CN102499651A - 用于监护***的报警方法 - Google Patents

用于监护***的报警方法 Download PDF

Info

Publication number
CN102499651A
CN102499651A CN2011103248823A CN201110324882A CN102499651A CN 102499651 A CN102499651 A CN 102499651A CN 2011103248823 A CN2011103248823 A CN 2011103248823A CN 201110324882 A CN201110324882 A CN 201110324882A CN 102499651 A CN102499651 A CN 102499651A
Authority
CN
China
Prior art keywords
forecast
monitor system
alarm method
alarm
parameter
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN2011103248823A
Other languages
English (en)
Inventor
邹焱飚
蒋贤海
张铁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN2011103248823A priority Critical patent/CN102499651A/zh
Publication of CN102499651A publication Critical patent/CN102499651A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种用于监护***的报警方法，基于Daubechies小波基将监护信息时序数据分解为高频信号和低频信号；采用最小二乘支持向量机算法，分别建立高频信号和低频信号的预报模型；由预报模型确定预报值，利用小波逆变换获得到最终预报结果。本发明采用粒子群优化算法能实时地根据观测数据和估计结果来自动调整模型参数，以实现对“慢”时变生理参数时间序列的追踪，保证模型准确性。本发明可根据建模结果，作前向预报，确定预报值和上下域值，自动设置为报警域值，从而实现可根据不同监护对象建立因人而异的报警模型，自动设置报警阈值。本发明可应用于医院中的中央监护***、重症监护病房、冠心病重症监护以及社区远程监护***中。

Description

用于监护***的报警方法
技术领域
本发明属于生物医学信号处理领域，尤其涉及一种用于监护***的报警方法。
背景技术
现有的监护***主要采用如下两种的分析方式：基于预置阈值的分析方式法和M.Imboff等人提出的基于时序建模的分析方法。这两种方式在使用过程中均存在一定问题。
基于预置阈值的分析方式是指：监护***对监测的各项生命体征参数分别设定上下限(如：对于心率参数预先设定上限为120、下限为50，当监测值超出此范围时，即发出报警信息)，这种分析方式存在着增加***运行复杂性、易出现误报警信息、无法反映监护对象身体状况变化等缺点。
通常的多参数生理监护仪可实现几个甚至多达十几种生理参数监护功能， 监护内容涉及到心血管***、呼吸***。由于监护对象的身体状况各异，要求预置阈值也存在差异。因此往往需要为每个监护对象的各种生理参数分别预置阈值。这无疑增加***运行的复杂性。
通常连续检测的过程数据集中都包含有0.5%～10%，甚至20%的异常值，高质量的数据中也常有0.01%～0.05%的异常值。这些异常值表现为远离大多数观察值的形式出现。同时这些异常点通常会超出预置阈值，触发报警信息产生。在重症监护病房(ICUs)的生理参数连续监测***中，这种现象同样经常出现。ICUs起源于二战期间，在救护车中对全身麻醉情况下进行手术后的战士进行监护，这一项技术在1947－1952年期间获得广泛的应用。目前ICUs的医疗监护技术已经非常完善，但是它的用于监护***的报警方法在近二十年却一直引起相关研究人员的关注。其中主要原因就是由于在连续监护过程中，由于采用预置阈值的分析方式带来大量的误报警信息，给医护人员带来大量的额外工作负担。而这主要是由于检测仪器误差、以及由于监护对象移动产生的异常值造成的。
监护***的目的更重要的是能尽快的发现身体状况的变化。监护***中监护信息的状况归纳为如图1、图2、图3、图4所示的四种。
图1是监护信息处于稳定状态的示意图。图2是监护信息有异常值出现的示意图，显示在100、200、350位置出现异常值，这些异常点经常是由于监护***或者环境所造成的，并非反映监护对象身体状况真实的变化，因此虽然测量值超出预置阈值，但显然无需发出报警信息。相关统计资料显示在ICUs中超出50%的误报警信息是有异常值引起的。图3是监护对象出现状态偏移的示意图，图4是监护对象出现趋势变化的示意图，图3以及图4虽然检测值可能还未达到预置阈值，但是表示监护对象出现异常状况，要求及早发现，提请医护人员对监护对象的状况予以关注。因此对于图3以及图4中的两种状态要实现实时在线识别，并发出报警信息。
M.Imboff等人提出的基于时序建模的分析方法是：
(1) 采用自回归模型                                                
Figure 118675DEST_PATH_IMAGE002
；
(2) 采用数据长度为90的数据窗，且以步长为30个数据向前移动；
(3) 在每个时间窗中，前60个数据用于辨识
Figure 2011103248823100002DEST_PATH_IMAGE003
模型的参数
Figure 38090DEST_PATH_IMAGE004
、
Figure 2011103248823100002DEST_PATH_IMAGE005
；后将此模型作向前30步的预报，概率限为95%，确定预报上下阈值PI；
(4) 将后30个数据与PI做比较；
稳定状态(图1)：所有的数据均未超出PI范围；
有异常值(图2)：连续超出PI范围点个数
Figure 794693DEST_PATH_IMAGE006
5个；
状态偏移(图3)：连续超出PI范围点个数>5个。
M.Imboff等人提出的基于时序建模的分析方法的核心思想是：通过采用低阶模型，尽量减少建模所需要的数据量，实现模型快速识别，但是这会使得模型精度降低，从而导致不准确的预报。
对于用于监护***的报警方法问题国内外许多学者都曾进行研究，并提出相关设想。Korhonen I等提出当健康监护***运行在长期的条件下如：超过一个月甚至一年，那么传感器数据的自动处理将变得非常关键；处理的内容涉及到误差的检测和补偿、监护参数的特征提取如：长期趋势的发现、以及必要的报警信息发布。杨杰等也谈到不同年龄、性别、体质、疾病的监护对象，其识别报警的模型应是不相同的，监护***应该能根据不同年龄、性别、体质、疾病的监护对象，通过自学习来进行建模,并能根据多重识别模型进行识别推理。但他们都没有对此问题有完整解决方案提出。
发明内容
本发明的目的在于提供一种用于监护***的报警方法，通过用于监护***的报警方法的研究，对不同年龄、性别、体质、疾病的监护对象，建立因人而异的监护报警模型，实时的发现监护过程中出现的异常信息。
为此，本发明采用的技术方案步骤如下：
(1) 监护***在线运行，获得数据，作为样本数据集A；
 (2) 对样本数据集A采用Daubechies小波基进行分解；
(3) 对上述分解获得各层信号进行建模，建模类型为最小二乘支持向量机(LS-SVM)；
(4) 应用粒子群优化算法确定LS-SVM模型参数；
(5) 用获得的LS-SVM模型对小波分解的各层数据进行预报；
(6) 采用Mallat算法，合成各分解序列的预报结果，并对合成的低频系数和高频系数分别进行小波重构，得到最终的预报结果；
(7) 作前向预报确定预报上下阈值PI，并对监护对象处于何种状态做出判断； 
(8) 作前向递推修正模型参数，并重新开始预报和判断过程。
所述步骤(1)中获得数据是获得100个数据。
所述步骤(1)中监护***的客户端由三个生理参数检测模块构成，分别是630A 无创血压模块、811心电/呼吸/体温模块、9003血氧模块。
所述步骤(1)中样本数据集A包括血压、心电、呼吸、体温和血氧。
所述步骤(2)中Daubechies小波基分解层数为3层。
所述步骤(3)中的建模步骤如下：
监护信息的样本集
Figure 2011103248823100002DEST_PATH_IMAGE007
，其中
Figure 446254DEST_PATH_IMAGE008
，，在特征空间构造线性回归LS-SVM模型：
Figure 2011103248823100002DEST_PATH_IMAGE011
    其中，
Figure 11414DEST_PATH_IMAGE012
为核函数，
Figure 2011103248823100002DEST_PATH_IMAGE013
为将输入向量
Figure 622524DEST_PATH_IMAGE014
映射成特征空间
Figure 2011103248823100002DEST_PATH_IMAGE015
中的向量，
Figure 710565DEST_PATH_IMAGE016
，参数
Figure 2011103248823100002DEST_PATH_IMAGE017
、
Figure 2011103248823100002DEST_PATH_IMAGE019
由下式确定：
Figure 2011103248823100002DEST_PATH_IMAGE021
 其中
Figure 2011103248823100002DEST_PATH_IMAGE023
，
Figure 2011103248823100002DEST_PATH_IMAGE025
，
Figure 2011103248823100002DEST_PATH_IMAGE027
，以及
Figure 2011103248823100002DEST_PATH_IMAGE029
。
所述步骤(4)中的LS-SVM模型参数包括核函数参数σ、调整参数γ。
所述步骤(7)中监护对象的状态包括稳定状态、有异常值和状态偏移。
所述步骤(7)中前向预报的步数为20~30步。
所述步骤(8)中前向递推的步数为20~30步。
本发明提出的方法基于Daubechies小波基将监护信息时序数据分解为高频信号和低频信号；采用最小二乘支持向量机算法，分别建立高频信号和低频信号的预报模型；由预报模型确定预报值，利用小波逆变换获得到最终预报结果，并自动设置报警阈值的算法框架。
本发明与现有技术相比，具有如下优点和有益效果：
(1) 本发明应用Daubechies小波基将监护信息时序数据分解为高频信号和低频信号；采用最小二乘支持向量机算法，分别建立高频信号和低频信号的预报模型，以提高模型的精度。
 (2) 本发明应用PSO粒子群优化算法，实时地根据观测数据和估计结果来自动调整模型参数，以实现对“慢”时变生理参数时间序列的追踪，保证模型的准确性。
(3) 本发明可根据建模结果，应用预报理论，作前向预报，确定预报值，以及预报上下域值，并将它自动设置为报警域值，从而实现可根据不同的监护对象建立因人而异的报警模型，自动设置报警阈值。
附图说明
图1是监护对象处于稳定状态的示意图；
图2是监护***有异常值出现的示意图；
图3是监护对象出现状态偏移的示意图；
图4是监护对象出现趋势变化的示意图；
图5是监护***框图的示意图；
图6是监护***的客户端示意图；
图7是本用于监护***的报警方法的算法流程图；
图8是应用本方法对心率数据的建模和预报结果；
图9是应用本方法对心率数据的预报误差。
具体实施方式
为了更好地理解本发明，下面结合附图对本发明作进一步地描述。
图5是监护***框图的示意图，监护***的客户端由三个生理参数检测模块构成，分别是630A 无创血压模块、811心电/呼吸/体温模块、9003血氧模块，对监护对象的血压、心电、呼吸、体温、以及血氧等生理参数进行在线、连续检测；三个监护模块通过PC104总线***构建客户端监护***，客户端和社区远程监护***之间通过PC104总线上的网络接口联接。
图6是监护***的客户端示意图，新型智能生理参数监护仪对监护对象的生理参数进行实时检测，通过内嵌的用于监护***的报警方法对数据进行分析处理，识别出监护对象异常状况，并将数据通过网络接口传给社区远程监护中心，社区远程监护中心对此做出实时响应。
图7是本用于监护***的报警方法流程图。基于Daubechies小波基将监护信息时序数据分解为高频信号和低频信号；采用最小二乘支持向量机算法，分别建立高频信号和低频信号的预报模型；由预报模型确定预报值，利用小波逆变换获得到最终预报结果，并自动设置报警阈值的算法框架。其中，
Figure 2011103248823100002DEST_PATH_IMAGE031
为原始监护信号经过小波分解后获得的低频信号，
Figure 2011103248823100002DEST_PATH_IMAGE033
、
Figure 2011103248823100002DEST_PATH_IMAGE035
、以及
Figure 2011103248823100002DEST_PATH_IMAGE037
为原始监护信号经过小波分解后获得的高频信号。
应用本方法对PhysioBank生理参数数据库的数据进行分析处理，图8是应用本方法对心率数据的心率数据的建模和预报结果，图9是应用本方法对心率数据的预报误差分析结果，得出如下结论：（1）、建模结果满足基于残差分析的模型检验方法；（2）、预报结果通过和M.Imboff所提出的、用于重症监护病房监护***的分析方法获得的预报结果相比较，证明本方法是一种性能更好、更优化的方法；（3）、此方法可对连续监测获得的生理参数时间序列进行分析处理，实现在线、实时报警。
基于用于监护***的报警方法，构建的社区远程监护***能实现对于缺乏自理能力的老年人、残疾人提供监护功能，使他们恢复部份生活自理能力，减轻家人的护理负担，使他们更好地融入家庭生活。同时把若干分布于一定社区、医院或地方区域内的监护对象置于网络化监控***之内，对老年人、残疾人健康相关的生理参数进行实时检测，并应用用于监护***的报警方法进行分析处理，识别出监护对象异常状况，并发出报警信息。
本发明可对监护***中连续监测获得的生命体征数据进行分析处理，包括心电、血压、血氧、脉搏、呼吸、体温，而且监护***的采样率>1S；本发明的建模结果满足基于残差分析的模型检验方法，另外本发明的分析结果和相关医学专家的分析结果基本相符，准确率达到95%以上。
本发明可应用于医院中的中央监护***、重症监护病房(ICU)、冠心病重症监护(CCU)以及社区远程监护***中，对连续监测的生命体征参数进行分析处理，发现异常信息。

Claims (10)

1.一种用于监护***的报警方法，其特征在于步骤如下：
(1) 监护***在线运行，获得数据，作为样本数据集A；
(2) 对样本数据集A采用Daubechies小波基进行分解；
(3) 对上述分解获得各层信号进行建模，建模类型为最小二乘支持向量机(LS-SVM)；
(4) 应用粒子群优化算法确定LS-SVM模型参数；
(5) 用获得的LS-SVM模型对小波分解的各层数据进行预报；
(6) 采用Mallat算法，合成各分解序列的预报结果，并对合成的低频系数和高频系数分别进行小波重构，得到最终的预报结果；
(7) 作前向预报确定预报上下阈值PI，并对监护对象处于何种状态做出判断； 
(8) 作前向递推修正模型参数，并重新开始预报和判断过程。
2.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(1)中获得数据是获得100个数据。
3.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(1)中监护***的客户端由三个生理参数检测模块构成，分别是630A 无创血压模块、811心电/呼吸/体温模块、9003血氧模块。
4.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(1)中样本数据集A包括血压、心电、呼吸、体温和血氧。
5.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(2)中Daubechies小波基分解层数为3层。
6.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(3)中的建模步骤如下：
监护信息的样本集                                                
Figure 496204DEST_PATH_IMAGE001
，其中
Figure 293259DEST_PATH_IMAGE002
，
Figure 574199DEST_PATH_IMAGE003
，在特征空间
Figure 747691DEST_PATH_IMAGE004
构造线性回归LS-SVM模型：
Figure 961635DEST_PATH_IMAGE005
其中，
Figure 929591DEST_PATH_IMAGE006
为核函数，
Figure 25723DEST_PATH_IMAGE007
，
Figure 675010DEST_PATH_IMAGE008
为将输入向量
Figure 540198DEST_PATH_IMAGE009
映射成特征空间
Figure 613809DEST_PATH_IMAGE010
中的向量，
Figure 197237DEST_PATH_IMAGE011
，参数
Figure 446952DEST_PATH_IMAGE012
、
Figure 369909DEST_PATH_IMAGE013
由下式确定：
Figure 679668DEST_PATH_IMAGE014
 其中
Figure 688075DEST_PATH_IMAGE015
，
Figure 741482DEST_PATH_IMAGE016
，
Figure 581262DEST_PATH_IMAGE017
，以及
Figure 999605DEST_PATH_IMAGE018
。
7. 根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(4)中的LS-SVM模型参数包括核函数参数σ、调整参数γ。
8.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(7)中监护对象的状态包括稳定状态、有异常值和状态偏移。
9.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(7)中前向预报的步数为20~30步。
10.根据权利要求1所述的用于监护***的报警方法，其特征在于所述步骤(8)中前向递推的步数为20~30步。
CN2011103248823A 2011-10-24 2011-10-24 用于监护***的报警方法 Pending CN102499651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011103248823A CN102499651A (zh) 2011-10-24 2011-10-24 用于监护***的报警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011103248823A CN102499651A (zh) 2011-10-24 2011-10-24 用于监护***的报警方法

Publications (1)

Publication Number Publication Date
CN102499651A true CN102499651A (zh) 2012-06-20

Family

ID=46211833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011103248823A Pending CN102499651A (zh) 2011-10-24 2011-10-24 用于监护***的报警方法

Country Status (1)

Country Link
CN (1) CN102499651A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473480A (zh) * 2013-10-08 2013-12-25 武汉大学 基于改进万有引力支持向量机的在线监测数据校正方法
CN104905770A (zh) * 2014-03-13 2015-09-16 南京理工大学 基于物联网和svm分析的人体健康状态检测***
CN105204413A (zh) * 2015-08-19 2015-12-30 武汉联中科技有限公司 一种用于穿戴设备的信息处理***及方法
CN107928631A (zh) * 2017-12-21 2018-04-20 哈尔滨工业大学 基于差分路径因子估计的近红外脑功能信号处理方法
CN110013243A (zh) * 2018-01-08 2019-07-16 映泰股份有限公司 心电信号警示装置
WO2020132799A1 (zh) * 2018-12-24 2020-07-02 深圳迈瑞生物医疗电子股份有限公司 一种监护设备的报警限值设置方法及装置
CN111938607A (zh) * 2020-08-20 2020-11-17 中国人民解放军总医院 基于多元参数融合的智能监护报警方法及其***
CN117042031A (zh) * 2023-10-08 2023-11-10 深圳曼瑞德科技有限公司 一种移动通讯终端及远程血氧监护***
CN117275648A (zh) * 2023-11-21 2023-12-22 南通大学附属医院 一种基于物联网的重症监护病房患者智能护理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7058712B1 (en) * 2002-06-04 2006-06-06 Rockwell Automation Technologies, Inc. System and methodology providing flexible and distributed processing in an industrial controller environment
CN1803088A (zh) * 2006-01-20 2006-07-19 华南理工大学 一种智能化监护***报警方法
CN101329697A (zh) * 2008-06-11 2008-12-24 电子科技大学 一种基于混杂算法的模拟电路状态预测方法
EP2369529A1 (en) * 2010-03-24 2011-09-28 Alcatel Lucent A method of detecting anomalies in a message exchange, corresponding computer program product, and data storage device therefor

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7058712B1 (en) * 2002-06-04 2006-06-06 Rockwell Automation Technologies, Inc. System and methodology providing flexible and distributed processing in an industrial controller environment
CN1803088A (zh) * 2006-01-20 2006-07-19 华南理工大学 一种智能化监护***报警方法
CN101329697A (zh) * 2008-06-11 2008-12-24 电子科技大学 一种基于混杂算法的模拟电路状态预测方法
EP2369529A1 (en) * 2010-03-24 2011-09-28 Alcatel Lucent A method of detecting anomalies in a message exchange, corresponding computer program product, and data storage device therefor

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
《测试技术学报》 20071230 邹焱飚 监护信息***中异常值的识别和处理方法 531-535 1-10 第21卷, 第6期 *
熊伟丽: "粒子群算法在支持向量机参数选择优化中的应用研究", 《2007中国控制与决策学术年会论文集》, 31 July 2007 (2007-07-31), pages 447 - 452 *
蒋贤海: "一种强噪声下的监护信息降噪方法", 《华南理工大学学报（自然科学版）》, vol. 39, no. 4, 30 April 2011 (2011-04-30), pages 66 - 69 *
蒋贤海: "小波分析和神经网络在社区健康监护***中的应用", 《机械设计与制造》, no. 3, 30 March 2011 (2011-03-30), pages 75 - 77 *
邹焱飚: "监护信息***中异常值的识别和处理方法", 《测试技术学报》, vol. 21, no. 6, 30 December 2007 (2007-12-30), pages 531 - 535 *
陈帅: "最小二乘支持向量机的参数优化及其应用", 《华东理工大学学报（自然科学版）》, vol. 34, no. 2, 30 April 2008 (2008-04-30), pages 278 - 282 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473480A (zh) * 2013-10-08 2013-12-25 武汉大学 基于改进万有引力支持向量机的在线监测数据校正方法
CN104905770A (zh) * 2014-03-13 2015-09-16 南京理工大学 基于物联网和svm分析的人体健康状态检测***
CN105204413A (zh) * 2015-08-19 2015-12-30 武汉联中科技有限公司 一种用于穿戴设备的信息处理***及方法
CN107928631A (zh) * 2017-12-21 2018-04-20 哈尔滨工业大学 基于差分路径因子估计的近红外脑功能信号处理方法
CN110013243A (zh) * 2018-01-08 2019-07-16 映泰股份有限公司 心电信号警示装置
WO2020132799A1 (zh) * 2018-12-24 2020-07-02 深圳迈瑞生物医疗电子股份有限公司 一种监护设备的报警限值设置方法及装置
CN113164075A (zh) * 2018-12-24 2021-07-23 深圳迈瑞生物医疗电子股份有限公司 一种监护设备的报警限值设置方法及装置
CN111938607A (zh) * 2020-08-20 2020-11-17 中国人民解放军总医院 基于多元参数融合的智能监护报警方法及其***
CN117042031A (zh) * 2023-10-08 2023-11-10 深圳曼瑞德科技有限公司 一种移动通讯终端及远程血氧监护***
CN117042031B (zh) * 2023-10-08 2023-12-26 深圳曼瑞德科技有限公司 一种移动通讯终端及远程血氧监护***
CN117275648A (zh) * 2023-11-21 2023-12-22 南通大学附属医院 一种基于物联网的重症监护病房患者智能护理方法
CN117275648B (zh) * 2023-11-21 2024-02-09 南通大学附属医院 一种基于物联网的重症监护病房患者智能护理方法

Similar Documents

Publication Publication Date Title
CN102499651A (zh) 用于监护***的报警方法
CN100340207C (zh) 一种智能化监护***报警方法
JP6541738B2 (ja) 急性肺損傷（ａｌｉ）について患者をモニタする装置及びその作動方法
US9700218B2 (en) Systems and methods for reducing nuisance alarms in medical devices
CN105765584B (zh) 用于分诊决策制定的临床决策支持***和计算机存储介质
CN101194271B (zh) 用于在患者生理信息中区分临床重要变化和伪像的方法和设备
US9357953B2 (en) System and method for diagnosing sleep apnea
US9936923B2 (en) System and methods for generating predictive combinations of hospital monitor alarms
CN104838382B (zh) 用于优化数据收集频率的方法、***、介质及监测站
Hu et al. Predictive combinations of monitor alarms preceding in-hospital code blue events
CN104823195A (zh) 一种降低临床设定中的妨害性警报负荷的方法和***
US20200178903A1 (en) Patient monitoring system and method having severity prediction and visualization for a medical condition
WO2013112935A1 (en) Systems and methods for automatic segment selection for multi-dimensional biomedical signals
Kenneth et al. Data fusion of multimodal cardiovascular signals
Jin et al. Improving diagnostic accuracy using multiparameter patient monitoring based on data fusion in the cloud
CN103169459A (zh) 一种医疗装置及实现方法
Wang et al. Single-lead ECG based multiscale neural network for obstructive sleep apnea detection
Hassan et al. A multi-sensor based automatic sleep apnea detection system for adults using neural network inference on FPGA
JP6318047B2 (ja) 疾病予測装置、及びプログラム
Agbo et al. A scalable patient monitoring system using Apache Storm
Zhang et al. An ECG intelligent monitoring system with MSP430 microcontroller
CN113261924A (zh) 一种脑卒中智能预警***及方法
Rubaeah et al. Review of Internet of Things (IoT) and Blockchain In Healthcare: Chronic Disease Detection and Data Security
EP3014501A1 (en) Measuring respiration or other periodic physiological processes
Liu et al. A dual-lead fusion detection algorithm of QRS

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120620