durch ein Rechteck eingefasst sind. Der erste Signalabschnitt SA1 ist ein Systolen-Signalabschnitt und der zweite Signalabschnitt ist ein Diastolen-Signalabschnitt. Die zweite, mittlere Zeile zeigt Gewichtungsfaktoren w1 , w2, die den einzelnen Signalabschnitten SA1 , SA2 zugeordnet sind. So ist dem ersten Signalabschnitt SA1 ein erster Gewichtungsfaktor w1 und dem zweiten Signalabschnitt SA2 ein zweiter Gewichtungsfaktor w2. Erkenntlich ist, dass der erste Gewichtungsfaktor w1 kleiner als der zweite Gewichtungsfaktor w2 ist. Es ist möglich, dass die Gewichtungsfaktoren größer als Eins sind. Es ist aber auch möglich, dass alle Gewichtungsfaktoren w1, w2 gleich und größer als Eins sind, wodurch die für ein ABP relevanten Signalabschnitte SA1, SA2 im Verhältnis zu den verbleibenden, nicht relevanten Signalabschnitten höher gewichtet werden. Die dritte, untere Zeile zeigt einen Signalverlauf des gewichteten ABP-Signals, wobei die Amplitude des ABP-Signals im ersten Signalabschnitt SA1 mit dem ersten Gewichtungsfaktor w1 und im zweiten Signalabschnitt SA2 mit dem zweiten Gewichtungsfaktor w2 gewichtet, insbesondere multipliziert, wurde. Auch kann die Gewichtung durch eine Faltung des ABP-Signals mit einer Fensterfunktion erfolgen. Durch diese Gewichtung kann insbesondere eine Amplitudenkompensation durchgeführt werden. Hierdurch kann vermieden werden, dass große Signaländerungen höher gewichtet werden als geringer Änderungen, was z.B. bei der Bestimmung der Abweichung mit dem Verfahren des mittleren quadrierten Fehlers der Fall ist. Im Falle des ABP-Signals beinhalten jedoch kleine Erhebungen (z.B. die in im ersten Signalabschnitt SA1 eingefassten Signalverlauf) wichtige Informationen. Es ist vorstellbar, dass auf diese Weise verschiedene Signalabschnitte eines durch Transformation bestimmten ABP-Signals 1 sowie verschiedene Signalabschnitte eines Referenz-ABP-Signals gewichtet werden und nach der Gewichtung dann die Abweichung zwischen den gewichteten Signalen bestimmt wird, um das Modell für die Transformation, insbesondere ein neuronales Netz, zu trainieren.

Claims

Patentansprüche
1. Verfahren zur Erzeugung eines ABP-Signals (1), wobei mindestens ein herzbewegungsinduziertes Signal erfasst wird, wobei das mindestens eine erfasste herzbewegungsinduzierte Signal in mindestens ein ABP-Signal (1) transformiert wird, dadurch gekennzeichnet, dass. die Transformation mittels eines Modells durchgeführt wird, welches durch maschinelles Lernen erzeugt wurde, wobei das herzbewegungsinduzierte Signal die Eingangsgröße und das ABP-Signal die Ausgangsgröße der Transformation bildet.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das mindestens eine herzbewegungsinduzierte Signal ein SKG-Signal (2) ist.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das mindestens eine oder ein weiteres herzbewegungsinduzierte(s) Signal ein PKG-Signal ist.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das mindestens eine oder ein weiteres herzbewegungsinduzierte(s) Signal ein BKG- Signal ist.
5. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Transformation mittels eines neuralen Netzes (NN) durchgeführt wird, welches insbesondere als Autoencoder oder als faltendes neuronales Netz oder als LSTM-Netz oder als neuronales Transformer-Netz ausgebildet ist.
6. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass zur Erzeugung des Modells eine Fehlerfunktion zur Bestimmung einer Abweichung zwischen einem durch Transformation bestimmten ABP-Signal und einem Referenz-ABP-Signal ausgewertet wird, wobei bei der Auswertung der Fehlerfunktion verschiedene Signalabschnitte des durch Transformation bestimmten ABP-Signals und/oder des Referenz-ABP-Signals und/oder der Abweichung verschieden gewichtet werden.
7. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das mindestens eine herzbewegungsinduzierte Signal berührungslos erfasst wird.
8. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das mindestens eine herzbewegungsinduzierte Signal vor der Transformation gefiltert und dann das gefilterte herzbewegungsinduziertes Signal in ein ABP-Signal (1) transformiert wird.
9. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das mindestens eine herzbewegungsinduzierte Signal von einer Erfassungseinrichtung eines Geräts (4) erzeugt wird, wobei die Transformation durch eine Recheneinrichtung (T) des Geräts (4) durchgeführt wird oder wobei das herzbewegungsinduzierte Signal an eine Recheneinrichtung (T) eines weiteren Geräts übertragen und die Transformation von dieser Recheneinrichtung (T) des weiteren Geräts durchgeführt wird.
10. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das mindestens eine herzbewegungsinduzierte Signal von einer Erfassungseinrichtung eines Geräts (4) erzeugt wird und das durch Transformation bestimmte ABP-Signal (1) auf einer Anzeigeeinrichtung (A) des Geräts (4) dargestellt wird oder wobei das mindestens eine herzbewegungsinduzierte Signal an eine Anzeigeeinrichtung eines weiteren Geräts übertragen und von dieser Anzeigeeinrichtung des weiteren Geräts dargestellt wird.
11. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass vor der Transformation des mindestens einen herzbewegungsinduzierten Signals ein Funktionstest einer Erfassungseinrichtung durchgeführt wird, wobei das herzbewegungsinduzierte Signal nur dann transformiert wird, wenn eine Funktionsfähigkeit detektiert wird und/oder dass vor der Transformation des mindestens einen herzbewegungsinduzierten Signals eine Signalgüte des erfassten Signals bestimmt wird, wobei das herzbewegungsinduzierte Signal nur dann transformiert wird, wenn eine die Signalgüte größer als ein oder gleich einem vorbestimmtes/n Maß ist und/oder dass vor der Transformation des mindestens einen herzbewegungsinduzierten Signals eine Anordnung der Erfassungseinrichtung relativ zum Herz bestimmt wird, wobei das herzbewegungsinduzierte Signal nur dann transformiert wird, wenn die Anordnung einer vorbestimmten Anordnung entspricht oder weniger als ein vorbestimmtes Maß von dieser abweicht.
12. System zur Erzeugung eines ABP-Signals (1), wobei das System (3) mindestens eine Erfassungseinrichtung und mindestens eine Recheneinrichtung (T) umfasst, wobei das mindestens eine erfasste herzbewegungsinduzierte Signal mittels der Recheneinrichtung (T) in mindestens ein ABP-Signal (1) transformierbar ist, dadurch gekennzeichnet, dass die Transformation mittels eines Modells durchgeführt wird, welches durch maschinelles Lernen erzeugt wurde, wobei das herzbewegungsinduzierte Signal die Eingangsgröße und das ABP-Signal (1) die Ausgangsgröße der Transformation bildet..
13. System nach Anspruch 12, dadurch gekennzeichnet, dass die Erfassungseinrichtung in einem Inkubator (9), in einem Bett (13), in einem Fahrzeugsitz (17) oder in einen Herzschrittmacher oder in einen Tierbedarfsgegenstand integriert ist.
14. Computerprogrammprodukt mit einem Computerprogramm, wobei das Computerprogramm Softwaremittel zur Ausführung eines, mehrerer oder aller Schritte des Verfahrens nach einem der Ansprüche 1 bis 11 umfasst, wenn das Computerprogramm von oder in einem Computer oder einem Automatisierungssystem ausgeführt wird.
PCT/EP2022/063773 2021-05-20 2022-05-20 Verfahren und system zur bestimmung eines abp-signals und computerprogrammprodukt WO2022243535A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP22731105.7A EP4340714A1 (de) 2021-05-20 2022-05-20 Verfahren und system zur bestimmung eines abp-signals und computerprogrammprodukt
KR1020237043961A KR20240010725A (ko) 2021-05-20 2022-05-20 Abp 신호를 결정하기 위한 방법 및 시스템 그리고 컴퓨터 프로그램 제품
JP2023571354A JP2024517992A (ja) 2021-05-20 2022-05-20 Ａｂｐ信号の決定方法、及び、ａｂｐ信号の決定システム、並びにコンピュータプログラム製品
US18/513,648 US20240081662A1 (en) 2021-05-20 2023-11-20 Transformation of Heart-Motion-Induced Signals Into Blood Pressure Signals

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021205185.5A DE102021205185B3 (de) 2021-05-20 2021-05-20 Verfahren und System zur Bestimmung eines ABP-Signals
DE102021205185.5 2021-05-20

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/513,648 Continuation US20240081662A1 (en) 2021-05-20 2023-11-20 Transformation of Heart-Motion-Induced Signals Into Blood Pressure Signals

Publications (1)

Publication Number Publication Date
WO2022243535A1 true WO2022243535A1 (de) 2022-11-24

Family

ID=82100705

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/063773 WO2022243535A1 (de) 2021-05-20 2022-05-20 Verfahren und system zur bestimmung eines abp-signals und computerprogrammprodukt

Country Status (6)

Country Link
US (1) US20240081662A1 (de)
EP (1) EP4340714A1 (de)
JP (1) JP2024517992A (de)
KR (1) KR20240010725A (de)
DE (1) DE102021205185B3 (de)
WO (1) WO2022243535A1 (de)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347894A1 (en) * 2016-06-03 2017-12-07 Fourth Frontier Technologies Pvt. Ltd. System and method for continuous monitoring of blood pressure
US20180289288A1 (en) * 2017-04-07 2018-10-11 University Of Maryland At College Park Monitor for blood pressure and other arterial properties
US20190274552A1 (en) 2018-03-12 2019-09-12 Samsung Electronics Co., Ltd. Apparatus and method for measuring blood pressure
US20190298188A1 (en) * 2018-03-27 2019-10-03 Samsung Electronics Co., Ltd. Noninvasive blood pressure measurement method and device
WO2020009387A1 (ko) 2018-07-04 2020-01-09 서울대학교산학협력단 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치
US20200196959A1 (en) * 2018-12-21 2020-06-25 Samsung Electronics Co., Ltd. Apparatus and method for estimating blood pressure
US20200330050A1 (en) 2017-11-09 2020-10-22 Robert Bosch Gmbh Vital Signs Monitoring System and Method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10973468B2 (en) 2018-07-12 2021-04-13 The Chinese University Of Hong Kong Deep learning approach for long term, cuffless, and continuous arterial blood pressure estimation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170347894A1 (en) * 2016-06-03 2017-12-07 Fourth Frontier Technologies Pvt. Ltd. System and method for continuous monitoring of blood pressure
US20180289288A1 (en) * 2017-04-07 2018-10-11 University Of Maryland At College Park Monitor for blood pressure and other arterial properties
US20200330050A1 (en) 2017-11-09 2020-10-22 Robert Bosch Gmbh Vital Signs Monitoring System and Method
US20190274552A1 (en) 2018-03-12 2019-09-12 Samsung Electronics Co., Ltd. Apparatus and method for measuring blood pressure
US20190298188A1 (en) * 2018-03-27 2019-10-03 Samsung Electronics Co., Ltd. Noninvasive blood pressure measurement method and device
WO2020009387A1 (ko) 2018-07-04 2020-01-09 서울대학교산학협력단 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치
US20200196959A1 (en) * 2018-12-21 2020-06-25 Samsung Electronics Co., Ltd. Apparatus and method for estimating blood pressure

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
M. S. IMTIAZ ET AL.: "Correlation between seismocardiogram and systolic blood pressure", 26TH IEEE CANADIAN CONFERENCE ON ELECTRICAL AND COMPUTER ENGINEERING (CCECE), 2013
MOUSUMI DAS ET AL: "Accelerometric Method for Cuffless Continuous Blood Pressure Measurement", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 18 August 2020 (2020-08-18), XP081743378 *

Also Published As

Publication number Publication date
KR20240010725A (ko) 2024-01-24
EP4340714A1 (de) 2024-03-27
DE102021205185B3 (de) 2022-11-03
JP2024517992A (ja) 2024-04-23
US20240081662A1 (en) 2024-03-14

Similar Documents

Publication Publication Date Title
Von Borell et al. Heart rate variability as a measure of autonomic regulation of cardiac activity for assessing stress and welfare in farm animals—A review
EP2575608B1 (de) Detektor zur identifikation physiologischer artefakte in physiologischen signalen und verfahren dafür
DE102017112819A1 (de) System und Verfahren zum Vorsehen einer Echtzeitsignal-Segmentierung und Kontrollpunktausrichtungsrahmen
Lanata et al. A novel algorithm for movement artifact removal in ecg signals acquired from wearable systems applied to horses
DE102008002933A1 (de) Datenaufzeichnung zur Patientenstatusanalyse
US20230105909A1 (en) Method and System For Generating An ECG Signal
Islam et al. Signal artifacts and techniques for artifacts and noise removal
EP3518757A1 (de) Überwachung von biosignalen, insbesondere elektrokardiogrammen
Cimr et al. Automatic detection of breathing disorder from ballistocardiography signals
US20220160296A1 (en) Pain assessment method and apparatus for patients unable to self-report pain
Vizcaya et al. Standard ECG lead I prospective estimation study from far-field bipolar leads on the left upper arm: A neural network approach
Mahmood et al. Introduction to Non-Invasive Biomedical Signals for Healthcare
Li et al. Unobtrusive monitoring of cardiorespiratory signals during sleep based on PVDF sensor and singular spectrum analysis
Lanata et al. The role of nonlinear coupling in Human-Horse Interaction: A preliminary study
DE102021205185B3 (de) Verfahren und System zur Bestimmung eines ABP-Signals
Youssef et al. Heart rate monitoring in pigs using photo pethysmography (PPG) technology
WO2009079976A9 (de) Verfahren und vorrichtung zum herz-, kreislauf- und atmungsmonitoring mittels hidden markov modellen und neuronalen netzwerken
Hegde et al. A review on ECG signal processing and HRV analysis
Lanata et al. Removing movement artifacts from equine ECG recordings acquired with textile electrodes
Mohamed Yacin et al. Reconstruction of gastric slow wave from finger photoplethysmographic signal using radial basis function neural network
EP2614771B1 (de) Verfahren zur Bioimpedanzmessung
Prakash et al. A study on artifacts removal from physiological signals
DE102004020515A1 (de) Verfahren und Vorrichtung zur drahtlosen Aufzeichnung und Fernüberwachung von Muskelaktivitäten bei Tieren
Memar Use of Multiscale Entropy to Characterize Fetal Autonomic Development
De Palma et al. ECG wave segmentation algorithm for complete P-QRS-T detection

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22731105

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023571354

Country of ref document: JP

ENP Entry into the national phase

Ref document number: 20237043961

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1020237043961

Country of ref document: KR

WWE Wipo information: entry into national phase

Ref document number: 2022731105

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022731105

Country of ref document: EP

Effective date: 20231220