感测呼吸参数作为心脏骤停事件的指标
文献发布时间:2024-04-18 19:58:30
技术领域
本公开整体涉及医疗装置系统,并且更具体地涉及被配置成监测患者参数的医疗装置系统。
背景技术
一些类型的医疗装置可用于监测患者的一个或多个生理参数。此类医疗装置可以包括或可以是包括检测与此类生理参数相关联的信号的传感器的系统的一部分。基于此类信号确定的值可用于帮助检测患者状况的变化,评估治疗的功效,或大体上评估患者健康。
发明内容
一般而言,本公开涉及用于使用医疗装置来执行指示患者的呼吸参数的测量以预测或确认心脏骤停(SCA)事件的装置、系统和技术。SCA事件可能与呼吸不足、呼吸急促、深呼吸、呼吸困难、喘气、濒死呼吸或其它呼吸异常相关联。根据本文描述的技术的呼吸参数的测量可以在装置或系统检测SCA事件的能力方面提供技术改进,例如用于检测SCA事件的算法的灵敏度和特异性。
该测量可以包括阻抗信号、加速度计信号或肌电图(EMG)信号中的一者或多者。在一些情况下,医疗装置的电极之间的电路径的阻抗可以表示与电极和患者的目标组织之间的接触相关联的电阻,和/或电极之间的路径中的组织的阻抗。因而,阻抗可以根据患者的运动(诸如患者的胸腔的运动)和/或患者组织的阻抗变化而在一段时间内发生变化。例如,当患者的胸腔在呼吸循环期间发生运动时,电极与目标组织之间的接触可能改变,从而导致阻抗改变。此外,路径内的组织的相对流体含量可以在呼吸循环期间改变。如果患者的胸腔发生运动,则加速度计信号可以指示胸部上的加速度计是否发生运动。EMG信号可以表示与肌肉的收缩或激活的运动相关联的电活动。例如,当患者的胸腔在呼吸循环期间发生运动时,加速度计信号或EMG信号发生变化。
在一些情况下,信号可以根据对应于患者执行的呼吸循环(例如,吸入和呼出)的周期性函数而变化。这样,处理电路可以分析由医疗装置获得的信号,以识别与患者的呼吸循环相关联的参数,例如,诸如呼吸速率、呼吸速率可变性和呼吸努力。此类参数又可以例如通过处理电路和/或人工智能进行分析,以确认或预测SCA事件。
在一些示例中,医疗装置可以执行一组测量。在一些情况下,医疗装置可以以测量速率执行该组测量。这样,该组测量可以在延长的时间段内呈现患者的呼吸模式的详细图片,使得处理电路能够识别呼吸参数数据的趋势或者分析数据以识别或监测患者状况。尽管在一些情况下,医疗装置可以被一致地配置为以测量速率执行该组测量,但是在其它情况下,医疗装置可以在检测到事件时测量一个或多个患者参数。另外,在一些示例中,医疗装置可以基于心率、患者姿势(例如,坐着、站立或躺下)、心电图(ECG)、一个或多个心律失常的存在或不存在、患者触发或疑似心脏骤停的存在来确定是否执行测量。
为了在特定测量期间确定患者的呼吸参数信息,处理电路可以被配置成处理对应于测量的信号以识别一组呼吸间隔。该组呼吸间隔中的每个呼吸间隔可以表示完整的呼吸循环(例如,呼气阶段和吸气阶段的组合)。
在一个示例中,本公开描述一种方法,所述方法包括:通过处理电路接收周期性呼吸参数信息,其中该呼吸参数信息包括患者的呼吸努力;以及通过该处理电路并且基于该呼吸参数信息确定是否检测到该患者的心脏骤停。
在另一示例中,本公开描述一种装置,该装置包括处理电路和包含程序指令的存储器,该程序指令在由该处理电路执行时使该处理电路接收周期性呼吸参数信息,其中该呼吸参数信息包括患者的呼吸努力,且基于该呼吸参数信息确定是否检测到该患者的心脏骤停。
在另一示例中,本公开描述一种计算机可读存储介质,包括通过处理电路接收周期性呼吸参数信息,其中该呼吸参数信息包括患者的呼吸努力;以及通过该处理电路并且基于该呼吸参数信息确定是否检测到该患者的心脏骤停。
本发明内容旨在提供对本公开中所描述的主题的概述。本发明内容并不旨在提供对以下附图和说明书内详细描述的系统、装置和方法的排他性或详尽解释。在附图和以下具体实施方式中阐述了本公开的一个或多个示例的进一步细节。根据说明书和附图以及权利要求书,其它特征、目标和优点将是显而易见的。
附图说明
图1是展示根据本公开的一种或多种技术的被配置成检测患者的健康事件并响应此类检测的示例性系统的框图。
图2是展示根据本文所述的一种或多种技术的图1的医疗装置系统的植入式医疗装置(IMD)的示例性配置的概念图。
图3是展示根据本文所述的一种或多种技术的图1和图2的IMD的示例性配置的功能框图。
图4是展示根据本公开的一种或多种技术进行操作的计算装置的示例性配置的框图。
图5是展示根据本公开的一种或多种技术进行操作的健康监测系统的示例性配置的框图。
图6是展示根据本公开的一种或多种技术的用于执行参数测量的示例性操作的流程图。
图7是展示根据本公开的一种或多种技术的用于处理一组值的示例性操作的流程图。
图8是展示根据本公开的一种或多种技术的用于确定测量中的一组正过零点的示例性操作的流程图。
图9是展示根据本公开的一种或多种技术的用于确定测量中的一组负过零点的示例性操作的流程图。
图10是展示根据本公开的一种或多种技术的用于确定一组呼吸间隔的示例性操作的流程图。
图11是展示根据本公开的一种或多种技术的用于确定峰到峰值的示例性操作的流程图。
图12是展示根据本公开的一种或多种技术的用于确定测量的质量的示例性操作的流程图。
图13是展示根据本公开的一种或多种技术的用于确定呼吸参数信息的示例性操作的流程图。
图14是展示根据本公开的一种或多种技术的用于确定呼吸参数信息的示例性操作的流程图。
在说明书和附图中各处,类似参考字符代表类似元件。
具体实施方式
多种类型的植入式装置和外部装置基于感测到的ECG以及(在一些情况下)其它生理信号来检测心律失常发作和其它急性健康事件。可用于非侵入性感测和监测ECG和其它生理信号的外部装置包括具有被配置成接触患者的皮肤的电极的可穿戴装置,诸如贴片、手表或项链。此类医疗装置可促进在正常日常活动期间对患者健康进行相对长期的监测。
植入式医疗装置(IMD)还感测和监测ECG和其它生理信号,并检测急性健康事件,诸如心律失常、心脏骤停、心肌梗塞、中风和癫痫的发作。示例性IMD包括:起搏器和植入式心律转复除颤器,该起搏器和植入式心律转复除颤器可联接到血管内或血管外引线;以及具有被配置用于植入在心脏内的外壳的起搏器,该起搏器可为无引线的。一些IMD不提供治疗,诸如植入式患者监测器。此类IMD的一个示例是可从美敦力公司(Medtronic plc)商购的Reveal LINQ II
图1是展示根据本公开的一种或多种技术的被配置成检测患者4的健康事件并响应此类检测的示例性系统2的框图。如本文所使用,术语“检测”等可指检测患者4目前(在收集数据时)经历的急性健康事件,以及基于患者4的状况使得他们具有在特定时间帧内经历事件的阈上可能性的数据的检测,例如,急性健康事件的预测。示例性技术可以与一个或多个患者感测装置,例如,IMD 10一起使用,该一个或多个患者感测装置可以与一个或多个患者计算装置,例如患者计算装置12A和12B(统称为“计算装置12”)进行无线通信。虽然在图1中未展示,但是IMD 10包括电极和其它传感器以感测患者4的生理信号,并且可以基于该信号收集并存储感测到的生理数据并且基于该数据检测事件。
IMD 10可以植入患者4的胸腔外(例如,皮下植入图1所展示的胸肌位置)。IMD 10可定位在靠近或刚好低于患者4的心脏水平的胸骨附近,例如至少部分地在心脏轮廓内。在一些示例中,IMD 10采用LINQ II
患者计算装置12被配置成用于与IMD 10进行无线通信。计算装置12从IMD 10检索由IMD收集并存储的事件数据和其它感测到的生理数据。在一些示例中,计算装置12采取患者4的个人计算装置的形式。例如,计算装置12A可采取患者4的智能手机的形式,并且计算装置12B可采取患者4的智能手表或其它智能服装的形式。在一些示例中,计算装置12可以是被配置用于与IMD 10进行无线通信的任何计算装置,诸如台式计算机、膝上型计算机或平板计算机。计算装置12可根据例如
在一些示例中,计算装置12,例如图1所展示的示例中的可穿戴计算装置12B可包括电极和其它传感器以感测患者4的生理信号,并且可收集和存储生理数据并基于此类信号检测发作。计算装置12B可结合到患者14的服装中,诸如结合在衣服、鞋子、眼镜、手表或腕带、帽子等内。在一些示例中,计算装置12B为智能手表或智能手机计算装置12A的其它附件或外围设备。另外,计算装置12B可以包括可以估计呼吸速率和/或努力的外围装置。在一些示例中,外围装置包括基于雷达的系统、LiDAR传感器系统、MAX低光系统、深度感测相机系统、声学传感器系统或脉搏血氧仪系统。
计算装置12中的一个或多个计算装置可以被配置成经由网络16与各种其它装置或系统进行通信。例如,计算装置12中的一个或多个计算装置可以被配置成经由网络16与一个或多个计算系统(例如,计算系统20A和20B(统称为“计算系统20”))通信。计算系统20A和20B可以分别由IMD 10和计算装置12的制造商管理,以例如为它们各自的装置及其用户提供云存储和所收集的数据的分析、维护和软件服务、或其它联网功能。在一些示例中,计算系统20A可以包括美敦力Carelink
计算装置12可经由网络16向计算系统20传输数据,包括从IMD 10检索的数据。该数据可以包括:感测数据,例如由IMD 10和在一些情况下计算装置12中的一个或多个计算装置测量的生理参数的值;关于由IMD 10和计算装置12检测到的心律失常发作或其它健康事件的数据;以及由IMD 10和/或计算装置12记录的其它生理信号或数据。HMS22还可以经由网络从一个或多个电子健康记录(EHR)24源检索关于患者4的数据。EHR 24可以包括关于患者(包括患者4)的历史(例如,基线)生理参数值、先前的健康事件和治疗、疾病状态、共存病、人口统计、身高、体重和体重指数(BMI)的数据。HMS22可以使用来自EHR 24的数据来配置由IMD 10和/或计算装置12实施的算法以检测患者4的急性健康事件。在一些示例中,HMS22将来自EHR 24的数据提供给计算装置12和/或IMD 10以存储在其中并且用作其用于检测急性健康事件的算法的一部分。
网络16可以包括一个或多个计算装置,诸如一个或多个非边缘交换机、路由器、集线器、网关、安全装置(诸如防火墙)、入侵检测和/或入侵防护装置、服务器、蜂窝基站和节点、无线接入点、网桥、电缆调制解调器、应用程序加速器或其它网络装置。网络16可包括由服务提供者管理的一个或多个网络,并且因此可形成大规模公共网络基础结构(例如,因特网)的一部分。网络16可以向诸如图1中所示的计算装置和系统提供对因特网的接入,并且可以提供允许计算装置和系统彼此通信的通信框架。在一些示例中,网络16可以包括提供通信框架的专用网络,该通信框架允许图1中所展示的计算装置和系统彼此通信,但出于安全目的将数据流中的一些数据流与专用网络外部的装置隔离。在一些示例中,图1中展示的计算装置与系统之间的通信被加密。
如本文将描述的,IMD 10可以被配置成基于由IMD 10感测到的数据以及在一些情况下基于其它数据(诸如由计算装置12A和/或12B感测到的数据)以及来自EHR 24的数据来检测患者4的急性健康事件。响应于急性健康事件的检测,IMD 10可以向计算装置12A和12B中的一者或两者无线地传输消息。该消息可指示IMD 10检测到患者的急性健康事件。该消息可指示IMD 10检测到急性健康事件的时间。该消息可包括由IMD 10收集的生理数据,例如引起检测到急性健康事件的数据、在检测到急性健康事件之前的数据和/或在检测到急性健康事件之后收集的实时或更近的数据。生理数据可包括一个或多个生理参数的值和/或数字化的生理信号。急性健康事件的示例是心脏停搏、心室纤颤、室性心动过速、心肌梗塞、心律暂停(心搏停止)或无脉搏电活动(PEA)、急性呼吸窘迫症候群(ARDS)、卒中、癫痫发作或跌倒。
响应于来自IMD 10的消息,计算装置12可以输出警报,该警报可以是视觉的和/或听觉的,并且被配置成立即吸引患者4或在环境28中陪同患者4的任何人(例如,旁观者26)的注意。作为示例,环境28可以是家庭、办公室或营业场所或公共场所。计算装置12还可以经由网络16向HMS22传输消息。该消息可以包括从IMD 10接收的数据以及在一些情况下由计算装置12或其它装置响应于IMD 10对急性健康事件的检测而收集到的附加数据。例如,消息可以包括由计算装置12确定的患者4的位置。
患者4的环境28中的其它装置也可以被配置成输出警告或警报,或者采取其它动作来吸引患者4以及可能的旁观者26的注意,或者以其它方式促进向患者4递送护理。例如,环境28可以包括一个或多个物联网(IoT)装置,诸如图1的示例中展示的IoT装置30A–30D(统称为“IoT装置30”)。IoT装置30可以包括例如所谓的“智能”扬声器、相机、灯、锁、自动调温器、电器、致动器、控制器、或任何其它智能家庭(或建筑物)装置。在图1的示例中,IoT装置30C是智能扬声器和/或控制器,其可以包括显示器。IoT装置30可以在配置有输出装置以这样做时提供听觉和/或视觉警报。作为其它示例,IoT装置30可以使遍及环境28的智能灯闪光或闪烁并且对门解锁。在一些示例中,包括相机或其它传感器的IoT装置30可以起动那些传感器以收集关于患者4的数据,例如以用于评估患者4的状况。
计算装置12可以被配置成与IoT装置30无线地通信以使IoT装置30采取本文所描述的动作。在一些示例中,HMS22经由网络16与IoT装置30通信以使IoT装置30例如响应于如上所述从计算装置12接收到警报消息而采取本文所描述的动作。在一些示例中,IMD 10被配置成例如响应于在与计算装置12的通信不可用时检测到急性健康事件而与IoT装置30中的一者或多者无线地通信。在此类示例中,IoT装置30可以被配置成提供本文中归于计算装置12的功能性中的一些或全部。
环境28包括计算设施(例如,本地网络32),环境28内的计算装置12、IoT装置30和其它装置可以通过该计算设施经由网络16例如与HMS 22通信。例如,环境28可被配置有无线技术,诸如IEEE 802.11无线网络、IEEE 802.15ZigBee网络、超宽带协议、近场通信等。环境28可以包括为遍及环境28的无线通信提供支持的一个或多个无线接入点,例如无线接入点34A和34B(统称为“无线接入点34”)。另外地或替代地,例如当本地网络不可用时,计算装置12、IoT装置30以及环境28内的其它装置可以被配置成经由蜂窝基站36和蜂窝网络与网络16通信,例如与HMS22通信。
计算装置12以及在一些示例中的IoT装置30可以包括输入装置和接口以允许用户在IMD 10对急性健康事件的检测为假的情况下否决警报。在一些示例中,计算装置12和IoT装置30中的一者或多者可以实现事件助理。事件助理可以为患者4和/或旁观者26提供对话界面以与计算装置或IoT装置交换信息。响应于从IMD 10接收到警报消息,事件助理可以询问用户关于患者4的状况。来自用户的响应可以用于确认或超越IMD 10对急性健康事件的检测,或更一般地提供关于急性健康事件或患者4的状况的额外信息,其可以改善患者4的治疗功效。例如,由事件助理接收的信息可以用于提供急性健康事件的严重性或类型(鉴别诊断)的指示。事件助理可以使用自然语言处理和上下文数据来解释用户的话语。在一些示例中,除了接收对由助理提出的查询的响应之外,事件助理可以被配置成对由用户提出的查询进行响应。例如,患者4可以指示其感觉晕眩并且向事件助理询问“我该如何做?”。
在一些示例中,计算装置12和/或HMS22可实施一个或多个算法来评估从IMD 10接收的感测到的生理数据,并且在一些情况下评估由计算装置或IoT装置30感测到或以其它方式收集的附加生理或其它数据,以确认或否决IMD 10对急性健康事件的检测。在一些示例中,计算装置12和/或计算系统20可以具有比IMD 10更大的处理能力,使得能够对数据进行更复杂的分析。在一些示例中,计算装置12和/或HMS22可以将数据应用于机器学习模型或其它人工智能开发的算法,例如,以确定数据是否足以指示急性健康事件。
在计算装置12被配置成执行急性健康事件确认分析的示例中,计算装置12可以响应于确认急性健康事件而向HMS22和/或IoT装置30传输警报消息。在一些示例中,计算装置12可以被配置成在完成确认分析之前传输警报消息,并且响应于否认IMD 10对急性健康事件的检测的分析而传输取消消息。HMS22可以被配置成响应于从计算装置12和/或IoT装置30接收到警报消息而执行数个操作。HMS22可以被配置成响应于从计算装置12和/或IoT装置30接收到取消消息来取消此类操作。
例如,HMS22可以被配置成经由网络16向与一个或多个护理提供者40相关联的一个或多个计算装置38传输警报消息。护理提供者可以包括紧急医疗系统(EMS)和医院,并且可以包括医院内的特定部门,诸如急诊部门、导管插入术实验室或卒中响应部门。计算装置38可以包括智能电话、台式计算机、膝上型计算机或平板计算机,或与此类系统或实体相关联的工作站,或此类系统或实体的雇员。警报消息可以包括由IMD 10、计算装置12和IoT装置30收集的数据中的任何数据,包括感测到的生理数据、急性健康事件的时间、患者4的位置、以及由IMD 10、计算装置12、IoT装置30和/或HMS22分析的结果。从HMS22传输到护理提供者40的信息可以改善护理提供者40对患者4的急性健康事件的治疗的及时性和有效性。在一些示例中,作为HMS22向与EMS护理提供者40相关联的一个或多个计算装置38提供警报消息的替代或补充,计算装置12和/或IoT装置30可以被配置成响应于从IMD 10接收到警报消息而自动联系EMS,例如在美国/北美使用电话系统来联系911呼叫中心。再次,此类操作可以由患者4、旁观者26或另一用户经由计算装置12或IoT装置30的用户接口来取消,或由计算装置12基于由计算装置执行的否认IMD 10对急性健康事件的检测的确证分析来自动取消。
类似地,HMS22可以被配置成向旁观者26的计算装置42传输警报消息,这可以改善旁观者26对患者4的急性健康事件的治疗的及时性和有效性。计算装置42可以类似于计算装置12和计算装置38,例如智能电话。在一些示例中,HMS22可以基于例如从计算装置12接收的患者4的位置以及例如由在计算装置42上实现的应用向HMS22报告的计算装置42的位置来确定旁观者26接近患者4。在一些示例中,HMS22可以向基于患者4的位置确定的警报区域中的任何计算装置42传输警报消息,例如,通过向与基站36通信的所有计算装置传输警报消息。
在一些示例中,给旁观者26的警报消息可以被配置成帮助外行治疗患者。例如,到旁观者26的警报消息可以包括患者4的位置(以及在一些情况下的描述)、急性健康事件的一般性质、用于向患者4提供护理的指示(诸如提供心肺复苏(CPR)的指示)、用于对患者4进行治疗的附近医疗设备(诸如自动体外除颤器(AED)44或救生衣)的位置,以及设备的使用说明。在一些示例中,计算装置12、IoT装置30和/或计算装置42可以实施被配置成使用自然语言处理和/或上下文数据来为旁观者42提供对话界面的事件助理。助理可以向旁观者26提供用于向患者4提供护理的指示,并且对来自旁观者26的关于如何向患者4提供护理的询问作出响应。
在一些示例中,HMS22可以调解护理提供者40与患者4或旁观者26之间的双向音频(并且在一些情况下是视频)通信。此类通信可以允许护理提供者40例如通过与患者4或旁观者26的通信或通过使用计算装置或IoT装置的相机或其它传感器在护理提供者将开始护理患者的时间之前评估患者4的状况,这可以改善递送给患者的护理的功效。此类通信还可以允许护理提供者向旁观者42指示关于患者4的第一响应者治疗。
在一些示例中,HMS22可以控制将无人机46调度到环境28、或调度到环境28或患者4附近的位置。无人机46可以是机器人和/或无人驾驶飞行器(UAV)。无人机46可以配备有多个传感器和/或致动器以执行多个操作。例如,无人机46可包括相机或其它传感器以导航到其预期位置、识别患者4且在一些情况下识别旁观者26,并且评估患者的状况。在一些示例中,无人机46可以包括与患者4和/或旁观者26通信的用户接口装置。在一些示例中,无人机46可以向旁观者26、向患者4的位置提供指示,以及可以提供关于如何向患者4提供第一响应者护理(诸如CPR)的指示。在一些示例中,无人机46可以将医疗设备(例如,AED 44)和/或药物携带到患者4的位置。在一些示例中,无人驾驶飞机46可执行ECG或脉搏测量。在一些示例中,无人驾驶飞机46可例如通过例如用含有电极的可延伸构件接触患者身体的两个部分而充当AED。
如以下将更详细描述的,IMD 10或系统2的另一装置可以被配置成感测随患者4的呼吸而变化的信号,例如阻抗、加速度计,或EMG信号、ECG信号、声音信号或光信号。系统2(例如IMD 10或计算装置12)的处理电路可以接收基于该信号确定的周期性呼吸参数信息,并且基于该信号确定是否检测到患者4的SCA事件。在一些示例中,处理电路使用呼吸参数信息用于SCA事件的初始检测,确定响应SCA事件所需的紧急度,和/或基于一个或多个其它患者参数确认(或拒绝)SCA事件的检测。
图2为示出图1的IMD 10的示例性配置的框图。如图2所示,IMD 10包括处理电路50、存储器52、耦合到电极56A和56B(在下文中称为“电极56”)以及一个或多个传感器58的感测电路54、以及通信电路60。
处理电路50可包括固定功能电路和/或可编程处理电路。处理电路50可以包含以下中的任何一者或多者:微处理器、控制器、图形处理单元(GPU)、张量处理单元(TPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或等效的分立或模拟逻辑电路。在一些示例中,处理电路50可以包括多个部件(诸如一个或多个微处理器、一个或多个控制器、一个或多个GPU、一个或多个TPU、一个或多个DSP、一个或多个ASIC或一个或多个FPGA的任何组合),以及其它分立或集成逻辑电路。本文中归属于处理电路50的功能可体现为软件、固件、硬件或它们的任何组合。在一些示例中,存储器52包括计算机可读指令,这些计算机可读指令当由处理电路50执行时使IMD 10和处理电路50执行归于本文中的IMD10和处理电路50的各种功能。存储器53可包括任何易失性、非易失性、磁性、光学或电介质,诸如随机存取存储器(RAM)、只读存储器(ROM)、非易失性RAM(NVRAM)、电可擦除可编程ROM(EEPROM)、快闪存储器或任何其它数字介质。
感测电路54可以监测来自电极56的信号,以便例如监测患者4的心脏的电活动并且产生患者4的ECG数据。在一些示例中,处理电路50可识别感测到的ECG的特征,诸如心率、心率变异性、搏动内间隔和/或ECG形态特征,以检测患者4的心律失常发作。处理电路50可将数字化ECG和用于检测心律失常发作的ECG的特征存储在存储器52内作为检测到的心律失常发作的发作数据。
在一些示例中,感测电路54经由电极56测量例如IMD 10附近的组织的阻抗。所测量的阻抗可基于呼吸和灌注或水肿的程度而变化。处理电路50可基于所测量的诸如阻抗的信号确定与呼吸、灌注和/或水肿相关的生理数据。
在一些示例中,感测电路54经由电极56测量例如IMD 10附近的组织的肌电图信号。所测量的肌电图信号可以基于呼吸而变化。处理电路50可基于所测量的肌电图信号确定与呼吸相关的生理数据。
在一些示例中,感测电路54经由麦克风测量例如由呼吸音产生的声波信号。所测量的声波信号可以基于呼吸而变化,可以用于检测濒死呼吸。处理电路50可基于所测量的声波信号确定与呼吸相关的生理数据。
在一些示例中,IMD 10包括一个或多个传感器58,诸如一个或多个加速度计、麦克风、光学传感器、温度传感器和/或压力传感器。在一些示例中,感测电路52可以包括用于对从电极56和/或传感器58中的一者或多者接收的信号进行滤波和放大的一个或多个滤波器和放大器。在一些示例中,感测电路54和/或处理电路50可以包括整流器、滤波器和/或放大器、感测放大器、比较器和/或模数转换器。处理电路50可基于来自传感器58的信号来确定生理数据(例如,患者4的生理参数值),这些信号可存储在存储器52中。
存储器52可以存储可由处理电路50执行的应用程序和数据80。应用程序可以包括急性健康事件监视应用程序。处理电路50可以执行事件监视应用程序,以基于本文所描述的一种或多种类型的生理数据的组合来检测患者4的急性健康事件,这些生理数据可以被存储为感测数据。在一些示例中,感测数据可以另外包括由其它装置(例如,计算装置12)感测并且经由通信电路60接收的数据。事件监视应用程序可被配置有可包括规则的规则引擎。规则可以包括一个或多个模型、算法、决策树和/或阈值。在一些情况下,规则可以基于机器学习来开发。
例如,事件监视应用程序可以基于ECG和/或指示患者4(图1)的心脏6的电或机械活动的其它生理数据来检测心脏骤停、心室纤颤、室性心动过速、心脏停搏、无脉冲电活动(PEA)或心肌梗塞。在一些示例中,事件监视应用程序可以基于此类心脏活动数据来检测中风。在一些示例中,感测电路54可以经由电极56检测脑活动数据,例如脑电图(EEG),并且事件监视应用程序可以仅基于脑活动或者结合心脏活动数据或其它生理数据来检测中风或癫痫。在一些示例中,事件监视应用程序仅基于来自加速度计的数据或者结合其它生理数据来检测患者是否跌倒。当事件监视应用程序检测到急性健康事件时,事件监视应用程序可以将导致检测的感测数据(以及在一些情况下,在检测之前和/或之后的数据窗口)存储为事件数据。
在一些示例中,响应于检测到急性健康事件,处理电路50经由通信电路60向计算装置12(图1)传输该事件的事件数据。该传输可以被包括在指示急性健康事件的消息中,如本文所述。该消息的传输可在特设的基础上并且尽可能快地发生。通信电路60可以包含用于与另一个装置(诸如设计装置12和/或IoT装置30)进行无线通信的任何合适的硬件、固件、软件或其任何组合。
图3是展示图1和图2的IMD 10的示例性配置的概念图。除了图1-图2中示出的部件之外,图3中示出的IMD 1A的示例性配置还可以包括覆盖件17和外壳15,它们可以帮助电绝缘和保护其中的电路50-54和60以及传感器58。在一些示例中,绝缘覆盖件可以定位在外壳15之上,以形成用于IMD 10的部件的外壳。可以在绝缘覆盖件的底侧上形成IMD 10B的一个或多个部件(例如,天线62、传感器58、处理电路50、感测电路54和通信电路60)。IMD 10的电源可位于外壳15内。
图4是展示患者4的计算装置12的示例性配置的框图,该计算装置可对应于图1所展示的计算装置12A和12B中的任一者(或两者协调地操作)。在一些示例中,计算装置12采取智能手机、膝上型计算机、平板计算机、个人数字助理(PDA)、智能手表或其它可穿戴计算装置的形式。在一些示例中,IoT装置30可类似于图4中所展示的计算装置12的配置来配置。
如图4的示例中所示,计算装置12可以在逻辑上被划分成用户空间102、内核空间104和硬件106。硬件106可以包括为在用户空间102和内核空间104中执行的部件提供操作环境的一个或多个硬件部件。用户空间102和内核空间104可以表示存储器的不同区段或分段,其中,内核空间104向进程和线程提供比用户空间102更高的权限。例如,内核空间104可以包括操作系统120,该操作系统以比在用户空间102中执行的部件更高的权限操作。
如图4所示,硬件106包括处理电路130、存储器132、一个或多个输入装置134、一个或多个输出装置136、一个或多个传感器138以及通信电路140。尽管出于示例的目的在图4中示出为独立装置,但是计算装置12可为包括处理电路或用于执行软件指令的其它合适的计算环境的任何部件或系统,并且例如不必包括图4中所示的一个或多个元件。
处理电路130被配置成实施用于在计算装置12内执行的功能和/或处理指令。例如,处理电路130可以被配置成接收并处理存储在存储器132中的指令,这些指令提供被包括在内核空间104和用户空间102中的部件的功能性以执行根据本公开的技术的一个或多个操作。处理电路130的示例可以包括任何一个或多个微处理器、控制器、GPU、TPU、DSP、ASIC、FPGA或等效的分立或集成逻辑电路。
存储器132可以被配置成将信息存储在计算装置12内以用于在计算装置12的操作期间进行处理。在一些示例中,存储器132被描述为计算机可读存储介质。在一些示例中,存储器132包括临时存储器或易失性存储器。易失性存储器的示例包括随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)和本领域中已知的其它形式的易失性存储器。在一些示例中,存储器132还包括被配置用于长期存储信息的一个或多个存储器,例如包括非易失性存储元件。此类非易失性存储元件的示例包括磁性硬盘、光盘、软盘、闪存存储器、或多种形式的电可编程存储器(EPROM)或电可擦除且可编程(EEPROM)存储器。
计算装置12的一个或多个输入装置134可以接收例如来自患者4或另一用户的输入。输入的示例是触觉、音频、动态和光学输入。作为示例,输入装置134可以包括鼠标、键盘、语音响应系统、相机、按钮、控制板、话筒、在场敏感或触摸敏感部件(例如,屏幕)、或用于检测来自用户或机器的输入的任何其它装置。
计算装置12的一个或多个输出装置136可以生成例如到患者4或另一用户的输出。输出的示例是触觉输出、音频输出和视觉输出。计算装置12的输出装置134可以包括存在敏感屏幕、声卡、视频图形适配卡、扬声器、阴极射线管(CRT)监测器、液晶显示器(LCD)、发光二极管(LED)、或用于生成触觉、音频和/或视觉输出的任何类型的装置。
计算装置12的一个或多个传感器138可以感测患者4的生理参数或信号。传感器138可以包括电极、3轴加速度计、光学传感器、阻抗传感器、温度传感器、压力传感器、心音传感器和其它传感器、以及感测电路(例如,包括ADC),类似于以上关于IMD 10和图2所描述的那些。
计算装置12的通信电路140可以通过传输和接收数据来与其它装置通信。通信电路140可以包括网络接口卡,诸如以太网卡、光收发器、射频收发器、或可发送和接收信息的任何其它类型的装置。例如,通信电路140可以包括无线电收发器,该无线电收发器被配置用于根据诸如3G、4G、5G、WiFi(例如,802.11或802.15ZigBee)、
如图4所示,健康监测应用程序150在计算装置12的用户空间102中执行。健康监测应用程序150可以在逻辑上被划分为表示层152、应用程序层154和数据层156。表示层152可以包括用户界面(UI)部件160,该用户界面部件生成并呈现健康监测应用程序150的用户界面。
应用程序层154可以包括但不限于事件引擎170、规则引擎172、规则配置部件174、事件助理176和位置服务178。事件引擎172可以响应于从IMD 10接收到指示IMD 10检测到急性健康事件的警告传输。事件引擎172可以响应于检测到本文归于计算装置12的急性健康事件来控制任何操作的执行,诸如启动警报、向HMS22传输警报消息、控制IoT装置30以及分析数据以确认或否决IMD 10对急性健康事件的检测。
规则引擎174分析感测数据190,并且在一些示例中,分析患者输入192和/或EHR数据194,以确定是否存在患者4正在经历由IMD 10检测到的急性健康事件的足够可能性。感测数据190可以包括作为警报传输的一部分从IMD 10接收的数据、从IMD 10(例如,以“实时”方式)传输的附加数据、以及由计算装置12和/或IoT装置30收集的与患者4的状况有关的生理和其它数据。作为示例,来自计算装置12的感测数据190可以包括以下中的一者或多者:活动水平、步行/跑步距离、静息能量、活跃能量、锻炼分钟数、站立的量化、体质、体质指数、心率、低心率事件、高心率事件和/或不规则心率事件、心率变异性、步行心率、心跳系列、数字化ECG、血氧饱和度、血压(收缩和/或舒张)、呼吸速率、最大氧体积、血糖、外周灌注和睡眠模式。
患者输入192可以包括对由健康监测应用程序150提出的关于患者4的状况、由患者4或另一用户(诸如旁观者26)输入的询问的响应。询问和响应可以响应于IMD 10对事件的检测而发生,或者可以在检测之前已经发生,例如作为患者4的健康的部分长期监测。用户记录的健康数据可包括以下中的一者或多者:锻炼和活动数据、睡眠数据、症状数据、病史数据、生活质量数据、营养数据、药物服用或依从性数据、过敏数据、人口统计数据、体重和身高。EHR数据194可以包括关于上述患者4的历史状况或治疗的信息中的任何信息。EHR数据194可能涉及心脏骤停、快速心律失常、心肌梗塞、中风、癫痫、慢性阻塞性肺病(COPD)、肾功能障碍或高血压病史、规程(诸如消融或心脏复律)的病史以及医疗保健利用。EHR数据194还可以包括患者4的人口统计和其它信息,诸如年龄、性别、身高、体重和BMI。
规则引擎172可以将规则196应用于数据。规则196可以包括一个或多个模型、算法、决策树、和/或阈值。在一些示例中,规则196可以包括可以基于患者的临床病史针对每个患者进行个性化的分级规则或阈值。在一些情况下,规则196可以基于机器学习来开发。在一些示例中,规则196和规则引擎172的操作可以提供对数据的更复杂分析。在一些示例中,规则196包括通过机器学习开发的一个或多个模型,并且规则引擎172将从数据导出的特征向量应用于模型。
规则配置部件174可以被配置成基于指示IMD 10和计算装置12对急性健康事件的检测和确认是否准确的反馈来修改规则196。可以经由HMS 22从患者4或者从护理提供者40和/或EHR 24接收反馈。在一些示例中,规则配置部件174可以利用来自用于监督机器学习的真假检测和确认的数据集来进一步训练作为规则196的一部分被包括的模型。
如上所述,事件助理176可以为患者4和/或旁观者26提供对话界面以与计算装置12交换信息。响应于从IMD 10接收到警报消息,事件助理176可以询问用户关于患者4的状况。来自用户的响应可以被包括作为患者输入192。事件助理176可以使用自然语言处理和上下文数据来解释用户的话语。在一些示例中,除了接收对由助理提出的查询的响应之外,事件助理176可以被配置成对由用户提出的查询进行响应。在一些示例中,事件助理176可以向来自患者4或旁观者26的关于患者4的治疗的询问提供指示并对其做出响应。
位置服务178可以确定计算装置12的位置,并且由此确定患者4的推测位置。位置服务178可以使用全球定位系统(GPS)数据、多点定位和/或用于定位计算装置的任何其它已知技术。
在一些示例中,例如实施规则引擎172的处理电路130可以例如从IMD 10接收周期性呼吸参数信息。处理电路130可以例如通过将周期性呼吸参数信息应用于规则196来确定是否检测到心脏骤停。
图5是展示HMS22的操作透视图的框图。HMS22可以在计算系统20中实施,该计算系统可以包括在一个或多个物理装置中体现的硬件部件,诸如计算装置12的硬件部件。图5提供了当作为基于云的平台托管时的HMS22的操作透视图。在图5的示例中,根据实施本公开的技术的多个逻辑层来布置HMS22的部件。每层可以由包括硬件、软件或硬件与软件的组合的一个或多个模块实施。
诸如计算装置12、IoT装置30、计算装置38和计算装置42等计算装置作为经由接口层200与HMS22通信的客户端来操作。计算装置通常执行客户端软件应用,诸如桌面应用、移动应用和web应用。接口层200表示由HMS22为客户端软件应用程序提供和支持的一组应用编程接口(API)或协议接口。接口层200可以用一个或多个web服务器来实施。
如图5所示,HMS22还包括应用程序层202,该应用程序层表示用于实施在本文中归于HMS的功能性的服务210的集合。应用程序层202从客户端应用程序接收信息,例如,从计算装置12或IoT装置30接收急性健康事件的警报,并且进一步根据服务210中的一个或多个服务来处理该信息以对该信息作出响应。应用程序层202可以被实施为在一个或多个应用程序服务器(例如,物理或虚拟机)上执行的一个或多个分立软件服务210。即,应用程序服务器提供用于执行服务210的运行时环境。在一些示例中,如上所述的功能接口层200和应用程序层202的功能可以在同一服务器处实施。服务210可以经由逻辑服务总线212进行通信。服务总线212一般表示允许不同服务210诸如通过公布/订阅通信模型向其它服务发送消息的逻辑互连或接口组。
HMS22的数据层204使用一个或多个数据储存库220为PPEMS 6中的信息提供持久性。数据储存库220通常可以是存储和/或管理数据的任何数据结构或软件。数据储存库220的示例包括但不限于关系数据库、多维数据库、映射和哈希表,仅举几个示例。
如图5所示,服务230-238中的每一者在HMS22内以模块形式实施。尽管被示为用于每个服务的单独模块,但在一些示例中,两个或更多个服务的功能可以被组合到单个模块或部件中。服务230-238中的每一者可以在软件、硬件或硬件与软件的组合中实施。此外,服务230-238可以被实现为一般用于在一个或多个物理处理器上执行的独立装置、分开的虚拟机或容器、进程、线程或软件指令。
事件处理器服务230可以响应于从计算装置12和/或IoT装置30接收到指示IMD 10检测到患者的急性健康事件并且在一些示例中指示传输装置确认该检测的警报传输。事件处理器服务230可以响应于本文归于HMS22的急性健康事件的检测而发起任何操作的执行,诸如与患者4、旁观者26和护理提供者40进行通信,起动无人机46以及在一些情况下分析数据以确认或超越IMD 10对急性健康事件的检测。
记录管理服务238可以将所接收的警报消息中所包括的患者数据存储在事件记录252内。警报服务232可以将来自事件记录的一些或全部数据(在一些情况下具有如本文所述的附加信息)封装到一个或多个警报消息中以传输到旁观者26和/或护理提供者40。护理给予者数据256可以存储由警告服务232使用的数据,以基于潜在的旁观者26和护理给予者40相对于患者4的位置的位置和/或由护理给予者40提供的护理对由患者4经历的急性健康事件的适用性来识别向谁发送警告。
在HMS22执行分析以确认或超越IMD 10对急性健康事件的检测的示例中,事件处理器服务230可以将一个或多个规则250应用于在警报消息中接收的数据,例如应用于由事件处理器服务230从该数据导出的特征向量。规则250可以包括可由规则配置服务234基于机器学习来开发的一个或多个模型、算法、决策树和/或阈值。可以用于生成规则250的示例机器学习技术可以包括各种学习风格,诸如监督学习、无监督学习和半监督学习。算法的示例类型包括贝叶斯算法、聚类算法、决策树算法、正则化算法、回归算法、基于示例的算法、人工神经网络算法、深度学习算法、降维算法等。具体算法的各种示例包括贝叶斯线性回归、增强决策树回归和神经网络回归、反向传播神经网络、卷积神经网络(CNN)、长短期网络(LSTM)、先验算法、K均值聚类、K最近邻居(kNN)、学习矢量量化(LVQ)、自组织映射(SOM),局部加权学习(LWL)、脊回归、最小绝对收缩和选择算子(LASSO)、弹性网和最小角度回归(LARS)、主成分分析(PCA)以及主成分回归(PCR)。
在一些示例中,除了由HMS22使用来确认急性健康事件检测的规则之外(或者在HMS22不确认事件检测的示例中),由HMS22维护的规则250可以包括由计算装置12利用的规则196和由IMD 10使用的规则。在此类示例中,规则配置服务250可以被配置成开发和维护规则196。规则配置服务234可以被配置成基于指示IMD 10、计算装置12和/或HMS22对急性健康事件的检测和确认是否准确的事件反馈数据254来修改这些规则。事件反馈254可以例如经由计算装置12从患者4接收,或者从护理提供者40和/或EHR 24接收。在一些示例中,规则配置服务234可以利用来自真假检测的事件记录(如由事件反馈数据254所指示的)以及对监督机器学习的确认来进一步训练作为规则250的一部分被包括的模型。
如图5的示例中所展示,服务210还可以包括用于配置在计算装置12或其它计算装置中实施的事件助理176并与之交互的助理配置服务236。
图6是展示根据本公开的一种或多种技术的用于执行呼吸参数测量的示例性操作的流程图。为了方便起见,关于图1的IMD 10和计算装置12对图6进行描述。然而,图6的技术可另外或替代地由系统2的不同部件执行。
例如,IMD 10可执行一组测量,其中每次测量产生由一组值组成的数据。在一些情况下,数据可以指示患者4的一个或多个生理功能,诸如心脏功能、呼吸功能和肠功能的任何组合。例如,处理电路50可以处理数据以确定与患者的呼吸循环相关联的一个或多个参数(例如,呼吸速率、呼吸速率可变性和呼吸努力)或呼吸参数信息。处理电路50又可以分析此类参数以识别或监测一个或多个医疗状况。因为在延长的时间段内跟踪呼吸参数可能是有益的,所以在一些示例中,IMD 10可以以测量速率执行测量,如下面进一步详细描述的。
在一些示例中,IMD 10根据由计算装置12或另一装置(例如计算系统20A)经由计算装置12上载到IMD 10的测量时间表来执行测量。在一个或多个示例中,连续地执行测量。在一个或多个示例中,每1/8秒、每1/2秒、每秒、每隔一秒或每分钟执行测量。在一些示例中,当由检测到指示相对于基线信号的变化的信号的传感器触发时,将发生测量。在一些示例中,当相对于基线信号的变化指示恶化状况时,将触发测量。
在一些情况下,测量时间表可以存储在IMD 10的存储器52中。在一些示例中,测量时间表可以包括以测量速率(例如,每小时一次测量、每天一次测量、每月一次测量或任何其它有效速率)执行测量的指令。另外,在一些示例中,测量时间表包括基于一天中的时间来执行测量的指令。例如,测量可以包括仅在日间(例如从8AM到8PM)、仅在夜间(例如从12AM到6AM)执行测量的指令,或者在日间期间以第一测量速率执行测量并且在夜间期间以第二测量速率执行测量的指令,其中第一测量速率不同于第二测量速率。每次测量可持续测量持续时间,其中测量持续时间可以基于IMD 10从外部装置12或另一装置接收的指令来设置。在一些示例中,测量持续时间在10秒与60秒之间的范围内(例如,32秒)。以此方式,每次测量可以捕获多个呼吸循环,其中每个呼吸循环包括吸气阶段和呼气阶段。在一些示例中,测量持续时间可以是10秒。在一些示例中,测量持续时间在3秒与4秒之间的范围内。在一些示例中,测量持续时间可以是两个或更多个呼吸循环。
另外,由于在某些条件下执行测量可能是有益的,因此在一些示例中,IMD 10可以响应于一组患者参数或基于事件的检测来执行测量,如下面进一步详细描述的。在一些示例中,该组患者参数包括患者4的心率、患者4的姿势、患者4的活动水平、对应于患者4的心电图(ECG)、一个或多个心律失常的存在或不存在、患者触发以及来自声学传感器的数据的任何组合。在一些示例中,事件的检测可以包括SCA的检测。IMD 10可以以相应参数测量速率测量一组患者参数中的每个参数。在一些情况下,对应于该组患者参数中的每个患者参数的参数测量速率可以存储在IMD 10的存储器52中。
在框802处,IMD 10可确定是否执行测量。在一些示例中,IMD 10基于存储在存储器52中的测量时间表来确定是否执行测量。另外,在一些示例中,IMD 10基于一组患者参数来确定是否执行测量。如果IMD 10确定不执行测量(框802的“否”分支),则IMD 10继续确定是否执行测量。如果IMD 10确定执行评估(框802的“是”分支),则IMD 10继续收集一组值(804)。在一些示例中,IMD 10以100Hz与300Hz之间的采样率收集该组值。在一些情况下,采样率为128Hz。在其它情况下,采样率为256Hz。在一些示例中,该组值中的每个值限定了10位与20位之间的分辨率(例如,14位)。在一些情况下,IMD 10可以将每个值从第一分辨率截断到第二分辨率(例如,从14位到12位)。
在IMD 10收集到该组值之后,处理电路50可基于该组值确定测量是否为良好的测量(806)。例如,如果加速度计显示患者处于活动状态,则信号可能不够好以估计呼吸速率和/或努力。处理电路50可以通过将该组值的最大值、该组值的最小值、最大值与最小值之间的差或该组值的平均值与相应阈值进行比较来确定测量是否为良好的测量。例如,如果最大值与最小值之间的差大于相应阈值(例如,“噪声”阈值),则处理电路50可以确定测量的质量不足以继续处理该组值。如果处理电路50确定测量不是良好的测量(框806的“否”分支),则示例性操作可以返回到框802。如果处理电路50确定测量是良好的测量(框806的“是”分支),则示例性操作可前进到框808。
处理电路50可以被配置成识别一组正过零点(808)并识别一组负过零点(810)。在一些示例中,处理电路50可以被配置成识别一组非零阈值交叉点。在一些示例中,处理电路50可以处理该组值以滤除高频分量和低频分量,并且将该组值围绕y=0轴居中。例如,所处理的值可以表示当患者4吸气和呼气时围绕y=0轴振荡的信号。因而,所处理的值可以周期性地从负值转变为正值(例如,负向正发生)或从正值转变为负值(例如,正向负发生)。为了确定该组正过零点和该组负过零点,在一些情况下,处理电路50可以确定每个负向正发生是否满足第一组条件,并且每个正向负发生是否满足第二组条件。处理电路50可以确定满足该第一组条件的负到正发生表示该组正过零点,并且满足该第二组条件的正向负发生表示该组负过零点。
处理电路50基于该组正过零点和该组负过零点确定一个或多个呼吸参数(812)。例如,处理电路50可以使用该组正过零点和该组负过零点来确定呼吸速率和呼吸速率可变性。由于所处理的一组值可以表示指示患者4的呼吸模式的振荡信号,因此单个呼吸循环可以由分隔该组正过零点的连续正过零点的时间量或分隔该组负过零点的连续负过零点的时间量给出。因而,处理电路50可以基于该组正过零点和该组负过零点确定一组呼吸循环或呼吸间隔。使用该组呼吸循环,处理电路50可以计算平均呼吸循环,确定中值呼吸循环,计算该组呼吸的可变性,或其任何组合。为了计算对应于在相应测量期间收集的该组值的呼吸速率,例如,处理电路50可以计算对应于该组呼吸循环的中值呼吸循环的呼吸速率。
在一些示例中,处理电路50基于该组正过零点、该组负过零点和该组值来确定呼吸努力(814)。呼吸努力可以至少部分地由该组值表示的信号的振幅给出。换句话说,较深的呼吸可能导致与较浅的呼吸相比更大的信号振幅。在一些情况下,处理电路50可以确定对应于该组值的单个呼吸努力值。
在框816处,处理电路50可以确定产生该组值的测量是否为良好的测量。为了确定测量是否为良好的测量,处理电路50可以将与测量相关联的一组参数值(例如,与患者4相关联的运动水平、呼吸努力、心率、心率可变性、环境光或其任何组合)与相应阈值参数值进行比较。另外地或可替代地,在一些情况下,处理电路50可以确定参数测量是否满足一组条件。如果处理电路50确定测量不是良好的测量(框816的“否”分支),则操作返回到框802,并且IMD 10确定是否执行另一测量。如果处理电路50确定测量是良好的测量(框816的“是”分支),则处理电路50存储该组值(818)。在一些示例中,处理电路50将该组值存储在IMD 10的存储器52中,外部装置12的存储装置84或图1-图2中未绘出的另一存储装置中。另外,在一些示例中,处理电路50可以存储该组呼吸间隔(例如,从正过零点导出的一组呼吸间隔(Pi)和从负过零点导出的一组呼吸间隔(Ni))。
图7-图9示出了通过首先处理一组值,基于该组值来识别一组正过零点和一组负过零点的示例性操作。
图7是展示根据本公开的一种或多种技术的用于处理一组值的示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、计算装置12和处理电路50对图7进行描述。然而,图7的技术可另外或替代地由IMD 10的不同部件、计算装置12、处理电路50、系统2或由附加的或替代的医疗装置来执行。
当IMD 10执行测量时,IMD可收集表示一段时间内的信号的一组值。由IMD 10收集的该组值可被称为“原始信号”。该信号可由处理电路50分析以便确定呼吸参数,诸如呼吸速率、呼吸速率可变性和呼吸努力。在一些示例中,处理电路50在分析该值以确定呼吸参数之前处理原始信号可能是有益的。
如图7所示,处理电路50接收第一组值(902)。在一些情况下,处理电路50可表示IMD 10的处理电路50。在此类情况下,处理电路50可以访问存储器52以获得第一组值。另外,在一些情况下,处理电路50表示外部装置12的处理电路80。在此类情况下,处理电路50可以访问存储器52,或者访问另一存储装置,以获得该第一组值。该第一组值可以表示对应于测量的数据。另外,在一些情况下,该第一组值可以包括时间戳,该时间戳指示进行相应测量的时间。在一些示例中,该第一组值中的每对连续值由采样间隔分开。换句话说,该第一组值可以限定采样率。采样率可以在5Hz与16Hz之间的范围内(例如,8Hz),并且第一组值的持续时间可以在10秒与60秒之间的范围内(例如,32秒)。
处理电路50计算对应于第一组值中的每个值的平均值(904),并从该第一组值中的每个值中减去相应平均值以获得第二组值(906)。在一些示例中,对应于第一组值中的每个值的平均值表示第一组值的平均值。在此类示例中,当绘制数组值时,第二组值可以类似于第一组值,其中第二组值在y轴上偏移了平均值。这种偏移可以使第二组值围绕y=0轴居中。因此,由于在一些情况下数据可以示出表示患者4吸气和呼气的振荡,因此第二组值可以围绕y=0轴振荡。在一些示例中,对应于第一组值中的每个值的平均值表示第一组值的移动平均值。例如,处理电路50可以应用m样本移动平均值,其中对应于每个值的相应平均值表示在相应值之前的m个值的平均值(例如,当以8Hz对第一组值进行采样时,m=64)。另外,在一些情况下,处理电路50可以对第一组值应用高通滤波器,以便获得第二组值。在图7的示例性操作中,第二组值由信号(n)表示,其中该第二组值在长度上是n个值。
在获得第二组值之后,处理电路50计算第一组值的导数以获得第三组值(908)。例如,为了计算导数,处理电路50可以确定与第一组值中的每个值相关联的差值。每个差值可以表示在相应值之前的第一值与在相应值之后的第二值之间的差。在一些示例中,处理电路50将第三组值的前三个值设置为零。在图7的示例性操作中,第三组值由差(n)表示,其中该第三组值在长度上是n个值。
图8是展示根据本公开的一种或多种技术的用于确定测量中的一组正过零点的示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、外部装置12和处理电路50对图8进行描述。然而,图8的技术可由IMD 10的不同部件、外部装置12、处理电路50或由附加的或替代的医疗装置来执行。
在一些示例中,处理电路50至少部分地基于一组正过零点来确定一个或多个呼吸参数。例如,处理电路50可以基于该组正过零点确定一组呼吸间隔。处理电路50可以确定由IMD 10收集的数据中的该组正过零点,其中数据是在测量期间收集的。在一些示例中,IMD10可以是植入患者4中的ICM,该ICM测量用于分析的患者参数以识别或监测一个或多个患者状况,诸如SCA。例如,IMD 10可执行一组测量,其中每次测量产生由一组值组成的数据。在一些情况下,数据可以指示患者4的一个或多个生理功能,诸如心脏功能、呼吸功能和肠功能的任何组合。例如,处理电路50可以处理数据以确定与患者的呼吸循环相关联的一个或多个参数(例如,呼吸速率、呼吸速率可变性和呼吸努力),如下面进一步详细讨论的。处理电路50又可以分析此类参数以识别或监测一个或多个医疗状况。为了确定该组正过零点,处理电路50可以确定第二组值(信号(n))中的每个负向正发生是否满足一组条件。在图8的示例性操作中,该组条件可以包括框1004-1012的决策,如下面进一步详细描述的。
如图8所示,处理电路50可以评估第二组值的值n(例如,信号(n))和第三组值的对应值(例如,差(n))(1002),以确定n是否表示正过零点(例如,如图7所示的正过零点712)。在一些示例中,第二组值和第一组值可基于由IMD 10收集的第一组值(例如,原始数据)来计算。
在框1004处,处理电路50可以针对第二组值中的每个值确定第二组值的两个连续值(例如,信号(n)·信号(n-1))的乘积是否小于或等于零。在一些示例中,如果第二组值的两个连续值的乘积小于或等于零,则此可指示信号(n)以及信号(n-1)中的一者是负的,并且信号(n)以及信号(n-1中的一者是正的。另外,在一些示例中,如果第二组值中的两个连续值的乘积小于或等于零,则此可指示信号(n)和阻抗信号(n-1)中的至少一者等于零。因而,通过将两个连续值相乘,处理电路50可以确定相应的连续值是否表示过零事件。如果第二组值中的两个连续值的乘积不小于或等于零(框1004的“否”分支),则处理电路50确定相应的连续值不满足框1004的条件,并且处理电路50确定信号(n)不表示正过零点(1014)。如果第二组值中的两个连续值的乘积小于或等于零(框1004的“是”分支),则处理电路50确定相应的连续值满足框1004的条件,并且处理电路50继续评估框1006的条件。另外地或可替代地,在一些情况下,处理电路可以在框1004处监测阻抗信号的符号变化。如果检测到符号改变,则满足框1004的条件,而如果没有检测到符号改变,则不满足框1004的条件。
在框1006处,处理电路50可以确定一对连续值中的值(例如,信号(n))是否大于零,其中该对连续值(例如,信号(n)和信号(n-1))表示在框1004处由处理电路50识别的过零事件。如果处理电路50确定该值不大于零(框1006的“否”分支),则处理电路50确定相应的连续值不满足框1006的条件,并且处理电路50确定信号(n)不表示正过零点(1014)。如果处理电路50确定该值大于零(框1006的“是”分支),则处理电路50确定该值满足框1006的条件,并且处理电路50继续评估框1008的条件。
在框1008处,处理电路50可以确定第三组值的差值(例如,差(n))是否大于正阈值差值(例如,正阈值)。在一些情况下,该差值可以表示与处理电路50在框1004中确定为过零事件的一对连续值中的值(例如,信号(n))相关联的斜率。如果处理电路50确定该差值不大于正阈值差值(框1008的“否”分支),则处理电路50确定相应的连续值不满足框1008的条件,并且处理电路50确定信号(n)不表示正过零点(1014)。如果处理电路50确定该差值大于正阈值差值(框1008的“是”分支),则处理电路50确定该值满足框1008的条件,并且处理电路50继续评估框1010的条件。
在框1010处,处理电路50可以确定满足框1004-1008的条件的相应一对连续值的值(例如,信号(n))是否在正消隐窗口之外。为了确定该值是否在正消隐窗口之外,处理电路50确定该值是否在紧接在次级值n之前的一组连续次级值之外,其中该组连续次级值表示正消隐窗口。在一些示例中,该组连续次级值包括在5与15之间的范围内的数个连续次级值(例如,10)。如果在该组连续次级值内存在正过零点,则处理电路50可以确定信号(n)不在正消隐窗口之外(框1010的“否”分支),确定次级值n不满足框1010的条件,并且确定信号(n)不表示正过零点(1014)。如果在该组连续次级值内不存在正过零点,则处理电路50可以确定信号(n)在正消隐窗口之外(框1010的“是”分支),确定次级值n满足框1010的条件,并且继续评估框1012的条件。以此方式,正消隐窗口可以跟随每个有效正过零点。如果在有效正过零点之后的消隐窗口内发生潜在正过零点,则处理电路50可确定潜在正过零点无效(例如,不表示有效正过零点)。
在框1012处,处理电路50可以确定n是否大于一。如果n不大于1,则处理电路50可确定不满足框1012的条件,并确定信号(n)不表示正过零点(1014)。如果n大于1,则处理电路50可以确定满足框1004-1012的条件,并确定信号(n)表示正过零点(1016)。随后,处理电路50可以将正过零点(1018)保存在存储装置(例如,存储器52、存储装置84或另一存储装置)中作为该组正过零点的一部分。
在一些示例中,处理电路50可以对第二组值的每对连续值进行评估,以确定每对相应的连续值是否表示正过零点。在一些情况下,框1004-1012的条件可以以与图8所示不同的顺序来评估。
图9是展示根据本公开的一种或多种技术的用于确定测量中的一组负过零点的示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、外部装置12和处理电路50对图8进行描述。然而,图11的技术可由IMD 10的不同部件、计算装置12、处理电路50、系统2或由附加的或替代的医疗装置来执行。
在一些示例中,处理电路50至少部分地基于一组负过零点来确定一个或多个呼吸参数。例如,处理电路50可以基于该组负过零点确定一组呼吸间隔。处理电路50可以确定由IMD 10收集的数据中的该组负过零点,其中该数据是在测量期间收集的。在一些示例中,IMD 10可以是植入患者4中的ICM,该ICM测量用于分析的患者参数以识别或监测一个或多个患者状况,诸如SCA、心力衰竭、睡眠呼吸暂停或COPD。例如,IMD 10可执行一组测量,其中每次测量产生由一组值组成的数据。在一些情况下,数据可以指示患者4的一个或多个生理功能,诸如心脏功能和呼吸功能的任何组合。例如,处理电路50可以处理数据以确定与患者的呼吸循环相关联的一个或多个参数(例如,呼吸速率、呼吸速率可变性和呼吸努力),如下面进一步详细讨论的。处理电路50又可以分析此类参数以识别或监测一个或多个医疗状况。
如图9所示,处理电路50可以评估第二组值的值n(例如,信号(n))和第三组值的对应值(例如,差(n))(1102),以确定n是否表示负过零点(例如,如图7所示的负过零点714)。在一些示例中,第二组值和第一组值可基于由IMD 10收集的第一组值(例如,原始数据)来计算。
在框1104处,处理电路50可以针对第二组值中的每个值确定第二组值的两个连续值(例如,信号(n)·信号(n-1))的乘积是否小于或等于零。在一些示例中,如果第二组值的两个连续值的乘积小于或等于零,则此可指示信号(n)以及信号(n一1)中的一者是负的,并且信号(n)以及信号(n-1)中的一者是正的。另外,在一些示例中,如果第二组值中的两个连续值的乘积小于或等于零,则此可指示信号(n)和信号(n-1)中的至少一者等于零。因而,通过将两个连续值相乘,处理电路50可以确定相应的连续值是否表示过零事件。如果第二组值中的两个连续值的乘积不小于或等于零(框1104的“否”分支),则处理电路50确定相应的连续值不满足框1104的条件,并且处理电路50确定信号(n)不表示负过零点(1114)。如果第二组值中的两个连续值的乘积小于或等于零(框1104的“是”分支),则处理电路50确定相应的连续值满足框1104的条件,并且处理电路50继续评估框1106的条件。另外地或可替代地,在一些情况下,处理电路可以在框1104处监测阻抗信号的符号变化。如果检测到符号变化,则满足框1104的条件,而如果没有检测到符号变化,则不满足框1104的条件。
在框1106处,处理电路50可以确定一对连续值的值(例如,信号(n))是否小于零,其中该对连续值(例如,信号(n)和信号(n-1))表示在框1104处由处理电路50识别的过零事件。如果处理电路50确定该值不小于零(框1106的“否”分支),则处理电路50确定相应的连续值不满足框1106的条件,并且处理电路50确定信号(n)不表示负过零点(1114)。如果处理电路50确定该值小于零(框1106的“是”分支),则处理电路50确定该值满足框1106的条件,并且处理电路50继续评估框1108的条件。
在框1108处,处理电路50可以确定第三组值的差值(例如,差(n))是否小于负阈值差值(例如,负阈值)。在一些情况下,差值可以表示与处理电路50在框1104中确定为过零事件的一对连续值中的值(例如,信号(n))相关联的斜率。如果处理电路50确定差值不小于负阈值差值(框1108的“否”分支),则处理电路50确定相应的连续值不满足框1108的条件,并且处理电路50确定信号(n)不表示负过零点(1114)。如果处理电路50确定差值小于负阈值差值(框1108的“是”分支),则处理电路50确定值满足框1108的条件,并且处理电路50继续评估框1110的条件。
在框1110处,处理电路50可以确定满足框1104-1108的条件的相应一对连续值的值(例如,信号(n))是否在负消隐窗口之外。为了确定值是否在负消隐窗口之外,处理电路50确定值是否在紧接在次级值n之前的一组连续次级值之外,其中该组连续次级值表示负消隐窗口。在一些示例中,该组连续次级值包括在5与15之间的范围内的数个连续次级值(例如,10)。如果在该组连续次级值内存在负过零点,则处理电路50可以确定信号(n)不在负消隐窗口之外(框1110的“否”分支),确定次级值n不满足框1110的条件,并且确定信号(n)不表示负过零点(1114)。如果在该组连续次级值内不存在负过零点,则处理电路50可以确定信号(n)在负消隐窗口之外(框1110的“是”分支),确定次级值n满足框1110的条件,并且继续评估框1112的条件。以此方式,负消隐窗口可以跟随每个有效负过零点。如果在有效负过零点之后的消隐窗口内发生潜在负过零点,则处理电路50可确定潜在负过零点无效(例如,不表示有效负过零点)。
在框1112处,处理电路50可以确定n是否大于一。如果n不大于1,则处理电路50可确定不满足框1112的条件,并确定信号(n)不表示负过零点(1114)。如果n大于1,则处理电路50可以确定满足框1104-1112的条件,并确定信号(n)表示负过零点(1116)。随后,处理电路50可以将负过零点(1118)保存在存储装置(例如,存储器52或另一存储装置)中作为该组负过零点的一部分。
在一些示例中,处理电路50可以对第二组值的每对连续值进行评估,以确定每对相应的连续值是否表示负过零点。在一些情况下,框1104-1112的条件可以以与图9所示不同的顺序来评估。
图10是展示根据本公开的一种或多种技术的用于确定一组呼吸间隔的示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、计算装置12和处理电路50对图10进行描述。然而,图10的技术可由IMD 10的不同部件、外部装置12、处理电路50、系统2或由附加的或替代的医疗装置来执行。
处理电路50可以确定或在一些情况下接收从正过零点导出的一组呼吸间隔(P
如果在框1206处,处理电路50确定呼吸间隔(N
处理电路50确定呼吸速率等于60秒/分钟除以以秒为单位的呼吸间隔(1218)。以此方式,呼吸速率可以以每分钟的呼吸循环为单位。在其它示例中,处理电路50可以将呼吸速率计算为其它测量单位,诸如每秒的呼吸循环或每小时的呼吸循环。
图11是展示根据本公开的一种或多种技术的用于确定峰到峰值的示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、外部装置12和处理电路50对图11进行描述。然而,图11的技术可由IMD 10的不同部件、外部装置12、处理电路50、系统2或由附加的或替代的医疗装置来执行。
在一些示例中,处理电路50可以确定指示患者4的呼吸努力的峰到峰值,该值可表示呼吸参数信息。峰到峰值可以表示信号振幅,或对应于由IMD 10执行的测量的信号振幅的近似值。为了确定峰到峰值,处理电路50接收一组值(1302)。另外,处理电路50接收一组正过零点和一组负过零点(1304)。在一些示例中,该组正过零点和该组负过零点可以由该组值中的相应值来表示。处理电路50可以确定在每个正过零点之后的一组值(1306),并且确定在每个负过零点之后的一组值(1308)。在一些情况下,在每个相应的正过零点之后的一组值可以包括正峰值。另外,在每个相应的负过零点之后的一组值可以包括负峰值。在一些示例中,在每个正过零点之后的一组值的长度为二十个值。另外,在一些示例中,在每个负过零点之后的一组值的长度为二十个值。
处理电路50识别每个正过零点之后的一组值中的最大值(1310),并且识别每个负过零点之后的一组值中的最小值(1312)。处理电路50计算平均最大值(1314)并且计算平均最小值(1316),其中该平均最大值表示对应于一组正过零点的一组最大值的平均值,而平均最小值表示对应于一组负过零点的一组最小值的平均值。换句话说,平均最大值和平均最小值可以通过计算正过零点之后的正峰值的锁相平均值和计算负过零点之后的负峰值的锁相平均值来确定。例如,锁相平均可以包括整体平均,并且可以用于确定呼吸信号中的努力。随后,处理电路50通过从平均最大值中减去平均最小值来计算峰到峰值(1318)。在一些情况下,峰到峰值可以指示患者4的呼吸努力。例如,更大的峰到峰值可以与更大的呼吸努力(即,更深的呼吸)相关联。
峰到峰值是指示呼吸努力的呼吸参数的一个示例。另一示例是曲线下面积(AUC)测量。为了确定AUC,处理电路50可以对连续正峰值、负峰值、正过零点或负过零点之间的信号的整流型式的样本进行求和。
图12是展示根据本公开的一种或多种技术的用于确定测量的质量的示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、计算装置12和处理电路50对图12进行描述。然而,图14的技术可由IMD 10的不同部件、外部装置12、处理电路50、系统2或由附加的或替代的医疗装置来执行。
在一些示例中,IMD 10、外部装置12、处理电路50或其任何组合可以评估测量的质量。在图12的示例中,IMD 10执行对应于测量的运动水平测量(1402)。例如,IMD 10可以在IMD 10执行相应测量期间、之前不久或之后不久执行运动水平,以便获得用于确定患者4的运动水平的数据。处理电路50基于运动水平测量来确定运动水平(1404)。另外,处理电路50基于相应测量来确定呼吸努力(1406)。根据呼吸努力和运动水平,处理电路50可以被配置成评估测量的质量。
在框1408处,处理电路50确定运动水平是否小于阈值运动水平。如果运动水平不小于阈值运动水平(框1408的“否”分支),则处理电路50拒绝测量(1412)。如果运动水平小于阈值运动水平(框1408的“是”分支),则处理电路50继续评估呼吸努力是否大于阈值呼吸努力(1410)。如果呼吸努力不大于阈值呼吸努力(框1410的“否”分支),则处理电路50拒绝测量(1412)。如果呼吸努力大于阈值呼吸努力(框1410的“是”分支),则处理电路50接受测量(1414)作为质量测量。换句话说,如果运动水平小于阈值运动水平并且呼吸努力大于阈值呼吸努力,则处理电路50可以确定状况是令人满意的,使得测量可以用于确定呼吸参数,以便识别或监测一个或多个患者状况(例如,SCA)。框1408和1410可以以任何顺序执行(例如,1408在1410之前或1410在1408之前)。
图13是展示根据本公开的一种或多种技术的用于确定是否检测到心脏骤停的示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、计算装置12和处理电路50对图13进行描述。然而,图13的技术可由IMD 10的不同部件、外部装置12、处理电路50、系统2或由附加的或替代的医疗装置来执行。在一些情况下,处理电路50可表示IMD 10的处理电路50。在此类情况下,处理电路50可以访问存储器52以获得所存储的数据或指令。另外,在一些情况下,处理电路50表示外部装置12的处理电路80。在此类情况下,处理电路50可以访问存储器52。
一个或多个传感器或其它部件可以测量患者的信号(1502)并且获得信号值。该信号可以被处理电路50用于确定呼吸参数信息(1504)。在一个或多个示例中,处理器可以接收信号,诸如但不限于阻抗信号、加速度计信号,或肌电图信号、ECG信号、声波信号。可以连续地测量该信号。在一些示例中,信号测量由采样间隔分开。换句话说,第一组测量可以限定采样率。采样率可以在5Hz与16Hz之间的范围内(例如,8Hz),并且第一组值的持续时间可以在10秒与60秒之间的范围内(例如,32秒)。在一些示例中,当由事件触发时可以测量信号,该事件诸如基于另一生理参数检测到心脏骤停、心率相对于基线心率增加超过20%、在持续的持续时间内检测到快速心率(即,比240bpm快32次心跳)、患者跌倒或患者虚脱。
在一个或多个示例中,确定呼吸参数信息可以包括例如利用处理电路50估计患者的呼吸努力。在一些示例中,估计呼吸努力包括针对患者的两个或更多个呼吸循环确定信号的峰到峰振幅。在一些示例中,估计患者的呼吸努力包括针对至少一个呼吸循环确定信号的曲线下面积。在一个或多个示例中,根据信号来确定呼吸参数信息包括利用处理电路对多个呼吸循环内的信号进行平均。在一些示例中,根据信号确定呼吸参数信息包括确定呼吸循环长度、吸气斜率或呼气斜率中的至少一者。在一个或多个示例中,根据信号确定呼吸参数信息可以包括:收集信号的一组值,其中该组值指示患者的呼吸模式;使用处理电路基于该组值识别一组正过零点;基于该组值识别一组负过零点;使用该组负过零点和该组正过零点两者确定呼吸努力信息。在一个或多个示例中,处理电路50可以针对该组正过零点中的每个正过零点确定在相应正过零点之后的一组值,针对该组负过零点中的每个负过零点确定在相应负过零点之后的一组值,识别在每个正过零点之后的该组值中的最大阻抗值,识别在每个负过零点之后的该组值中的最小阻抗值,计算平均最大值,计算平均最小值,并且通过从平均最大值中减去平均最小值来计算峰到峰值。
在一个或多个示例中,根据信号确定呼吸参数信息可以包括曲线下面积(AUC)测量。为了确定AUC,处理电路50可以对连续正峰值、负峰值、正过零点或负过零点之间的信号的整流型式的样本进行求和。在一个或多个示例中,处理电路50可以测量AUC并且可以将当前AUC与先前确定的AUC(诸如,基线AUC,或在当前AUC之前一小时确定的AUC,或在当前AUC之前一天确定的AUC)进行比较。AUC的每个差异可以表示呼吸参数信息的变化,并且处理电路50可以评估呼吸参数信息的变化(1506)。使用呼吸参数信息的变化,处理电路50可以确定是否检测到心脏骤停(1508)。例如,可以基于呼吸努力的变化或患者的呼吸方式来检测SCA。在一些示例中,可以通过评估当前呼吸参数信息和对照呼吸参数信息的差或比率中的至少一者是否满足阈值来确定SCA。
图14是展示根据本公开的一种或多种技术的用于确定是否检测到心脏骤停的另一示例性操作的流程图。为了方便起见,参考图1-图2的IMD 10、计算装置12和处理电路50对图14进行描述。然而,图14的技术可由IMD 10的不同部件、计算装置12、处理电路50、系统2或由附加的或替代的医疗装置来执行。在一些示例中,归因于处理电路50的功能性可以全部或部分地由计算装置12的处理电路130执行。
一个或多个传感器或其它部件可以测量或感测患者的信号(1602)并且获得信号值。该信号可以被处理电路50用于确定呼吸参数信息(1604)。在一个或多个示例中,处理器可以接收信号,诸如但不限于阻抗信号、加速度计信号或肌电图信号。可以连续地测量该信号。可以随时间测量信号并将其存储以确定对照呼吸参数信息。例如,对照呼吸参数信息可以反映患者的正常呼吸努力。在一些示例中,对照呼吸参数信息可以反映相似年龄、体重、健康背景等的患者的正常呼吸努力。
在一些示例中,信号测量由采样间隔分开。换句话说,第一组测量可以限定采样率。采样率可以在5Hz与16Hz之间的范围内(例如,8Hz),并且第一组值的持续时间可以在10秒与60秒之间的范围内(例如,32秒)。在一些示例中,当由事件触发时可以测量信号,该事件诸如基于另一生理参数检测到心脏骤停、中风、心肌梗塞或患者跌倒中的一者或多者、心率相对于基线心率增加超过20%,或患者虚脱。
在一个或多个示例中,确定呼吸参数信息可以包括例如利用处理电路50估计患者的呼吸努力。在一些示例中,估计呼吸努力包括针对患者的两个或更多个呼吸循环确定信号的峰到峰振幅。在一些示例中,估计患者的呼吸努力包括针对至少一个呼吸循环确定信号的曲线下面积。在一个或多个示例中,根据信号来确定呼吸参数信息包括利用处理电路对多个呼吸循环内的信号进行平均。在一些示例中,根据信号确定呼吸参数信息包括确定呼吸循环长度、吸气斜率或呼气斜率中的至少一者。在一个或多个示例中,根据信号确定呼吸参数信息可以包括:收集信号的一组值,其中该组值指示患者的呼吸模式;使用处理电路基于该组值识别一组正过零点;基于该组值识别一组负过零点;使用该组负过零点和该组正过零点两者确定呼吸努力信息。在一个或多个示例中,处理电路50可以针对该组正过零点中的每个正过零点确定在相应正过零点之后的一组值,针对该组负过零点中的每个负过零点确定在相应负过零点之后的一组值,识别在每个正过零点之后的该组值中的最大值,识别在每个负过零点之后的该组值中的最小阻抗值,计算平均最大值,计算平均最小值,并且通过从平均最大值中减去平均最小值来计算峰到峰值。
在一个或多个示例中,根据信号确定呼吸参数信息可以包括曲线下面积(AUC)测量。为了确定AUC,处理电路50可以对连续正峰值、负峰值、正过零点或负过零点之间的信号的整流型式的样本进行求和。在一个或多个示例中,处理电路50可以测量AUC并且可以将当前AUC与先前确定的AUC(诸如基线AUC,或在当前AUC之前一小时确定的AUC,或在当前AUC之前一天确定的AUC)进行比较。AUC的每个差异可以表示呼吸参数信息的变化,并且处理电路50可以评估呼吸参数信息的变化。
在示例性示例中,处理电路50可以基于当前感测到的信号来评估当前呼吸参数信息与对照呼吸参数信息之间的差(1606),该对照呼吸参数信息可以涉及用于正常呼吸和/或正常呼吸努力的呼吸参数信息。在一些示例中,处理电路50可以基于患者的呼吸努力对呼吸参数信息进行分类。
与阈值进行比较,监测当前呼吸参数信息与对照呼吸参数信息之间的差。在一些示例中,基于当前呼吸参数信息与对照呼吸参数信息的比较来检测SCA。在一些示例中,基于确定当前呼吸参数信息和对照呼吸参数信息的差或比率中的至少一者是否满足阈值来检测SCA。如果当前呼吸参数信息与对照呼吸参数信息之间的差不满足阈值(框1608的“否”分支),则处理电路50继续感测来自患者的信号(1602)。如果当前呼吸参数信息与对照呼吸参数信息之间的差不满足阈值(框1608的“是”分支),则处理电路50发送心脏骤停警报(1610)。在一些示例中,警报可以是联系医院、召唤救护车、在患者居所中发出警报、警示附近的护理提供者、联系EMS(例如,在美国/北美使用电话系统来联系911呼叫中心),或召唤启用无人机的AED。
尽管本文主要在用于识别指示SCA的呼吸变化的时域技术的上下文中进行描述,但是也考虑了其它技术。例如,处理电路可以接收数字化呼吸信号(例如,阻抗、加速度计或EMG信号)形式的周期性呼吸参数信息,并且将该信号或从该信号导出的特征向量应用于一个或多个机器学习模型。处理电路可以基于一个或多个机器学习模型的输出来确定是否检测到SCA。
实施例1.一种方法,包括:通过处理电路接收周期性呼吸参数信息,其中该呼吸参数信息包括患者的呼吸努力;以及通过该处理电路并且基于该呼吸参数信息来确定是否检测到该患者的心脏骤停。
实施例2.根据实施例1所述的方法,其中该呼吸参数信息包括该患者的呼吸速率。
实施例3.根据实施例1或2所述的方法,其中接收呼吸参数信息包括连续地接收呼吸参数信息。
实施例4.根据实施例1或2所述的方法,其中接收呼吸参数信息包括响应于检测到事件而接收呼吸参数信息。
实施例5.根据实施例4所述的方法,其中响应于检测到该事件而接收呼吸参数信息包括响应于基于另一生理参数检测到心脏骤停、中风、心肌梗塞或患者跌倒中的一者或多者而接收呼吸参数信息。
实施例6.根据实施例1至5中任一项所述的方法,其中接收呼吸参数信息包括:从传感器接收信号;以及根据该信号确定该呼吸参数信息。
实施例7.根据实施例6所述的方法,其中接收该信号包括接收阻抗信号、加速度计信号、或肌电图信号、ECG信号、光信号、声波信号中的一者或多者。
实施例8.根据实施例6或7所述的方法,其中确定该呼吸参数信息包括利用该处理电路来估计该患者的该呼吸努力。
实施例9.根据实施例8的方法,其中估计该呼吸努力包括针对该患者的两个或更多个呼吸循环来确定该信号的峰到峰振幅。
实施例10.根据实施例8所述的方法,其中估计该患者的该呼吸努力包括针对至少一个呼吸循环来确定该信号的曲线下面积。
实施例11.根据实施例6至10中任一项所述的方法,其中根据该信号来确定该呼吸参数信息包括利用该处理电路对多个呼吸循环内的该信号进行平均。
实施例12.根据实施例6至11中任一项所述的方法,其中根据该信号确定该呼吸参数信息包括确定呼吸循环长度、吸气斜率或呼气斜率中的至少一者。
实施例13.根据实施例1至12中任一项所述的方法,该方法还包括将当前呼吸参数信息与对照呼吸参数信息进行比较,其中确定是否检测到心脏骤停包括基于该比较确定是否检测到心脏骤停。
实施例14.根据实施例13所述的方法,该方法还包括根据先前信号来确定该对照呼吸参数信息。
实施例15.根据实施例13或14所述的方法,其中基于该比较来确定是否检测到该心脏骤停包括确定该当前呼吸参数信息与该对照呼吸参数信息的差或比率中的至少一者是否满足阈值。
实施例16.根据实施例6至12中任一项所述的方法,其中根据该信号确定该呼吸参数信息包括:收集该信号的一组值,其中该组值指示患者的呼吸模式;使用该处理电路基于该组值来识别一组正过零点;使用该处理电路基于该组值来识别一组负过零点;以及使用该组负过零点和该组正过零点两者来确定该呼吸努力信息。
实施例17.根据实施例16所述的方法,该方法还包括:针对该组正过零点中的每个正过零点,确定在相应正过零点之后的一组值;针对该组负过零点中的每个负过零点,确定在相应负过零点之后的一组值;识别在每个正过零点之后的该组值中的最大值;识别在每个负过零点之后的该组值中的最小值;计算平均最大值;计算平均最小值;以及通过从该平均最大值中减去该平均最小值来计算峰到峰值。
实施例18.根据实施例1所述的方法,该方法还包括基于该患者的呼吸努力对呼吸参数信息进行分类。
实施例19.根据实施例1至18中任一项所述的方法,该方法还包括基于确定检测到心脏骤停而发送警报。
实施例20.一种装置,包括:处理电路;和存储器,该存储器包括程序指令,当该程序指令被该处理电路执行时,使得该处理电路:接收周期性呼吸参数信息,其中该呼吸参数信息包括患者的呼吸努力;以及基于该呼吸参数信息来确定是否检测到该患者的心脏骤停。
实施例21.根据实施例20所述的装置,其中该呼吸参数信息包括该患者的呼吸速率。
实施例22.根据实施例20或21所述的装置,其中该指令使得该处理电路连续地接收呼吸参数信息。
实施例23.根据实施例20或21所述的装置,其中该指令使得该处理电路响应于检测到事件而接收呼吸参数信息。
实施例24.根据实施例23所述的装置,其中该指令使得该处理电路响应于基于另一生理参数检测到心脏骤停而接收呼吸参数信息。
实施例25.根据实施例20至24中任一项所述的装置,其中该指令使得该处理电路:从传感器接收信号;以及根据该信号来确定该呼吸参数信息。
实施例26.根据实施例25所述的装置,其中该指令使得该处理电路接收阻抗信号、加速度计信号或肌电图信号中的一者或多者。
实施例27.根据实施例25或26所述的装置,其中该指令使得该处理电路基于该信号来估计该患者的该呼吸努力。
实施例28.根据实施例27所述的装置,其中为了估计该呼吸努力,该指令使得该处理电路针对该患者的两个或更多个呼吸循环来确定该信号的峰到峰振幅。
实施例29.根据实施例27所述的装置,其中为了估计该呼吸努力,该指令使得该处理电路针对至少一个呼吸循环来确定该信号的曲线下面积。
实施例30.根据实施例25至29中任一项所述的装置,其中为了根据该信号来确定该呼吸参数信息,该指令使得该处理电路利用该处理电路对多个呼吸循环内的该信号进行平均。
实施例31.根据实施例25至30中任一项所述的装置,其中为了根据该信号确定该呼吸参数信息,该指令使得该处理电路确定呼吸循环长度、吸气斜率或呼气斜率中的至少一者。
实施例32.根据实施例20至31中任一项所述的装置,其中该指令使得该处理电路将当前呼吸参数信息与对照呼吸参数信息进行比较,其中为了确定是否检测到心脏骤停,该指令使得该处理电路基于该比较来确定是否检测到心脏骤停。
实施例33.根据实施例32所述的装置,其中该指令使得该处理电路根据先前信号确定该对照呼吸参数信息。
实施例34.根据实施例32或33所述的装置,其中为了基于该比较来确定是否检测到该心脏骤停,该指令使得该处理电路确定该当前呼吸参数信息与该对照呼吸参数信息的差或比率中的至少一者是否满足阈值。
实施例35.根据实施例25至31中任一项所述的装置,其中为了根据该信号确定该呼吸参数信息,该指令使得该处理电路:收集该信号的一组值,其中该组值指示患者的呼吸模式;基于该组值识别一组正过零点;基于该组值识别一组负过零点;以及使用该组负过零点和该组正过零点两者来确定该呼吸参数信息。
实施例36.根据实施例35所述的装置,其中该指令使得该处理电路:针对该组正过零点中的每个正过零点,确定在相应正过零点之后的一组值;针对该组负过零点中的每个负过零点,确定在相应负过零点之后的一组值;识别在每个正过零点之后的该组值中的最大值;识别在每个负过零点之后的该组值中的最小值;计算平均最大值;计算平均最小值;以及通过从该平均最大值中减去该平均最小值来计算峰到峰值。
实施例37.根据实施例20所述的装置,其中该指令使得该处理电路基于该患者的呼吸努力对呼吸参数信息进行分类。
实施例38.根据实施例20至37中任一项所述的装置,其中该指令使得该处理电路基于确定检测到心脏骤停而发送警报。
实施例39.一种存储用于使处理电路执行方法的指令的非暂态计算机可读介质,该方法包括:接收周期性呼吸参数信息,其中该呼吸参数信息包括患者的呼吸努力;以及基于该呼吸参数信息确定是否检测到该患者的心脏骤停。
本公开中描述的技术可至少部分地以硬件、软件、固件或其任何组合的形式实现。例如,这些技术的各个方面可在一个或多个微处理器、DSP、ASIC、FPGA或任何其它等效的集成或离散逻辑QRS电路以及此类部件的任何组合中实现,此类组件体现在外部装置(诸如医师或患者编程器、模拟器或其它装置)中。术语“处理器”和“处理电路”通常可为指单独的或与其它逻辑电路组合的前述逻辑电路中的任何逻辑电路或单独的或与其它数字或模拟电路组合的任何其它等效电路。
对于以软件实现的各个方面,归因于本公开中描述的系统和装置的功能中的至少一些可体现为计算机可读存储介质上的指令,诸如RAM、DRAM、SRAM、磁盘、光盘、闪存存储器或各种形式的EPROM或EEPROM。可以执行指令以支持本公开中所述的功能的一个或多个方面。
除此之外,在一些方面,本文所述的功能可以设置在专用硬件和/或软件模块内。将不同特征描述为模块或单元旨在突出不同的功能方面,并且不一定暗示此类模块或单元必须由单独的硬件或软件部件来实现。相反,与一个或多个模块或单元相关联的功能可由单独的硬件或软件部件执行,或者集成在公共或单独的硬件或软件部件内。另外,本技术可在一个或多个电路或逻辑元件中完全实施。本公开的技术可在各种装置或设备中实现,包括IMD、外部编程器、IMD和外部编程器的组合、集成电路(IC)或一组IC和/或驻留在IMD和/或外部编程器中的离散电路。
权利要求书(按照条约第19条的修改)
1.一种方法,所述方法包括:
响应于检测到事件而通过处理电路接收周期性呼吸参数信息,其中所述呼吸参数信息包括患者的呼吸努力;以及
通过所述处理电路并且基于所述呼吸参数信息来确定是否检测到所述患者的心脏骤停。
2.根据权利要求1所述的方法,其中所述呼吸参数信息包括所述患者的呼吸速率。
3.根据权利要求1所述的方法,其中接收呼吸参数信息包括连续地接收呼吸参数信息。
4.根据权利要求1所述的方法,其中响应于检测到所述事件而接收呼吸参数信息包括响应于基于另一生理参数检测到心脏骤停、中风、心肌梗塞或患者跌倒中的一者或多者而接收呼吸参数信息。
5.根据权利要求1至4中任一项所述的方法,其中接收呼吸参数信息包括:
从传感器接收信号;以及
根据所述信号来确定所述呼吸参数信息。
6.根据权利要求5所述的方法,其中接收所述信号包括接收阻抗信号、加速度计信号、或肌电图信号、ECG信号、光信号、声波信号中的一者或多者。
7.根据权利要求5所述的方法,其中确定所述呼吸参数信息包括利用所述处理电路来估计所述患者的所述呼吸努力。
8.根据权利要求7所述的方法,其中估计所述呼吸努力包括针对所述患者的两个或更多个呼吸循环来确定所述信号的峰到峰振幅。
9.根据权利要求7所述的方法,其中估计所述患者的所述呼吸努力包括针对至少一个呼吸循环来确定所述信号的曲线下面积。
10.根据权利要求5所述的方法,其中根据所述信号来确定所述呼吸参数信息包括利用所述处理电路对多个呼吸循环内的所述信号进行平均。
11.根据权利要求5所述的方法,其中根据所述信号来确定所述呼吸参数信息包括确定呼吸循环长度、吸气斜率或呼气斜率中的至少一者。
12.根据权利要求1所述的方法,所述方法还包括将当前呼吸参数信息与对照呼吸参数信息进行比较,其中确定是否检测到心脏骤停包括基于所述比较来确定是否检测到心脏骤停。
13.一种装置,所述装置包括:
处理电路;和
存储器,所述存储器包括程序指令,所述程序指令在由所述处理电路执行时使所述处理电路:
响应于检测到事件而接收周期性呼吸参数信息,其中所述呼吸参数信息包括患者的呼吸努力;以及
基于所述呼吸参数信息来确定是否检测到所述患者的心脏骤停。
14.一种非暂态计算机可读介质,所述非暂态计算机可读介质存储用于使处理电路执行方法的指令,所述方法包括:
响应于检测到事件而接收周期性呼吸参数信息,其中所述呼吸参数信息包括患者的呼吸努力;以及
基于所述呼吸参数信息来确定是否检测到所述患者的心脏骤停。
- 基于感测控制参数来预测心脏事件感测的医疗设备和方法
- 用于调整用于心脏事件感测的控制参数的方法和设备