TWI693062B - 預估血壓驟降的方法及電子裝置 - Google Patents
預估血壓驟降的方法及電子裝置 Download PDFInfo
- Publication number
- TWI693062B TWI693062B TW108114581A TW108114581A TWI693062B TW I693062 B TWI693062 B TW I693062B TW 108114581 A TW108114581 A TW 108114581A TW 108114581 A TW108114581 A TW 108114581A TW I693062 B TWI693062 B TW I693062B
- Authority
- TW
- Taiwan
- Prior art keywords
- blood pressure
- electronic device
- sudden drop
- sudden
- characteristic model
- Prior art date
Links
- 0 *CC=CC1=*2C3=CCC1C3=CC2 Chemical compound *CC=CC1=*2C3=CCC1C3=CC2 0.000 description 2
- VMQBRAUSELZJMN-UHFFFAOYSA-N C(C1)C2C(C3)C(CCC4)CC4C3C1C2 Chemical compound C(C1)C2C(C3)C(CCC4)CC4C3C1C2 VMQBRAUSELZJMN-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- External Artificial Organs (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本揭露提供一種預估血壓驟降的方法,並具有下列步驟:接收相應第一使用者的第一生理資訊;接收第一使用者的第一當前血壓;依據血壓特徵模型、第一生理資訊以及第一當前血壓獲取降壓事件機率値;判斷降壓事件機率値是否不小於觸發門檻值;以及在判斷降壓事件機率値不小於觸發門檻值時,判斷血壓驟降事件會發生。
Description
本發明是有關於一種預估技術,且特別是有關於一種預估血壓驟降的方法與電子裝置。
血液透析是常見的醫療手段之一。在進行血液透析的過程中,血液會引流至透析機後再導回體內,可能會使病患脫水而導致血壓驟降,造成身體不適。然在病患感到身體不適的時候,血壓驟降已發生一段時間了。此外,由於每位病患的身體狀況不同,且在病患狀況不穩的時候,仍須仰賴醫護入員專業的判斷及實時的監控,增加了醫療成本。基此,如何能夠減少病患產生不適感,並降低醫療成本為本領域技術人員所致力的課題。
本發明提供一種預估血壓驟降的方法與電子裝置,以提前預估病患產生血壓驟降的情形。
在本發明的一實施例中,預估血壓驟降的方法具有下列
步驟:接收相應第一使用者的第一生理資訊;接收第一使用者的一第一當前血壓;依據血壓特徵模型、第一生理資訊以及第一當前血壓獲取降壓事件機率值;判斷降壓事件機率值是否不小於觸發門檻值;以及在判斷降壓事件機率值不小於觸發門檻值時,判斷血壓驟降事件會發生。
在本發明的一實施例中,用以預估血壓驟降的電子裝置具有輸入單元、儲存單元以及處理單元。輸入單元接收相應第一使用者的第一生理資訊以及第一當前血壓。儲存單元儲存血壓特徵模型。處理單元連接輸入單元以及儲存單元,並依據血壓特徵模型、第一生理資訊以及第一當前血壓獲取降壓事件機率值。處理單元還判斷降壓事件機率值是否不小於觸發門檻值,並在判斷降壓事件機率值不小於觸發門檻值時,判斷血壓驟降事件會發生。
基於上述,本發明所提供的用以預估血壓驟降的電子裝置以及預估血壓驟降的方法中,會透過血壓特徵模型進而事先預測血壓驟降情形的發生。基此,醫護人員能在發生血壓驟降的情形前先對病患進行處置,以避免病患產生不適。此外,對於醫護人員而言,也能夠將注意力放在真正有需求的病患身上,減輕醫護人員的負擔。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
100、200、200a、200b:電子裝置
110:輸入單元
120:儲存單元
130:處理單元
D1:血壓正常資料群
D2:血壓驟降資料群
d1:第一資料集
d2:第二資料集
S310~S350:步驟
圖1繪示本發明一實施例預估血壓驟降的電子裝置的示意圖。
圖2繪示本發明一實施例預估血壓驟降的電子裝置的結構示意圖。
圖3繪示本發明一實施例預估血壓驟降的方法的流程示意圖。
圖4繪示本發明一實施例建置血壓特徵模型的示意圖。
圖5繪示本發明一實施例接收回饋操作的流程示意圖。
圖6繪示本發明一實施例電子裝置的應用示意圖。
圖1繪示本發明一實施例預估血壓驟降的電子裝置的示意圖。請參照圖1,電子裝置100被應用於血液透析過程之中,並用以預估使用者是否會發生血壓驟降的情形。在本發明的一實施例中,電子裝置100可以為血液透析機、控制儀器、或者任何能夠接收使用者的生理數據並執行運算功能的電子裝置,本發明並不限制電子裝置100的類型。
圖2繪示本發明一實施例預估血壓驟降的電子裝置的結構示意圖。請參照圖2,在本發明的一實施例中,電子裝置100至少具有輸入單元110、儲存單元120以及處理單元130。
輸入單元110是用以接收使用者的生理資訊。使用者的生理資訊例如為,血液濃度、血液的鈉濃度、乾體重、血球容積
比(Hematocrit,HCT)、胰島素、尿素氮、肌酐酸、鈣、膽固醇、鐵中的一個或多個,且本發明並不以此為限。
在本發明的一實施例中,輸入單元110可以為鍵盤、滑鼠、觸控面板等,以讓醫護人員輸入使用者的生理資訊。除此之外,輸入單元110也可以是各類型的量測裝置,例如,血壓計、血液分析儀等,以量測使用者的生理參數並將生理參數直接輸入電子裝置100。又或者是,輸入單元110可以為各類型的連接埠,並與各類型的量測裝置、處理裝置(例如,個人電腦)等連接,以通過連接埠進行資料傳輸,藉此以獲取使用者的生理資訊。此外,輸入單元110也可以為上述各個裝置的組合,或者是其他能夠獲取使用者生理資訊的裝置,本發明並不限於此。
儲存單元120用以儲存電子裝置100運行所需的各類資料與程式碼。在本實施例中,儲存單元120可以是任何型態的固定或可移動隨機存取記憶體(Random Access Memory,RAM)、唯讀記憶體(Read-Only Memory,ROM)、快閃記憶體(flash memory)、硬碟(Hard Disk Drive,HDD)、固態硬碟(Solid State Drive,SSD)或類似元件或上述元件的組合,且本發明不限於此。
處理單元130連接於輸入單元110以及儲存單元120,用以執行電子裝置100所需要的各種運算,並且,處理單元130例如為中央處理單元(Central Processing Unit,CPU),或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位信號處理器(Digital Signal Processor,DSP)、可程式化控制器、特殊
應用積體電路(Application Specific Integrated Circuit,ASIC)或其他類似元件或上述元件的組合,本揭露不限於此。
圖3繪示本發明一實施例預估血壓驟降的方法的流程示意圖。在此實施例中,預估血壓驟降的方法至少適用於圖1及圖2的電子裝置100,然本發明並不以此為限。以下將通過圖1至圖3說明如何通過電子裝置100的輸入單元110、儲存單元120以及處理單元130的協作,以完成預估血壓驟降的方法的細節。
在步驟S310,處理單元130會通過輸入單元110接收相應第一使用者的生理資訊。並且,在S320,處理單元130會通過輸入單元110接收第一使用者的第一當前血壓。如同前述,輸入單元110會接收醫護人員所輸入相應使用者的生理資訊,或者是藉由量測或者是連接到其他電子裝置而將使用者的生理資訊輸入至電子裝置100,於此即不再贅述。
在步驟S330,處理單元130依據血壓特徵模型、第一生理資訊以及第一當前血壓獲取降壓事件機率值。詳細來說,血壓特徵模型是預先通過機器學習的方式,建立用以預估未來血壓的規則。處理單元130建立並儲存血壓特徵模型於儲存單元120的細節會於後方再進行說明。
降壓事件機率值是用以表示在未來某個時間點或時間區間發生血壓驟降的機率,在此實施例中,降壓事件機率值是在未來的30分鐘發生血壓驟降事件的機率,例如,35%。
在步驟S340,處理單元130判斷降壓事件機率值是否不
小於觸發門檻值。在步驟S350,處理單元130在判斷降壓事件機率值不小於警示閾值時,判斷血壓驟降事件會發生。觸發門檻值則是用以判斷血壓驟降事件是否發生的標準,倘若降壓事件機率值不小於觸發門檻值,處理單元130會預測此病患在未來會發生血壓驟降的情形。換句話說,倘若觸發門檻值越小,表示即使處理單元130判斷發生血壓驟降的機率很小,處理單元130仍會判斷此病患在未來會發生血壓驟降的情形。承前例,倘若觸發門檻值為35%,且在未來30分鐘時,倘若病患發生血壓驟降事件的機率不小於35%,處理單元130判斷血壓驟降事件會發生。在本發明的一實施例中,觸發門檻值可以由醫護人員進行調整,並儲存在儲存單元120中,本發明不限於此。
值得一提的是,處理單元130在判斷血壓驟降事件會發生時,可以進一步發出警示通知。在本發明的實施例中,發出警示通知的方法例如為,發出警示音、顯示警示訊息、發送警示訊息至護理站或護理人員持有的電子裝置等,並會依據電子裝置100的不同設計而有所調整,本發明並不以此為限。
藉由電子裝置100的輸入單元110、儲存單元120以及處理單元130完成的預估血壓驟降的方法中,能夠在病患發生血壓驟降事件之前,事先預測血壓驟降情形的發生。基此,醫護人員能在發生血壓驟降的情形前先對病患進行處置,以避免病患產生不適。此外,對於醫護人員而言,也能夠將注意力放在真正有需求的病患身上,減輕醫護人員的負擔。
圖4繪示本發明一實施例建置血壓特徵模型的示意圖。以下將搭配圖4說明處理單元130建置血壓特徵模型的方法。
在開始建置血壓特徵模型之前,處理單元130會先獲取建置血壓特徵模型的訓練資料。具體來說,訓練資料中的每一筆包括來自病患的生理資訊以及在進行血液透析時的狀態資訊,例如,病患在進行血液透析前的生理數據、血液透析中的血壓變化、血液透析結束後的生理數據以及血壓等。處理單元130會以「每次進行血液透析」為蒐集訓練資料的基礎,也就是說,不論是否已存在相同病患的資料的訓練資料,每一個重複或不重複的病患,在每一次進行血液透析時,皆可視為一筆訓練資料,然本發明並不限於此。
在進行血液透析的臨床表現上,沒有發生血壓驟降的病患數量是發生血壓驟降的病患數量的17倍,為不平衡資料(imbalance data)。如此一來,倘若同時對所有的訓練資料進行特徵提取與平均,會產生偏重於沒有發生血壓驟降的病患的血壓特徵模型,使得運用血壓特徵模型判斷發生血壓驟降的情形時,容易造成誤判。為了弭平不平衡資料的差異,首先,處理單元130會依據病患在血液透析的過程中是否發生血壓驟降,進而將訓練資料分成血壓正常資料群D1及血壓驟降資料群D2,其中血壓正常資料群D1是相應沒有發生血壓驟降的病患的訓練資料,血壓驟降資料群D2是相應發生血壓驟降的病患的訓練資料。
詳細來說,處理單元130會依據血壓驟降規則對訓練資
料進行分群。在本實施例中,血壓驟降規則例如為下述表一的三種情形。也就是說,當病患的血壓變化滿足下列三種情形其中之一,則表示此病患發生血壓驟降的情況。
接著,處理單元130會分別從血壓正常資料群D1以及血壓驟降資料群D2中分別選取第一數量以及第二數量的資料作為第一資料集d1及第二資料集d2,並對第一資料集d1及第二資料集d2進行訓練,以獲取血壓驟降特徵。
由於血壓驟降資料群D2是我們真正關注的資料,因此,在此實施例中,第一數量會小於或等於第二數量,以強化第二資料集d2的特徵強度。在其他實施例中,第一數量也可以略大於第二數量,例如,第一數量為55筆,第二數量為50筆,然而在第一數量與第二數量的比值趨近於1時,從第二資料集d2獲取的特徵的強度越高,而使獲取的血壓驟降特徵較能反應第二資料集d2。
舉例來說,倘若血壓正常資料群D1共有950筆資料,血壓驟降資料群D2中共有50筆資料,處理單元130會選取血壓驟降資料群D2中的所有資料作為第二資料集d2,即第二數量為50。並且,處理單元130會設定第一數量相同於第二數量,即第一數量亦為50,進而從血壓正常資料群D1中選取50筆資料做為第一資料集d1。又或者是,處理單元130會預先設定第一數量及第二數量為定值(例如,第一數量及第二數量皆為50、分別為60和50、40和50、30和50、20和50等)。又或者是,處理單元130也可以設定第一數量與第二數量的比例,例如,1:1、1.2:1、1:2、1:3等,並將第二數量設定為定值,(例如,血壓驟降資料群D2的資料量),本發明不限制如何設定第一數量以及第二數量。
此外,處理單元130例如是依據隨機抽樣從血壓正常資料群D1以及血壓驟降資料群D2中抽取第一數量以及第二數量的資料,或者是通過隨機分配等方式將血壓正常資料群D1以及血壓驟降資料群D2分別分成多組,並分別選取其中一組,然本發明不限於此。
處理單元130會對第一資料集d1及第二資料集d2進行特徵提取程序。詳細來說,處理單元130是依據自適應增強演算法(Adaptive Boosting,Adaboost)對第一資料集d1以及第二資料集d2進行運算,以獲取血壓驟降特徵,然本發明不限於此。
在本發明的一實施例中,處理單元130會多次地獲取不同的第一資料集d1以及第二資料集d2並進行運算,並且每一次都會獲取一組血壓驟降特徵。最後,處理單元130會將所有的血壓驟降特徵取平均值,以產生血壓特徵模型。
並且,本實施例進一步採用敏感度(Sensitivity)、錯誤遺失率(False Omission Rate,FOR)以及誤判率(False Positive Rate,FPR)對血壓特徵模型的成果進行評估。敏感度為在所有實際發生血壓驟降的情形中,依據血壓特徵模型預估出會發生血壓驟降的情形的比例,因此敏感度越高越好。錯誤遺失率為在所有預測無發生血壓驟降的情形中,實際發生血壓驟降的情形的比例,因此錯誤遺失率越低越好。誤判率為在所有實際無發生血壓驟降的情形中,實際上發生血壓驟降情形的比例,因此誤判率越低越好。在這些評估的指標之中,敏感度為主要的優先考量指標。在一個實際的實驗中,通過圖4的實施例所建立的血壓特徵模型
中,在設定觸發門檻值為0.35時,敏感度能夠到達90.08%,錯誤遺失率為1.07%,誤判率為54.83%。
惟須注意的是,在本發明的其他實施例中,血壓特徵模型的建置並不以前述方法為限。在本發明的其他實施例中,處理單元130也可以通過內插法的方式增強血壓驟降資料群D2的資料量,以使血壓驟降資料群D2的數量與血壓正常資料群D1的數量相近。本發明並不以此為限。
值得一提的是,在本發明的一實施例中,醫護人員還能進一步對電子裝置100提供的警示通知進行回饋操作。圖5繪示本發明一實施例接收回饋操作的流程示意圖。
在接收到第一生理資訊及初始血壓時,處理單元130還會進一步依據血壓特徵模型、第一生理資訊、初始血壓以及降壓臨界值計算警示閾值。詳細來說,警示閾值是用以判斷血壓驟降事件發生的臨界值。倘若使用者的血壓降到了警示閾值時,表示血壓驟降事件發生。也就是說,降壓事件機率值可以被視為由第一當前血壓轉變為警示閾值的機率值。舉例來說,倘若第一當前血壓為120mmHg,經由血壓特徵模型的計算,處理單元130會判斷當病患的血壓掉到102mmHg時會發生血壓驟降事件。此時,警示閾值會被設定為102mmHg。
當對病患的血壓進行評估在未來30分鐘內,血壓掉到警示閾值的機率會不小於觸發門檻值時,處理單元130會發出警示通知。此時,醫護人員能夠依據自身專業的知識,進一步判斷是
否對此病患進行進一步醫療處置。倘若判斷警示通知為真,也就表示依據現在的血壓,未來病患的血壓確實有可能發生血壓驟降事件,須對病患進行醫療處置。此時,醫護人員可以進一步按下「處置」按鈕。
當處理單元130接收到此處置操作時,由於此警示閾值為可以信賴的,處理單元130不會變更原本警示閾值的設定。
然而,若判斷警示通知並不為真,即表示在病患現在的生理參數下,血壓驟降事件可能不會發生。此時,醫護人員可以按下「解除警報」的按鈕。處理單元130接收到解除警報操作時,表示警示閾值有可能不正確,或者是,對30分鐘後的血壓估測不正確。因此,處理單元130會重新依據第一生理資訊、初始血壓以及第一當前血壓調整血壓特徵模型,進而依據第一生理資訊、初始血壓、第一當前血壓以及調整後的血壓特徵模型產生預估閾值。此預估閾值表示在當前的血壓之下,在未來30分鐘時可能會到達的血壓值。也就是說,預估閾值表示在現在的時間點對未來30分鐘時的估計,警示閾值為依據血壓特徵模型對病患在發生血壓驟降事件的判斷標準。倘若預估閾值不小於警示閾值,則表示通過醫護人員的回饋,並依據第一當前血壓進行調整後的血壓特徵模型後,處理單元130對未來血壓的估計不低於警示閾值,因此,處理單元130不再發出警報。然而,倘若預估閾值小於警示閾值,表示經過醫護人員的回饋,處理單元130對未來血壓的估計會低於警示閾值,仍有可能發生血壓驟降的事件。此時,處理
單元130會繼續地發出警報通知。
藉由醫護人員的即時回饋,能夠使電子裝置100隨時調整血壓特徵模型,以優化血壓特徵模型的表現。
值得一提的是,在一個實驗中,對於本實施例的預估血壓驟降的方法以及現行採用的回歸模型進行模擬,以對兩個方法進行成效評估。承上述,由於在評估病患是否發生血壓驟降的時候,敏感度為醫護人員最為關切的指標,因此,在設計實驗時是依據回歸模型的敏感度22.67%為基準,進而設置本實施例在敏感度亦為22.67%的情形下,其他變數的表現情形。也就是說,在此實驗中,預估血壓驟降的方法的觸發門檻值會使的整體表現落於敏感度22.67%。藉此,以評估本實施例預估血壓驟降的方法以及現行的回歸模型在原始模型的敏感度皆為22.67%時,經過醫護人員調整後的表現情形。
在回歸模型中,原始的敏感度為22.67%,在經過醫護人員的回饋調整後,敏感度降為19.36%、錯誤遺失率為5.33%以及誤判率為13.02%。並且,發出的警示通知數量為2268個。
在本實施例的預估血壓驟降的方法中,回饋調整後的敏感度為23.38,錯誤遺失率為4.65%、誤判率為4.48%,發出的警示通知數量為943個。也就是說,相較於現行的回歸模型,採用本實施例的預估血壓驟降的方法不僅能夠提升敏感度,同時,錯誤遺失率與誤判率也跟著下降了。不僅如此,警示通知的數量更降為採用回歸模型時的41%,有效降低了醫護人員的負擔。
圖6繪示本發明一實施例電子裝置的應用示意圖。請參照圖6,在此實施例中,預估血壓驟降的方法適用於具有雲端電子裝置200、第一電子裝置200a、第二電子裝置200b,且雲端電子裝置200、第一電子裝置200a以及第二電子裝置200b皆可採用圖1、圖2的電子裝置100進行實作,然本發明不限於此。在第一電子裝置200a採用預估血壓驟降的方法對第一使用者進行血壓驟降事件的預估,並接收醫護人員的回饋操作(例如,接收處置操作、解除警報操作或者其他被輸入的資訊,本發明不限於此)之後,第一電子裝置200a會將調整後的血壓特徵模型通過雲端電子裝置200傳送至第二電子裝置200b。藉此,第二電子裝置200b能夠通過調整後的血壓特徵模型調整第二電子裝置200b所儲存的血壓特徵模型。
值得一提的是,在本發明的一實施例中,雲端電子裝置200僅扮演媒介的角色,即相互傳遞調整後的血壓特徵模型至另一第一電子裝置200a或第二電子裝置200b。第一電子裝置200a和第二電子裝置200b在接收到來自雲端電子裝置200的調整後的血壓特徵模型後,會各自進行運算,以優化自身所儲存的血壓特徵模型。
然而,在本發明的另一實施例中,雲端電子裝置200還會扮演統合的角色,即先將來自所有第一電子裝置200a、第二電子裝置200b的調整後的血壓特徵模型進行統和運算,以獲得優化的血壓特徵模型,再將此優化後的血壓特徵模型傳送至第一電子
裝置200a與第二電子裝置200b。本發明並不限於此。
綜上所述,本發明所提供的用以預估血壓驟降的電子裝置以及預估血壓驟降的方法中,會透過血壓特徵模型進而事先預測血壓驟降情形的發生。基此,醫護人員能在發生血壓驟降的情形前先對病患進行處置,以避免病患產生不適。此外,對於醫護人員而言,也能夠將注意力放在真正有需求的病患身上,減輕醫護人員的負擔。不僅如此,用以預估血壓驟降的電子裝置以及預估血壓驟降的方法也會在醫護人員的回饋中即時調整血壓特徵模型以及對血壓驟降事件的評估情況,即時適應病患的身體狀況,並提升預估血壓驟降的表現。調整後的血壓特徵模型能夠進一步被應用在其他的電子裝置上,並相互學習,以提升整體血壓特徵模型的表現。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S310~S350:步驟
Claims (20)
- 一種預估血壓驟降的方法,包括:建立一血壓特徵模型;接收相應一第一使用者的一第一生理資訊;接收該第一使用者的一第一當前血壓;依據該血壓特徵模型、該第一生理資訊以及該第一當前血壓獲取一降壓事件機率值;判斷該降壓事件機率值是否不小於一觸發門檻值;以及在判斷該降壓事件機率值不小於該觸發門檻值時,判斷一血壓驟降事件會發生,其中建立該血壓特徵模型包括:分別自一血壓正常資料群與一血壓驟降資料群中獲取多個血壓驟降特徵,其中該血壓正常資料群是相應沒有發生血壓驟降的訓練資料,該血壓驟降資料群是相應發生血壓驟降的訓練資料;以及平均該些血壓驟降特徵,以獲取該血壓特徵模型。
- 如申請專利範圍第1項所述的預估血壓驟降的方法,更包括:依據一特徵提取程序獲取該些血壓驟降特徵。
- 如申請專利範圍第2項所述的預估血壓驟降的方法,更包括:從該血壓正常資料群中選取一第一數量的血壓驟降特徵;以 及從該血壓驟降資料群中選取一第二數量的血壓驟降特徵,其中,該第一數量相同於該第二數量。
- 如申請專利範圍第2項所述的預估血壓驟降的方法,其中,該特徵提取程序是依據一自適應增強演算法(Adaptive Boosting,Adaboost)對該第一數量的血壓驟降特徵的其中之一以及該第二數量的血壓驟降特徵進行運算,以獲取該些血壓驟降特徵。
- 如申請專利範圍第1項所述的預估血壓驟降的方法,更包括:接收多個訓練資料;以及依據一血壓驟降規則,判斷該些訓練資料屬於該血壓正常資料群或該血壓驟降資料群。
- 如申請專利範圍第1項所述的預估血壓驟降的方法,更包括:判斷該血壓驟降事件會發生時,發出一警示通知。
- 如申請專利範圍第6項所述的預估血壓驟降的方法,更包括:接收該第一使用者的一初始血壓;以及依據該血壓特徵模型、該第一生理資訊、該初始血壓、該觸發門檻值獲取一警示閾值。
- 如申請專利範圍第7項所述的預估血壓驟降的方法,更包括: 接收一處置操作;以及依據該處置操作,不變更該警示閾值。
- 如申請專利範圍第7項所述的預估血壓驟降的方法,更包括:接收一警示解除操作,並依據該第一生理資訊、該初始血壓及該第一當前血壓調整該血壓特徵模型;依據該血壓特徵模型、該第一生理資訊、該第一當前血壓、該觸發門檻值和調整後的該血壓特徵模型產生一預估閾值;判斷該預估閾值是否小於該警示閾值;在該預估閾值小於該警示閾值時,發出該警示通知;以及在該預估閾值不小於該警示閾值時,不發出該警示通知。
- 如申請專利範圍第9項所述的預估血壓驟降的方法,其中,該預估血壓驟降的方法適用於一第一電子裝置與一第二電子裝置,且該方法更包括:由該第一電子裝置傳送調整後的該血壓特徵模型至該第二電子裝置;以及由該第二電子裝置依據調整後的該血壓特徵模型調整儲存在該第二電子裝置中的一第二血壓特徵模型。
- 一種用以預估血壓驟降的電子裝置,包括:一輸入單元,接收相應一第一使用者的一第一生理資訊以及一第一當前血壓;一儲存單元,儲存一血壓特徵模型;以及 一處理單元,連接該輸入單元以及該儲存單元,依據該血壓特徵模型、該第一生理資訊以及該第一當前血壓獲取一降壓事件機率值,其中該處理單元判斷該降壓事件機率值是否不小於一觸發門檻值;以及其中回應於該降壓事件機率值不小於該觸發門檻值,該處理單元判斷會發生一血壓驟降事件,其中該處理單元建立該血壓特徵模型,包括:自一血壓正常資料群與一血壓驟降資料群中分別獲取多個血壓驟降特徵,並且平均該些血壓驟降特徵,以獲取該血壓特徵模型,其中該血壓正常資料群是相應沒有發生血壓驟降的訓練資料,該血壓驟降資料群是相應發生血壓驟降的訓練資料。
- 如申請專利範圍第11項所述的電子裝置,其中該處理單元依據一特徵提取程序獲取該些血壓驟降特徵。
- 如申請專利範圍第12項所述的電子裝置,其中,該處理單元從該血壓正常資料群中選取一第一數量的血壓驟降特徵,並從該血壓驟降資料群中選取一第二數量的血壓驟降特徵。
- 如申請專利範圍第12項所述的電子裝置,其中,該特徵提取程序是由該處理單元依據一自適應增強演算法(Adaptive Boosting,Adaboost)對該些第一數量的血壓驟降特徵的其中之一以及該第二數量的血壓驟降特徵進行運算,以獲取該些血壓驟降特徵。
- 如申請專利範圍第11項所述的所述的電子裝置,其中,該輸入單元接收多個訓練資料;以及其中,該處理單元依據一血壓驟降規則,判斷該些訓練資料屬於該血壓正常資料群或該血壓驟降資料群。
- 如申請專利範圍第11項所述的電子裝置,其中該處理單元在判斷該血壓驟降事件會發生時,發出一警示通知。
- 如申請專利範圍第16項所述的電子裝置,其中,該輸入單元接收該第一使用者的一初始血壓;以及其中該處理單元依據該血壓特徵模型、該第一生理資訊、該初始血壓、該觸發門檻值獲取一警示閾值。
- 如申請專利範圍第17項所述的電子裝置,其中,該輸入單元接收一處置操作;以及其中該處理單元依據該處置操作,不變更該警示閾值。
- 如申請專利範圍第17項所述的電子裝置,其中,該輸入單元接收一警示解除操作,該處理單元依據該第一生理資訊、該初始血壓及該第一當前血壓調整該血壓特徵模型,該處理單元依據該血壓特徵模型、該第一生理資訊、該第一當前血壓、該觸發門檻值和調整後的該血壓特徵模型產生一預估閾值,該處理單元判斷該預估閾值是否小於該警示閾值,其中該處理單元在該預估閾值小於該警示閾值時,發出該警 示通知,以及在該預估閾值不小於該警示閾值時,不發出該警示通知。
- 如申請專利範圍第19項所述的電子裝置,其中,該電子裝置與一第二電子裝置通訊連接,其中,該處理單元傳送調整後的的該血壓特徵模型至該第二電子裝置,以使該第二電子裝置依據調整後的的該血壓特徵模型調整儲存在該第二電子裝置中的一第二血壓特徵模型。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108114581A TWI693062B (zh) | 2019-04-25 | 2019-04-25 | 預估血壓驟降的方法及電子裝置 |
CN201910467127.7A CN111839486B (zh) | 2019-04-25 | 2019-05-31 | 预估血压骤降的方法及电子装置 |
US16/528,552 US20200337647A1 (en) | 2019-04-25 | 2019-07-31 | Method and electronic device for predicting sudden drop in blood pressure |
JP2019144117A JP6825054B2 (ja) | 2019-04-25 | 2019-08-06 | 血圧の急低下を見積もる方法及び電子デバイス |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108114581A TWI693062B (zh) | 2019-04-25 | 2019-04-25 | 預估血壓驟降的方法及電子裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI693062B true TWI693062B (zh) | 2020-05-11 |
TW202038852A TW202038852A (zh) | 2020-11-01 |
Family
ID=71896039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108114581A TWI693062B (zh) | 2019-04-25 | 2019-04-25 | 預估血壓驟降的方法及電子裝置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200337647A1 (zh) |
JP (1) | JP6825054B2 (zh) |
CN (1) | CN111839486B (zh) |
TW (1) | TWI693062B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20240057900A1 (en) * | 2020-12-30 | 2024-02-22 | Valencell, Inc. | Systems, methods and apparatus for generating blood glucose estimations using real-time photoplethysmography data |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101018575A (zh) * | 2004-09-13 | 2007-08-15 | 甘布罗伦迪亚股份公司 | 强血压变化检测 |
CN109273083A (zh) * | 2018-10-30 | 2019-01-25 | 北京雪扬科技有限公司 | 一种用于辅助脉诊的身体检测*** |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5019457B2 (ja) * | 2004-09-13 | 2012-09-05 | ガンブロ・ルンディア・エービー | 急激な血圧変化の検知 |
JP5705959B2 (ja) * | 2011-02-25 | 2015-04-22 | パイオニア株式会社 | 血圧低下予測装置 |
US20140323885A1 (en) * | 2013-04-24 | 2014-10-30 | General Electric Company | Methods and systems for predicting acute hypotensive episodes |
CA2929819A1 (en) * | 2013-11-06 | 2015-05-14 | Flashback Technologies, Inc. | Noninvasive predictive and/or estimative blood pressure monitoring |
US20160143596A1 (en) * | 2014-04-16 | 2016-05-26 | Xerox Corporation | Assessing patient risk of an acute hypotensive episode with vital measurements |
US20160270736A1 (en) * | 2015-03-17 | 2016-09-22 | Maisense Inc. | Blood pressure measurement device associated with event |
KR102486700B1 (ko) * | 2015-08-11 | 2023-01-11 | 삼성전자주식회사 | 혈압 추정 방법 및 장치 |
US20180025290A1 (en) * | 2016-07-22 | 2018-01-25 | Edwards Lifesciences Corporation | Predictive risk model optimization |
US11076813B2 (en) * | 2016-07-22 | 2021-08-03 | Edwards Lifesciences Corporation | Mean arterial pressure (MAP) derived prediction of future hypotension |
CN106777891B (zh) * | 2016-11-21 | 2019-06-07 | 中国科学院自动化研究所 | 一种数据特征选择和预测方法及装置 |
JP2018191724A (ja) * | 2017-05-12 | 2018-12-06 | 東レ株式会社 | 血圧測定装置及び血圧測定装置の制御方法 |
CN108378835A (zh) * | 2018-02-11 | 2018-08-10 | 中国联合网络通信集团有限公司 | 血压预测方法及装置 |
-
2019
- 2019-04-25 TW TW108114581A patent/TWI693062B/zh active
- 2019-05-31 CN CN201910467127.7A patent/CN111839486B/zh active Active
- 2019-07-31 US US16/528,552 patent/US20200337647A1/en not_active Abandoned
- 2019-08-06 JP JP2019144117A patent/JP6825054B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101018575A (zh) * | 2004-09-13 | 2007-08-15 | 甘布罗伦迪亚股份公司 | 强血压变化检测 |
CN109273083A (zh) * | 2018-10-30 | 2019-01-25 | 北京雪扬科技有限公司 | 一种用于辅助脉诊的身体检测*** |
Also Published As
Publication number | Publication date |
---|---|
JP2020179143A (ja) | 2020-11-05 |
TW202038852A (zh) | 2020-11-01 |
CN111839486A (zh) | 2020-10-30 |
CN111839486B (zh) | 2024-05-24 |
US20200337647A1 (en) | 2020-10-29 |
JP6825054B2 (ja) | 2021-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI768216B (zh) | 用於血液透析的脫水量預測方法與使用該方法的電子裝置 | |
US9700218B2 (en) | Systems and methods for reducing nuisance alarms in medical devices | |
JP5529041B2 (ja) | 医療機器における警報制御 | |
US8275553B2 (en) | System and method for evaluating physiological parameter data | |
JP6297609B2 (ja) | ユーザに対する特定の音の可聴性を向上させる装置及び方法 | |
US20140350355A1 (en) | Monitoring and managing sleep breathing disorders | |
JP2005508677A (ja) | 患者モニタ、アラーム処理システム、及びユーザ・インターフェース | |
GB2499084A (en) | System and method for monitoring clinician responsiveness to alarms | |
JP2017512080A5 (ja) | 周期性呼吸を検出するプロセッサにおける方法、周期的呼吸を検出する装置、及びコンピュータ可読記憶媒体 | |
EP2389857A1 (en) | Alarm generation for patient monitoring | |
KR20160105440A (ko) | 알람 이벤트의 임상적 관련성을 결정하는 방법 및 시스템 | |
US11621082B2 (en) | Physiological parameter monitoring system | |
CN114283494A (zh) | 一种用户跌倒预警方法、装置、设备和存储介质 | |
EP3160328B1 (en) | Device, system and computer program for detecting a health condition of a subject | |
TWI693062B (zh) | 預估血壓驟降的方法及電子裝置 | |
CN113327680A (zh) | 患病风险预警方法、装置、设备及存储介质 | |
US9615784B2 (en) | Tactical clinical evaluation of patient monitor events | |
CN114190916B (zh) | 一种基于织物传感器的儿童呼吸监控方法及*** | |
JP2018057450A (ja) | 眠気推定装置及び眠気推定プログラム | |
JP2016040693A (ja) | 疾病予測装置、疾病予測方法、及びプログラム | |
JP2022150786A (ja) | 報知システム | |
JP2008178513A (ja) | 血圧の測定方法及び測定装置 | |
US20240206825A1 (en) | Estimation device, estimation system, estimation method, and storage medium | |
US20240177850A1 (en) | Method for establishing a communication path between a subject and a radiation medical device | |
Tóth-Laufer et al. | A personal profile based patient-specific anytime risk calculation model |