RU2515401C2 - Система и способ обнаружения респираторной недостаточности дыхания субъекта - Google Patents
Система и способ обнаружения респираторной недостаточности дыхания субъекта Download PDFInfo
- Publication number
- RU2515401C2 RU2515401C2 RU2011119441/14A RU2011119441A RU2515401C2 RU 2515401 C2 RU2515401 C2 RU 2515401C2 RU 2011119441/14 A RU2011119441/14 A RU 2011119441/14A RU 2011119441 A RU2011119441 A RU 2011119441A RU 2515401 C2 RU2515401 C2 RU 2515401C2
- Authority
- RU
- Russia
- Prior art keywords
- parameter
- exhalation
- determined
- inhalation
- subject
- Prior art date
Links
Images
Classifications
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Изобретение относится к медицине, а именно к системам и способам обнаружения респираторной недостаточности. Система содержит процессоры, получающие информацию, относящуюся к дыханию субъекта, и исполняющие модули. Модули включают в себя параметрический модуль, модуль ключевого параметра, модуль классификации. Параметрический модуль определяет параметры дыхания субъекта на основании информации, полученной процессором, причем параметры определяют для каждого предварительного вдоха-выдоха, при этом упомянутый предварительный вдох-выдох относится к отдельным вдохам-выдохам и не к качеству вдохов-выдохов, а только к уровню анализа в идентификации респирации. Модуль ключевого параметра выводит значения для ключевого параметра дыхания субъекта для каждого предварительного вдоха-выдоха из параметров, определенных параметрическим модулем, причем ключевой параметр представляет собой параметр, который нельзя напрямую извлечь из информации, полученной процессором. Модуль ключевого параметра дополнительно включает в себя искусственную нейронную сеть, которая моделирует отношение между заранее определенным набором параметров дыхания и ключевым параметром, в ответ на вводы параметров дыхания заданного предварительного вдоха-выдоха, а также выводит значение для ключевого параметра для упомянутого заданного предварительного вдоха-выдоха. Модуль классификации определяет респираторную недостаточность дыхания субъекта путем сравнения выведенного значения ключевого параметра для заданного предварительного вдоха-выдоха с заранее определенным порогом, классификации, в ответ на сравнение, отдельных предварительных вдохов-выдохов как действительных, продуктивных, вдохов-выдохов или артефактных, недостаточных, вдохов-выдохов, соответственно, и в ответ на классификацию отдельных предварительных вдохов-выдохов. Параметры, определенные параметрическим модулем, включают в себя значения, определенные агрегацией заранее определенных наборов выборок уровней СО2 во время заданного предварительного вдоха-выдоха, причем первый параметр определяют из первого набора, который содержит первое количество выборок уровней CO2 во время упомянутого заданного предварительного вдоха-выдоха, другой параметр определяют из следующего набора, который содержит следующее количество выборок уровня CO2 во время того же заданного предварительного вдоха-выдоха, и в ответ на упомянутый заданный предварительный вдох-выдох, являющийся коротким вдохом-выдохом, не обеспечивающим достаточно элементов выборок для обеспечения данных, из которых каждое из значений параметра может быть определено. Параметрический модуль автоматически назначает заранее установленные значения тем элементам выборок, которые не обеспечены из-за короткого вдоха-выдоха, и определяет соответствующий параметр с использованием упомянутых назначенных значений. Способ включает в себя этапы работы системы для обнаружения респираторной недостаточности. Использование изобретения обеспечивает усовершенствованное определение параметров дыхания за счет учета короткого вдоха-выдоха. 3 н. и 10 з.п. ф-лы, 6 ил.
Description
Уровень техники
1. Область, к которой относится изобретение
Изобретение относится к обнаружению респираторной недостаточности дыхания субъекта и формированию искусственной нейронной сети для использования в таком обнаружении.
2.
Описание предыдущего уровня техники
Известен прием по слежению за капнограммой проб газа в дыхательных путях неинтубированного субъекта или в непосредственной близости от них для обнаружения респираторной недостаточности дыхания субъекта. Обычно этот прием основан на флуктуации CO2, присутствующего в дыхательных путях субъекта во время вдоха субъектом (уменьшая уровень CO2) и выдоха (увеличивая уровень CO2). Однако этот прием обладает недостатком, заключающимся в том, что, при различных обстоятельствах, обычные системы, применяющие этот прием, не обнаруживают отсутствие или недостаточность дыхания субъекта.
Например, субъект может предпринимать попытки к дыханию, без перемещения достаточного объема газа в легкие, и из них. Эти небольшие, непродуктивные вдохи могут быть вызваны передозировкой успокоительного, либо блокадой дыхательных путей, наряду с другими случаями. К сожалению, простая капнометрия может оказаться неспособной отличить эти небольшие, неадекватные вдохи от безопасного спокойного дыхания. В качестве другого примера можно привести феномен кардиогенной осцилляции, при котором биение сердца вызывает очень малые перемещения газа в легких и из них. Несмотря на то что обычные системы могут определять эти движения газа как достаточную респирацию, объем перемещаемого газа будет недостаточен для поддержания жизнедеятельности субъекта.
Сущность изобретения
Один аспект изобретения относится к системе, выполненной с возможностью обнаружения респираторной недостаточности. В одном варианте осуществления система включает в себя один или более процессоров, выполненных с возможностью получения информации, относящейся к дыханию субъекта, и для исполнения одного или более модулей. В одном варианте осуществления один или более модулей включает в себя параметрический модуль, модуль ключевого параметра и модуль классификации. Параметрический модуль выполнен с возможностью определения параметров дыхания субъекта на основании информации, полученной процессором. Модуль ключевого параметра выполнен с возможностью выведения значения для ключевого параметра дыхания субъекта из параметров, определенных параметрическим модулем, причем ключевым параметром является параметр, который напрямую из информации, полученной процессором, не извлекается. Модуль классификации выполнен с возможностью определения респираторной недостаточности дыхания субъекта путем сравнения выведенного значения ключевого параметра с заранее определенным порогом.
Другой аспект изобретения относится к способу обнаружения респираторной недостаточности. В одном варианте осуществления изобретения способ включает в себя получение информации, относящейся к дыханию субъекта; определение параметров дыхания субъекта на основании полученной информации; вывод значения для ключевого параметра дыхания субъекта из определенных параметров, причем ключевым параметром является параметр, который напрямую из информации о дыхании субъекта, полученной процессором, не извлекается; и обнаружение респираторной недостаточности дыхания субъекта путем сравнения выведенного значения ключевого параметра с заранее определенным порогом.
Еще один аспект изобретения относится к системе, выполненной с возможностью обнаружения респираторной недостаточности. В одном варианте осуществления система включает в себя средство получения информации, относящейся к дыханию субъекта; средство определения параметров дыхания субъекта на основании полученной информации; средство выведения значения для ключевого параметра дыхания субъекта из определенных параметров, причем ключевым параметром является параметр, который напрямую из информации о дыхании субъекта, полученной процессором, не извлекается; и средство обнаружения респираторной недостаточности дыхания субъекта путем сравнения выведенного значения ключевого параметра с заранее определенным порогом.
Еще один аспект изобретения относится к системе, выполненной с возможностью формирования искусственной нейронной сети, моделирующей отношение между заранее определенным набором параметров дыхания и ключевым параметром. В одном варианте осуществления система включает в себя входной интерфейс и один или более процессоров. Входной интерфейс выполнен с возможностью получения наборов информации, которые соответствуют дыханию индивидов из множества испытуемых субъектов, причем информация относится к набору параметров дыхания, включающему в себя ключевой параметр, ключевой параметр представляет собой индикатор недостаточности дыхания. Один или более процессоров исполняют один или более модулей. В одном варианте осуществления один или более модулей включают в себя параметрический модуль и модуль моделирования. Параметрический модуль выполнен с возможностью определения значений для набора параметров дыхания для вдохов индивидов из испытуемых субъектов из полученных наборов информации. Модуль моделирования выполнен с возможностью формирования искусственной нейронной сети, которая моделирует отношение между значением ключевого параметра и значениями других элементов из набора параметров дыхания, причем модуль моделирования формирует искусственную нейронную сеть из значений, определенных параметрическим модулем.
Еще один аспект изобретения относится к способу формирования искусственной нейронной сети, моделирующей отношение между заранее определенным набором параметров дыхания и ключевым параметром. В одном варианте осуществления способ включает в себя получение наборов информации, соответствующих дыханию индивидов из множества испытуемых субъектов, причем информация относится к набору параметров дыхания, включающему ключевой параметр, ключевой параметр представляет собой индикатор недостаточности дыхания; определение значений для набора параметров дыхания для вдохов индивидов из испытуемых субъектов из полученных наборов информации; и формирование искусственной нейронной сети, моделирующей отношение между значением ключевого параметра и значениями других элементов из набора параметров дыхания, искусственную нейронную сеть формируют из значений набора параметров дыхания для дыхания индивидов из испытуемых субъектов.
Еще один аспект изобретения относится к системе, выполненной с возможностью формирования искусственной нейронной сети, моделирующей отношение между заранее определенным набором параметров дыхания и ключевым параметром. В одном варианте осуществления система включает в себя средство получения наборов информации, соответствующих дыханию индивидов из множества испытуемых субъектов, причем информация относится к набору параметров дыхания, включающему ключевой параметр, ключевой параметр представляет собой индикатор недостаточности дыхания; средство определения значений для набора параметров дыхания для дыхания индивидов из испытуемых субъектов из полученных наборов информации; и средство формирования искусственной нейронной сети, моделирующей отношение между значением ключевого параметра, и значениями других элементов из набора параметров дыхания, причем искусственную нейронную сеть формируют из значений набора параметров дыхания для дыхания индивидов из испытуемых субъектов.
Эти и другие объекты, характерные особенности, и характеристики настоящего изобретения, равно как и способы работы и функции соотносящихся элементов структуры, и комбинации деталей и экономики производства, станут более понятны после рассмотрения следующего описания и приложенной формулы изобретения со ссылкой на приложенные чертежи, все из которых формируют часть данной спецификации, в которых одни номера ссылок указывают соответствующие части на различных чертежах. Однако необходимо понимать, что чертежи предназначены только для иллюстративных и описательных целей, и не предназначены для определения границ изобретения. При использовании в описании и приложенной формуле изобретения, единственное число включает в себя множественные объекты, если контекст не указывает явно на обратное.
Краткое описание чертежей
На фиг.1 проиллюстрирована система, выполненная с возможностью обнаружения респираторной недостаточности, в соответствии с одним или более вариантами осуществления изобретения;
На фиг.2 проиллюстрирован способ обнаружения респираторной недостаточности, в соответствии с одним или более вариантами осуществления изобретения;
На фиг.3 проиллюстрирована система, выполненная с возможностью формирования искусственной нейронной сети, моделирующей отношение между множеством параметров дыхания и ключевым параметром, в соответствии с одним или более вариантами осуществления изобретения;
На фиг.4 проиллюстрирован график отношения измеренных значений для ключевого параметра вдохов индивидов и значений, выведенных искусственной нейронной сетью, в соответствии с одним или более примерными вариантами осуществления изобретения;
На фиг.5 проиллюстрирован график отношения измеренных респираторных степеней и респираторных степеней, выведенных из дыхания, идентифицированного как действительное или артефактное искусственной нейронной сетью, в соответствии с одним или более примерными вариантами осуществления изобретения; и
На фиг.6 проиллюстрирован способ формирования искусственной нейронной сети, моделирующей отношение между множеством параметров дыхания и ключевым параметром, в соответствии с одним или более вариантами осуществления изобретения.
Подробное описание примерных вариантов осуществления
На фиг.1 проиллюстрирована система 10, выполненная с возможностью обнаружения респираторной недостаточности дыхания субъекта 12. В частности, система 10 использует сигналы, генерируемые капнометрическими сенсорами и/или другими сенсорами для предварительной идентификации вдохов субъекта 12 и для определения предварительно идентифицированных вдохов как действительных, продуктивных, вдохов или как артефактных, недостаточных, вдохов. Как таковую систему 10 можно развернуть для неинвазивного слежения за респираторной достаточностью субъекта 12, например, в случаях, когда субъект 12 неинтубирован. В одном варианте осуществления система 10 включает в себя электронный накопитель 14, один или более сенсоров 16, и процессор 18.
В одном варианте осуществления электронный накопитель 14 включает в себя электронный носитель информации, сохраняющий информацию электронным способом. Электронный носитель информации электронного накопителя 14 может включать в себя одно или оба из: системного накопителя, который предоставлен как неотъемлемая часть (т.е. фактически несъемный) системы 10, и/или съемного накопителя, который съемно подключен к системе 10, например, через порт (например, USB порт, порт firewire и т.п.) или через привод (например, дисковый привод и т.п.). Электронный накопитель 14 может включать один или более оптически считываемых носителей (например, оптических дисков и т.п.), магнитно считываемых носителей (например, магнитной ленты, магнитного жесткого диска, гибкого диска и т.п.), носителей на электрическом заряде (например, EEPROM, RAM и т.п.), постоянных носителей (например, флеш-память и т.п.), и/или другие электронно считываемые носители. Электронный накопитель 14 может хранить программные алгоритмы, информацию, определенную процессором 18, выходные сигналы (или информацию, извлеченную из выходных сигналов), сгенерированные датчиком 16, и/или другую информацию, позволяющую системе 10 функционировать корректно. Электронный накопитель 14 может представлять собой отдельный компонент в системе 10 или электронный накопитель 14 можно предоставить как неотъемлемую часть одного или более других компонентов системы 10 (например, процессора 18).
В одном варианте осуществления сенсор 16 выполнен с возможностью генерации выходных сигналов, которые передают информацию, относящуюся к одному или более параметров газа в дыхательных путях субъекта 12 или в непосредственной близости от них. Описание сенсора 16 как единственного компонента не является ограничивающим, так как сенсор 16 может представлять собой множество сенсоров. В одном варианте осуществления сенсор 16 включает в себя капнометрический сенсор, генерирующий выходные сигналы, передающие информацию, относящуюся к концентрации CO2 в дыхательных путях субъекта 12 или в непосредственной близости от них. Это не подразумевает ограничений. В некоторых вариантах осуществления сенсор 16 включает в себя и другие виды сенсоров, такие как сенсоры уровня кислорода, скорости потока, давления, температуры, и/или влажности, вместе с капнометрическим сенсором, или включает в себя другие виды сенсоров вместо капнометрического сенсора. Выходные сигналы, генерируемые сенсором 16, передаются одному или обоим из процессора 18 и/или электронного накопителя 14.
Для генерации выходных сигналов, которые передают информацию, относящуюся к одному или более параметрам газа в дыхательные пути субъекта 12 или в непосредственной близости от них, сенсор 16 сообщается с этим газом. Например, в одном из вариантов осуществления сенсор 16 предоставляют с респирационным контуром (не показан, и, также, обозначается как "контур пациента"), проводящим газ к дыхательным путям субъекта 12 и/или принимающем газ из них. Респирационный контур может включать в себя один или более проводников, способных проводить газ к субъекту 12 и/или от него, и интерфейсный аппарат, выполненный с возможностью передачи газа между дыхательным путем субъекта 12 и одним или более проводником. В качестве неограничивающего примера, интерфейсный аппарат может включать в себя одну или более носовых канюль, комбинированную носоротовую канюлю, маску-респиратор, и/или другие интерфейсные аппараты.
Процессор 18 выполнен с возможностью предоставления системе 10 возможностей по обработке информации. Как таковой, процессор 18 может включать в себя один или более из: цифрового процессора, аналогового процессора, цифровой схемы, спроектированной для обработки информации, аналоговой схемы, спроектированной для обработки информации, машины состояний, и/или других механизмов для электронной обработки информации. Несмотря на то что процессор 18 показан на фиг.1 как единственный объект, это предназначено только для целей иллюстрации. В некоторых вариантах осуществления процессор 18 может включать в себя множество процессорных блоков. Эти процессорные блоки могут физически располагаться в одном устройстве, или процессор 18 может представлять собой функциональную возможностью по обработке, предоставляемую множеством координировано работающих устройств.
Как показано на фиг.1, в одном из вариантов осуществления процессор 18 включает в себя модуль 20 предварительного дыхания, параметрический модуль 22, модуль 24 ключевого параметра, и модуль 26 классификации, и/или другие модули. Модули 20, 22, 24 и/или 26 можно реализовать в программном обеспечении; аппаратном обеспечении; микропрограммном обеспечении; каких-либо комбинациях программного обеспечения, аппаратного обеспечения, и/или микропрограммного обеспечения; и/или реализовано другим путем. Необходимо понимать, что, несмотря на то что модули 20, 22, 24 и 26 проиллюстрированы на фиг.1 как размещенные в едином процессорном блоке, в реализациях, в которых процессор 18 содержит в себе несколько процессорных блоков, модули 20, 22, 24 и/или 26 можно расположить отдельно от других модулей. Более того, описание функциональной возможности, предоставляемой различными модулями 20, 22, 24 и/или 26, приведено ниже только для иллюстративных целей и не предназначено для ограничения, так как любые из модулей 20, 22, 24 и/или 26 могут предоставлять большую или меньшую функциональную возможность по сравнению с описанной. Например, один или более из модулей 20, 22, 24 и/или 26 можно убрать, и часть или все его функциональные возможности могут предоставлять другие из модулей 20, 22, 24 и/или 26. В качестве другого примера, процессор 18 может включать в себя один или более дополнительных модулей, которые могут выполнять некоторые или все функциональные возможности, назначенные одному из модулей 20, 22, 24 и/или 26 как описано далее.
Модуль 20 предварительного дыхания выполнен с возможностью выполнения начального анализа выходных сигналов, генерируемых сенсором 16, для предварительной идентификации отдельных вдохов субъекта 12. Из-за предварительного характера этого анализа, вдохи, определенные в модуле 20 предварительного дыхания обозначаются в настоящем документе как "предварительные вдохи". Это не обозначает качества вдохов, предпринимаемых субъектом 12, но только уровень анализа, предоставляемого модулем 20 предварительного дыхания в определении респирации.
В одном из вариантов осуществления сенсор 16 генерирует выходные сигналы, передающие информацию, относящуюся к концентрации CO2 в газе в дыхательных путях субъекта 12 или в непосредственной близости от них. В этом варианте осуществления модуль 20 предварительного дыхания определяет дыхание на основании изменения в концентрации CO2 выше и ниже заранее определенного порога. Поскольку CO2 увеличивается во время выдоха и уменьшается во время вдоха, изменения в концентрации CO2 выше и ниже заранее определенного порога предварительно определяются модулем 20 предварительного дыхания как предварительный вдох, например вдох или выдох. Для некоторого уточнения определения предварительных вдохов модулем 20 предварительного дыхания, модуль предварительного дыхания может применять гистерезис (например, соответствующий 5 мм рт. ст.) по мере того, как концентрация CO2 превышает и падает ниже пороговых значений.
Параметрический модуль 22 выполнен с возможностью определения множества параметров дыхания субъекта 12 из выходных сигналов, сгенерированных сенсором 16. Множество параметров определяют для каждого предварительного вдоха. В качестве неограничивающего примера, множество параметров, определенных параметрическим модулем 22, может включать в себя одно или более из: соотношения времени между временем вдоха и временем выдоха, части времени вдоха, в течение которого уровень CO2 на некоторое заранее определенное значение меньше, чем максимальный уровень CO2 во время дыхания (например, менее 10% от максимального уровня CO2), разницы между максимальным парциальным давлением CO2, наблюдаемым во время дыхания и парциальным давлением CO2, наблюдаемым в течение заранее определенного периода времени (например, 100 мс, 200 мс, 300 мс, 400 мс, 500 мс и т.п.) до точки времени, в которой наблюдался максимум, части времени выдоха, в течение которой капнограмма находится в пределах 10% максимального CO2, обнаруженного во время дыхания, стандартного отклонения выборок капнограммы, взятых во время вдоха, среднего из выборок капнограммы, взятых во время вдоха, и/или других параметров.
В одном варианте осуществления параметры, определенные параметрическим модулем 22, нормируют. Для неограничивающего примера: значение, определенное параметрическим модулем 22 для данного параметра можно вычесть из первого заранее определенного значения данного параметра, например, среднего для данного параметра, определенного при предыдущем тестировании. Нормирование может включать в себя деление значения, определенного параметрическим модулем 22 для данного параметра, или разницу между определенным значением и первым заранее определенным значением, деленную на второе заранее определенное значение для данного параметра (например, стандартное отклонение от среднего, определенного в предыдущем тестировании).
В одном варианте осуществления множество параметров, определенных параметрическим модулем 22, включает в себя значения, определенные агрегацией выборок уровня CO2 во время данного вдоха. Значения можно определять как среднее уровней CO2, медиану уровней CO2, сумму уровней CO2 и/или другую агрегацию измерений уровней CO2, определенных из множества выборок. Например, один параметр можно определить из первых 10 (или какого-либо другого числа) выборок уровня CO2 во время данного вдоха, другой параметр можно определить из следующих 10 (или какого-либо другого числа) выборок уровня CO2 во время данного вдоха и так далее. В данном варианте осуществления короткий вдох может не предоставить достаточное количество элементов выборок для предоставления данных, из которых можно определить каждое из значений, например, используется 300 выборок, но один вдох продлился только в течение 200 выборок. В таких случаях выборкам, не предоставленным в информации, принятой от сенсора 16, можно автоматически назначить заранее установленное значение, например ноль (0), и параметры определяют из назначенных значений.
Модуль 24 ключевого параметра выполнен с возможностью выведения значения для ключевого параметра дыхания субъекта из параметров, определенных параметрическим модулем 22. Поскольку параметры, определенные параметрическим модулем 22, определены для каждого предварительного вдоха, ключевой параметр выводится модулем 24 ключевого параметра для каждого предварительного вдоха. Ключевой параметр представляет собой параметр дыхания субъекта 12, который напрямую из выходных сигналов, сгенерированных сенсором 16, не поддается количественному определению. Ключевой параметр представляет собой параметр дыхания субъекта 12, который, в случае прямого измерения, предоставил бы более точную классификацию предварительных вдохов как артефактных или действительных, чем параметры, напрямую поддающиеся количественному определению из выходных сигналов, генерируемых сенсором 16. Например, ключевой параметр может включать в себя одно или более из: объема выдоха, пикового респираторного потока, максимального давления в дыхательном пути, перемещения грудной стенки и/или других ключевых параметров. В одном из вариантов осуществления модуль 24 ключевого параметра выводит значение для ключевого параметра из искусственной нейронной сети, которая использует в качестве ввода параметры, определенные параметрическим модулем 22, и выводит значение для ключевого параметра. Как неограничивающий пример, искусственная нейронная сеть может реализовывать 10 параметров, определенных параметрическим модулем 22 как вводы, и/или иметь 20 узлов скрытого уровня, ведущих к единственному выводу, ключевому параметру.
Модуль 26 классификации выполнен с возможностью анализа значений ключевого параметра, выведенных модулем 24 ключевого параметра для обнаружения респираторной недостаточности дыхания субъекта 12. В одном из вариантов осуществления модуль 26 классификации обнаруживает респираторную недостаточность дыхания субъекта 12 путем сравнения значения ключевого параметра для данного предварительного вдоха с заранее определенным порогом. Заранее определенный порог выполнен с возможностью конфигурирования пользователем, например сиделкой, субъектом 12 и т.п. На основании сравнения модуль 26 классификации определяет, был ли данный предварительный вдох артефактным вдохом или действительным вдохом. Определение некоторого количества последовательных артефактных вдохов, и/или определение некоторого количества артефактных вдохов за определенный период времени, и/или определенного количества артефактных вдохов может означать общую респираторную недостаточность дыхания субъекта 12. В одном варианте осуществления, для примера, модуль 26 классификации определяет темп дыхания для передачи достаточности респирации субъекта 12. Если модулем 26 классификации обнаруживается действительный вдох, то модуль 26 классификации обновляет расчет темпа дыхания, для отражения новообнаруженного действительного вдоха. Если обнаруживается артефактный вдох, то классификация не обновляет расчет темпа дыхания до обнаружения следующего действительного вдоха.
Для неограничивающего примера, в одном варианте осуществления ключевой параметр представляет собой объем выдоха, и заранее определенный порог представляет собой минимальный объем выдоха. Модуль 24 ключевого параметра выводит значение для объема выдоха данного предварительного вдоха из параметров, определенных для данного предварительного вдоха параметрическим модулем 22. Модуль 26 классификации сравнивает выведенное значение для объема выдоха для данного предварительного вдоха с пороговым объемом. Если выведенное значение превышает пороговый объем, то данный предварительный вдох классифицируют как действительный вдох. Если выведенное значение меньше порогового объема, то предварительный вдох классифицируют как артефактный. На основании классификации данного предварительного вдоха и, таким же образом, других предварительных вдохов, модуль 26 классификации может обнаруживать респираторную недостаточность дыхания субъекта 12.
На фиг.2 проиллюстрирован способ 28 обнаружения респираторной недостаточности в респирации субъекта. Операции способа 28, представленные ниже, предлагаются как иллюстрация. В некоторых вариантах осуществления способ 28 можно реализовать с одной или более дополнительной неописанной операцией и/или без одной или более описанной операции. Дополнительно, порядок, в котором проиллюстрированы на фиг.2 и описаны ниже операции, не предполагается в качестве ограничения. В некоторых вариантах осуществления способ 28 реализуют в системе, эквивалентной или аналогичной системе 10 (показанной на фиг.2 и описанной выше). Необходимо понимать, что это не ограничивает область данного раскрытия, так как способ 28 можно реализовать во множестве других конфигураций системы.
Во время операции 30 отслеживают газ в дыхательном пути субъекта или в непосредственной близости от него. В одном варианте осуществления операцию 30 выполняет, по меньшей мере, один сенсор, идентичный или аналогичный сенсору 16 (показан на фиг.1 и описан выше), и сообщающийся с газом в дыхательном пути субъекта или в непосредственной близости от него.
Во время операции 32, отдельные вдохи субъекта предварительно идентифицируют как предварительные вдохи. Идентификация предварительных вдохов во время операции 32 основана на информации, сгенерированной при слежении за газом во время операции 30. В одном из вариантов осуществления операцию 32 выполняет модуль предварительного дыхания, идентичный или аналогичный модулю 20 предварительного дыхания (показан на фиг.1 и описан выше).
Во время операции 34 определяют параметры дыхания субъекта. Параметры определяют для каждого предварительного вдоха. Параметры определяют на основании информации, сгенерированной при слежении за газом во время операции 30. Параметры могут включать в себя одно или более из: отношения времени между временем вдоха и временем выдоха, части времени вдоха, в течение которого уровень CO2 на некоторое заранее определенное значение меньше, чем максимальный уровень CO2 во время дыхания (например, менее 10% от максимального уровня CO2), разницы между максимальным парциальным давлением CO2, наблюдаемым во время дыхания и парциальным давлением CO2, наблюдаемым в течение заранее определенного периода времени (например, 100 мс, 200 мс, 300 мс, 400 мс, 500 мс и т.п.) до точки времени, в которой наблюдался максимум, части времени выдоха, в течение которой капнограмма находится в пределах 10% максимального CO2, обнаруженного во время дыхания, стандартного отклонения выборок капнограммы, взятых во время вдоха, среднего из выборок капнограммы, взятых во время вдоха, и/или других параметров. В одном из вариантов осуществления параметры, определенные во время операции 34, нормируют. Для неограничивающего примера: значение, определенное во время операции 34 для данного параметра, можно вычесть из первого заранее определенного значения данного параметра, например среднего для данного параметра, определенного при предыдущем тестировании. Нормирование может включать в себя деление значения, определенного во время операции 34 для данного параметра, или разницу между определенным значением и первым заранее определенным значением, деленную на второе заранее определенное значение для данного параметра (например, стандартное отклонение от среднего, определенного в предыдущем тестировании). В одном варианте осуществления операцию 34 выполняет параметрический модуль, идентичный или аналогичный параметрическому модулю 22 (показан на фиг.1 и описан выше).
Во время операции 36 выводят ключевой параметр дыхания субъекта. Ключевой параметр выводят для каждого предварительного вдоха. Ключевой параметр напрямую из информации, сгенерированной во время операции 30, не поддается количественному определению, однако его можно вывести из параметров, определенных во время операции 34. Ключевой параметр дыхания субъекта представляет собой параметр, который, в случае прямого измерения, предоставил бы более точную классификацию предварительных вдохов как артефактных или действительных, чем параметры, напрямую извлекаемые из информации, сгенерированной во время операции 30. Например, ключевой параметр может включать в себя одно или более из: объема выдоха, пикового респираторного потока, максимального давления в дыхательном пути, перемещения стенки груди и/или других ключевых параметров. В одном варианте осуществления значение для ключевого параметра выводят во время операции 36 из искусственной нейронной сети, которая использует в качестве ввода параметры, определенные во время операции 34, и выводит значение для ключевого параметра. В одном варианте осуществления операцию 36 выполняет модуль ключевого параметра, идентичный или аналогичный модулю 24 ключевого параметра (показан на фиг.1 и описан выше).
Во время операции 38 предварительные вдохи классифицируют как артефактные или действительные. Данный предварительный вдох классифицируют на основании соответствующего значения, определенного для ключевого параметра во время операции 36. Например, значение, определенное для ключевого параметра во время операции 36 для данного предварительного вдоха можно сравнить с заранее определенным порогом, и, затем, на основании этого сравнения данный предварительный вдох классифицируют как артефактный или действительный. В одном варианте осуществления операцию 38 выполняет модуль классификации, идентичный или аналогичный модулю 26 классификации (показан на фиг.1 и описан выше).
Во время операции 40, из классификации предварительных вдохов во время операции 38, определяют общую респираторную недостаточность. Это определение можно основывать на предварительно определенном количестве последовательных артефактных вдохов, пропорции артефактных вдохов к общему числу предварительных вдохов на протяжении определенного числа предварительных вдохов, и/или другим методом, основанным на классификации предварительных вдохов во время операции 38. В одном варианте осуществления, для примера, во время операции 40 определяют темп дыхания для определения достаточности респирации субъекта. Если во время операции 38 определяют действительный вдох, то в операцию 40 включают обновление подсчета темпа дыхания, для отражения вновь определенного действительного вдоха. Если определяют артефактный вдох, то во время операции 40 не обновляют подсчет темпа дыхания до определения следующего действительного вдоха. В одном варианте осуществления изобретения операцию 40 выполняет модуль классификации.
На фиг.3 проиллюстрирована система 40, выполненная с возможностью формирования искусственной нейронной сети, которая моделирует отношения между заранее определенным набором параметров дыхания и ключевым параметром. Ключевой параметр представляет собой параметр, предоставляющий относительно точное указание на то, является ли данный предварительный вдох эффективным, действительным вдохом, или недостаточным, артефактным вдохом. Искусственную нейронную сеть, сформированную системой 40, можно реализовать для вывода значения ключевого параметра из измеренных значений для других параметров дыхания (например, в системе 10, показанной на фиг.1 и описанной выше). В одном варианте осуществления система 40 включает в себя электронный накопитель 42, входной интерфейс 44 и процессор 46.
В одном варианте осуществления электронный накопитель 42 включает в себя электронный носитель информации, сохраняющий информацию электронным способом. Электронный носитель информации электронного накопителя 42 может включать в себя одно или оба из: системного накопителя, который предоставлен как неотъемлемая часть (т.е. фактически несъемный) системы 40 и/или съемного накопителя, который съемно подключен к системе 40, например, через порт (например, USB порт, порт firewire и т.п.) или через привод (например, дисковый привод и т.п.). Электронный накопитель 42 может включать один или более оптически считываемых носителей (например, оптических дисков и т.п.), магнитно считываемых носителей (например, магнитной ленты, магнитного жесткого диска, гибкого диска и т.п.), носителей на электрическом заряде (например, EEPROM, RAM и т.п.), постоянных носителей (например, флеш-память и т.п.), и/или другие электронно считываемые носители. Электронный накопитель 42 может хранить программные алгоритмы, информацию, определенную процессором 46, информацию, полученную входным интерфейсом 44, и/или другую информацию, позволяющую системе 40 функционировать корректно. Электронный накопитель 42 может представлять собой отдельный компонент в системе 40, или электронный накопитель 42 можно предоставить как неотъемлемую часть одного или более других компонентов системы 40 (например, процессора 46).
Входной интерфейс 44 выполнен с возможностью предоставления интерфейса между системой 40 и одним или более источников информации, через который система 40 принимает информацию. Это позволяет передавать данные, результаты, и/или инструкции и любые другие пригодные для передачи объекты, совместно обозначаемые как "информация", одному или обоим из: процессора 46 и/или электронного накопителя 42. Примерами интерфейсных устройств, подходящих для включения во входной интерфейс 44, включают в себя цифровую клавиатуру, кнопки, переключатели, клавиатуру, верньеры, рычажки, экран отображения, экран тактильного ввода, динамики, микрофон, лампа индикации, звуковую тревогу и/или принтер.
Необходимо понимать, что другие коммуникационные технологии, проводные либо беспроводные, также рассматриваются в настоящем изобретении как входной интерфейс 44. Например, в настоящем изобретении рассматривают, что входной интерфейс можно совместить с интерфейсом съемного накопителя, предоставленного электронным накопителем 42. В этом примере, информацию можно загрузить в систему 40 со съемного накопителя (например, смарт-карты, флеш-накопителя, съемного диска и т.п.), который позволяет пользователю(ям) изменять реализацию системы 40. Другие примерные устройства ввода и технологии, адаптированные для использования с системой 40 в качестве пользовательского интерфейса 40, включают в себя, но не ограничиваются перечисленным: порт RS-232, РЧ канал, ИК канал, модем (телефонный, кабельный или иной). Вкратце, любую технологию для обмена информацией с системой 40 рассматривают в настоящем изобретении как входной интерфейс 44.
Во время работы, входной интерфейс 44 выполнен с возможностью получения наборов информации, соответствующих дыханию индивидов из множества испытуемых субъектов. Наборы информации формируют набор учебных данных, который используют для формирования искусственной нейронной сети, формируемой системой 40. Информация включает в себя выходные сигналы (или информацию, полученную из выходных сигналов) одного или более сенсоров (не показаны), сообщающихся с газом в дыхательных путях или в непосредственной близости от них испытуемых субъектов во время респирации испытуемых субъектов. Например, один или несколько сенсоров могут включать в себя сенсоры, идентичные или аналогичные сенсору 16, показанному на фиг.1 и описанному выше. Во время тестирования испытуемых субъектов, подопытным субъектам можно ввести одно или более веществ, вызывающих седативный эффект до уровня, когда это оказывает влияние на респирацию субъектов. В частности, уровень седации обеспечит, по крайней мере, для некоторых из испытуемых субъектов,подавление достаточности дыхания ниже нормального уровня. Например, подопытному субъекту можно вводить контролируемые дозы пропофола и ремифентанила. В одном из вариантов осуществления входной интерфейс 44 собирает данные по каждому из испытуемых субъектов на протяжении промежутка времени от 6 до 8 часов.
Переходя к фиг.3, в одном варианте осуществления информация, полученная входным интерфейсом 44, включает в себя выходные сигналы, из которых можно получить множество параметров дыхания. Например, выходные сигналы могут включать в себя выходные сигналы, генерируемые капнометрическими сенсорами, сообщающимися с газом в дыхательных путях испытуемых субъектов или в непосредственной близости от них. Эти выводные сигналы несут информацию, относящуюся к концентрации CO2 в газе в дыхательных путях испытуемых субъектов или в непосредственной близости от них. Информация, полученная входным интерфейсом 44, также включает в себя выходные сигналы, из которых можно напрямую получить значения для ключевого параметра. Ключевой параметр представляет собой параметр дыхания испытуемых субъектов, который напрямую не поддается количественному определению из выходных сигналов, из которых определяют другие параметры дыхания. Вместо этого, выходные сигналы, из которых напрямую извлекают ключевой параметр, генерируют при помощи отдельного набора из одного или более сенсоров, маловероятных в некоторых терапевтических ситуациях, или сложных или неудобных для некоторых терапевтических ситуаций. Ключевой параметр предоставляет возможность для более точной классификации предварительных вдохов как артефактных или действительных, чем остальные параметры, информацию о которых получает входной интерфейс 44. Например, ключевой параметр может включать в себя один или более из: объема выдоха, пикового респираторного потока, максимального давления в дыхательных путях, движения грудной стенки, и/или других ключевых параметров.
Процессор 46 выполнен с возможностью предоставления системе 40 возможностей по обработке информации. Как таковой процессор 46 может включать в себя один или более цифровой процессор, аналоговый процессор, цифровую схему, спроектированную для обработки информации, аналоговую схему, спроектированную для обработки информации, машину состояний и/или другие механизмы для электронной обработки информации. Несмотря на то что процессор 46 показан на фиг.3 как единственный объект, это предназначено только для целей иллюстрации. В некоторых вариантах осуществления процессор 46 может включать в себя множество процессорных блоков. Эти процессорные блоки могут физически располагаться в одном устройстве, или процессор 46 может представлять собой функциональную возможность по обработке, предоставляемую множеством координированно работающих устройств.
Как показано на фиг.3, в одном из вариантов осуществления процессор 46 включает в себя модуль 48 предварительного дыхания, параметрический модуль 50, модуль 52 ключевого параметра, модуль 54 моделирования и/или другие модули. Модули 48, 50, 52 и/или 54 можно реализовать в программном обеспечении; аппаратном обеспечении; микропрограммном обеспечении; каких-либо комбинациях программного обеспечения, аппаратного обеспечения, и/или микропрограммного обеспечения; и/или реализовано другим путем. Необходимо понимать, что, несмотря на то что модули 48, 50, 52 и 54, проиллюстрированы на фиг.3 как размещенные в едином процессорном блоке, в реализациях, в которых процессор 46 содержит в себе несколько процессорных блоков, модули 48, 50, 52, и/или 54 можно расположить отдельно от других модулей. Более того, описание функциональной возможности, предоставляемой различными модулями 48, 50, 52 и/или 54, приведено ниже только для иллюстративных целей и не предназначено для ограничения, так как любые из модулей 48, 50, 52 и/или 54 могут предоставлять большую или меньшую функциональную возможность по сравнению с описанной. Например, один или более из модулей 48, 50, 52 и/или 54 можно убрать, и часть или все его функциональные возможности могут предоставлять другие из модулей 48, 50, 52 и/или 54. В качестве другого примера, процессор 18 может включать в себя один или более дополнительных модулей, которые могут выполнять некоторые или все функциональные возможности, назначенные одному из модулей 48, 50, 52 и/или 54 как описано далее.
Модуль 48 предварительного дыхания выполнен с возможностью анализа информации, относящейся к параметрам дыхания, отличным от ключевого параметра, полученным входным интерфейсом 44, и идентификации отдельных предварительных вдохов в дыхании отдельных испытуемых субъектов. Как упомянуто выше, в одном варианте осуществления информация, полученная входным интерфейсом 44, включает в себя выходные сигналы, несущие информацию, относящуюся к концентрации CO2 в газе в дыхательных путях или в непосредственной близости от них испытуемых субъектов во время дыхания. В этом варианте осуществления модуль 48 предварительного дыхания идентифицирует предварительный вдох в дыхании отдельного подопытного субъекта на основании изменения концентрации CO2 выше и ниже заранее определенного порога, практически таким же образом, как и модуль 20 предварительного дыхания (показан на фиг.1 и описан выше).
Параметрический модуль 50 выполнен с возможностью определения параметров дыхания испытуемых субъектов, отличных от ключевого параметра, из информации, полученной входным интерфейсом 44. Параметры дыхания определяют для каждого предварительного вдоха. Таким образом, для каждого предварительного вдоха, идентифицированного в дыхании каждого подопытного субъекта, параметрический модуль 50 определяет соответствующие значения для каждого из параметров дыхания (отличных от ключевого параметра) из информации, полученной входным интерфейсом 44. В качестве неограничивающего примера: параметры дыхания, определенные параметрическим модулем 50, могут включать в себя одно или более из: соотношения времени между временем вдоха и временем выдоха, части времени вдоха, в течение которого уровень CO2 на некоторое заранее определенное значение меньше, чем максимальный уровень CO2 во время дыхания (например, менее 10% от максимального уровня CO2), разницы между максимальным парциальным давлением CO2, наблюдаемым во время дыхания и парциальным давлением CO2, наблюдаемым в течение заранее определенного периода времени (например, 100 мс, 200 мс, 300 мс, 400 мс, 500 мс и т.п.) до точки времени, в которой наблюдался максимум, части времени выдоха, в течение которой капнограмма находится в пределах 10% максимального CO2, обнаруженного во время дыхания, стандартного отклонения выборок капнограммы, взятых во время вдоха, среднего из выборок капнограммы, взятых во время вдоха и/или других параметров.
В одном примерном варианте осуществления в параметрическом модуле 50 определяют, по завершении тестирования множества испытуемых субъектов, значения, позволяющие нормировать определение параметров в будущем. Для неограничивающего примера: первое заранее определенное значение может быть определено параметрическим модулем 50 для вычитания из будущих определения данного параметра (например, среднее для данного параметра, определенное в предыдущем тестировании) и/или можно определить второе заранее определенное значение, для деления (или разницы между определениями в будущем и первым заранее определенным значением) на него определений данного параметра в будущем (например, стандартное отклонение от среднего, определенного в предыдущем тестировании).
В одном варианте осуществления параметры дыхания, определенные параметрическим модулем 22, включают в себя значения, определенные агрегацией выборок уровня CO2 во время данного вдоха. Значения можно определять как среднее уровней CO2, медиану уровней CO2, сумму уровней CO2 и/или другую агрегацию измерений уровней CO2, определенных из множества выборок. Например, один параметр можно определить из первых 10 (или какого-либо другого числа) выборок уровня CO2 во время данного вдоха, другой параметр можно определить из следующих 10 (или какого-либо другого числа) выборок уровня CO2 во время данного вдоха и так далее. В данном варианте осуществления короткий вдох может не предоставить достаточное количество элементов выборок для предоставления данных, из которых можно определить каждое из значений (например, используется 300 выборок, но один вдох продлился только в течение 200 выборок). В таких случаях выборкам, не предоставленным в информации, принятой от сенсора 16, можно автоматически назначить заранее установленное значение (например, 0), и параметры определяют из назначенных значений.
Модуль 52 ключевого параметра выполнен с возможностью определения ключевого параметра из информации, полученной входным интерфейсом 44. Ключевой параметр напрямую извлекается из информации, полученной входным интерфейсом 44 для каждого предварительного вдоха. Модуль 52 ключевого параметра способен извлекать значения для ключевого параметра напрямую из информации, полученной входным интерфейсом 44, поскольку, как отмечено выше, информация, полученная входным интерфейсом 44, включает в себя выходные сигналы, сгенерированные сенсорами, обычно в терапевтических ситуациях не используемыми. Результатом определений, выполняемых модулем 52 ключевого параметра, является набор напрямую измеренных значений для ключевого параметра, которые соответствуют отдельным предварительным вдохам, идентифицированным модулем 48 предварительных вдохов в дыхании испытуемых субъектов.
Модуль 54 моделирования выполнен с возможностью формирования искусственной нейронной сети, которая моделирует отношение между значением ключевого параметра и значениями других параметров дыхания. Как использовано в настоящем документе, термин "искусственная нейронная сеть" обозначает математическую и/или расчетную модель, основанную на биологических нейронных сетях. Искусственная нейронная сеть может включать в себя взаимосвязанную группу искусственных нейронов и может обрабатывать информацию, используя коннекционистский подход к вычислениям. Были разработаны различные поисковые алгоритмы и сетевые архитектуры с целью добиться, в парадигме искусственных нейронных сетей, наилучшего моделирования отношения между данным набором входных данных и соответствующим желаемым выводом. Как таковое подробное описание технологии, используемой модулем 54 моделирования для формирования искусственной нейронной сети из параметров, полученных процессором 46, в настоящем документе не приводится. Искусственная нейронная сеть, сформированная модулем 54 моделирования, моделирует отношение между значением ключевого параметра и значениями других параметров дыхания, в котором искусственная нейронная сеть использует в качестве ввода параметры дыхания для данного вдоха, и выводит значение для ключевого параметра для данного вдоха.
В одном примерном варианте осуществления искусственная нейронная сеть, сформированная модулем 54 моделирования, была протестирована для подтверждения ее эффективности. Например, в одном варианте осуществления только часть собранных от испытуемых субъектов данных используется процессором 46 для формирования искусственной нейронной сети вышеописанным образом. Затем остаток данных используют для проверки сформированной искусственной нейронной сети. Это позволяет сравнить выведенные значения для ключевого параметра со значениями ключевого параметра, измеренными напрямую (что в условиях клинического использования может оказаться невозможным). Например, на фиг.4 проиллюстрирован график точек данных, причем ключевым параметром является объем вдоха, по оси x отложены измеренные значения для отдельных вдохов, и по оси y отложены значения, выведенные искусственной нейронной сетью, сформированной системой 40.
Аналогично, применение некоторой части собранных опытных данных для проверки искусственной нейронной сети позволяет сравнить темп дыхания, определенный прямыми измерениями, с темпом дыхания, определенным с применением искусственной нейронной сети для вывода темпа дыхания. В качестве примера, на фиг.5 проиллюстрирован график определения темпа дыхания для отдельных испытуемых субъектов, причем на оси x представлены значения темпов дыхания испытуемых субъектов, определенных из прямых измерений ключевого параметра (объема вдоха), и на оси y представлены значения темпов дыхания тех же испытуемых субъектов, определенных (i) обычными способами (точки квадратной формы), и (ii) в соответствии с выводом ключевого параметра в соответствии с искусственной нейронной сетью (точки ромбической формы). Как видно на фиг.5, темп, определенный на основании действительных вдохов, идентифицированных искусственной нейронной сетью, предоставляет большую, по сравнению с определениями, в которых для идентификации вдохов использовали только капнометрические измерения, точность.
На фиг.6 проиллюстрирован способ 56 формирования искусственной нейронной сети, которая моделирует отношение между заранее определенным набором параметров дыхания и ключевым параметром. Операции способа 56, представленные ниже, предлагаются как иллюстрация. В некоторых вариантах осуществления способ 56 можно реализовать с одной или более дополнительной неописанной операцией и/или без одной или более описанной операции. Дополнительно порядок, в котором проиллюстрированы на фиг.4 и описаны ниже операции, не предполагается в качестве ограничения. В некоторых вариантах осуществления способ 56 реализуют в системе, эквивалентной или аналогичной системе 40 (показанной на фиг.3 и описанной выше). Необходимо понимать, что это не ограничивает область данного раскрытия, так как способ 28 можно реализовать во множестве других конфигураций системы.
Во время операции 58 получают наборы информации, соответствующие дыханию индивидов из множества испытуемых субъектов. Наборы информации формируют набор учебных данных, который используют для формирования искусственной нейронной сети, формируемой способом 56. Информация включает в себя выходные сигналы (или информацию, полученную из выходных сигналов) одного или более сенсоров (не показаны), сообщающихся с газом в дыхательных путях или в непосредственной близости от них испытуемых субъектов во время респирации испытуемых субъектов. Информация, полученная во время операции 58, также включает в себя информацию, из которой можно напрямую получить ключевой параметр. Ключевой параметр представляет собой параметр дыхания испытуемых субъектов, который напрямую не поддается количественному определению из информации, используемой для определения других параметров дыхания, например капнографических выборок. Вместо этого информация, из которой ключевой параметр извлекают напрямую, соответствует выходным сигналам, генерируемым отдельным набором одного или более сенсоров, обычно не использующихся в некоторых терапевтических ситуациях. Ключевой параметр предоставляет возможность более точной классификации предварительных вдохов как артефактных или действительных, чем остальные параметры дыхания, для которых получают информацию во время операции 58. Например, ключевой параметр может включать в себя одно или более из: объема выдоха, пикового респираторного потока, максимального давления в дыхательном пути, перемещения стенки груди и/или других ключевых параметров. В одном варианте осуществления операцию 58 выполняет входной интерфейс, идентичный или аналогичный входному интерфейсу 44 (показан на фиг.3 и описан выше).
Во время операции 60 информацию, полученную во время операции 58, относящуюся к параметрам дыхания, отличную от ключевого параметра, анализируют для предварительной идентификации отдельных предварительных вдохов в дыхании отдельных испытуемых субъектов. В одном варианте осуществления операцию 60 выполняет модуль предварительного дыхания, идентичный или аналогичный модулю 48 предварительного дыхания (показан на фиг.3 и описан выше).
Во время операции 62 определяют параметры дыхания испытуемых субъектов, отличных от ключевого параметра, из информации, полученной во время операции 58. Параметры дыхания определяют для каждого предварительного вдоха. Таким образом, для каждого предварительного вдоха, идентифицированного в дыхании каждого подопытного субъекта, во время операции 62 определяют соответствующие значения для каждого из параметров дыхания (отличных от ключевого параметра) из информации, полученной во время операции 60. В качестве неограничивающего примера: параметры дыхания, определенные во время операции 62, могут включать в себя одно или более из: соотношения времени между временем вдоха и временем выдоха, части времени вдоха, в течение которого уровень CO2 на некоторое заранее определенное значение меньше, чем максимальный уровень CO2 во время дыхания (например, менее 10% от максимального уровня CO2), разницы между максимальным парциальным давлением CO2, наблюдаемым во время дыхания и парциальным давлением CO2, наблюдаемым в течение заранее определенного периода времени (например, 100 мс, 200 мс, 300 мс, 400 мс, 500 мс и т.п.) до точки времени, в которой наблюдался максимум, части времени выдоха, в течение которой капнограмма находится в пределах 10% максимального CO2, обнаруженного во время дыхания, стандартного отклонения выборок капнограммы, взятых во время вдоха, среднего из выборок капнограммы, взятых во время вдоха, и/или других параметров (например, параметров, описанных выше по отношению к параметрическому модулю 50). В одном варианте осуществления операцию 62 выполняет параметрический модуль, идентичный или аналогичный параметрическому модулю 50 (показан на фиг.3 и описан выше).
Во время операции 64 определяют ключевой параметр напрямую из информации, полученной во время операции 58. Ключевой параметр извлекается для каждого предварительного вдоха. Значения для ключевого параметра извлекают напрямую, из информации, полученной во время операции 58, поскольку, как отмечено выше, информация, полученная во время операции 58, включает в себя информацию, соответствующую выходным сигналам, сгенерированным сенсорами, обычно в терапевтических ситуациях не используемыми. Результатом определений, выполняемых во время операции 64, является набор напрямую измеренных значений для ключевого параметра, которые соответствуют отдельным предварительным вдохам, идентифицированным во время операции 60 в дыхании испытуемых субъектов.
Во время операции 66 формируют искусственную нейронную сеть, моделирующую отношение между параметрами дыхания, определенными во время операции 62, и ключевым параметром. Искусственная нейронная сеть, сформированная во время операции 66, использует в качестве ввода параметры дыхания для данного вдоха и выводит значение для ключевого параметра для данного вдоха. В одном из вариантов осуществления операцию 66 выполняет модуль моделирования, идентичный или аналогичный модулю 54 моделирования (показан на фиг.3 и описан выше).
Несмотря на то что изобретение было подробно описано для целей иллюстрирования на основании того, что в настоящее время рассматривается как наиболее практичные и предпочитаемые варианты осуществления необходимо понимать, что таковые подробности приведены только для этой цели и что изобретение не ограничено описанными вариантами осуществления, но, напротив, предполагает изменения и аналогичные меры, находящиеся в пределах объема и сущности приложенной формулы изобретения. Например, необходимо понимать, что настоящее изобретение рассматривает случай, когда, до определенного возможного предела, один или более признаков любого варианта осуществления можно комбинировать с одним или более признаками любого другого варианта осуществления.
Claims (13)
1. Система, выполненная с возможностью обнаружения респираторной недостаточности, при этом система содержит:
(а) один или более процессоров, выполненных с возможностью получения информации, относящейся к дыханию субъекта, и исполнения одного или нескольких модулей, причем упомянутые один или несколько модулей включают в себя:
(1) параметрический модуль, выполненный с возможностью определения параметров дыхания субъекта на основании информации, полученной процессором, причем параметры определяют для каждого предварительного вдоха-выдоха, при этом упомянутый предварительный вдох-выдох относится к отдельным вдохам-выдохам и не к качеству вдохов-выдохов, а только к уровню анализа в идентификации респирации,
(2) модуль ключевого параметра, выполненный с возможностью выведения значения для ключевого параметра дыхания субъекта для каждого предварительного вдоха-выдоха из параметров, определенных параметрическим модулем, причем ключевой параметр представляет собой параметр, который нельзя напрямую извлечь из информации, полученной процессором, причем модуль ключевого параметра дополнительно включает в себя искусственную нейронную сеть, которая моделирует отношение между заранее определенным набором параметров дыхания и ключевым параметром, в ответ на вводы параметров дыхания заданного предварительного вдоха-выдоха, искусственная нейронная сеть выводит значение для ключевого параметра для упомянутого заданного предварительного вдоха-выдоха, и
(3) модуль классификации, выполненный с возможностью определения респираторной недостаточности дыхания субъекта путем (i) сравнения выведенного значения ключевого параметра для заданного предварительного вдоха-выдоха с заранее определенным порогом, (ii) классификации, в ответ на сравнение, отдельных предварительных вдохов-выдохов как (ii)(а) действительных, продуктивных, вдохов-выдохов, или (ii)(b) артефактных, недостаточных, вдохов-выдохов, соответственно, и (iii) в ответ на классификацию отдельных предварительных вдохов-выдохов определение общей респираторной недостаточности, и
при этом параметры, определенные параметрическим модулем, включают в себя значения, определенные агрегацией заранее определенных наборов выборок уровней СО2 во время заданного предварительного вдоха-выдоха, причем (i) первый параметр определяют из первого набора, который содержит первое количество выборок уровней CO2 во время упомянутого заданного предварительного вдоха-выдоха, (ii) другой параметр определяют из следующего набора, который содержит следующее количество выборок уровня CO2 во время того же заданного предварительного вдоха-выдоха, и (iii) в ответ на упомянутый заданный предварительный вдох-выдох, являющийся коротким вдохом-выдохом, не обеспечивающим достаточно элементов выборок для обеспечения данных, из которых каждое из значений параметра может быть определено, параметрический модуль (iii)(а) автоматически назначает заранее установленные значения тем элементам выборок, которые не обеспечены из-за короткого вдоха-выдоха, и (iii)(b) определяет соответствующий параметр с использованием упомянутых назначенных значений.
(а) один или более процессоров, выполненных с возможностью получения информации, относящейся к дыханию субъекта, и исполнения одного или нескольких модулей, причем упомянутые один или несколько модулей включают в себя:
(1) параметрический модуль, выполненный с возможностью определения параметров дыхания субъекта на основании информации, полученной процессором, причем параметры определяют для каждого предварительного вдоха-выдоха, при этом упомянутый предварительный вдох-выдох относится к отдельным вдохам-выдохам и не к качеству вдохов-выдохов, а только к уровню анализа в идентификации респирации,
(2) модуль ключевого параметра, выполненный с возможностью выведения значения для ключевого параметра дыхания субъекта для каждого предварительного вдоха-выдоха из параметров, определенных параметрическим модулем, причем ключевой параметр представляет собой параметр, который нельзя напрямую извлечь из информации, полученной процессором, причем модуль ключевого параметра дополнительно включает в себя искусственную нейронную сеть, которая моделирует отношение между заранее определенным набором параметров дыхания и ключевым параметром, в ответ на вводы параметров дыхания заданного предварительного вдоха-выдоха, искусственная нейронная сеть выводит значение для ключевого параметра для упомянутого заданного предварительного вдоха-выдоха, и
(3) модуль классификации, выполненный с возможностью определения респираторной недостаточности дыхания субъекта путем (i) сравнения выведенного значения ключевого параметра для заданного предварительного вдоха-выдоха с заранее определенным порогом, (ii) классификации, в ответ на сравнение, отдельных предварительных вдохов-выдохов как (ii)(а) действительных, продуктивных, вдохов-выдохов, или (ii)(b) артефактных, недостаточных, вдохов-выдохов, соответственно, и (iii) в ответ на классификацию отдельных предварительных вдохов-выдохов определение общей респираторной недостаточности, и
при этом параметры, определенные параметрическим модулем, включают в себя значения, определенные агрегацией заранее определенных наборов выборок уровней СО2 во время заданного предварительного вдоха-выдоха, причем (i) первый параметр определяют из первого набора, который содержит первое количество выборок уровней CO2 во время упомянутого заданного предварительного вдоха-выдоха, (ii) другой параметр определяют из следующего набора, который содержит следующее количество выборок уровня CO2 во время того же заданного предварительного вдоха-выдоха, и (iii) в ответ на упомянутый заданный предварительный вдох-выдох, являющийся коротким вдохом-выдохом, не обеспечивающим достаточно элементов выборок для обеспечения данных, из которых каждое из значений параметра может быть определено, параметрический модуль (iii)(а) автоматически назначает заранее установленные значения тем элементам выборок, которые не обеспечены из-за короткого вдоха-выдоха, и (iii)(b) определяет соответствующий параметр с использованием упомянутых назначенных значений.
2. Система по п.1, в которой модуль классификации выполнен с возможностью обнаружения респираторной недостаточности дыхания субъекта в том случае, если выведенное значение ключевого параметра пересекает порог.
3. Система по п.1, в которой ключевой параметр включает в себя одно или более из: объема выдоха, пикового респираторного потока, максимального давления в дыхательных путях, движения грудной стенки.
4. Система по п.1, в которой заранее определенный порог выполнен с возможностью конфигурирования пользователем.
5. Система по п.1, в которой параметры, определенные параметрическим модулем, включают в себя одно или более из: соотношения времени между временем вдоха и временем выдоха, части времени вдоха, в течение которой уровень CO2 на некоторое заранее определенное значение меньше, чем максимальный уровень СО2 во время вдоха-выдоха, разницы между максимальным парциальным давлением CO2, наблюдаемым во время вдоха-выдоха, и парциальным давлением СО2, наблюдаемым в течение заранее определенного периода времени до точки времени, в которой наблюдался максимум, части времени выдоха во время вдоха-выдоха, в течение которой капнограмма находится в пределах 10% максимального СО2, обнаруженного во время вдоха-выдоха, стандартного отклонения выборок капнограммы, взятых во время вдоха, среднего из выборок капнограммы, взятых во время вдоха.
6. Система по п.1, в которой информация, полученная процессором, включает в себя выходные сигналы, сгенерированные одним или более сенсорами, сообщающимися с газом, поступающим в или принимаемым из дыхательных путей субъекта.
7. Способ обнаружения респираторной недостаточности, при этом способ включает в себя этапы, на которых:
получают информацию, относящуюся к дыханию субъекта;
определяют параметры дыхания субъекта на основании полученной информации, причем упомянутые параметры определяют для каждого предварительного вдоха-выдоха, причем предварительный вдох-выдох относится к отдельным вдохам-выдохам, не к качеству вдохов-выдохов, а только к уровню анализа в идентификации респирации;
выводят значение для ключевого параметра дыхания субъекта для каждого предварительного вдоха-выдоха из определенных параметров, причем ключевой параметр представляет собой параметр, который нельзя напрямую извлечь из полученной информации, относящейся к дыханию субъекта, причем выведение ключевого параметра дополнительно включает в себя использование искусственной нейронной сети, которая моделирует отношение между заранее определенным набором параметров дыхания и упомянутым ключевым параметром, причем в ответ на вводы параметров дыхания для заданного предварительного вдоха-выдоха искусственная нейронная сеть выводит значение для ключевого параметра для упомянутого заданного вдоха-выдоха; и
обнаруживают респираторную недостаточность дыхания субъекта путем (i) сравнения выведенного значения для ключевого параметра для заданного предварительного вдоха-выдоха с заранее определенным порогом, и (ii) классификации, в ответ на сравнение, отдельных предварительных вдохов-выдохов как (ii)(а) действительных, продуктивных, вдохов-выдохов, или (ii)(b) артефактных, недостаточных, вдохов-выдохов, соответственно, и (iii) в ответ на классификацию отдельных предварительных вдохов-выдохов определение общей респираторной недостаточности, и
при этом параметры, определенные из полученной информации, относящейся к дыханию субъекта, включают в себя значения, определенные агрегацией заранее определенных наборов выборок уровней CO2 во время заданного предварительного вдоха-выдоха, причем (i) первый параметр определяют из первого набора, который содержит первое количество выборок уровней СО2 во время упомянутого заданного предварительного вдоха-выдоха, (ii) другой параметр определяют из следующего набора, который содержит следующее количество выборок уровня СО2 во время того же заданного предварительного вдоха-выдоха, и (iii) в ответ на упомянутый заданный предварительный вдох-выдох, являющийся коротким вдохом-выдохом, не обеспечивающим достаточно элементов выборок для обеспечения данных, из которых каждое из значений параметра может быть определено, (iii)(а) автоматически назначают заранее установленные значения тем элементам выборок, которые не обеспечены из-за короткого вдоха-выдоха, и (iii)(b) определяют соответствующий параметр с использованием упомянутых назначенных значений.
получают информацию, относящуюся к дыханию субъекта;
определяют параметры дыхания субъекта на основании полученной информации, причем упомянутые параметры определяют для каждого предварительного вдоха-выдоха, причем предварительный вдох-выдох относится к отдельным вдохам-выдохам, не к качеству вдохов-выдохов, а только к уровню анализа в идентификации респирации;
выводят значение для ключевого параметра дыхания субъекта для каждого предварительного вдоха-выдоха из определенных параметров, причем ключевой параметр представляет собой параметр, который нельзя напрямую извлечь из полученной информации, относящейся к дыханию субъекта, причем выведение ключевого параметра дополнительно включает в себя использование искусственной нейронной сети, которая моделирует отношение между заранее определенным набором параметров дыхания и упомянутым ключевым параметром, причем в ответ на вводы параметров дыхания для заданного предварительного вдоха-выдоха искусственная нейронная сеть выводит значение для ключевого параметра для упомянутого заданного вдоха-выдоха; и
обнаруживают респираторную недостаточность дыхания субъекта путем (i) сравнения выведенного значения для ключевого параметра для заданного предварительного вдоха-выдоха с заранее определенным порогом, и (ii) классификации, в ответ на сравнение, отдельных предварительных вдохов-выдохов как (ii)(а) действительных, продуктивных, вдохов-выдохов, или (ii)(b) артефактных, недостаточных, вдохов-выдохов, соответственно, и (iii) в ответ на классификацию отдельных предварительных вдохов-выдохов определение общей респираторной недостаточности, и
при этом параметры, определенные из полученной информации, относящейся к дыханию субъекта, включают в себя значения, определенные агрегацией заранее определенных наборов выборок уровней CO2 во время заданного предварительного вдоха-выдоха, причем (i) первый параметр определяют из первого набора, который содержит первое количество выборок уровней СО2 во время упомянутого заданного предварительного вдоха-выдоха, (ii) другой параметр определяют из следующего набора, который содержит следующее количество выборок уровня СО2 во время того же заданного предварительного вдоха-выдоха, и (iii) в ответ на упомянутый заданный предварительный вдох-выдох, являющийся коротким вдохом-выдохом, не обеспечивающим достаточно элементов выборок для обеспечения данных, из которых каждое из значений параметра может быть определено, (iii)(а) автоматически назначают заранее установленные значения тем элементам выборок, которые не обеспечены из-за короткого вдоха-выдоха, и (iii)(b) определяют соответствующий параметр с использованием упомянутых назначенных значений.
8. Способ по п.7, в котором респираторную недостаточность дыхания субъекта обнаруживают в том случае, если выведенное значение ключевого параметра пересекает порог.
9. Способ по п.7, в котором ключевой параметр включает в себя одно или более из: объема выдоха, пикового респираторного потока, максимального давления в дыхательных путях, движения грудной стенки.
10. Способ по п.7, в котором заранее определенный порог выполнен с возможностью конфигурирования пользователем.
11. Способ по п.7, в котором параметры, определенные из полученной информации, относящейся к дыханию субъекта, включают в себя одно или более из: соотношения времени между временем вдоха и временем выдоха, части времени вдоха, в течение которой уровень СО2 на некоторое заранее определенное значение меньше, чем максимальный уровень СО2 во время вдоха-выдоха, разницы между максимальным парциальным давлением СО2, наблюдаемым во время вдоха-выдоха и парциальным давлением СО2, наблюдаемым в течение заранее определенного периода времени до точки времени, в которой наблюдался максимум, части времени выдоха во время вдоха-выдоха в течение которой капнограмма находится в пределах 10% максимального CO2, обнаруженного во время вдоха-выдоха, стандартного отклонения выборок капнограммы, взятых во время вдоха, среднего из выборок капнограммы, взятых во время вдоха.
12. Способ по п.7, в котором полученная информация, относящаяся к дыханию субъекта, включает в себя выходные сигналы, сгенерированные одним или более сенсорами, сообщающимися с газом, поступающим в или принимаемым из дыхательных путей субъекта.
13. Система, выполненная с возможностью обнаружения респираторной недостаточности, при этом система включает в себя:
средство получения информации, относящейся к дыханию субъекта;
средство определения параметров дыхания субъекта на основании полученной информации, причем параметры определены для каждого предварительного вдоха-выдоха, при этом каждый предварительный вдох-выдох относится к отдельным вдохам-выдохам, не к качеству упомянутых вдохов-выдохов, а только к уровню анализа в идентификации респирации;
средство выведения значения для ключевого параметра дыхания субъекта для каждого предварительного вдоха-выдоха из определенных параметров, причем ключевой параметр представляет собой параметр, который нельзя напрямую извлечь из полученной информации, относящейся к дыханию субъекта, при этом выведение ключевого параметра дополнительно включает в себя использование искусственной нейронной сети, которая моделирует отношение между заранее определенным набором параметров дыхания и ключевым параметром, причем в ответ на ввод параметров дыхания для заданного предварительного вдоха-выдоха искусственная нейронная сеть выводит значение для ключевого параметра для упомянутого заданного предварительного вдоха-выдоха; и
средство обнаружения респираторной недостаточности дыхания субъекта путем (i) сравнения выведенного значения ключевого параметра для заданного предварительного вдоха-выдоха с заранее определенным порогом, (ii) классификации, в ответ на сравнение, отдельных предварительных вдохов-выдохов как (ii)(а) действительных, продуктивных, вдохов-выдохов, или (ii)(b) артефактных, недостаточных, вдохов-выдохов, соответственно, и (iii) в ответ на классификацию отдельных предварительных вдохов-выдохов определение общей респираторной недостаточности, и
при этом параметры, определенные из полученной информации, относящейся к дыханию субъекта, включают в себя значения, определенные агрегацией заранее определенных наборов выборок уровней СО2 во время заданного предварительного вдоха-выдоха, причем (i) первый параметр определен из первого набора, который содержит первое количество выборок уровней СО2 во время упомянутого заданного предварительного вдоха-выдоха, (ii) другой параметр определен из следующего набора, который содержит следующее количество выборок уровня СО2 во время того же заданного предварительного вдоха-выдоха, и (iii) в ответ на упомянутый заданный предварительный вдох-выдох, являющийся коротким вдохом-выдохом, не обеспечивающим достаточно элементов выборок для обеспечения данных, из которых каждое из значений параметра может быть определено, (iii)(а) автоматически назначаются заранее установленные значения тем элементам выборок, которые не обеспечены из-за короткого вдоха-выдоха, и (iii)(b) определяется соответствующий параметр с использованием упомянутых назначенных значений.
средство получения информации, относящейся к дыханию субъекта;
средство определения параметров дыхания субъекта на основании полученной информации, причем параметры определены для каждого предварительного вдоха-выдоха, при этом каждый предварительный вдох-выдох относится к отдельным вдохам-выдохам, не к качеству упомянутых вдохов-выдохов, а только к уровню анализа в идентификации респирации;
средство выведения значения для ключевого параметра дыхания субъекта для каждого предварительного вдоха-выдоха из определенных параметров, причем ключевой параметр представляет собой параметр, который нельзя напрямую извлечь из полученной информации, относящейся к дыханию субъекта, при этом выведение ключевого параметра дополнительно включает в себя использование искусственной нейронной сети, которая моделирует отношение между заранее определенным набором параметров дыхания и ключевым параметром, причем в ответ на ввод параметров дыхания для заданного предварительного вдоха-выдоха искусственная нейронная сеть выводит значение для ключевого параметра для упомянутого заданного предварительного вдоха-выдоха; и
средство обнаружения респираторной недостаточности дыхания субъекта путем (i) сравнения выведенного значения ключевого параметра для заданного предварительного вдоха-выдоха с заранее определенным порогом, (ii) классификации, в ответ на сравнение, отдельных предварительных вдохов-выдохов как (ii)(а) действительных, продуктивных, вдохов-выдохов, или (ii)(b) артефактных, недостаточных, вдохов-выдохов, соответственно, и (iii) в ответ на классификацию отдельных предварительных вдохов-выдохов определение общей респираторной недостаточности, и
при этом параметры, определенные из полученной информации, относящейся к дыханию субъекта, включают в себя значения, определенные агрегацией заранее определенных наборов выборок уровней СО2 во время заданного предварительного вдоха-выдоха, причем (i) первый параметр определен из первого набора, который содержит первое количество выборок уровней СО2 во время упомянутого заданного предварительного вдоха-выдоха, (ii) другой параметр определен из следующего набора, который содержит следующее количество выборок уровня СО2 во время того же заданного предварительного вдоха-выдоха, и (iii) в ответ на упомянутый заданный предварительный вдох-выдох, являющийся коротким вдохом-выдохом, не обеспечивающим достаточно элементов выборок для обеспечения данных, из которых каждое из значений параметра может быть определено, (iii)(а) автоматически назначаются заранее установленные значения тем элементам выборок, которые не обеспечены из-за короткого вдоха-выдоха, и (iii)(b) определяется соответствующий параметр с использованием упомянутых назначенных значений.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10544608P | 2008-10-15 | 2008-10-15 | |
US61/105,446 | 2008-10-15 | ||
PCT/IB2009/054456 WO2010044040A1 (en) | 2008-10-15 | 2009-10-09 | System and method for detecting respiratory insufficiency in the breathing of a subject |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2011119441A RU2011119441A (ru) | 2012-11-27 |
RU2515401C2 true RU2515401C2 (ru) | 2014-05-10 |
Family
ID=41334438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2011119441/14A RU2515401C2 (ru) | 2008-10-15 | 2009-10-09 | Система и способ обнаружения респираторной недостаточности дыхания субъекта |
Country Status (7)
Country | Link |
---|---|
US (1) | US8660971B2 (ru) |
EP (1) | EP2350893A1 (ru) |
JP (1) | JP5647984B2 (ru) |
CN (1) | CN102187343B (ru) |
BR (1) | BRPI0914093A2 (ru) |
RU (1) | RU2515401C2 (ru) |
WO (1) | WO2010044040A1 (ru) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU174788U1 (ru) * | 2017-04-24 | 2017-11-02 | Роман Евгеньевич Антипов | Устройство контроля психофизического состояния оператора |
RU183867U1 (ru) * | 2018-04-25 | 2018-10-05 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ Военная академия Ракетных войск стратегического назначения имени Петра Великого МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Устройство контроля психофизического состояния оператора |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110295141A1 (en) * | 2009-12-23 | 2011-12-01 | Pulmonx Corporation | Methods and systems for endobronchial diagnostics |
US10987023B2 (en) | 2010-12-17 | 2021-04-27 | Koninklijke Philips N.V. | System and method for determining one or more breathing parameters of a subject |
RU2013142751A (ru) * | 2011-02-22 | 2015-03-27 | Конинклейке Филипс Н.В. | Капнографическая система для автоматической диагностики состояния пациента |
CN103429150B (zh) * | 2011-03-11 | 2016-03-16 | 皇家飞利浦有限公司 | 用于监测生理信号的监测装置 |
WO2015125037A1 (en) * | 2014-02-19 | 2015-08-27 | Koninklijke Philips N.V. | Reverse dual positive airway pressure challenges for breathing disorder diagnostics |
US20150378329A1 (en) * | 2014-06-25 | 2015-12-31 | Beijing Jinher Software Co., Ltd. | Method for controlling electronic device interface with breathing characteristics |
CN106407141A (zh) * | 2016-09-10 | 2017-02-15 | 苏州创必成电子科技有限公司 | 带有阀值数控的输入数据状态检测电路 |
CN106845860A (zh) * | 2017-02-21 | 2017-06-13 | 中南大学湘雅医院 | 一种肺量计检查自动化质量控制的方法和装置 |
EP3391939B1 (en) * | 2017-04-19 | 2020-01-15 | Ion Beam Applications S.A. | System and method for detecting hardware degradation in a radiation therapy system |
WO2019113222A1 (en) * | 2017-12-05 | 2019-06-13 | Huang Po Yao | A data processing system for classifying keyed data representing inhaler device operation |
US11538362B2 (en) * | 2019-03-13 | 2022-12-27 | University Of Central Florida Research Foundation, Inc. | Tactile display apparatus for palpation simulation and telemedicine and methods of use |
CN109998487A (zh) * | 2019-04-12 | 2019-07-12 | 上海联影医疗科技有限公司 | 用于影像扫描的呼吸监测方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999045452A2 (en) * | 1998-03-06 | 1999-09-10 | The Research Foundation Of The State University Of New York | Artificial neural network for predicting respiratory disturbances and method for developing the same |
RU2223034C1 (ru) * | 2003-04-03 | 2004-02-10 | Российский Университет Дружбы Народов | Способ диагностики рестриктивных нарушений биомеханики дыхания у больных на искусственной вентиляции легких |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000021438A1 (en) * | 1998-10-15 | 2000-04-20 | University Of Florida Research Foundation | Device for determining respiratory rate from optoplethysmogram |
AU6064000A (en) * | 1999-06-30 | 2001-01-31 | University Of Florida | Ventilator monitor system and method of using same |
US6398728B1 (en) * | 1999-11-16 | 2002-06-04 | Cardiac Intelligence Corporation | Automated collection and analysis patient care system and method for diagnosing and monitoring respiratory insufficiency and outcomes thereof |
US7276031B2 (en) * | 2004-05-12 | 2007-10-02 | New York University | System and method for classifying patient's breathing using artificial neural network |
US20080009762A1 (en) * | 2006-06-27 | 2008-01-10 | Medtronic Emergency Response Systems, Inc. | Method and apparatus for interpreting capnographic data |
US8061353B2 (en) * | 2007-03-09 | 2011-11-22 | Global Medical Holdings LLC | Method and apparatus for delivering a dose of a gaseous drug to a patient |
US8166971B2 (en) * | 2007-03-15 | 2012-05-01 | Ric Investments, Llc | End-tidal gas estimation system and method |
-
2009
- 2009-10-09 RU RU2011119441/14A patent/RU2515401C2/ru not_active IP Right Cessation
- 2009-10-09 JP JP2011531607A patent/JP5647984B2/ja active Active
- 2009-10-09 US US13/121,002 patent/US8660971B2/en active Active
- 2009-10-09 CN CN200980140796.8A patent/CN102187343B/zh active Active
- 2009-10-09 EP EP09737156A patent/EP2350893A1/en not_active Withdrawn
- 2009-10-09 WO PCT/IB2009/054456 patent/WO2010044040A1/en active Application Filing
- 2009-10-09 BR BRPI0914093A patent/BRPI0914093A2/pt active Search and Examination
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999045452A2 (en) * | 1998-03-06 | 1999-09-10 | The Research Foundation Of The State University Of New York | Artificial neural network for predicting respiratory disturbances and method for developing the same |
RU2223034C1 (ru) * | 2003-04-03 | 2004-02-10 | Российский Университет Дружбы Народов | Способ диагностики рестриктивных нарушений биомеханики дыхания у больных на искусственной вентиляции легких |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU174788U1 (ru) * | 2017-04-24 | 2017-11-02 | Роман Евгеньевич Антипов | Устройство контроля психофизического состояния оператора |
RU183867U1 (ru) * | 2018-04-25 | 2018-10-05 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ Военная академия Ракетных войск стратегического назначения имени Петра Великого МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Устройство контроля психофизического состояния оператора |
Also Published As
Publication number | Publication date |
---|---|
US20110178968A1 (en) | 2011-07-21 |
BRPI0914093A2 (pt) | 2015-10-27 |
RU2011119441A (ru) | 2012-11-27 |
JP5647984B2 (ja) | 2015-01-07 |
WO2010044040A1 (en) | 2010-04-22 |
US8660971B2 (en) | 2014-02-25 |
CN102187343B (zh) | 2016-08-03 |
CN102187343A (zh) | 2011-09-14 |
JP2012505693A (ja) | 2012-03-08 |
EP2350893A1 (en) | 2011-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2515401C2 (ru) | Система и способ обнаружения респираторной недостаточности дыхания субъекта | |
CN101938939B (zh) | 用于测量和预测患者呼吸稳定性的装置 | |
JP6960913B2 (ja) | 呼吸力学パラメータ推定のための異常検出装置及び方法 | |
JP6200430B2 (ja) | 圧補助装置を監視し且つ制御する方法及び装置 | |
US20190015614A1 (en) | Systems, devices, and methodologies to provide protective and personalized ventilation | |
RU2621393C2 (ru) | Автоматизированные анализ и расшифровка спирограмм | |
EP2259822A1 (en) | Leak-compensated pressure triggering in medical ventilators | |
EP2552312B1 (en) | Determining components of total carbon dioxide excreted by a subject | |
US9907511B2 (en) | System and method of identifying breaths based solely on capnographic information | |
US20210298635A1 (en) | Systems and methods for sedation-level monitoring | |
US20160166175A1 (en) | Determining respiratory gas exchange in a subject | |
Rehm et al. | Improving mechanical ventilator clinical decision support systems with a machine learning classifier for determining ventilator mode | |
Chiew et al. | Automated logging of inspiratory and expiratory non-synchronized breathing (ALIEN) for mechanical ventilation | |
CN115414026A (zh) | 一种基于流速波形的呼吸自动切分方法及其*** | |
Sylligardos et al. | A Deep Learning Approach to Detect Ventilatory Over-Assistance | |
US20230380792A1 (en) | Method and apparatus for determining lung pathologies and severity from a respiratory recording and breath flow analysis using a convolution neural network (cnn) | |
US20230380719A1 (en) | Method and apparatus for simultaneous collection, processing and display of audio and flow events during breathing | |
WO2022223676A1 (en) | System for identifying a condition of a user | |
CN114048844A (zh) | 基于d-cnn的呼吸机假阳性报警识别方法及*** | |
KR20240114140A (ko) | 폐기능 예측 시스템 및 그 방법 | |
Micski | CO2 Flow Estimation using Sidestream Capnography and Patient Flow in Anaesthesia Delivery Systems | |
CN115381431A (zh) | 一种呼吸参数提取方法及其*** | |
Abdulhay et al. | Multi-Scale Tree Classifier Based Support for Spirometry Diagnosis | |
CN115381432A (zh) | 一种基于单口呼吸波形的人机失调检测方法及其*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20201010 |