JP5544365B2 - マルチパラメーターモニタリングにおける改善又はマルチパラメーターモニタリングに関する改善 - Google Patents
マルチパラメーターモニタリングにおける改善又はマルチパラメーターモニタリングに関する改善 Download PDFInfo
- Publication number
- JP5544365B2 JP5544365B2 JP2011530556A JP2011530556A JP5544365B2 JP 5544365 B2 JP5544365 B2 JP 5544365B2 JP 2011530556 A JP2011530556 A JP 2011530556A JP 2011530556 A JP2011530556 A JP 2011530556A JP 5544365 B2 JP5544365 B2 JP 5544365B2
- Authority
- JP
- Japan
- Prior art keywords
- novelty index
- index
- value
- novelty
- data point
- 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.)
- Expired - Fee Related
Links
Images
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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- 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
- A61B5/6843—Monitoring or controlling sensor contact pressure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0266—Operational features for monitoring or limiting apparatus function
- A61B2560/0276—Determining malfunction
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Cardiology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Pulmonology (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Complex Calculations (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Description
従来的には複数のパラメーターがモニタリングされており、モニタリングされるパラメーターごとに出力が与えられていたが、モニタリングされるパラメーターが増えるにつれ、オペレーターが複数の出力を解明し、モニタリングされているシステムの異常な状態を見極めることがますます困難になっている。
この問題を克服する単純な方法は、パラメーターのそれぞれに対し閾値を確立すると共に、閾値に違反した場合オペレーターに警報信号を出力することであった。しかし、複雑なシステムにおいて適切な閾値を設定することは非常に困難である。
閾値の不適切な設定によって、結果として異常状態がオペレーターに通知されない可能性があるか、又は過剰に多くの警報が生成される可能性がある。異常なシステム状態を逃すことは明らかに望ましくないが、オペレーターが警報を無視しがちになるので、過剰に警報が発せられることを回避することも等しく望ましくない。
臨床設定において実際に使用されるそのような「インテリジェント」システムの1つは、特許文献1において開示される患者状態表示である。Oxford Biosignals Ltd.社からの「Visensia」システムは、この患者状態表示の現在の商用版である。これは、特に、重症ケアユニット又は集中治療室内の患者をモニタリングするために、臨床環境において使用されるマルチパラメーターモニタリングシステムに関する。
そのような患者は通常、心電図(ECG)、呼吸(たとえば電気インピーダンス呼吸記録によって計測される)、酸素飽和度(たとえばフィンガープローブを有するパルス酸素濃度計によって計測される)、血圧、及び体温のようないくつかのバイタルサインをモニタリングされている。当然ながら、他のバイタルサインを計測してもよく、一次計測から、心拍数、心拍数変動、呼吸数等のような二次パラメーターを導出することも可能である。
通常、これらのパラメーターは、異なるレートで収集される。たとえば、ECG(心拍数を与える)は250Hzで収集され、パルス酵素濃度計信号は81.3Hzで収集され、呼吸は64Hzで収集され、体温は1Hzで収集され、さらに血圧は30分〜60分に1回で収集される。
このため、たとえば5つのパラメーターが計測されている場合、多次元計測空間は5次元であり、それによって、データ点はパラメーターの5つの値x(x1,x2,x3,x4,x5)によって規定される。
5次元の空間を明確に表示するのが不可能であるため、特許文献1は、一方でデータ点を縮小次元可視化空間(reduced-dimensionality visualization space)に表示し、他方で、所与のデータ点とプロトタイプ点のセットとの間のユークリッド距離に基づく1次元の「新奇性指数(novelty index)」の計算によって患者又は患者群の正常性を表す。
このため、非常に異常なパラメーター計測値に基づくデータ点は、5次元の計測空間において、正常性からより離れていることになる。正常性は、数千個のデータ点のトレーニングセットを検査し、大幅に低減した数のクラスター中心を見つけることによって規定される。そして、これらのクラスター中心をプロトタイプ点と見なす。
患者の現在の状態を表す各新たな入来データ点は、次にプロトタイプ点と比較され、それらのプロトタイプ点からの距離(すなわち、5次元の計測空間におけるユークリッド距離)が求められる。そして、この距離を使用して新奇性指数が導出される。
新奇性指数に対する閾値が設置され、閾値を超えると、警報を生成して患者に対する臨床スタッフの注意を喚起することができる。特許文献1における特定の例では、新奇性指数はパルザン窓確率密度関数
xj(ここでjは1〜d)は、データ点xの計測されたパラメーターであり、たとえば、心拍数、呼吸、酸素飽和度、血圧、及び体温のパラメーターに関してd=5であり、
xijはN個のプロトタイプ点xNの対応するパラメーター値であり、
σは全てのプロトタイプ点に割り当てられた全体幅であり、その値は、様々な方法を使用して、たとえばσを10個の最近傍までの距離の平均と等しくすることによって確立される。
新奇性指数=−log p(x)+c
ここで、cは、正常な入力がゼロのスコアを有することを確実にするための一定のオフセットである。Visensiaでは指数c=6.0である。
これによってシステムはロバストになるが、結果として誤った解釈が生じる可能性があり、これは潜在的に危険である。これは、欠落しているパラメーターをその平均値で置き換えることが、パラメーターが正常であると仮定していることに帰する。モニタリングされているシステムの全体状態が、異なるパラメーターの組合せに基づいて解釈されている場合、これらのパラメーターのうちの1つを正常であると強要することは、明らかに正常性に向けた全体の解釈に影響を与えるおそれがある。このため、欠落しているパラメーターが正常であるという仮定に起因して、異常な状態が見逃される可能性がある。
本発明はまた、システム状態の縮小次元評価が単一のセンサーにおける変化によって生じているのか否かを判断することによって、センサー故障を検出することも可能にする。
本発明の第1の態様は、システムの複数の異なるパラメーターの計測値に基づいて該システムの状態を表す新奇性指数を求めて表示する方法であって、前記複数のパラメーターは、多次元計測空間のそれぞれの次元を規定し、
該方法は、
値のセット(sets)を受信するステップであって、該セット内の各値は、前記複数のパラメーターのうちの異なる1つの計測値であり、各セットは、前記多次元計測空間におけるデータ点を規定する、受信するステップと、
各データ点の前記多次元計測空間における位置を、前記システムが正常状態にあることを表す前記パラメーターの計測値を含むプロトタイプデータ点のセットと比較することによって、前記データ点ごとの前記新奇性指数を計算するステップと、
を含み、前記セットの前記パラメーター値のうちの1つ又は複数が欠落している欠損したデータ点を受信する場合において、
該方法は、
欠落しているパラメーター値に対応する次元を除外した縮小次元空間において、前記欠損したデータ点の位置を前記プロトタイプデータ点のセットと比較することによって、前記欠損したデータ点の周辺新奇性指数を計算するステップと、
前記縮小次元空間に関して計算された、前記周辺新奇性指数と前記システムの異なる状態の周辺確率との間の所定の関係を使用するステップであって、システムが前記欠損したデータ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す周辺確率値を求める、使用するステップと、
前記多次元計測空間に関して計算された、前記新奇性指数と前記システムの異なる状態の確率との間のさらなる所定の関係を使用するステップであって、前記周辺確率値に等しい確率に対応する前記多次元計測空間における前記新奇性指数を求める、使用するステップと、
そのようにして求められた前記新奇性指数を、前記欠損したデータ点の前記新奇性指数として表示するステップと、
をさらに含む、方法を提供する。
前記プロトタイプ点はデータ点の複数のサンプルのトレーニングセットにおけるクラスター中心とすることができ、いずれのパラメーター値が欠落しているかに関わらず、前記縮小次元空間において前記周辺新奇性指数を計算するときに、同じクラスター中心を使用することができる。しかしながら、代替的な新たなクラスター中心を各縮小次元空間において計算してもよい。
前記関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数又は前記周辺新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、前記トレーニングセットにおける、閾値未満の前記新奇性指数を有するデータ点の割合(fraction)を求め、該割合を前記新奇性指数の確率値としてとるか、又は
前記閾値のそれぞれについて、前記トレーニングセットにおける、閾値未満の前記周辺新奇性指数を有するデータ点の割合を求め、該割合を前記周辺新奇性指数の周辺確率値としてとる
ことに基づくことができる。
前記トレーニングセットの各データ点を形成する前記値のセットから異なるパラメーター又はパラメーターの組み合わせを毎回除外して、各異なる縮小次元空間について前記データ点の同じ単一のトレーニングセットを使用できる。
前記複数の異なるパラメーターの前記計測値を受信するための入力部と、
上記の方法ステップを実行するように構成されるプロセッサと、
前記新奇性指数を表示するためのディスプレイと、
を備える、装置も提供する。
本発明の別の態様は、システムの複数の異なるパラメーターの計測値に基づいて該システムの状態を表す新奇性指数を求めて表示する方法であって、
値の複数のセットを含むデータセットを受信するステップであって、各値は、前記複数のパラメーターのうちの異なる1つの計測値であり、値の各セットは、次元Dの計測空間におけるデータ点を規定し、ここでDは1より大きい正の整数である、受信するステップと、
各データ点の次元Dの前記計測空間における位置を、前記システムが正常状態にあることを表す前記パラメーターの計測値を含むプロトタイプデータ点のセットと比較することによって、前記データ点ごとの仮新奇性指数を計算するステップと、
次元Dの前記計測空間において、前記仮新奇性指数と前記システムの異なる状態の確率との間の関係を計算するステップであって、前記システムが、前記仮新奇性指数を有するデータ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す確率値を求める、計算するステップと、
前記計算された関係を使用するステップであって、前記データセットのデータ点ごとに、該点の仮新奇性指数に対応する前記確率値を求める、使用するステップと、
次元Lの空間において規定された、前記システムの異なる状態の前記確率と新奇性指数との間のさらなる所定の関係を使用するステップであって、LはDよりも小さい正の整数であり、データ点と前記プロトタイプデータ点との間の距離を比較することに基づいて、前記データセットの前記データ点ごとに、前記次元Lの空間において前記確率値に対応する前記新奇性指数を求める、使用するステップと、
そのようにして求められた前記新奇性指数を、前記データ点の前記新奇性指数として表示するステップと、
を含む、方法を提供する。
該関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、前記トレーニングセットにおける、閾値未満の新奇性指数を有するデータ点の割合を求め、
該割合を前記新奇性指数の確率値としてとることに基づくことができる。
本発明の第3の態様は、システムのパラメーターをそれぞれ計測する複数の異なるセンサーの中からセンサー故障を検出する方法であって、前記複数のパラメーターは、D次元の計測空間のそれぞれの次元を規定し、Dは前記センサーの数に等しく、
該方法は、
値のセットを受信するステップであって、該セット内の各値は、前記センサーのうちの異なる1つからの計測値であり、各セットは、前記D次元の計測空間におけるデータ点を規定する、受信するステップと、
各データ点の前記D次元の計測空間における位置を、前記システムが正常状態にあることを表す前記パラメーターの計測値を含むプロトタイプデータ点のセットと比較することによって、前記データ点ごとの新奇性指数を計算するステップと、
前記D次元の計測空間に関して計算された、前記新奇性の指数と前記システムの異なる状態の確率との間の所定の関係を使用することであって、前記システムが、前記データ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す確率値を求める、使用するステップと、
前記値のセットからの1つのパラメーター値を無視し、D−1次元の空間における前記データ点の位置を、同じく前記D−1次元の空間にあるプロトタイプデータ点のセットと比較することによって、前記データ点ごとに少なくとも1つの周辺新奇性指数を計算するステップであって、前記D−I次元の空間は前記無視されたパラメーターに対応する次元を除外する、計算するステップと、
前記D−1次元の空間に関して計算された、前記周辺新奇性指数と前記システムの異なる状態の周辺確率との間のさらなる所定の関係を使用するステップであって、前記システムが、前記周辺新奇性指数によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す周辺確率値を求める、使用するステップと、
前記確率値と前記周辺確率値とを比較するステップと、
前記確率値及び前記周辺確率値が所定の閾値よりも大きく異なっている場合、そのパラメーター値が無視されたセンサーの故障のアラートを出力するステップと、
を含む、方法を提供する。
異なるパラメーター値を無視するごとに、周辺新奇性指数を計算するステップ、及び前記データ点ごとに周辺確率値を求めるステップを反復すること、並びに、
各結果の周辺確率値を前記確率値と比較することであって、前記センサーのそれぞれの故障を検査する、比較することをさらに含む。
計測値はプロセッサ5に入力され、プロセッサ5は下記で詳細に説明されるようにパラメーター計測値を処理し、これらの計測値に基づいて、患者の状態の示度(indication)をディスプレイ7に出力する。
値の各セットは、多次元計測空間におけるデータ点を規定するものと見なすことができる。上記の例では、各セット内に5つのパラメーター値が存在するため、計測空間は5次元である。
たとえば、システムが上述した5つのバイタルサインをモニタリングしている場合、計測空間における次元dが5であることに対応して5つのパラメーターが存在するはずである。予期される通りパラメーターの数が5つである場合、処理はステップ33に渡り、ステップ33において、上記で説明したように量を評価することによって新奇性指数が計算される。
新奇性指数=−log p(x)+c (2)
ここで、
1つ又は複数のパラメーターが欠落している場合には、上記で記述したように、新奇性指数の計算が行われることを可能にするために、これらのパラメーターをそれらの平均値で置き換えることは望ましくない。
本発明のこの実施形態では、確率理論における周辺化のプロセスに類似した、より良好な手法が採用される。周辺化は、発生している何らかの他の事象に関わらず、1つの事象の確率を計算することを指す。この「周辺確率」は、不要な事象にわたって同時確率を合算することによって求められる。本発明者らは、変数の全てがガウスであり関連性がないという仮定の下で、1つのパラメーターの周辺化は該パラメーターを無視することに等しいことを発見した。
たとえば、酸素飽和度値が新たに受信したデータ点から欠落している場合、新たに受信したデータ点及びN個のプロトタイプデータ点の双方について、心拍数、体温、血圧、及び呼吸数の4つのパラメーターのみを使用して、式(1)における距離計算が4次元のみの計測空間において行われる。
特に、これは、新奇性指数を、トレーニングセット内の全ての状態に基づく確率値に変換することによって達成される。システムが特定の状態にある確率は、その状態を記述するのに使用される次元数と共に変動せず、従って異なる次元空間間で変換する好都合な一貫した方法を提供する。このため、(d−1)次元における周辺新奇性指数に対応する確率値を求めた後、同じ確率値を与えるd次元の新奇性指数を探す。
図6Aは、5つ全てのパラメーター値が存在する5次元のデータセットについての、対応する曲線を示している。
図6A及び図6Bに示すように、心拍数パラメーターを除外した4次元のデータセットにおけるデータ点が2の新奇性指数を与える場合、これは周辺確率0.891(これはステップ36において周辺確率値P’として読み取られる)に対応する。
図6Aにおいて、確率値0.891は新奇性値3.8(これはステップ37において新奇性指数として読み取られる)に対応する。
このため、3.8が、心拍数パラメーターが欠けたそのようなデータ点に関する表示に適した新奇性指数である。
新奇性指数値を確率値に変換するために、サンプルデータ点のトレーニングセットを有することが必要である。本発明のこの実施形態は、トレーニングデータからパルザン窓を使用して推定された分布をサンプリングすることによって生成された1000万個のデータ点から成るトレーニングセットを使用する。
このため図2のステップ21において、それぞれd(たとえば5)次元のN(=1000万)個のサンプル点を取り、ステップ22において、生理学的知識に基づくパラメーターごとの上限及び下限を使用して、アーチファクト除去プロセス(artefact rejection process)が適用される。たとえば、心拍数における上限は300拍/分であり、下限は30拍/分である。上限及び下限の外側のサンプルは、生理学的にもっともらしくないものとして除去される。
このため、新奇性指数値は同じシステム状態に関して次元と共に変動する場合があるが、確率は次元に関わらず一貫したスケールを提供する。
確率は、利用可能な情報に依拠する。心拍数及び呼吸数のデータが利用可能であり、かつそれらが異常である場合、確率は、同じ心拍数及び呼吸数のデータが、完全に正常な血圧と共に利用可能である場合よりも低くなる。システム状態に関する情報が増えると確率が変化する。
この数は、サンプルの総数の割合として表され、システムがその新奇性指数閾値により意味される状態にあるか、又はシステムがその新奇性指数閾値により意味される状態よりも正常に近い状態にある確率を与える。
最大予想新奇性指数及び最小予想新奇性指数は、トレーニングセットを調査することによって自由に選択することができ、この例では最小の新奇性指数1.83及び最大の新奇性指数40.04が選択された。
次に、0.01のステップサイズによって分離される連続した新奇性指数値が生成され、各連続した閾値未満の閾値指数を有するサンプルの数がカウントされた。
図7は、完全な5次元のデータセットに関するプロットである。ステップ26において、5つのパラメーターのうちの異なる1つを無視することによって取得される4次元のデータセットごとにプロセスが反復される。プロセスは再び、5つのパラメーターのうちの異なる2つを無視することによって取得される3次元のデータセットごとに反復され、次に再び、5つのパラメーターのうちの異なる3つを無視することによって取得される2次元のデータセットごとに反復される。このため、データセットの可能な異なる次元ごとに計26個の異なる曲線が取得される。
さらなる比較として、図8(B)は、欠落しているパラメーターをトレーニングデータにおけるそれらの平均と置き換え、元の5Dモデルを使用して新奇性指数を計算することによる欠落しているパラメーターの対処を示している。これは、点線で示されており、ここでもまた、全てのデータを使用して計算された新奇性が実線で示されている。
60分と90分との間では、体温が計算から除外されていることから、体温トレースは点線で描かれている。記録された体温値は、トレーニングデータセットにおける平均(36.05℃)に非常に近い。この結果として、欠落しているパラメーターをトレーニングデータにおけるその平均と置き換えることによって計算された新奇性指数(図8(B)において点線で描かれる)と、全ての元データを使用して計算された新奇性指数(実線)とを識別することは困難である。
図8(A)において、周辺化されたモデルに対応する新奇性指数(点線)は、全てのデータを使用して計算された新奇性指数(実線)よりも高い。体温が正常な値を有するという知識はもはや存在しないため、この情報が存在しないとき、他の4つのバイタルサインを含むパターン(システム状態)は、より特異に見え、それに応じて、新奇性指数は全てのデータを使用して計算された新奇性指数(実線)よりも高くなる。
120分と150分との間では、血圧(SDA)及び体温の双方が人工的に除去される。体温はここでもまたトレーニングデータにおけるその平均に近く、SDAはトレーニングデータセットにおける平均値を上回る0.86の標準偏差である(94.7mmHg)。
双方の値が極めて正常であるため、図8(B)において、欠落しているパラメーターをトレーニングデータにおける平均と置き換えることによって計算された新奇性指数(点線)は、全てのデータを使用して計算された新奇性指数(実線)に近い。ただし、双方のパラメーターが平均値と等しいという仮定は正しくないため、実際の値を使用して計算された新奇性指数は少し高くなる。
図8(A)では、図3の周辺化モデルを使用して計算された新奇性指数(点線)は、全てのデータを使用して計算された新奇性(実線)よりも大幅に高い。正常な体温及びSDAという背景がない心拍数、呼吸数、及び血液酸素飽和度の異常性によって、新奇性指数は、他のパラメーターの値も使用されるときよりも高くなる。
180分と210分との間では、血液酸素飽和度及び体温の双方が人工的に除去される。この期間中、体温はより低く、平均を下回って0.35〜0.66の平均偏差の範囲をとる。血液酸素飽和度は100%であり、したがって、トレーニングデータにおける平均を上回る1.4の標準偏差である。
欠落しているパラメーターの双方が平均から或る距離離れているため、それらがトレーニングデータにおける平均と等しいと仮定して計算された新奇性指数(図8(B)における点線)は、真の値を使用して計算された新奇性指数(実線)よりも大幅に低い。
図8(A)において、周辺化モデルを使用して計算された新奇性指数は、全てのバイタルサイン値を使用して計算された新奇性指数に近い。周辺化は、欠落しているパラメーターに関して何ら仮定を行っておらず、それらに関する情報がないとき、残りの3つのパラメーターから計算された新奇性指数は高い。
240分と270分との間では、血圧(SDA)、体温、及び呼吸数が全て人工的に除去される。すなわち、心拍数及び血液酸素飽和度のみを使用して、図8(A)及び図8(B)において点線で示される新奇性指数を計算する。
この期間の間、SDAは平均を上回る1.1の標準偏差であり、体温は、平均を下回る0.3の標準偏差であり、呼吸数は、平均を下回る1.6の標準偏差と、平均を上回る0.9の標準偏差との間である。
3つの欠落しているパラメーターのうちの2つが平均から概ね1の標準偏差であるため、それらをトレーニングデータの平均と置き換えて図8(B)における新奇性指数を生成するとき、新奇性指数は真の値を使用して計算された新奇性指数(実線)よりも低い。
この期間において、心拍数は平均を下回る0.4の標準偏差と、平均を上回る0.93の標準偏差との間であり、血液酸素飽和度は平均を上回る1.4の標準偏差を保つ。
図8(A)において点線でプロットされた新奇性指数は、5つ全てのパラメーターのデータを使用して計算された新奇性指数よりも大幅に高い。この理由は、SDA、体温、及び呼吸数計測の背景がない場合、血液酸素飽和度及び心拍数の値の特異な対が低い確率を有するためである。
330分と360分との間、SDA、血液酸素飽和度、及び体温が全て人工的に除去される。すなわち、心拍数及び呼吸数のみを使用して、2つの点線で示されるプロットにおける新奇性指数を計算する。
SDAは、平均を上回る1.1の標準偏差であり、血液酸素飽和度は、平均を下回る1.4の標準偏差であり、体温は、平均を下回る0.2の標準偏差である。
欠落しているパラメーターのうちの2つが平均から1より大きい標準偏差であるため、欠落しているパラメーターをトレーニングデータにおける平均と置き換えて計算された新奇性指数(図8(B)において点線で示されている)は、全てのバイタルサインデータを使用して計算された新奇性指数(実線)よりも大幅に低い。図8(A)では、周辺化モデルを使用して計算された新奇性(点線)は、全ての利用可能なデータを使用して計算された新奇性により近い。
図8(A)では、周辺化モデルにおいてこれらの値を使用して計算された新奇性(点線)は、平均して、全てのバイタルサインデータを使用して計算された新奇性に近い。
周辺化モデルを使用して計算された新奇性指数は、5つ全てのパラメーターを使用して計算された新奇性指数よりも、トレーニングデータにおける平均を上回る呼吸数及び心拍数における動揺、並びにトレーニングデータにおける平均を下回る呼吸数及び心拍数における動揺に対し、より敏感であることに留意すべきである。
これは、他の3つのパラメーターに対して心拍数及び呼吸数の確率を調整しない場合、心拍数、呼吸数の値における小さな変動が、バイタルサインパターン(システム状態)の確率に対し、より重大な影響を有するためである。
図面の最後の30分(330分〜360分)は、全てのバイタルサインデータを使用する全てのモデルに対応し、再び4つの新奇性指数トレースが同一である。
図9(A)は、元のモデルを使用して生成された新奇性指数及びアラートを示しており、ここで平均値を使用して欠落しているパラメーターが置き換られている。図9(B)は、本発明の方法を使用して計算された新奇性指数を示している。
心拍数、呼吸数、血液酸素飽和度、及びSDAが全て利用可能である期間中、たとえば02:30と03:00との間、2つの新奇性指数プロットは類似している。それらの新奇性指数は、本発明を使用して計算された新奇性指数がわずかに高くなる傾向にあるため、同一でない。これは、本発明が、全体の記録から欠けている体温データがトレーニングデータにおけるその平均と等しい(したがって正常である)という仮定を行わないことに起因する。
3つのパラメーターが欠落しているとき、たとえば04:30と05:15との間では、新奇性指数は、本発明の方法を使用してのみ計算され(図9(B))、異常な高い呼吸数は、短期間に3.2のアラート閾値を超える高い値の新奇性指数に寄与する。
この期間中、本発明の方法は、心拍数及び呼吸数の情報のみが利用可能であるときの特異なバイタルサインの期間中に新奇性指数を計算することを可能にする。図9(A)から見て取ることができるように、平均による置き換えの方法は、そのような期間中新奇性指数を全く返さない。
第1に、心拍数及び血液酸素飽和度の双方が欠落しているため、元のモデルによって新奇性指数が計算されないときがある。
第2に、心拍数のみが欠落している(血液酸素飽和度は再び利用可能となっている)とき、図9Bにおける新奇性指数はより高い。なぜなら、体温及び心拍数の双方がトレーニングデータにおけるそれらの平均(正常値)と等しいと仮定されないとき、バイタルサインパターンの確度が下がるためである。
12:10におけるアラートは、双方のモデルに関してほとんど同一である。
13:20において、図9(B)においてのみさらなるアラートが存在する。ここでもまた、体温を除いた全てのパラメーターが利用可能であり、このため、単に体温を除外した結果、アラートをトリガーする新奇性指数が高くなる。
13:40における最終アラートは、同じ理由で図9Bにおいて部分的により長く続く。
確率を使用して異なる次元のデータセット間の新奇性指数の変換を可能にするという着想は、上述した低い次元のみでなく、高い次元を有するデータセットを扱うように拡張することができる。そのような状況は、たとえば、以前に計測されていない別のパラメーターの計測値を含む新たなデータセットが提供される場合に生じることがある。
ここでもまた、新たなデータセットの新奇性指数を計算することが可能であり、かつこの新奇性指数が、追加のパラメーターを含まないデータセットの新奇性指数と一貫したスケールにあることが有用である。
本発明の上記の概念は、これが行われることを可能にする。
図4は、プロセスを広義に説明している。理解を容易にするために、患者の意識のインジケーションであるグラスゴー昏睡スコア(GCS)のような1つの追加のパラメーターと共に、患者における上記の5つのバイタルサインの計測値から構成されるデータセットの新奇性指数の計算を参照して説明される。しかし、本方法は、2つ以上の新たなパラメーターの追加に適用可能である。
より一般的には、図4において、これは次元D=d+1として示される。5つの元のバイタルサイン(次元d=5)のみから構成されるデータセットに対して計算された新奇性指数と一貫する(consistent)新奇性指数を計算することが目的である。
したがって、ステップ42において、データ点ごとに、式(1)及び式(2)を使用することによって、6次元の計測空間において「仮」新奇性指数が計算される。これは、各データ点の距離を、正常性を表す複数のプロトタイプデータ点と比較することを伴う。
これらのプロトタイプデータ点は、D=d+1次元を有する新たなトレーニングデータセットから計算される。代替形態として、元のd次元のデータセットからの確率に、新たなパラメーター(独立していると仮定する)の一次元の確率を乗算する。
このため、仮新奇性指数の最大値及び最小値が選択される。次に、最小値から始まり、選択されたステップサイズだけ増大させて最大値まで順番に、連続した仮新奇性指数閾値がとられる。そして、そのそれぞれについて、閾値未満の仮新奇性指数を有するデータ点の割合が、その仮新奇性指数に対応する確率値としてとられる。
ステップ45において、この確率値を、より低い次元計測空間に関して計算された関係(たとえば図7に関係が示される5次元の正常計測値)と共に使用して、同じ確率値を有する5次元の新奇性指数を求める。
そのようにして求められた新奇性指数は、そのデータ点の適切な新奇性指数と見なされ、ステップ46において表示される(より低いd次元の計測空間の関係は、より高いD=d+1次元のデータセットから、1つのパラメーターを無視することによって、又はd次元のデータセットを使用することによって計算することができることに留意されたい)。
ステップ48において、新たなデータ点ごとにD=d+1次元の仮新奇性指数が計算され、ステップ43において生成された曲線から確率値が読み取られ、ステップ45においてD次元の対応する新奇性指数を求めるのに使用される。
本発明の概念は、マルチパラメーターモニタリングデバイスにおけるセンサー故障の検出を可能にするためにも適用可能である。ここで使用される用語「センサー故障」は、感知デバイス自体の故障を意味するのみでなく、センサーが落ちている可能性があるか、又はセンサーとモニタリングデバイスとの間に接続の問題が存在する可能性がある状況も意味する。
たとえばm番目のセンサーを無視することによって計算された確率値が、全てのセンサー入力を使用することによって計算された確率値よりもはるかに高い(より正常である)場合、その単一のm番目のセンサーに関して問題が存在する可能性が高い。これは、モニタリングされているシステムの真に異常な状態は、2つ以上のセンサーにおける異常な値によって反映される傾向にあるという推定に基づく。
ステップ51において、式(1)及び式(2)を使用して新奇性指数が計算され、次に、新奇性指数と、図7(5次元の場合)に示す確率値のような確率値との間のd次元の関係を使用して対応する確率値が求められる。
これによって、完全な5次元のデータ点に基づいて確率値Pdが与えられる。
ステップ53において、周辺確率と、図6(B)において示される周辺新奇性指数のような周辺新奇性指数との間の関係から、周辺確率P’d-1が取得される。
このようにして、データ点ごとに、5つの異なる周辺確率が取得され、それぞれの周辺確率はパラメーターのうちの異なる1つを無視した確率値に対応する。
次に、ステップ55において示されるように、周辺確率値のうちの1つのみと、完全なd次元の確率値Pdとの間に重大な不一致が存在する(すなわち差異の大きさが所定の閾値よりも大きい)場合、その周辺確率値に関してパラメーターが無視されたセンサーの性能不良のアラートが生成される。
Claims (50)
- システムの複数の異なるパラメーターの計測値に基づいて該システムの状態を表す新奇性指数を求めて表示する方法であって、前記複数のパラメーターは、多次元計測空間のそれぞれの次元を規定し、
該方法は、
入力部により値のセットを受信するステップであって、該セット内の各値は、前記複数のパラメーターのうちの異なる1つの計測値であり、各セットは、前記多次元計測空間におけるデータ点を規定する、受信するステップと、
プロセッサによって、前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記多次元計測空間におけるプロトタイプデータ点のセットと各データ点との間の距離に基づいて、前記データ点ごとの前記新奇性指数を計算するステップと、
を含み、
前記セットの前記パラメーター値のうちの1つ又は複数が欠落している欠損したデータ点を受信する事象において、
該方法は、前記プロセッサによって行われる以下のステップ、すなわち
欠落しているパラメーター値に対応する次元を除外した縮小次元空間における、該欠損したデータ点の位置に基づいて、前記欠損したデータ点の周辺新奇性指数を計算するステップと、
前記縮小次元空間に関して計算された、前記周辺新奇性指数と前記システムの異なる状態の周辺確率との間の所定の関係を使用するステップであって、システムが前記欠損したデータ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す周辺確率値を求める、使用するステップと、
前記多次元計測空間に関して計算された、前記新奇性指数と前記システムの異なる状態の確率との間のさらなる所定の関係を使用するステップであって、前記周辺確率値に等しい確率に対応する前記多次元計測空間における前記新奇性指数を求める、使用するステップと、
求められた前記新奇性指数を、前記欠損したデータ点の前記新奇性指数としてディスプレイに表示させるステップと、
をさらに含み、
前記欠損したデータ点の前記周辺新奇性指数は、前記縮小次元空間における、前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記プロトタイプデータ点のセットからの前記欠損したデータ点の距離に基づくものであり、
前記縮小次元空間における前記プロトタイプデータ点のセットは、前記欠落しているパラメーター値に対応する次元を除外した前記多次元計測空間におけるプロトタイプデータ点である、
方法。 - 前記データ点ごとに前記新奇性指数又は前記周辺新奇性指数を計算するときに、該データ点の位置と前記プロトタイプデータ点のそれぞれとの間のユークリッド距離に基づく確率密度関数を使用する、請求項1記載の方法。
- 前記確率密度関数はパルザン窓関数である、請求項2に記載の方法。
- 前記プロトタイプデータ点は前記データ点の複数のサンプルのトレーニングセットにおけるクラスター中心である、請求項1〜3のいずれか1項に記載の方法。
- いずれのパラメーター値が欠落しているかに関わらず、前記縮小次元空間において前記周辺新奇性指数を計算するときに同じクラスター中心が使用される、請求項4に記載の方法。
- 前記クラスター中心は、各縮小次元空間において再計算される、請求項4に記載の方法。
- 前記縮小次元空間及び前記多次元計測空間における前記所定の関係は、前記データ点の複数のサンプルのトレーニングセットに基づく、請求項1〜6のいずれか1項に記載の方法。
- 前記所定の関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数又は前記周辺新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、前記トレーニングセットにおける、閾値未満の前記新奇性指数を有するデータ点の割合を求め、該割合を前記新奇性指数の確率値としてとるか、又は
前記閾値のそれぞれについて、前記トレーニングセットにおける、閾値未満の前記周辺新奇性指数を有するデータ点の割合を求め、該割合を前記周辺新奇性指数の周辺確率値としてとる
ことに基づく、請求項7に記載の方法。 - 異なる前記縮小次元空間における複数の前記所定の関係が使用され、それぞれが前記データ点の同じ単一のトレーニングセットに基づき、該トレーニングセットの各前記データ点を形成する前記値のセットから、異なるパラメーター又はパラメーターの組み合わせを除外する、請求項1〜8のいずれか1項に記載の方法。
- システムの複数の異なるパラメーターの計測値に基づいて該システムの状態を表す新奇性指数を求めて表示するための装置であって、前記複数のパラメーターは、多次元計測空間のそれぞれの次元を規定し、
値のセットを受信する入力部であって、該セット内の各値は、前記複数のパラメーターのうちの異なる1つの計測値であり、各セットは、前記多次元計測空間におけるデータ点を規定する、入力部と、
前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記多次元計測空間におけるプロトタイプデータ点のセットと各データ点との間の距離に基づいて、前記データ点ごとの前記新奇性指数を計算するプロセッサと、
前記新奇性指数を表示するためのディスプレイと、
を備え、
前記プロセッサは、前記セットの前記パラメーター値のうちの1つ又は複数が欠落している欠損したデータ点を受信する事象において、
欠落しているパラメーター値に対応する次元を除外した縮小次元空間における、該欠損したデータ点の位置に基づいて、前記欠損したデータ点の周辺新奇性指数を計算する手段と、
前記縮小次元空間に関して計算された、前記周辺新奇性指数と前記システムの異なる状態の周辺確率との間の所定の関係を使用する手段であって、システムが前記欠損したデータ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す周辺確率値を求める、使用する手段と、
前記多次元計測空間に関して計算された、前記新奇性指数と前記システムの異なる状態の確率との間のさらなる所定の関係を使用する手段であって、前記周辺確率値に等しい確率に対応する前記多次元計測空間における前記新奇性指数を求める、使用する手段と、
求められた前記新奇性指数を、前記欠損したデータ点の前記新奇性指数として前記ディスプレイに表示させる手段と
を含み、
前記欠損したデータ点の前記周辺新奇性指数は、前記縮小次元空間における、前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記プロトタイプデータ点のセットからの前記欠損したデータ点の距離に基づくものであり、
前記縮小次元空間における前記プロトタイプデータ点のセットは、前記欠落しているパラメーター値に対応する次元を除外した前記多次元計測空間におけるプロトタイプデータ点である、
装置。 - 前記データ点ごとに前記新奇性指数又は前記周辺新奇性指数を計算するときに、該データ点の位置と前記プロトタイプデータ点のそれぞれとの間のユークリッド距離に基づく確率密度関数が使用される、請求項10記載の装置。
- 前記確率密度関数はパルザン窓関数である、請求項11に記載の装置。
- 前記プロトタイプデータ点は前記データ点の複数のサンプルのトレーニングセットにおけるクラスター中心である、請求項10〜12のいずれか1項に記載の装置。
- いずれのパラメーター値が欠落しているかに関わらず、前記縮小次元空間において前記周辺新奇性指数を計算するときに同じクラスター中心が使用される、請求項13に記載の装置。
- 前記クラスター中心は、各縮小次元空間において再計算される、請求項13に記載の装置。
- 前記縮小次元空間及び前記多次元計測空間における前記所定の関係は、前記データ点の複数のサンプルのトレーニングセットに基づく、請求項10〜15のいずれか1項に記載の装置。
- 前記所定の関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数又は前記周辺新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、前記トレーニングセットにおける、閾値未満の前記新奇性指数を有するデータ点の割合を求め、該割合を前記新奇性指数の確率値としてとるか、又は
前記閾値のそれぞれについて、前記トレーニングセットにおける、閾値未満の前記周辺新奇性指数を有するデータ点の割合を求め、該割合を前記周辺新奇性指数の周辺確率値としてとる
ことに基づく、請求項16に記載の装置。 - 異なる前記縮小次元空間における複数の前記所定の関係が使用され、それぞれが前記データ点の同じ単一のトレーニングセットに基づき、該トレーニングセットの各前記データ点を形成する前記値のセットから、異なるパラメーター又はパラメーターの組み合わせを除外する、請求項10〜17のいずれか1項に記載の装置。
- システムの複数の異なるパラメーターの計測値に基づいて該システムの状態を表す新奇性指数を求めて表示する方法であって、
入力部により値の複数のセットを含むデータセットを受信するステップであって、各値は、前記複数のパラメーターのうちの異なる1つの計測値であり、値の各セットは、次元Dの計測空間におけるデータ点を規定し、ここでDは1より大きい正の整数である、受信するステップと、
プロセッサによって行われる以下のステップ、すなわち
前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記次元Dの計測空間におけるプロトタイプデータ点のセットと各データ点との間の距離に基づいて、前記データ点ごとの仮新奇性指数を計算するステップと、
次元Dの前記計測空間において、前記仮新奇性指数と前記システムの異なる状態の確率との間の関係を計算するステップであって、前記システムが、前記仮新奇性指数を有するデータ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す確率値を求める、計算するステップと、
前記計算された関係を使用するステップであって、前記データセットの前記データ点ごとに、該点の前記仮新奇性指数に対応する前記確率値を求める、使用するステップと、
次元Lの空間において規定された、前記システムの異なる状態の前記確率と新奇性指数との間のさらなる所定の関係を使用するステップであって、LはDよりも小さい正の整数であり、データ点と前記システムの前記正常状態との間の距離に基づいて、前記データセットの前記データ点ごとに、前記次元Lの空間において前記確率値に対応する前記新奇性指数を求める、使用するステップと、
そのようにして求められた前記新奇性指数を、前記データ点の前記新奇性指数としてディスプレイに表示させるステップと、
を含む、方法。 - データ点ごとに前記新奇性指数又は前記仮新奇性指数を計算するときに、該指数の位置が、前記データ点と前記プロトタイプデータ点のそれぞれとの間のユークリッド距離に基づく確率密度関数を使用する、請求項19に記載の方法。
- 前記確率密度関数はパルザン窓関数である、請求項20に記載の方法。
- 前記所定の関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数又は前記仮新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、閾値未満の前記新奇性指数を有するデータ点の割合を求め、該割合を前記新奇性指数の確率値としてとるか、又は
前記閾値のそれぞれについて、閾値未満の前記仮新奇性指数を有するデータ点の割合を求め、該割合を前記仮新奇性指数の確率値としてとることに基づく、請求項19、20又は21に記載の方法。 - システムの複数の異なるパラメーターの計測値に基づいて該システムの状態を表す新奇性指数を求めて表示するための装置であって、
値の複数のセットを含むデータセットを受信する入力部であって、各値は、前記複数のパラメーターのうちの異なる1つの計測値であり、値の各セットは、次元Dの計測空間におけるデータ点を規定し、ここでDは1より大きい正の整数である、入力部と、
前記入力部から入力された前記データセットに基づいて前記新奇性指数を求めるプロセッサと、
前記新奇性指数を表示するためのディスプレイと、
を備え、
前記プロセッサは、
前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記次元Dの計測空間におけるプロトタイプデータ点のセットと各データ点との間の距離に基づいて、前記データ点ごとの仮新奇性指数を計算する手段と、
次元Dの前記計測空間において、前記仮新奇性指数と前記システムの異なる状態の確率との間の関係を計算する手段であって、前記システムが、前記仮新奇性指数を有するデータ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す確率値を求める、計算する手段と、
前記計算された関係を使用する手段であって、前記データセットの前記データ点ごとに、該点の前記仮新奇性指数に対応する前記確率値を求める、使用する手段と、
次元Lの空間において規定された、前記システムの異なる状態の前記確率と新奇性指数との間のさらなる所定の関係を使用する手段であって、LはDよりも小さい正の整数であり、データ点と前記システムの前記正常状態との間の距離に基づいて、前記データセットの前記データ点ごとに、前記次元Lの空間において前記確率値に対応する前記新奇性指数を求める、使用する手段と、
求められた前記新奇性指数を、前記データ点の前記新奇性指数として前記ディスプレイに表示させる手段と、
を含む、装置。 - データ点ごとに前記新奇性指数又は前記仮新奇性指数を計算するときに、該指数の位置が、前記データ点と前記プロトタイプデータ点のそれぞれとの間のユークリッド距離に基づく確率密度関数を使用する、請求項23に記載の装置。
- 前記確率密度関数はパルザン窓関数である、請求項24に記載の装置。
- 前記所定の関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数又は前記仮新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、閾値未満の前記新奇性指数を有するデータ点の割合を求め、該割合を前記新奇性指数の確率値としてとるか、又は
前記閾値のそれぞれについて、閾値未満の前記仮新奇性指数を有するデータ点の割合を求め、該割合を前記仮新奇性指数の確率値としてとることに基づく、請求項23、24又は25に記載の装置。 - システムのパラメーターをそれぞれ計測する複数の異なるセンサーの中からセンサー故障を検出する方法であって、前記複数のパラメーターは、D次元の計測空間のそれぞれの次元を規定し、Dは前記センサーの数に等しく、
該方法は、
入力部によって値のセットを受信するステップであって、該セット内の各値は、前記センサーのうちの異なる1つからの計測値であり、各セットは、前記D次元の計測空間におけるデータ点を規定する、受信するステップと、
プロセッサによって行われる以下のステップ、すなわち
前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記D次元の計測空間におけるプロトタイプデータ点のセットと各データ点との間の距離に基づいて、前記データ点ごとの新奇性指数を計算するステップと、
前記D次元の計測空間に関して計算された、前記新奇性の指数と前記システムの異なる状態の確率との間の所定の関係を使用することであって、前記システムが、前記データ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す確率値を求める、使用するステップと、
前記値のセットからの1つのパラメーター値を無視し、D−1次元の空間における前記データ点の位置と同じく前記D−1次元の空間にあるプロトタイプデータ点のセットとの間の距離に基づいて、前記データ点ごとに少なくとも1つの周辺新奇性指数を計算するステップであって、前記D−1次元の空間は前記無視されたパラメーターに対応する次元を除外する、計算するステップと、
前記D−1次元の空間に関して計算された、前記周辺新奇性指数と前記システムの異なる状態の周辺確率との間のさらなる所定の関係を使用するステップであって、前記システムが、前記周辺新奇性指数によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す周辺確率値を求める、使用するステップと、
前記確率値と前記周辺確率値とを比較するステップと、
前記確率値及び前記周辺確率値が所定の閾値よりも大きく異なっている場合に、そのパラメーター値が無視されたセンサーの故障のアラートをデバイスから出力させるステップと、
を含む、方法。 - 前記プロセッサによって行われることであって、
異なるパラメーター値を無視するごとに周辺新奇性指数を計算するステップ、及び前記データ点ごとに周辺確率値を求めるステップを反復すること、並びに、
各結果の周辺確率値を前記確率値と比較することであって、前記センサーのそれぞれの故障を検査する、比較することをさらに含む、請求項27に記載の方法。 - 1つの周辺確率値のみが前記確率値から所定の閾値以上異なっている場合に前記アラートを出力することをさらに含む、請求項27又は28に記載の方法。
- 前記データ点ごとに前記新奇性指数又は前記周辺新奇性指数を計算するときに、該データ点の位置が、該データ点と前記プロトタイプデータ点のそれぞれとの間のユークリッド距離に基づく確率密度関数を使用する、請求項27、28又は29に記載の方法。
- 前記確率密度関数はパルザン窓関数である、請求項30に記載の方法。
- 前記プロトタイプデータ点はデータ点の複数のサンプルのトレーニングセットにおけるクラスター中心である、請求項27、28、29、30又は31に記載の方法。
- いずれのパラメーター値が欠落しているかに関わらず、D−1次元空間において前記周辺新奇性指数を計算するときに同じクラスター中心が使用される、請求項32に記載の方法。
- 前記D−1次元空間及び前記D次元の計測空間における前記所定の関係は、データ点の複数のサンプルのトレーニングセットに基づく、請求項27〜33のいずれか1項に記載の方法。
- 前記所定の関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数又は前記周辺新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、トレーニングセットにおける、閾値未満の前記新奇性指数を有するデータ点の割合を求め、該割合を前記新奇性指数の確率値としてとるか、又は
前記閾値のそれぞれについて、トレーニングセットにおける、閾値未満の前記周辺新奇性指数を有するデータ点の割合を求め、該割合を前記周辺新奇性指数の周辺確率値としてとることに基づく、請求項34に記載の方法。 - それぞれシステムのパラメーターを計測する複数の異なるセンサーの中からセンサー故障を検出するための装置であって、前記複数のパラメーターは、D次元の計測空間のそれぞれの次元を規定し、Dは前記センサーの数に等しく、
値のセットを受信する入力部であって、該セット内の各値は、前記センサーのうちの異なる1つからの計測値であり、各セットは、前記D次元の計測空間におけるデータ点を規定する、入力部と、
前記入力部から入力された前記値のセットに基づいてセンサー故障を検出するプロセッサと、
センサーの故障のアラートを出力するためのデバイスとを備え、
前記プロセッサは、
前記システムが正常状態にあることを表す前記パラメーターの計測値を含む前記次元Dの計測空間におけるプロトタイプデータ点のセットと各データ点との間の距離に基づいて、前記データ点ごとの新奇性指数を計算する手段と、
前記D次元の計測空間に関して計算された、前記新奇性の指数と前記システムの異なる状態の確率との間の所定の関係を使用する手段であって、前記システムが、前記データ点によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す確率値を求める、使用する手段と、
前記値のセットからの1つのパラメーター値を無視し、D−1次元の空間における前記データ点の位置と同じく前記D−1次元の空間にあるプロトタイプデータ点のセットとの間の距離に基づいて、前記データ点ごとに少なくとも1つの周辺新奇性指数を計算する手段であって、前記D−1次元の空間は前記無視されたパラメーターに対応する次元を除外する、計算する手段と、
前記D−1次元の空間に関して計算された、前記周辺新奇性指数と前記システムの異なる状態の周辺確率との間のさらなる所定の関係を使用する手段であって、前記システムが、前記周辺新奇性指数によって表される状態と少なくとも同じだけ前記正常状態に近い確率を表す周辺確率値を求める、使用する手段と、
前記確率値と前記周辺確率値とを比較する手段と、
前記確率値及び前記周辺確率値が所定の閾値よりも大きく異なっている場合に、そのパラメーター値が無視されたセンサーの故障のアラートを前記デバイスから出力させる手段と、
を含む、装置。 - 前記プロセッサは、異なるパラメーター値を無視するごとに周辺新奇性指数を計算すること、及び前記データ点ごとに周辺確率値を求めることを反復し、各結果の周辺確率値を前記確率値と比較して前記センサーのそれぞれの故障を検査する、請求項36に記載の装置。
- 1つの周辺確率値のみが前記確率値から所定の閾値以上異なっている場合に前記アラートを出力することをさらに含む、請求項36又は37に記載の装置。
- 前記データ点ごとに前記新奇性指数又は前記周辺新奇性指数を計算するときに、該データ点の位置が、該データ点と前記プロトタイプデータ点のそれぞれとの間のユークリッド距離に基づく確率密度関数が使用される、請求項36、37又は38に記載の装置。
- 前記確率密度関数はパルザン窓関数である、請求項39に記載の装置。
- 前記プロトタイプデータ点はデータ点の複数のサンプルのトレーニングセットにおけるクラスター中心である、請求項36、37、38、39又は40に記載の装置。
- いずれのパラメーター値が欠落しているかに関わらず、D−1次元空間において前記周辺新奇性指数を計算するときに同じクラスター中心が使用される、請求項41に記載の装置。
- 前記D−1次元空間及び前記D次元の計測空間における前記所定の関係は、データ点の複数のサンプルのトレーニングセットに基づく、請求項36〜42のいずれか1項に記載の装置。
- 前記所定の関係は、
漸進的に最小値から最大値までの範囲をとる前記新奇性指数又は前記周辺新奇性指数の値を閾値としてとり、
該閾値のそれぞれについて、トレーニングセットにおける、閾値未満の前記新奇性指数を有するデータ点の割合を求め、該割合を前記新奇性指数の確率値としてとるか、又は
前記閾値のそれぞれについて、トレーニングセットにおける、閾値未満の前記周辺新奇性指数を有するデータ点の割合を求め、該割合を前記周辺新奇性指数の周辺確率値としてとることに基づく、請求項43に記載の装置。 - 前記システムは人間又は動物である、請求項1〜9、19〜22及び27〜35のいずれか1項に記載の方法。
- 前記システムは人間又は動物である、請求項10〜18、23〜26及び36〜44のいずれか1項に記載の装置。
- 前記パラメーターは医用計測値である、請求項1〜9、19〜22及び27〜35のいずれか1項に記載の方法。
- 前記パラメーターは医用計測値である、請求項10〜18、23〜26及び36〜44のいずれか1項に記載の装置。
- 前記パラメーターは、心拍数、血圧、体温、血液酸素飽和度、呼吸数、グラスゴー昏睡スコアのうちの任意のものを含む、請求項47に記載の方法。
- 前記パラメーターは、心拍数、血圧、体温、血液酸素飽和度、呼吸数、グラスゴー昏睡スコアのうちの任意のものを含む、請求項48に記載の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB0818544.9A GB0818544D0 (en) | 2008-10-09 | 2008-10-09 | Improvements in or relating to multi-parameter monitoring |
GB0818544.9 | 2008-10-09 | ||
PCT/GB2009/002408 WO2010041019A2 (en) | 2008-10-09 | 2009-10-09 | Improvements in or relating to multi-parameter monitoring |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012505456A JP2012505456A (ja) | 2012-03-01 |
JP5544365B2 true JP5544365B2 (ja) | 2014-07-09 |
Family
ID=40083778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011530556A Expired - Fee Related JP5544365B2 (ja) | 2008-10-09 | 2009-10-09 | マルチパラメーターモニタリングにおける改善又はマルチパラメーターモニタリングに関する改善 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8949072B2 (ja) |
EP (1) | EP2347362A1 (ja) |
JP (1) | JP5544365B2 (ja) |
GB (1) | GB0818544D0 (ja) |
WO (1) | WO2010041019A2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8525679B2 (en) | 2009-09-18 | 2013-09-03 | Hill-Rom Services, Inc. | Sensor control for apparatuses for supporting and monitoring a person |
GB2481782A (en) * | 2010-06-21 | 2012-01-11 | Optimized Systems And Solutions Ltd | Asset health monitoring |
FR2990725B1 (fr) * | 2012-05-16 | 2014-05-02 | Snecma | Procede de surveillance d'une degradation d'un dispositif embarque d'un aeronef avec determination automatique d'un seuil de decision |
FR3010448B1 (fr) * | 2013-09-06 | 2015-08-21 | Snecma | Procede de surveillance d’une degradation d’un dispositif embarque d’un aeronef avec determination automatique d’un seuil de decision |
FR3022997B1 (fr) * | 2014-06-25 | 2016-06-10 | Snecma | Procede de surveillance d'une degradation d'un dispositif embarque d'un aeronef incluant la determination d'un seuil de comptage |
US11403565B2 (en) * | 2018-10-10 | 2022-08-02 | Wipro Limited | Method and system for generating a learning path using machine learning |
CN113375832B (zh) * | 2021-08-12 | 2021-11-05 | 天津飞旋科技股份有限公司 | 温度监测***、方法、装置、电机设备及计算机存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070191697A1 (en) * | 2006-02-10 | 2007-08-16 | Lynn Lawrence A | System and method for SPO2 instability detection and quantification |
GB0016561D0 (en) | 2000-07-05 | 2000-08-23 | Rolls Royce Plc | Health monitoring |
GB0113212D0 (en) | 2001-05-31 | 2001-07-25 | Oxford Biosignals Ltd | Patient condition display |
US7373198B2 (en) * | 2002-07-12 | 2008-05-13 | Bionova Technologies Inc. | Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram |
JP2006135412A (ja) * | 2004-11-02 | 2006-05-25 | Tokyo Gas Co Ltd | 遠隔監視システム |
EP1861006A4 (en) * | 2005-03-02 | 2009-12-23 | Spacelabs Healthcare Llc | DISPLAY WITH ESTIMATED TRENDS IN THE WELFARE OF PATIENTS |
JP5714210B2 (ja) * | 2005-09-01 | 2015-05-07 | プロテウス デジタル ヘルス, インコーポレイテッド | 移植可能なワイヤ無し通信システム |
GB0624085D0 (en) * | 2006-12-01 | 2007-01-10 | Oxford Biosignals Ltd | Biomedical signal analysis method |
US8414488B2 (en) * | 2007-11-13 | 2013-04-09 | Oridion Medical 1987 Ltd. | Medical system, apparatus and method |
EP2229641B1 (en) * | 2007-11-13 | 2018-09-26 | Oridion Medical 1987 Ltd. | Medical system, apparatus and method |
US8398555B2 (en) * | 2008-09-10 | 2013-03-19 | Covidien Lp | System and method for detecting ventilatory instability |
-
2008
- 2008-10-09 GB GBGB0818544.9A patent/GB0818544D0/en not_active Ceased
-
2009
- 2009-10-09 JP JP2011530556A patent/JP5544365B2/ja not_active Expired - Fee Related
- 2009-10-09 US US13/122,801 patent/US8949072B2/en not_active Expired - Fee Related
- 2009-10-09 EP EP09737114A patent/EP2347362A1/en not_active Withdrawn
- 2009-10-09 WO PCT/GB2009/002408 patent/WO2010041019A2/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP2347362A1 (en) | 2011-07-27 |
US20110265026A1 (en) | 2011-10-27 |
WO2010041019A2 (en) | 2010-04-15 |
JP2012505456A (ja) | 2012-03-01 |
US8949072B2 (en) | 2015-02-03 |
GB0818544D0 (en) | 2008-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5544365B2 (ja) | マルチパラメーターモニタリングにおける改善又はマルチパラメーターモニタリングに関する改善 | |
EP1658578B1 (en) | A system and method for detecting signal artifacts | |
US9042973B2 (en) | Apparatus and method for measuring physiological signal quality | |
CA2631870C (en) | Residual-based monitoring of human health | |
WO2019161609A1 (zh) | 多参数监护数据分析方法和多参数监护仪 | |
JP5604451B2 (ja) | 臨床的に意味のある生命徴候を自動的に捕獲及び記録保存するシステム及び方法 | |
CN107252313A (zh) | 一种安全驾驶的监测方法及***、汽车、可读存储介质 | |
US10368792B2 (en) | Method for detecting deception and predicting interviewer accuracy in investigative interviewing using interviewer, interviewee and dyadic physiological and behavioral measurements | |
US20150164428A1 (en) | Method for Multi-Scale Quality Assessment for Variability Analysis | |
CN117438024B (zh) | 急诊病人体征数据的智能采集分析***及方法 | |
CN111329459A (zh) | 一种改良的患者生命体征监测预警评分方法 | |
CN116936104B (zh) | 一种基于人工智能的健康检测仪数据分析***及方法 | |
CN105611872A (zh) | 用于评估多通道ecg信号的装置和方法 | |
CN113168916A (zh) | 具有对医学病症的严重性预测和可视化的患者监测***和方法 | |
Zaman et al. | Estimating reliability of signal quality of physiological data from data statistics itself for real-time wearables | |
US20240215901A1 (en) | Method and apparatus for correcting electrocardiogram reading | |
Thommandram et al. | A rule-based temporal analysis method for online health analytics and its application for real-time detection of neonatal spells | |
WO2020146326A1 (en) | Computer-based dynamic rating of ataxic breathing | |
KR102467211B1 (ko) | 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치 | |
CN116019429B (zh) | 基于生理指标的健康监测方法、装置、设备及存储介质 | |
Xie et al. | Prediction of chronic obstructive pulmonary disease exacerbation using physiological time series patterns | |
JP2008220556A (ja) | 心拍測定システム及び方法 | |
Cen et al. | Intelligence ECG Monitoring System: Wireless platform and Arrhythmia classification using Residual neural network | |
Angyal et al. | Algorithm of oscillometric blood pressure measurement applied on microcontroller | |
KR102645586B1 (ko) | 생체신호를 이용한 수면 호흡 상태 분류 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20110808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110808 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120501 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120501 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131112 |
|
RD12 | Notification of acceptance of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7432 Effective date: 20131210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20131210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140210 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140422 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140512 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5544365 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |