用由监督式机器学习技术(诸如支持向量机)所产生的至少一个分类界线来探测病人状态。在一些示例中，使用病人状态探测来做以下至少一件事：控制治疗传递给病人、产生病人提醒、开始数据记录、或者评估病人情况。另外，可基于特征向量和分类界线而确定评估度量，特征向量是基于病人参数信号的特性而确定的。示例的评估度量可基于至少一个特征向量和分类界线之间的距离，和/或多个特征向量随时间相对于分类界线的轨迹。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及医疗设备，且，更具体地，涉及通过医疗设备的病人状态探测。背景可在不同的治疗应用中使用诸如电刺激器或治疗剂输送设备之类的可植入医疗设备，这些治疗应用诸如深度脑刺激(DBS)、脊髓刺激(SCS)、骨盆刺激、胃刺激、末梢神经刺激、功能电刺激或传输制药试剂、胰岛素、止痛剂或抗炎症试剂到病人体内的目标组织点。可使用医疗设备来向病人传递治疗，从而治疗各种症状或病人情况，诸如慢性痛、震颤、 帕金森病、其他类型的运动障碍、癫痫症(如，癫痫)、小便或大便失禁、性功能紊乱、肥胖、 精神紊乱、胃轻瘫或糖尿病。在一些治疗系统中，在由医疗导线所部署的一个或多个电极的辅助下，植入性电刺激器将电治疗传输给病人体内的目标治疗点。除了电刺激治疗之外或者代替电刺激治疗，在一个或多个流体传递部件(诸如导管或治疗剂流出管(eluting patch))的辅助下，医疗设备可将治疗剂传输给病人体内的目标治疗点。可配置外部或可植入的医疗设备来感知一个或多个病人参数，诸如生理信号、病人活动级别或病人姿势。在一些示例中，可使用基于所感知到的一个或多个生理参数的病人状态的探测来控制治疗传递。背景总体上，本专利技术涉及使用基于监督式(supervised)机器学习而确定的分类算法的病人状态探测。例如，可使用支持向量机(SVM)或者另一个人造神经网络而应用该监督式机器学习。监督式机器学习被实现为基于已知的指示病人处于病人状态的一个或多个病人参数信号中的两个或更多个特征的值以及已知的指示病人不处于病人状态的一个或多个病人参数信号的特征值，而在学习过程中产生分类界线。特征是病人参数信号的特性，诸如在特定频段的能级的幅值。分类界线描绘了指示病人处于病人状态的特征值和指示病人不处于病人状态的的特征值。—旦基于已知的病人状态数据而确定了分类界线，通过确定从所感知的病人参数信号中提取出的特定特征值位于这个界线的哪一侧，医疗设备可使用这个界线来探测何时病人处于特定的病人状态。可使用这个病人状态探测来控制各种动作过程，诸如控制治疗传递、产生病人提醒或评估病人情况。另外，可基于该分类界线以及指示病人参数的信号来确定用于监测及评估病人情况的各种度量。在一个方面中，本专利技术涉及一种方法，包括接收指示病人参数的信号、接收标识病人状态发生的信息、确定指示病人处于病人状态的生理信号的特性的至少一个第一值以及指示病人不处于第一病人状态的生理信号的特性的至少一个第二值，其中第一和第二值是不同的，且应用支持向量机基于生理信号的特性的第一和第二值来界定分类界线，其中医疗设备使用该分类界线将接下来所感知的病人的生理信号分类为指示病人状态。在另一个方面中，本专利技术涉及一种方法，包括接收指示病人姿势的信号、接收标识姿势状态发生的信息、确定指示病人处于姿势状态的信号的特性的至少一个第一值以及指示病人不处于姿势状态的信号的特性的至少一个第二值，其中第一和第二值是不同的，且4应用监督式机器学习技术基于信号的特性的第一和第二值来界定分类界线，其中医疗设备使用该分类界线将接下来所感知的病人的信号分类为指示姿势状态。在另一个方面中，本专利技术涉及一种系统，包括产生指示病人参数的信号的感知模块、处理器，其接收指示病人参数的信号、接收标识姿势状态的发生的信息、确定指示病人处于姿势状态的信号的特性的至少一个第一值以及指示病人不处于姿势状态的信号的特性的至少一个第二值，其中第一和第二值是不同的，且应用监督式机器学习技术基于信号的特性的第一和第二值来界定分类界线。该系统还包括医疗设备，其使用该分类界线将接下来所感知的病人的信号分类为指示姿势状态。在另一个方面中，本专利技术涉及一个方法，包括接收指示病人参数的信号、应用基于监督式机器学习技术而确定的分类算法来基于该信号而分类病人姿势状态，其中该分类算法界定分类界线，并基于所确定的病人姿势状态来控制给病人的医疗传递。在另一个方面中，本专利技术涉及一种系统，包括将治疗传递给病人的治疗模块、产生指示病人姿势的信号的传感器和处理器，其应用基于监督式机器学习技术而确定的分类算法来基于该信号分类病人姿势状态并基于所确定的病人姿势状态而控制该治疗模块。在另一个方面中，本专利技术涉及一个系统，包括用于接收指示病人姿势的信号的装置、用于接收标识姿势状态发生的信息的装置、用于确定指示病人处于姿势状态的信号的特性的至少一个第一值以及指示病人不处于姿势状态的信号的特性的至少一个第二值的装置，其中第一和第二值是不同的，以及用于应用监督式机器学习技术基于信号的特性的第一和第二值来界定分类界线的装置，其中医疗设备使用该分类界线将接下来所感知的病人的信号分类为指示姿势状态。在另一个方面中，本专利技术涉及一个系统，包括用于接收指示病人参数的信号的装置、用于应用基于监督式机器学习技术而确定的分类算法来基于该信号而分类病人姿势状态的装置，其中该分类算法界定分类界线，以及用于基于所确定的病人姿势状态来控制给病人的医疗传递的装置。在另一个方面中，本专利技术涉及一种计算机可读介质，包括使可编程处理器做出以下动作的指令接收指示病人姿势的信号、接收标识姿势状态发生的信息、确定指示病人处于姿势状态的信号的特性的至少一个第一值以及指示病人不处于姿势状态的信号的特性的至少一个第二值，其中第一和第二值是不同的，且应用监督式机器学习技术基于信号的特性的第一和第二值来界定分类界线，其中医疗设备使用该分类界线将接下来所感知的病人的信号分类为指示姿势状态。在另一个方面中，本专利技术涉及一种计算机可读介质，包括使可编程处理器做出以下动作的指令接收指示病人参数的信号、应用基于监督式机器学习技术而确定的分类算法来基于该信号而分类病人姿势状态，其中该分类算法界定分类界线，并基于所确定的病人姿势状态来控制给病人的医疗传递。在另一个方面中，本专利技术涉及一种方法，包括接收指示病人参数的信号、应用基于监督式机器学习而确定的第一分类算法来基于该信号分类病人状态，且应用基于监督式机器学习而确定的至少一个附加分类算法来基于该信号进一步分类病人状态。在另一个方面中，本专利技术涉及一种系统，包括产生指示病人参数的信号的传感模块，和处理器，其接收该信号、应用基于监督式机器学习而确定的第一分类算法来基于该信号分类病人状态，以及应用基于监督式机器学习而确定的至少一个附加分类算法来基于该信号进一步分类病人状态。在另一个方面中，本专利技术涉及一个系统，包括用于接收指示病人参数的信号的装置、用于应用基于监督式机器学习而确定的第一分类算法来基于该信号分类病人状态的装置，以及应用基于监督式机器学习而确定的至少一个附加分类算法来基于该信号进一步分类病人状态的装置。在另一个方面中，本专利技术涉及一种计算机可读介质，包括使可编程处理器做出以下动作的指令接收指示病人参数的信号、应用基于监督式机器学习而确定的第一分类算法来基于该信号分类病人状态，以及应用基于监督式机器学习而确定的至少一个附加分类算法来基于该信号进一步分类病人状态。在另一个方面中，本专利技术涉及一种方法，包括接收指示病人参数的信号、基于该信号确定特征向量、应用基于支持向量机的算法来基于该特征向量分类病人状态，其中该基于支持向量机的算法界定分类界线，确定该特征向量和分类界线之间的距离，以及基于该距离确定对病人状态的评估度量。在另一个方面中，本本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：D·L·卡尔森，T·J·丹尼森，A·H·休伯，
申请(专利权)人：麦德托尼克公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。