JP7309761B2 - 複数の信号を処理するためのシステムおよび方法 - Google Patents

Description

本発明は、個人の生理学的データ（例えば、ヘルスケアシステム）または環境の一般的なステートメント、所定の空間（例えば、部屋、機械、建物）またはオブジェクト（例えば、スマートホームシステム、環境監視システム、防火システムなど）を識別および／または監視するために処理する信号処理の分野に関する。

ここで、複数のおよび／または様々なセンサを使用して、個人またはオブジェクト上で、またはその近傍で、複数の信号を取得することが可能である。例えば、これらのセンサを用いて、心電図（ＥＣＧ）、脳波（ＥＥＧ）、呼吸、血圧、代謝物の存在、温度、個々の身体活動などを表す信号を得ることができる。同様に、これらのセンサのいくつかは、室温、湿度測定、ｐＨ、重金属検出、湿度、空気圧、空気品質、周囲光などを表す信号を得ることを可能にする。

一例によれば、これらのセンサによって送達される信号をモニタリングすることによって、障害を受ける可能性のある個々の特定の生理学的状態を判定することが可能になる。例えば、個体が発作を有している場合、特定の信号特徴が、心電図（ＥＣＧ）または呼吸に対応する信号上に現れる。別の例によれば、煙検出器および温度センサによって所定の空間（例えば、部屋）から送出される信号をモニタリングすることによって、火災の発生を防止することができる。

米国特許第９３３９１９５号は、発作症状が検出される方法を開示している。この方法では、センサ部が複数のセンサから複数の孤立した信号を受信し、特徴検出部は発作症状に関連する前記複数の孤立した信号内の複数の孤立した所定の特徴を検出する。この文献の解決策は発作症状の検出に限定され、大量の計算能力を必要とし、孤立した独立した信号の処理に限定される。この既存の技術は、各種分離された信号を相関させず、したがって、発作状態の検出においてより高い偽陽性率に関連する。したがって、入力信号における任意の修正の発生および／または共起を検出することが可能になるようにそれらを組み合わせることによって、それぞれが異なるスケール、ユニット、または測定のシステムであり得る、複数の独立した信号を処理することができる方法が必要とされている。したがって、得られた組み合わされた処理済みデータは、より正確な高レベル情報を提供し、個人または環境の進化を予測し、識別し、または監視し、劣化の場合にリアルタイムで警告することを可能にする。

本発明は、センサによって、好適には少なくとも２つのセンサによって生成される少なくとも２つの信号を処理する方法に関し、この方法は、
（ｉ）前記少なくとも２つの信号をセンサから受信するステップであって、前記少なくとも２つの信号のうちの少なくとも１つが時間的な信号である、ステップと、
（ｉｉ）前記受信された時間的信号が非同期信号ではない場合、前記受信した時間的信号を、当該時間的信号のイベントからなる非同期時間的信号に変換するステップであって、前記イベントは前記時間的信号の各変化を表す、ステップと、
（ｉｉｉ）（ｉ）で受信された、および／または（ｉｉ）で変換された、１つのセンサから受信された前記非同期信号のそれぞれを分析し、前記分析された非同期信号のアクティビティプロファイルを提供するステップであって、該アクティビティプロファイルは、前記非同期信号の連続するイベントのうちの最新のイベントから経過した時間（ｔ）の関数として変化するアクティビティ値を少なくとも含む、ステップと、
（ｉｖ）所与の時間ｔにおいて、
ａ．前記時間的コンテキスト（ｔ ＴＣ）を決定するステップであって、前記時間的コンテキストは前記非同期信号のそれぞれの前記所与の時間ｔにおけるアクティビティプロファイルのセットとして定義される、ステップと、
ｂ．ステップ（ａ）で決定された前記時間的コンテキストを、少なくとも２つの所定の基準時間的コンテキストの中から選択された少なくとも１つの時間的基準コンテキストと関連付けることによってメタイベント（ｔ ＭＥ）を識別するステップと、
ｃ．ステップ（ｂ）で識別された異なるメタイベント間の相関度を決定することによってメタコンテキスト（ｔ ＭＣ）を決定するステップと、
ｄ．ステップ（ｃ）で決定された前記メタコンテキストを、少なくとも２つの所定の基準メタコンテキストから選択された少なくとも１つの基準メタコンテキストと関連付けることによって基準メタコンテキスト（ｒｅｆＭＣ）を識別するステップと、
を含む。

好ましい実施形態によれば、ステップ（ｉｉｉ）は、（ｉ）で受信され、および／または（ｉｉ）で変換された、１つのセンサから受信された前記非同期信号のそれぞれを分析することと、前記分析された非同期信号またはセンサのアクティビティプロファイルを提供することとからなり、アクティビティプロファイルは、前記非同期信号の連続するイベントのうちの最も近いのイベントから経過した時間（ｔ）の関数として減少するアクティビティ値を少なくとも含む。

特別な実施形態によれば、アクティビティプロファイルの前記設定は、時間および／または空間における最も近いイベントのアクティビティプロファイルを含む。

特別な実施形態によれば、センサからの受信信号は全て時間的信号である。

特別な実施形態によれば、受信された時間的信号は全て非同期信号である。

特別な実施例によれば、全ての受信された時間的信号は非同期信号であり、ステップ（ｉｉ）は存在しない。

以下の用語または定義は、本発明の理解を助けるためにのみ提供される。これらの定義は、当技術分野を理解しない範囲で通常の技能を有すると解釈されるべきではない。

「イベント」は、遷移状態を超える刺激によってトリガされる発生を示す。

「イベント信号」は、イベントのシーケンスのみからなる任意の非同期信号を示し、「非同期信号」は、一連の非同期イベント（「イベント信号」と呼ばれる）によって特徴付けられる時間的信号からなる。より具体的には、それは値が非周期的に調整または更新される、すなわち、２つの値調整の間の時間が変化し得る、任意の時間的信号を指定する。

これらの用語は全て、当該技術分野において周知である。

「非同期信号」、「イベント信号」、「非同期イベントの配列に変換された時間的信号」は、すべて「イベントベース信号」である。

ステップ（ｉｉ）は任意選択であり、受信された時間的信号が非同期信号ではない方法の実施形態に関する。ステップ（ｉｉ）は、受信した時間的信号を、それらが発生したときのセンサによる信号捕捉の変化を表す非同期イベント（「イベント信号」と呼ばれる）の配列に変換することからなる。本方法の以下のステップは、時間的信号から得られた非同期信号を用いてイベントが受信されるときに、アクティビティプロファイルを使用して前記イベント信号を分析することを含む。

アクティビティプロファイルは、各センサまたは各非同期信号（前記非同期信号が（ｉ）においてセンサから直接受信され、および／または（ｉｉ）において変換される）について、前記センサからの連続するイベントのうちの最新のイベントから経過した時間の関数として変化するアクティビティ値を少なくとも含む。好ましい実施形態によれば、アクティビティプロファイルは、各センサについて、または各非同期信号について、少なくとも、前記センサからの連続するイベントのうちの最も近いイベントから経過した時間の関数として減少するアクティビティ値を含む。

したがって、センサまたは非同期信号の「アクティビティプロファイル」は、値が少なくとも、このセンサまたはこの非同期信号について受信された最後のイベントの時間を表す時間の関数としての曲線として見ることができる。アクティビティプロファイルの形態は、センサによって取得された信号における特定の基本パターンの存在を示すことが観察されている。

「イベント信号」は、所与のセンサから来るイベントのセット、または特定のイベントのサブセット（間隔サブセット：ある時間サブセットに限定され、所与の期間に限定される）とすることができる。

特別な実施形態によれば、アクティビティプロファイルのアクティビティ値は１つのセンサから生成された連続するイベントのうち、最も近いイベントから経過した時間の関数として指数関数的に変化する。

好ましい実施形態によれば、アクティビティプロファイルのアクティビティ値は、１つのセンサから生成された連続するイベントのうち、最も近いイベントから経過した時間の関数として指数関数的に減少する。

特定の実施形態では、アクティビティプロファイルが、各センサまたは各非同期信号について、前記センサからの連続するイベントのうちの最も近いイベントの前のイベントから経過した時間の関数として、変化する、好適には減少するアクティビティ値を少なくとも含む。

本発明によれば、ステップ（ｃ）で決定された基準メタコンテキストは、個々の特定の生理学的状態、例えば臨床状態または医学的状態に相関させることができる。あるいは、基準メタコンテキストが環境、所定の空間、またはオブジェクトの特定のステートメントに相関させることができる。

１つの特別な実施形態によれば、少なくとも２つの信号は、ステップ（ｉ）において、前記信号を伝達するための発信器／受信機を有する通信インタフェースを介して受信される。特別な実施形態によれば、前記通信インタフェースは、有線または無線リンクを介して動作する。

イベントベースの信号の使用は、より限定された情報のセットに対して関連付け／相関ステップを実行することを可能にする。これにより、センサによって生成されたより多くの信号を処理することができる。

好ましい実施形態によれば、ステップｂまたは／およびｄにおける関連付けは、当技術分野の方法に従って実行される。１つの特別な実施形態によれば、前記関連付けは、所定の基準コンテキストのグループに属する、考慮されるコンテキスト（時間的および／またはメタコンテキスト）と、対応する基準コンテキスト（すなわち、参照時間的コンテキストおよび／または参照メタコンテキスト）との間の距離を計算することによって行われ、前記距離は最小距離である。

別の実施形態によれば、前記関連付けステップは、スパイキング・ニューラル・ネットワーク（ＳＮＮ）、多層パーセプトロン（ＭＬＰ）、または自動エンコーダ（ＡＥ）などの機械学習の分野からの方法によって行われる。スパイキング・ニューラル・ネットワークは、これらのネットワークが検出しきい値に達したときに同定された基準コンテキストを出力するので、連続的な同定のために使用されることが好ましい。

１つの特別な実施形態によれば、同じ信号に対して、複数の検出が実行される。検出される各所定の特徴は、それ自体のイベント信号を有する。これは、時間的信号内で区分を実行することを可能にし、基準コンテキストの同定の精度を改善する。

好ましい実施形態によれば、前記受信信号のうちの少なくとも２つは測定の異なるスケール、ユニット、または装置であり、および／または異なるセンサタイプに由来する。

好ましい実施形態によれば、前記受信信号は、心電図（ＥＣＧ）、脳波（ＥＥＧ）、呼吸、血圧、体温、個々の身体活動などを表す信号からなる群から選択される。

あるいは、前記受信信号が、室温、湿度測定、ｐＨ、重金属検出、湿度、空気圧、空気品質、周囲光などを表す信号からなる群から選択される。

好ましい実施形態によれば、本発明の方法は、少なくとも２つの時間的信号、好適には少なくとも３つの時間的信号、イベント、より好適には少なくとも５つの時間的信号を含む。

特別な実施形態によれば、基準コンテキスト（すなわち、参照時間的コンテキストおよび／または参照メタコンテキスト）は、イベント信号に関連付けられ、基準コンテキストが識別されると、この基準コンテキストに関連付けられたイベント信号はある値に調整され、その後、時間とともに変化し、好適には減少する。特別な実施形態によれば、各基準コンテキストは、イベント信号に関連付けられ、基準コンテキストが識別されると、この基準コンテキストに関連付けられたイベント信号はある値に調整され、その後、時間とともに変化し、好適には減少する。

注意すべきことであるが、基準信号に関連するイベント信号と、本出願において言及される所定の信号特徴に関連するイベント信号は類似の特性を有する。例えば、基準コンテキストに関連するイベント信号が調整される値、およびそのようなイベント信号の変化量の持続時間、好適には減少は、両方とも、基準コンテキストが表すものに従って当業者によって調整され得る。

本発明による基準コンテキストに関連するイベント信号の使用は、さらなる処理を容易にする方法で基準コンテキストの各検出を追跡することを可能にする。

別の特別な実施形態によれば、本発明の方法は、
（ｖ）ある時間ｔ＋ｎで、
ａ’．時間的コンテキスト（ｔ＋ｎ ＴＣ）の決定であって、前記コンテキストは、前記非同期信号ｂ’の前記所与の時間ｔ＋ｎにおけるアクティビティプロファイルのセットとして定義するステップと、
ｂ’．ステップ（ａ’）で決定された前記時間的コンテキストの各々を、少なくとも２つの事前定義された基準時間的コンテキストｃ’の中から選択された少なくとも１つの時間的基準コンテキストと関連づけることによって、メタイベント（ｔ＋ｎ ＭＥ）を識別するステップと、
ｃ’．ステップ（ｂ’）で識別され、前記少なくとも２つの信号ｄ’から生じる異なるメタイベント間の相関度を決定することによって、メタコンテキスト（ｔ＋ｎ ＭＣ）を決定するステップと、
ｄ’．ステップ（ｃ’）で決定された前記メタコンテキストと、少なくとも２つの所定の基準メタコンテキストから選択された少なくとも１つの基準メタコンテキストとの関連付けによって、基準メタコンテキスト（ｔ＋ｎ ｒｅｆＭＣ）を識別するステップと、
のステップをさらに含む。特別な実施形態によれば、ｔ＝ｔ＋ｎ（ｎ＝０）である。別の特別な実施形態によれば、ｔはｔ＋ｎとは異なる。特別な実施形態によれば、ｎは≧１である。

特別な実施形態によれば、基準コンテキスト（すなわち、参照時間的コンテキストおよび／または参照メタコンテキスト）は、イベント信号に関連付けられ、基準コンテキストが識別されると、この基準コンテキストに関連付けられたイベント信号はある値に調整され、その後、時間とともに変化し、好適には減少する。特別な実施形態によれば、各参考コンテキストは、イベント信号に関連付けられ、参考コンテキストが識別されると、この参考コンテキストに関連付けられたイベント信号はある値に調整され、その後、時間とともに変化し、好適には減少する。

一実施形態によれば、ステップ（ｄ’）で識別された各基準メタコンテキストは、イベント信号に関連付けられ、ステップ（ｄ’）で基準メタコンテキストが識別されると、この基準メタコンテキストに関連付けられたイベント信号はある値に調整され、その後、時間とともに変化し、好適には減少する。

本発明の方法は、再帰的であってもよい。後続のメタコンテキストは、１つまたは複数の後続の基準メタコンテキストに基づいて、１つまたは複数のイベント信号から推定することができる。

メタコンテキストに基づく分類は、基準コンテキストを識別する必要な分類が実行された場合にのみ実行されてもよいことに留意されたい。当業者は、各区分をいつ実施すべきかを決定することができる。

一実施形態によれば、第１の基準メタコンテキストまたは第２の基準メタコンテキストの同定には、第３の所与の時間における少なくとも１つの補助コンテキストの同定が先行し、この方法は、第３の所与の時間および所与の時間または第２の所与の時間を含む期間の基準シグネチャを同定するために、基準メタコンテキストおよび第３の基準メタコンテキストの分類ステップをさらに備える。

この実施形態は、識別された異なる基準メタコンテキストを使用して、第３の所与の時間および第１の所与の時間または第２の所与の時間を含むこの期間上でのみ可視である状態を識別することを可能にする。

当業者は、シグネチャを識別するためにどの分類方法を使用すべきかを知っている。

一実施形態によれば、基準シグネチャは、イベント信号に関連付けられ、基準シグネチャが識別されると、この基準シグネチャに関連付けられたイベント信号はある値に調整され、その後、経時的に変化し、好適には減少する。

言い換えれば、基準コンテキストと同様の方法で、シグネチャがイベント信号に関連付けられる。シグネチャが識別された後に決定され得るコンテキストに対して、例えば分類目的のために、これらのイベント信号を使用することが可能である。

一実施形態によれば、メタコンテキストは、インジケータまたは受信データの値も含むものとして決定される。

このインジケータはまた、当業者によってフラグ、例えば、何かを示すためにゼロまたは１に設定され得るバイナリ値として指定され得る。

例として、利用者はこのインジケータを「１」（または「０」）に設定して、センサによって観察できない可能性がある特定の状態を示すことができ、このインジケータは、（第２の）コンテキストの一部であるため、分類ステップで考慮される。

あるいは、受信したデータを用いてもよい。このデータはセンサを使用して取得されない、またはインジケータによって定義されない任意の追加情報であってもよい。

一実施形態によれば、基準メタコンテキストまたは第２の基準メタコンテキストまたはシグネチャを識別するために分類を実行することは、将来の所与の時間に将来の基準メタコンテキストまたはシグネチャ（分類がシグネチャを提供する場合）を識別することをさらに含む。

言い換えれば、将来の状態に関する予測の定義に寄与するメタコンテキストｅを識別する分類（図３Ａ参照）。

一実施形態によれば、この方法は、この将来の参照メタコンテキストに関連付けられた確率値を配信することを含む。例えば、この確率値は、この将来の参照メタコンテキストまたはシグネチャに到達する確率を示す。

一実施形態によれば、この方法は、識別された基準メタコンテキストおよび／または識別された基準シグネチャを考慮に入れてさらなるアクションを実行することをさらに含む。

例として、この動作は、アラームをトリガすること、メッセージを送信すること、または閉ループ装置（シリンジポンプなど）を動作させることであってもよい。一実施形態によれば、少なくとも１つの時間的信号は、個々について取得され、個々の生理学的データに関連する。

本発明はさらに、信号を処理するための装置に関し、前記装置は信号を生成することができる１つまたは複数のセンサを含み、前記信号のうちの少なくとも１つは、時間的信号であり、本発明の方法を実施する処理ユニットである。

１つの特別な実施形態によれば、１つ以上のセンサは、個人が着用するように構成されたアイテム上に配置される。

この実施形態において、１つ以上のセンサは、個々の生理学的データを取得する。

例として、このアイテムは、シャツまたはＴシャツのような衣服であってもよい。

一例として、このアイテムは、個々の身体上に配置された電子パッチであってもよい。

本発明の方法は、別個の装置のプロセッサによって実施することができる。この別個の装置は、スマートフォン、スマートウォッチ、タブレット等であってもよい。センサと別個の装置との間の通信は有線（例えば、ＵＳＢ：Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓを介して）であってもよいし、無線（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）を介して）であってもよい。

特定の一実施形態では、上記で定義したステップがコンピュータプログラム命令によって決定される。

したがって、本発明はこのプログラムがコンピュータによって実行されるとき、上述の方法のステップを実行するためのコンピュータプログラムにも向けられる。

本発明はさらに、既存の装置にインストールされ、上述の方法の全部または一部を実施するコンピュータプログラムに関する。

本発明はさらに、本発明の方法を実施するための命令を含むコンピュータプログラムが、このプログラムがプロセッサによって実行されるときに格納される非一時的なコンピュータ可読媒体に関する。

このプログラムは任意のプログラミング言語（例えば、オブジェクト指向言語または他のもの）を使用することができ、また、解釈可能なソースコード、オブジェクトコード、またはソースコードとオブジェクトコードとの間の中間コード、例えば、部分的にコンパイルされた形態、完全にコンパイルされたコード、または他の任意の望ましい形態の形で使用することができる。

情報媒体は、プログラムを記憶することが可能な任意のエンティティまたは装置とすることができる。例えば、媒体は、ＲＯＭ、例えばＣＤ ＲＯＭまたはマイクロ平均回路ＲＯＭのような記憶手段、または磁気記憶装置、例えばディスケット（フロッピー（登録商標）ディスク）または固定ディスクを含むことができる。

あるいは、情報媒体は、プログラムが組み込まれた集積回路であってもよく、回路は当該方法を実行するように、またはその実行に使用されるように適合される。

この実施形態では、装置が、方法の実施を可能にする命令、受信されたイベントのストリームに関するデータ、および上述のような方法の様々なステップを実行するための一時データを記憶するためのメモリを備えるコンピュータを備える。

コンピュータは、回路をさらに備える。

この回路は、例えば、コンピュータプログラムまたは本発明の方法のステップがケイ素またはＦＰＧＡチップ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などのプログラマブル電子チップに記載されている電子カード、の形態で命令を解釈することができるプロセッサ、であり得る。このコンピュータは、センサからの信号を受信するための入力インタフェースを備えている。

最後に、コンピュータは利用者、スクリーニングおよびキーボードとの容易な対話を可能にするために、含むことができる。もちろん、キーボードは特に、例えばタッチセンシティブタブレットの形態を有するコンピュータのフレームワークにおいては、オプションである。

以下、添付の図面を参照して、本開示をどのように実施することができるかを例として説明する。
図１は例による生理学的データを処理するための方法のステップの概略図である。 図２は第２のコンテキストが決定される方法のステップの概略図である。 図３Ａおよび図３Ｂは第２のコンテキストが決定される方法のステップの概略図である。 図３Ａおよび図３Ｂは第２のコンテキストが決定される方法のステップの概略図である。 図４は例による装置の概略図である。 図５は衣類アイテムを備える装置の概略図である。 図６は代替の衣類アイテムを備える装置の概略図である。 図７は、ＥＣＧ、呼吸信号、酸素濃度計信号、およびＥＥＧの融合を使用する睡眠時無呼吸検出の概略図である。

図１は、個々の生理学的データを処理するための方法のステップを示す。
しかしながら、本発明は、個々の生理学的データを処理することに限定されず、オブジェクト、部屋、または建物に関する信号にも適用することができる。

第１のステップＳ１０において、生理学的データを収集するステップが実行される。このステップは通信インタフェースを介して（例えば、有線または無線インタフェースを介して）生理学的データを受信することによって実行されてもよい。言い換えれば、本方法は、個人に対して遠隔で実行することができる。

この例では、生理学的データが第１の時間的信号と、第２の時間的信号と、値「１」を有するインジケータまたはフラグとを含む。

時間的信号は個人で取得されたものであってもよく、アナログタイプの電気信号（すなわち、連続信号）またはデジタル信号（すなわち、サンプリングされた信号）であってもよい。例として、第１の感知された信号はＥＣＧ信号であってもよく、第２の感知された信号は個々の呼吸を監視するセンサの出力であってもよい。本出願では、時間的信号が時間と共に変化する値を有する信号であることに留意されたい。

値「１」を有するインジケータは例えば、個々の特定の状態を示すインジケータであってもよい。例えば、インジケータは、個体が特定の手術を受けたこと、または個体が薬物を服用したことを示し得る。また、例えば、このような指標は、ステップＳ１０で受け取った利用者の指令を介して獲得されてもよい。

ステップＳ１０は、時間的信号に対して新しいサンプルが取得されたときに、これらの新しいサンプルが収集される、連続的なやり方で、または準連続的なやり方で実行されてもよいことに留意されたい。

検出ステップＳ２１、Ｓ２２、およびＳ２３は、時間的信号およびインジケータが一旦収集されると、または、時間的信号の収集に沿って連続的に実行される。

ステップＳ２１において、「Ａ」で指定された所定の信号特徴が第１の時間的信号で検出される。特徴「Ａ」は例えば、所定値に達する第１の時間的信号であってもよい。

特徴「Ａ」の各検出の後には調整ステップ（ステップＳ３１）が続き、ここではイベント信号Ａ（ｔ）と呼ばれる特徴「Ａ」に関連する時間信号が値（例えば１）に調整される。図に見られるように、特徴「Ａ」は示される時間の部分で２回検出される。イベント信号Ａ（ｔ）が、続いて、同じ値で２回調整され、Ａ（ｔ）は、所定の傾斜面で時間と共に線形的に減少する。この傾斜面は特徴「Ａ」が関連する期間を示すために選択される。

ステップＳ２２では、「Ｂ」で指定された所定の信号特徴が第１の時間的信号で検出される。特徴「Ｂ」が例えば、第１の時間的信号におけるピークの幅であってもよい。

特徴「Ｂ」の各検出はイベント信号Ｂ（ｔ）と呼ばれる特徴「Ｂ」に関連する時間信号が値（例えば、１）に調整される調整ステップ（ステップＳ３２）が続く。図に見られるように、特徴「Ｂ」は示される時間の部分において一度検出される。値（例えば、１）に調整された後、Ｂ（ｔ）は所定の傾斜面で時間と共にリニアに減少する。図に見られるように、この傾斜面はイベント信号Ａ（ｔ）について示される傾斜面ほど急傾斜面ではない。したがって、特徴「Ｂ」はより長時間にわたり関連性を保つ個々に影響を及ぼす可能性がある。

ステップＳ２３において、「Ｃ」で指定された所定の信号特徴が第２の時間的信号で検出される。特徴「Ｃ」は例えば、所定値に達する第２の時間的信号であってもよい。

特徴「Ｃ」の各検出に続いて、イベント信号Ｃ（ｔ）と呼ばれる特徴「Ｃ」に関連する時間信号が値（例えば１）で調整される調整ステップ（ステップＳ３３）が続き、図に見られるように、特徴「Ｃ」が示される時間の部分に１回検出される。ある値（例えば、１）に調整された後、Ｃ（ｔ）は、所定の傾斜面でリニアに時間と共に減少する。

所与の時点で、個人が特定の状態にあることを検出するために、イベント信号およびフラグを使用することが可能である。そのために、事前に調整されたすべてのイベント信号またはイベント信号の一部を使用することができる。

さらに、所与の検出に対して、例えば、特定の検出に対してあまり重要でないイベント信号に１未満の係数を適用することによって、イベント信号をさらに調整することが可能である。例えば、検出のタイプごとに、イベント信号に適用される係数によって具現化されるイベント信号間の階層があってもよい。当業者は例えば、較正ステップ中に、これらの係数を決定することができる。

ステップＳ４０は、ｔ０によって指定された所与の時間に実行される。例として、ステップＳ４０は規則的な間隔で、例えば、毎分実行されてもよい。このステップでは、コンテキストＣがｔ０における各イベント信号の値および「１」におけるフラグを含むものとして決定される。
Ｃ＝（Ａ（ｔ０）；Ｂ（ｔ０）；Ｃ（ｔ０）；“１”）

この例では、Ｃは４つの成分を含むベクターである。

次いで、このコンテキストは、基準コンテキストが識別される分類ステップＳ５０において使用されることができる。この例では、基準コンテキストのグループが、例えば、較正ステップにおいて、事前に定義されている。各基準コンテキストは、個々の特定の状態に関連付けられてもよい。

分類ステップＳ５０は、距離算出（すなわち、コンテキストＣとそれぞれの基準コンテキストとの間の距離）の手段で実行することができる。当業者は、どの数学的距離を使用すべきかを決定することができるかを決定することができる、または、スパイキング・ニューラル・ネットワーク（ＳＮＮ）、多層パーセプトロン（ＭＬＰ）、またはオートエンコーダ（ＡＥ）などのマシンラーニングの分野からの方法によっても、決定することができる。

次に、基準コンテキストを識別することができる。

図２は、一例による、ＥＣＧ信号である単一の感知信号３００の処理を示す。この信号３００は、当業者に周知の複数のＱＲＳ群（ｃｏｍｐｌｅｘ）を含む。信号に示された第１のＱＲＳ群は参照番号３０１で示されており、信号３００の右側により詳細に示されている。

図示の例では、所定の信号特徴が持続時間Ｔの特定の即時のに所定のレベルＬ１、Ｌ２、およびＬ３に到達する時間的信号に関する。

これらの所定の特徴は、個々の種々の状態の同定を可能にすることが観察されている。これらの特徴が検出されるたびに、ピーク（他の形状の信号が使用されても時間）が信号３０２上に生成される。この信号３０２は、所定の特徴の検出を示す。

信号３０２上では、増加する信号によって所定のレベルに達すると、正のピークが生成される。減少する信号によってあらかじめ定義されたレベルに達すると、負のピークが生成される。

これらのピークの順序から、どの所定の特徴が検出されたかを知ることが可能である。

したがって、対応する所定の特徴が検出されるたびに、対応するイベント信号Ｆ１、Ｆ２、Ｆ３、Ｆ４、およびＦ５をある値に調整することが可能である。各イベント信号Ｆ１～Ｆ５は、信号がある値に調整された直後に減少する。

所与の時間ｔ０において、コンテキストは、イベント信号Ｆ１～Ｆ５の全ての値を含むものとして決定される。

コンテキスト３０４が取得される。図では、このコンテキスト３０４がレーダーチャートの形態で表されている。

コンテキスト３０４を入力として用いて分類法を用いて基準コンテキストを識別することが可能である。例えば、コンテキスト３０４と基準コンテキストとの間の距離を分類に使用することができる。

識別された基準コンテキストは、特に図に表された基準コンテキスト３０５Ａ、３０５Ｂ、３０５Ｃを含む基準コンテキスト３０５のグループに属することができる（簡潔にするために他の基準コンテキストは表されていない）。基準コンテキスト３０５Ｂおよびコンテキスト３０４は、グラフィカルに近く、この基準コンテキストが識別されるべきである。

識別された基準コンテキスト３０５Ｂ、またはこの基準コンテキストに対応する値は、さらなる分類を実行する分類器３０６に入力される。

例えば、ｔ０に先行し得る別の所与の時間ｔ０’において、コンテキスト３０７を決定することが可能である。基準コンテキストのグループから別の基準コンテキストを識別することができる。この例では、基準コンテキスト３０８が識別される。

基準コンテキスト３０８、または、この基準コンテキストに対応する値も、分類器３０６に入力される。

例えば、分類器３０６は、それぞれが文字によって指定された５つの異なるシグネチャを検出することができる。
－ Ｎ：正常状態、
－ Ｓ：上室性期外収縮、
－ Ｖ：心室性期外収縮、
－ Ｆ：細動、および
－ Ｏ：その他の分類されていないイベント。

これらのシグネチャは、それぞれ、イベント信号に関連付けられ得る。また、基準コンテキストＮ：通常状態は生成されるデータの量を制限するために、第２のイベント信号に関連付けられないことが好ましい。

好適には基準コンテキスト３０６はスパイキング・ニューラル・ネットワークを使用し、このスパイキング・ニューラル・ネットワークは所定の検出閾値に達した場合にのみシグネチャを出力することができる。

図３Ａは、第２のコンテキストが決定される該方法の例である。

この図では、異なる時間的信号が示されている。これらのシグナルは、個体において獲得されている。第１の時間的信号２０１は、個々の呼吸を示し、第２の時間的信号２０２は個々のＥＣＧを示し、第３の時間的信号２０３は、利用者の温度を示す。これらの時間的信号は、全て異なるタイプのものである。

時間的信号２０１については、図１を参照して開示したものと同様の方法をこの時間的信号のみに適用することによって、２つの可能な基準コンテキストを識別することができる。これら２つの基準コンテキストのうちの１つが識別されると、識別された基準コンテキストに対応するイベント信号Ｅ１１（ｔ）が値（例えば１）に調整される。その後、イベント信号Ｅ１１（ｔ）は、図１を参照して説明したイベント信号に類似した方法で経時的に減少する。

同様に、他方の基準コンテキストが識別されると、この他方の基準コンテキストに対応するイベント信号Ｅ１２（ｔ）はある値（例えば、１）に調整される。その後、イベント信号Ｅ１２（ｔ）は、経時的に減少する。

第２の時間的信号２０２について、３つの異なる基準コンテキストに対応する３つのイベント信号、すなわちＥ２１（ｔ）、Ｅ２２（ｔ）、およびＥ２３（ｔ）が詳述される。代替的に、これらのイベント信号の１つ以上は図２を参照して開示されるように、識別されたシグネチャに関連付けられてもよいことに留意されたい。

第３の時間的信号２０３について、対応する１つのイベント信号Ｅ３１（ｔ）が詳述される。このイベント信号は、信号２０３の所定の信号特徴の検出に基づいて精緻化することができる。

これらのイベント信号から、個人が識別され得る状態を検出することが可能であり、これはこの状態が時間枠内に識別されている複数の特定のコンテキストに関連付けられることが観察されているためであり、これは対応するイベント信号を観察することがこの状態を検出することを可能にすることを意味する。

例えば、この検出は定期的に、例えば２４時間毎に実行されてもよい。

所与の時間ｔ１においてこの状態を検出できるようにするために、コンテキストＣは、
Ｃ＝（Ｅ１１（ｔ１）；Ｅ１２（ｔ１）；Ｅ２１（ｔ１）；Ｅ２２（ｔ１）；Ｅ２３（ｔ１）；Ｅ３１（ｔ１））
のように決定される。この例では、Ｃは、６成分のベクトルである。

次いで、このコンテキストＣは、第２の基準コンテキストが識別される分類ステップＳ８０において使用され得る。この例では、第２の基準コンテキストのグループが例えば較正ステップにおいて、事前に定義されている。各第２の基準コンテキストは、個々の特定の状態に関連付けられてもよい。

分類ステップＳ８０は距離算出（すなわち、コンテキストＣと各々の第２の基準コンテキストとの間の距離、当業者は、どの数学的距離を使用すべきかを決定することができる）の手段によって、または、スパイキング・ニューラル・ネットワーク（ＳＮＮ）または多層パーセプトロン（ＭＬＰ）などのマシンラーニングの分野からの方法の手段によっても実行され得る。

図２に示すように、分類ステップは、識別された第２の基準コンテキストと予測の両方を出力する。

この予測はｔ１＋Δｔで識別することができる第２の基準コンテキストを含み、ここで、Δｔは、事前定義された持続時間である。さらに、予測は、確率値に関連付けられてもよい。

当業者は、確率値を出力するためにも使用される適切な分類方法を選択することができる。この確率値は、この第２の基準コンテキストが識別される確率を示すことができる。

イベント信号は、コンテキストの同定に基づいて、または第２のコンテキストの同定に基づいて、詳述され得ることに留意されたい。

図３Ｂは、時間的信号２０１に関連するイベント信号Ｅ１１（ｔ）およびＥ１２（ｔ）が処理されて（ステップＳ１００）、ｔ１におけるこれらのイベント信号の状態を表す単一の値を得る、図３Ａに示される方法の代替的な実施である。

時間的信号２０２に関連するイベント信号Ｅ２１（ｔ）、Ｅ２２（ｔ）およびＥ２３（ｔ）は、ｔ１におけるこれらのイベント信号の状態を表す単一の値を得るために処理される（ステップＳ１０１）。

したがって、これは、コンテキストの決定およびステップＳ８０の分類を単純化する

図に示すように、コンテキストを示すレーダ図が表現されている。各成分は、異なる生理学的現象に関連する。

図４は、一例による装置の一例を示す。このシステムは、図１～図３を参照して説明した様々な実施形態を実行するように構成することができる。

システム４００は、２つの外部（装置４０１に関して）センサ４０２および４０３と通信する装置４０１を備える。通信は、装置４０１の通信インタフェース４０４を使用して取得されてもよい。例えば、通信インタフェースは、ＵＳＢインタフェースのような有線通信インタフェースであってもよい。センサ４０２および４０３は、個々の生理学的データを構成する個々に関する時間的信号を取得するように構成される。

装置４０１は、時間的信号を処理するプロセッサ４０５と、不揮発性メモリ４０６とをさらに備える。

この不揮発性メモリ４０６は、参照されるコンテキスト４０７と、１組の命令４０８、４０８、４１０、および４１１とを備える。プロセッサ４０５によって実行されると、これらの命令およびプロセッサ４０５は、装置４０１のモジュールを形成する。

命令４０８は、プロセッサ４０５によって実行されると、センサ４０２および４０３によって取得された時間的信号において、少なくとも１つの所定の信号特徴を検出することを実行する。命令４０８およびプロセッサ４０５は、信号を含む時間的信号において、少なくとも１つの所定の信号特徴を検出する検出モジュールを形成する。

命令４０９は、プロセッサ４０５によって実行されると、イベント信号と呼ばれる少なくとも１つの所定の信号特徴に関連する時間信号をある値で調整することを実行し、少なくとも１つの所定の信号特徴が検出されると、イベント信号は、その後、経時的に減少する。命令４０９およびプロセッサ４０５は、イベント信号と呼ばれる少なくとも１つの所定の信号特徴に関連する時間信号を値で調整する調整モジュールを形成し、少なくとも１つの所定の信号特徴が検出されると、イベント信号は、その後、時間の経過とともに減少する。

命令４１０はプロセッサ４０５によって実行されると、所与の時間に、この所与の時間におけるイベント信号の値を少なくとも含むものとしてコンテキストを決定することを実行する。命令４１０およびプロセッサ４０５は所与の時間に、この所与の時間におけるイベント信号の値を少なくとも含むコンテキストを決定する決定モジュールを形成する。

命令４１１はプロセッサ４０５によって実行されるとき、（基準コンテキスト４０７からの）基準コンテキストを識別するように、コンテキストの分類を実行する。命令４１１とプロセッサ４０５は所定の時間に、基準コンテキストを識別するようにコンテキストを分類する分類モジュールを形成する。

図５には、システム５００が示されている。このシステムはスマートフォンとすることができ、図４を参照して説明した装置４０１に類似した装置５０１を含む。

この例では、３つのセンサが衣類、Ｔシャツのアイテムに埋め込まれたものとして示されている。これらのセンサは、５０３、５０４、および５０５で参照される。３つのセンサ５０３～５０５は、通信リンクＬ１を介して装置５０１と無線で通信する通信モジュール５０６に接続される。無線通信は、ブルートゥース（登録商標）または他の適切な無線通信プロトコルを使用して実行することができる。

図に示すように、デバイス５０１のスクリーニングは、識別された基準コンテキストに従って警告メッセージを表示することができる。

図６には、装置６００が示されている。システム６００は、衣料品、アームバンドの形態であってもよい。

このアームバンドは、アームバンドに埋め込まれ、図４を参照して説明した装置４０１に類似した装置６０１を備え、このアームバンドには、センサ６０２、６０４、６０４も備えられている。

上記の例から理解されるように、本発明は、コンパクトな方法で実施することができる。

イベント信号の使用はまた、リアルタイムの結果を得ることを可能にする（例えば、コンテキストは、毎秒識別されてもよい）。

また、異なるタイプの時間的信号から生じる（第２の）イベント信号を使用することにより、個々の複雑な状態を識別することができる。したがって、個人を積極的に保護するために、または個人に警告するために、例えば個人にとって有害であり得る状態の検出を改善することが可能である。

図７は、ＥＣＧ、呼吸信号、酸素濃度計信号、およびＥＥＧの融合を使用するマルチパラメトリック睡眠時無呼吸検出器への本発明のデータ融合方法の使用を示す。

データ融合は複数のデータソースを統合して、任意の個々のデータソースによって提供される情報よりも、より一貫性があり、正確で、有用な情報を生成するプロセスである。特徴抽出は、本発明の方法を用いて、各センサからの各分離された信号に適用される。次いで、特徴を組み合わせて、特定の生理学的状態を検出する（図７を参照）。

睡眠時無呼吸は、夜間睡眠中の複数の生理的信号のモニタリングからなる睡眠ポリグラフ（ＰＳＧ：Ｐｏｌｙｓｏｍｎｏｇｒａｐｈｙ）方法を用いて診断されることが多い。それは、この病理の検出が、本発明のデータ融合方法を説明するための良好な例である理由である。睡眠時無呼吸は、睡眠中の呼吸の休止または浅い呼吸の期間を特徴とする睡眠障害である。各休止は数秒から数分持続し、一晩に何度も起こることがあり得る。睡眠時無呼吸には、閉塞性（ＯＳＡ）、最も多い形態、中央（ＣＳＡ）、混合性と呼ばれる２つの組み合わせの３つの形態がある。この疾患は正常な睡眠を妨げ、傾眠過多、神経認知機能障害、心血管疾患、代謝機能障害および呼吸不全を引き起こす可能性がある。睡眠時無呼吸も、てんかん患者によくみられる病態であり、死につながる可能性がある。モニタリングされる信号には通常、脳波（ＥＥＧ）、空気流、胸部または腹部の呼吸努力信号および血中酸素飽和度が含まれる。ＰＳＧの分析は専用の人員を必要とし、非常に時間がかかる。さらに、それは、スコアラーにおける評価者間の信頼性変化量を伴う。したがって、自動的な睡眠時無呼吸検出が必要である。

［パフォーマンス・メトリック］
睡眠時無呼吸検出器は、Ｓｅ、ＳＰ、全体的精度（ＡＣＣ）、およびＦ１スコアに関して評価される。これらの数的指標は真陽性（ＴＰ：睡眠時無呼吸と正しく同定された症例数）、真陰性（ＴＮ：睡眠時無呼吸ではないと正しく同定された症例数）、偽陽性（ＦＰ：睡眠時無呼吸と誤って同定された症例数）、偽陰性（ＦＮ：睡眠時無呼吸ではないと誤って同定された症例数）の数に依存し、

のように計算される。感度（Ｓｅ）は睡眠時無呼吸を正しく検出する能力を指し、特異性（Ｓｐ）は睡眠時無呼吸のない患者を正しく拒絶する能力を評価する。

［結果］
データは、７時間～ほぼ１０時間の３５回の記録である。各記録はＥＣＧ信号を含み、４記録のみが胸部および腹部呼吸エオート信号も含む。無呼吸の有無は、各記録の１分毎に示される。ＯＳＡ無呼吸のみがデータセットに存在する。データ融合の関心を評価するために、ＥＣＧおよび呼吸信号の両方を含む記録のみが使用される。単一のパラメータを使用する無呼吸検出性能は呼吸信号のみに、次いで両方の信号（ＥＣＧ＋呼吸信号）に本発明の方法を適用することによって、複数のパラメータを使用する検出と比較される。Ｆ１スコアの１５％を超える増加が、データ融合のおかげで得られる。ただし、使用可能なデータセットのサイズによって、学習と結果が制限される。

この方法の性能は、別のデータセットであるＭＩＴ‐ＢＩＨ 睡眠ポリグラフ・データベース（Ｐｏｌｙｓｏｍｎｏｇｒａｐｈｉｃ Ｄａｔａｂａｓｅ）で検証された。これは、睡眠中に複数の生理学的シグナルの録音を集めたものである。データベースには、４、６、７チャンネルの８０時間以上の録音が含まれている。心電図信号、ＥＥＧ信号、鼻、胸および腹部呼吸エオート（ｅｏｒｔ）信号、および耳たぶオキシメータ信号（ＳＯ２）を含む記録は４つのみである。睡眠段階および異なるタイプの無呼吸の有無は、各記録の３０秒ごとに示される。データセットは、異なるタイプの無呼吸、ＯＳＡおよびＣＳＡ、ならびに異なるタイプの睡眠段階（１、２、３、４および覚醒）を含む。分類は無呼吸のタイプの違いを区別せず、信号の一部を「無呼吸」、「無呼吸」のいずれかに分類する。信号は呼吸努力信号のみを用いて分類する。８１％のＦ１得点が得られる。心電図と呼吸の情報を組み合わせることにより、８４％のＦ１得点が得られる。結果は、まず信号の一部を異なる睡眠段階に分類することで改善される。脳波が信号を「睡眠段階１」、「睡眠段階２」、「睡眠段階３と４」、「覚醒」の４つのカテゴリーに分類するために用いられる。そして、心電図、呼吸、およびオキシメータ信号を分析して、記録を「無呼吸」または「非無呼吸」に分類する。９４．４％のＦ１スコアが得られる。分類の結果は、より多くの生理学的信号を加えると増加し続ける。

［結論］
睡眠時無呼吸の検出は、ＭＩＴ－ＢＩＨ 睡眠ポリグラフ・データベース（Ｐｏｌｙｓｏｍｎｏｇｒａｐｈｉｃ Ｄａｔａｂａｓｅ）とＣｉｎＣチャレンジ２０００のデータセットの２つのマルチパラメトリック・データベースで検証されている。これらのデータベースは複数の生理学的信号を含み、データ融合の評価を可能にする。記録は、ＥＣＧ、ＥＥＧ、呼吸信号、および耳たぶ酸素濃度計信号から構成される。心電図および呼吸信号からの特徴を組み合わせることにより、ＣｉｎＣチャレンジ２０００データセットについて、呼吸のみからの特徴と比較して、Ｆ１スコアの１５％の増加が得られている。ＭＩＴ－ＢＩＨ 睡眠ポリグラフ・データベースからの記録は、異なるタイプの無呼吸、および異なる睡眠段階を提示する。信号の部分は、ＥＥＧ情報を使用して、最初に睡眠段階に分類された。次に、本発明の方法をＥＣＧ、呼吸および酸素濃度計信号に適用した。９１％の検出感度（Ｓｅ）および９８％の特異性（Ｓｐ）が得られた。

結論として、データ融合は無呼吸検出の結果を改善する。複数の生理学的信号をモニタリングすることは、異なる病状のより良好な検出をもたらすことができる。
［態様１］
センサによって、好適には少なくとも２つのセンサによって、生成された少なくとも２つの信号を処理するための方法であって、前記方法は、
（ｉ）センサから少なくとも２つの信号を受信するステップであって、前記少なくとも２つの信号のうちの少なくとも１つが時間的信号である、ステップと、
（ｉｉ）前記受信された時間的信号が非同期信号でない場合、前記受信された時間的信号を前記時間的信号のイベントを含む非同期時間的信号に変換するステップであって、前記イベントは前記時間的信号の各変更を表す、ステップと、
（ｉｉｉ）（ｉ）で受信された、および／または（ｉｉ）で変換された、１つのセンサから受信された前記非同期信号のそれぞれを分析し、前記分析された非同期信号のアクティビティプロファイルを提供するステップであって、前記アクティビティプロファイルは、所与の第１の時間に、前記非同期信号の連続するイベントのうちの最新のイベントから経過した時間（ｔ）の関数として変更するアクティビティ値を少なくとも含む、ステップと、
（ｉｖ）所与の第１の時間において、
ａ．第１の時間的コンテキスト（ｔＴＣ）を決定するステップであって、該第１の時間的コンテキストは前記非同期信号の前記所与の第１の時間におけるアクティビティプロファイルのセットとして定義される、ステップと、
ｂ．ステップ（ａ）で決定された前記第１の時間的コンテキストを、少なくとも２つの所定の基準時間的コンテキストの中から選択された少なくとも１つの時間的基準コンテキストと関連付けることによって第１のメタイベント（ｔＭＥ）識別するステップと、
ｃ．ステップ（ｂ）で識別され、前記少なくとも２つの信号から生じる異なる第１のメタイベント間の相関度を決定することによって第１のメタコンテキスト（ｔ ｒｅｆＭＣ）を決定するステップと、
ｄ．ステップ（ｃ）で決定された前記メタコンテキストを、少なくとも２つの所定の基準メタコンテキストから選択された少なくとも１つの基準メタコンテキストと関連付けることによって第１の基準メタコンテキストを識別するステップと、
を含む、方法。
［態様２］
ステップ（ｉｉｉ）は、
（ｉ）で受信され、および／またｊは、（ｉｉ）で変換された、１つのセンサから受信された前記非同期信号のそれぞれを分析するステップと、
前記分析された非同期信号またはセンサのアクティビティプロファイルを提供するステップであって、該アクティビティプロファイルは、前記非同期信号の連続するイベントのうちの最新のイベントから経過した時間（ｔ）の関数として減少するアクティビティ値を少なくとも含む、ステップと、
からなる、態様１に記載の方法。
［態様３］
センサから受信された前記信号の全てが、時間的信号である、態様１または２に記載の方法。
［態様４］
前記受信された時間的信号の全てが非同期信号であり、ステップ（ｉｉ）が存在しない、態様１ないし３のいずれか１項に記載の方法。
［態様５］
ステップ（ｃ）において決定された基準メタコンテキストが、個人の特定の生理学的状態に相関され得る、請求項１ないし４のいずれか１項に記載の方法。
［態様６］
前記受信された信号のうちの少なくとも２つが、異なるスケール、測定単位または測定のシステムである、および／または、異なるセンサタイプから発生している、態様１ないし５のいずれか１項に記載の方法。
［態様７］
前記受信された信号が、心電図（ＥＣＧ）、脳波（ＥＥＧ）、呼吸、血圧、体温、個人の身体活動などを表す信号からなる群から選択される、態様１ないし６のいずれか１項に記載の方法。
［態様８］
前記方法は、少なくとも２つの時間的信号、好適には、少なくとも３つの時間的信号、さらにより好適には、少なくとも５つの時間的信号、を含む、態様１ないし７のいずれか１項に記載の方法。
［態様９］
前記方法は、少なくとも２つの時間的信号、好適には、少なくとも３つの時間的信号、さらにより好適には、少なくとも５つの時間的信号を含む、態様１ないし８のいずれか１項に記載の方法。
［態様１０］
前記方法は、
（ｉ）所与の時間ｔ＋ｎにおいて、
ａ’．時間的コンテキスト（ｔ＋ｎ ＴＣ）を決定するステップであって、該コンテキストは、前記非同期信号ｂ’の前記所与の時間ｔ＋ｎにおけるアクティビティプロファイルのセットとして定義される、ステップと、
ｂ’．ステップ（ａ’）で決定された前記時間的コンテキストの各々を、少なくとも２つの事前定義された基準時間的コンテキストｃ’の中から選択された少なくとも１つの時間的基準コンテキストと関連づけることによって、メタイベント（ｔ＋ｎ ＭＥ）を識別するステップと、
ｃ’．ステップ（ｂ’）で識別され、前記少なくとも２つの信号から生じる前記異なるメタイベント間の相関度を決定することによって、メタコンテキスト（ｔ＋ｎ ＭＣ）を決定するステップと、
ｄ’．ステップ（ｃ’）で決定された前記メタコンテキストと、少なくとも２つの所定の基準メタコンテキストから選択された少なくとも１つの基準メタコンテキストとの関連付けによって、基準メタコンテキスト（ｔ＋ｎ ｒｅｆＭＣ）を識別するステップと、
のステップをさらに含む、態様１ないし９のいずれか１項に記載の方法。
［態様１１］
ｔ＝ｔ＋ｎ（ｎ＝０）である、態様１０に記載の方法。
［態様１２］
ｔがｔ＋ｎとは異なる、態様１０に記載の方法。
［態様１３］
前記基準時間的コンテキストまたは／および基準メタコンテキストは、イベント信号に関連付けられ、基準コンテキストが識別されると、この基準コンテキストに関連付けられたイベント信号はある値に調整され、その後、経時的に変化し、好適には減少する、態様１ないし１２のいずれか１項に記載の方法。
［態様１４］
前記方法は再帰的である、態様１ないし１３のいずれか１項に記載の方法。
［態様１５］
前記予測は、ｔ１＋Δｔにおいて識別され得る第２の基準コンテキストを含み、ここで、Δｔは、事前定義された持続時間である、態様１ないし１４のいずれか１項に記載の方法。
［態様１６］
前記予測は、確率値に関連付けられる、態様１ないし１５のいずれか１項に記載の方法。
［態様１７］
前記予測は、警告に関連する、態様１５または１６に記載の方法。

Claims (17)

1. センサによって、好適には少なくとも２つのセンサによって、生成された少なくとも２つの信号を処理するための方法であって、前記方法は、
   （ｉ）センサから少なくとも２つの信号を受信するステップであって、前記少なくとも２つの信号のうちの少なくとも１つが時間的信号である、ステップと、
   （ｉｉ）前記受信された時間的信号が非同期信号でない場合、前記受信された時間的信号を前記時間的信号のイベントを含む非同期時間的信号に変換するステップであって、前記イベントは前記時間的信号の各変更を表す、ステップと、
   （ｉｉｉ）（ｉ）で受信された、および／または（ｉｉ）で変換された、１つのセンサから受信された前記非同期信号のそれぞれを分析し、前記分析された非同期信号のアクティビティプロファイルを提供するステップであって、前記アクティビティプロファイルは、所与の第１の時間に、前記非同期信号の連続するイベントのうちの最新のイベントから経過した時間（ｔ）の関数として変更するアクティビティ値を少なくとも含む、ステップと、
   （ｉｖ）所与の第１の時間において、
   ａ．第１の時間的コンテキスト（ｔＴＣ）を決定するステップであって、該第１の時間的コンテキストは前記非同期信号の前記所与の第１の時間におけるアクティビティプロファイルのセットとして定義される、ステップと、
   ｂ．ステップ（ａ）で決定された前記第１の時間的コンテキストを、少なくとも２つの所定の基準時間的コンテキストの中から選択された少なくとも１つの時間的基準コンテキストと関連付けることによって第１のメタイベント（ｔＭＥ）識別するステップと、
   ｃ．ステップ（ｂ）で識別され、前記少なくとも２つの信号から生じる異なる第１のメタイベント間の相関度を決定することによって第１のメタコンテキスト（ｔ ｒｅｆＭＣ）を決定するステップと、
   ｄ．ステップ（ｃ）で決定された前記メタコンテキストを、少なくとも２つの所定の基準メタコンテキストから選択された少なくとも１つの基準メタコンテキストと関連付けることによって第１の基準メタコンテキストを識別するステップと、
   を含む、方法。
2. ステップ（ｉｉｉ）は、
   （ｉ）で受信され、および／またｊは、（ｉｉ）で変換された、１つのセンサから受信された前記非同期信号のそれぞれを分析するステップと、
   前記分析された非同期信号またはセンサのアクティビティプロファイルを提供するステップであって、該アクティビティプロファイルは、前記非同期信号の連続するイベントのうちの最新のイベントから経過した時間（ｔ）の関数として減少するアクティビティ値を少なくとも含む、ステップと、
   からなる、請求項１に記載の方法。
3. センサから受信された前記信号の全てが、時間的信号である、請求項１または２に記載の方法。
4. 前記受信された時間的信号の全てが非同期信号であり、ステップ（ｉｉ）が存在しない、請求項１ないし３のいずれか１項に記載の方法。
5. ステップ（ｃ）において決定された基準メタコンテキストが、個人の特定の生理学的状態に相関され得る、請求項１ないし４のいずれか１項に記載の方法。
6. 前記受信された信号のうちの少なくとも２つが、異なるスケール、測定単位または測定のシステムである、および／または、異なるセンサタイプから発生している、請求項１ないし５のいずれか１項に記載の方法。
7. 前記受信された信号が、心電図（ＥＣＧ）、脳波（ＥＥＧ）、呼吸、血圧、体温、個人の身体活動などを表す信号からなる群から選択される、請求項１ないし６のいずれか１項に記載の方法。
8. 前記方法は、少なくとも２つの時間的信号を含む、請求項１ないし７のいずれか１項に記載の方法。
9. 前記方法は、少なくとも３つの時間的信号を含む、請求項１ないし８のいずれか１項に記載の方法。
10. 前記方法は、
    （ｉ）所与の時間ｔ＋ｎにおいて、
    ａ’．時間的コンテキスト（ｔ＋ｎ ＴＣ）を決定するステップであって、該コンテキストは、前記非同期信号ｂ’の前記所与の時間ｔ＋ｎにおけるアクティビティプロファイルのセットとして定義される、ステップと、
    ｂ’．ステップ（ａ’）で決定された前記時間的コンテキストの各々を、少なくとも２つの事前定義された基準時間的コンテキストｃ’の中から選択された少なくとも１つの時間的基準コンテキストと関連づけることによって、メタイベント（ｔ＋ｎ ＭＥ）を識別するステップと、
    ｃ’．ステップ（ｂ’）で識別され、前記少なくとも２つの信号から生じる前記異なるメタイベント間の相関度を決定することによって、メタコンテキスト（ｔ＋ｎ ＭＣ）を決定するステップと、
    ｄ’．ステップ（ｃ’）で決定された前記メタコンテキストと、少なくとも２つの所定の基準メタコンテキストから選択された少なくとも１つの基準メタコンテキストとの関連付けによって、基準メタコンテキスト（ｔ＋ｎ ｒｅｆＭＣ）を識別するステップと、
    のステップをさらに含む、請求項１ないし９のいずれか１項に記載の方法。
11. ｔ＝ｔ＋ｎ（ｎ＝０）である、請求項１０に記載の方法。
12. ｔがｔ＋ｎとは異なる、請求項１０に記載の方法。
13. 前記基準時間的コンテキストまたは／および基準メタコンテキストは、イベント信号に関連付けられ、基準コンテキストが識別されると、この基準コンテキストに関連付けられたイベント信号はある値に調整され、その後、経時的に変化し、好適には減少する、請求項１ないし１２のいずれか１項に記載の方法。
14. 前記方法は再帰的である、請求項１ないし１３のいずれか１項に記載の方法。
15. 前記予測は、ｔ１＋Δｔにおいて識別され得る第２の基準コンテキストを含み、ここで、Δｔは、事前定義された持続時間である、請求項１ないし１４のいずれか１項に記載の方法。
16. 前記予測は、確率値に関連付けられる、請求項１ないし１５のいずれか１項に記載の方法。
17. 前記予測は、警告に関連する、請求項１５または１６に記載の方法。

Images