P a t e n t a n s p r ü c h e
1. Verfahren und Vorrichtung zum Herz-, Kreislaufund Atmungs-Monitoring von Patienten mit einem Sensor, einem daran angeschlossenen PC und einer intelligenten Software, d a d u r c h g e k e n n z e i c h n e t , dass zur Merkmalsextraktion mindestens ein statistisches Analyseverfahren verwendet wird, dass die gewonnen Merkmale einem lernenden Hybridsystem, bestehend aus Hidden Markov Modellen, neuronalen Netzen und einem wissensbasierten Automaten, zur Identifikation der Geräusche zugeführt werden, wobei ein Klassifikationsergebnis mit Klassifikationsgüte geliefert wird, dass das Klassifikationsergebnis des Hybridsystems einem weiteren lernenden System zur Ergebnisbestätigung zugeführt wird.
2. Verfahren und Vorrichtung nach Anspruch 1, wobei nach der Geräuschklassifikation eine Geräuschanalyse mit zugehöriger Statistik von einem lernenden System durchgeführt wird.
3. Verfahren und Vorrichtung nach Anspruch 1 und 2, wobei anschließend eine Zuordnung aufgrund ärztlicher Erfahrungen zu Krankheitsbildern, z.B. Herzrhythmusstörungen, Kreislaufstörungen oder Obst- ruktives-Schlafapnoe-Syndrom, erfolgt
4. Verfahren und Vorrichtung nach Ansprüchen 1-3, wobei folgende Verfahren zur Merkmalsextraktion durchgeführt werden:
• Normalisierung und Filterung des Signalspektrums
• Zerlegung in Teilspektren
• Berechnung und Mittelung der Effektivwerte der Teilspektren
• Berechnung und Mittelung eines Merkmalsvektors aus jedem Teilspektrum mit einem statistischen Verfahren
• Kombination der Effektivwerte und Merkmalsvektoren zu einer Matrix
• Zeitliche Glättung der Matrixwerte • Normierung der Werte auf Mittelwert Null und vorgegebener Varianz
5. Verfahren und Vorrichtung nach Ansprüchen 1-4, wobei bei der Merkmalsextraktion eine Fourier- Analyse als statistisches Verfahren verwendet wird.
6. Verfahren und Vorrichtung nach Ansprüchen 1-4, wobei bei der Merkmalsextraktion eine Cepstrum- Analyse als statistisches Verfahren verwendet wird.
7. Verfahren und Vorrichtung nach Ansprüchen 1-4, wobei bei der Merkmalsextraktion eine Wavelet- Analyse als statistisches Verfahren verwendet wird.
8. Verfahren und Vorrichtung nach einem der vorherigen Ansprüchen, wobei die neuronalen Netzwerke o- der Hidden Markov Modelle im Hybridsystem mit gleichen oder unterschiedlichen Trainingsdaten für die Geräuschklassen trainiert sind mit gleichen oder unterschiedlichen Trainingsalgorithmen.
9. Verfahren und Vorrichtung nach einem der vorherigen Ansprüchen, wobei eine Unterscheidung in den Geräuschklassen insbesondere in Atem- (z.B.: Einatmung, Ausatmung, Husten, Schnarchen) , Herz- (z.B.: normale Herztöne, Herzflattergeräusche, Herzflimmergeräusche) und Kreislauf-Strömungs- Geräuschen (z.B.: arterielle Strömung, venöse Strömung) stattfindet.
10. Verfahren und Vorrichtung nach einem der vorherigen Ansprüchen, wobei folgende Merkmale extrahiert werden: Signalspitzen im Spektrum, Amplitudenvariationen, Phasenvariationen, periodisch oder aperiodisch auftretende Signale oder Kombinationen davon.
11. Vorrichtung zur Durchführung eines Verfahrens gemäß einem der vorherigen Ansprüchen, welches einen PC mit Mikrofonsystem, Ultraschallsystem oder mit einem ähnlichen akustischen Sensorsystem zur Erfassung der Atem-, Herz- oder Kreislaufgeräuschdaten, sowie Mittel zur Signalverarbeitung, die Mittel zur Merkmalsextraktion und Mittel zur Klassifikation enthalten, umfassen. |
Verfahren und Vorrichtung zum Herz-, Kreislauf- und Atmunαsmonitorinq mittels Hidden Markov Modellen und neuronalen Netzwerken
[0001] Heutzutage werden weltweit mehrere unterschiedliche Geräte zur überwachung der Herzkreislauf und Atmungsfunktionalitäten eingesetzt. Diese Geräte werden klinisch vorwiegend in den zwei Gruppierungen Beat- mungs- oder Atmungsmonitoringsysteme kategorisiert .
[0002] Aus der DE9200249U1 ist eine Vorrichtung bekannt, die Lebensfunktionen von Patienten mittels eines elektrischen Sensors, der mit der Schreib- oder Aufzeichnungsvorrichtung eines Elektrokardiogrammgerätes verbunden ist, überwacht. Da hierfür ein EKG oder ein ähnliches Gerät benötigt wird, entstehen hier ' sehr hohe Anschaffungskosten. Diese Vorrichtungen sind primär für den Einsatz bei Säuglingen und Kleinkindern
gedacht. Sie benötigen auch eine hohe Anzahl von Sensoren. Bei der Auswertung der Daten stehen dem Arzt nur die reinen Signaldaten zur Verfügung, da solche Geräte nicht über lernfähige Systeme, wie Hidden Mar- kov Modelle oder Neuronale Netzwerke, verfügen.
[0003] Aus der DE3444635A1 ist eine Vorrichtung zur Herz-, Atem- und Kreislaufüberwachung bekannt, die ein Warnsignal bei einem durch Herz- oder Kreislaufstillstand bedingten Atemstillstand auslöst. Dieses Gerät ist ein reines überwachungsgerät, das nicht zur Untersuchung oder Diagnose geeignet ist, da die Daten nicht aufgezeichnet werden.
[0004] Bei langzeitbeatmeten Patienten werden meistens Geräte eingesetzt die über eine Vielzahl von biologischen Sensoren brauchen um ein zuverlässiges Monitoring der Patienten zu gewährleisten.
[0005] Eine ähnlich große Anzahl an Sensoren wird beispielsweise häufig gebraucht für eine zuverlässige Diagnose bzw. Monitoring von Herz-, Kreislauf -bzw. Atemwegerkrankungen.
[0006] So ergibt sich beispielsweise die Diagnose vom Schlaf-Apnoe-Syndrom hauptsächlich aus der Vorgeschichte, den Angaben zur Schlafhygiene, der Untersuchung beim Hausarzt und einer ambulanten Untersuchung bei dafür ausgebildeten Fachärzten.
Da eine komplexe Diagnose von Schlafstörungen in einem Schlaflabor sehr aufwendig und kostenintensiv ist,
werden im Allgemeinen für die Vordiagnose zu Hause, mobile Screening-Geräte eingesetzt.
[0007] Die Untersuchung mit diesen Geräten erfolgt derzeit mittels einigen, bis zu über 10, Sensoren, die am Patienten während des Schlafes zu Hause angeschlossen werden, zur Aufzeichnung von Atemströmung, Atemgeräuschen, Hirnströme, SauerstoffSättigung im Blut, Herzfrequenz, EKG, Atembewegung des Brustkorbes und des Abdomens sowie Körperlage.
[0008] Im Bereich der Neonatologie werden von den meistens Monitoringsystemen eine schnelle und zuverlässige Reaktionszeit erwartet. Aus aktuellen Studienergebnisse zur Prävention des „Plötzlichen Kindstod Syndroms" sind neben Auswertungen von Atemqualitäten auch die Auswertung des Zusammenhangs zwischen Ap- noefrequenzen und Herzfrequenz so gut wie unabdingbar.
Aufgabenstellung
[0009] Aufgrund der immer knapper werdenden Budgets in Kliniken, Arztpraxen sowie den meistens sonstigen gesundheitliche Einrichtungen, lautete die Fragestellung bei dieser Arbeit wie man „auch aus wirtschaftlichen Interesse" die Anzahl der Sensoren der aktuellen Screening-Systeme reduzieren kann, ohne Einbußen in der Qualität der Diagnose bzw. Patientenmonitoring von Herz-, Kreislauf- und Atemwegs-Erkrankungen zu erleiden.
Lösungsvorschlag und Ausführungsbeispiel
[0010] Die erfindungsgemäße Lösung dieser Aufgabe wird wie folgt beschrieben:
-> Die Vorrichtung besitzt mindestens ein Mikrofonsystem, Ultraschallsystem oder ein ähnliches akustisches Sensorsystem zur kontinuierlichen Aufzeichnung von Herz-, Kreislauf- und Atmungsgeräuschen, sowie einen PC mit Auswertungssoftware.
-> In der Software wird dann zunächst ein Verfahren zur Signalvorverarbeitung und Gewinnung der Merkmale aus den aufgezeichneten Herz-, Kreislauf- und Atemgeräuschen eingesetzt, um die Daten anschließend auswerten zu können.
-> Ein Hybridsystem bestehend aus Hidden Markov Modellen, Neuronalen Netzen und einem wissensbasierten Automat identifiziert die aufgezeichneten Geräuschen und den Zeitpunkt ihres Auftretens.
-> Anschließend wird eine statistische Auswertung der chronologisch klassifizierten Herz-, Kreislaufströ- mungs- und Atemgeräuschen durchgeführt.
-$ Mit Hilfe dieser Daten wird der Gesundheitszustand des Patienten ermittelt und eventuell ein Vorschlag zur Vorabdiagnose erstellt.
[0011] Das Verfahren und die Vorrichtung werden durch folgende Zeichnungen näher erläutert:
[0012] Fig.l zeigt eine beispielhafte schematische Darstellung einer erfindungsgemäßen Vorrichtung, bei der ein Luftschall-Mikrofon-System über dem Kopfbereich des Patienten platziert wird und über einer Ana- log-Digital-Wandlerkarte an den Signalverarbeitungs-PC angeschlossen wird.
[0013] Fig.2 zeigt eine beispielhafte schematische Darstellung einer erfindungsgemäßen Vorrichtung, bei der ein akustisches Sensorsystem am Körper des Patienten im Kopf- und Brustbereich platziert wird und über einer Analog-Digital-Wandlerkarte an den Signalverarbeitungs-PC angeschlossen wird.
[0014] Fig.3 zeigt eine schematische Darstellung der Verfahrensschritte zur Vorabdiagnose bei Herz-, Atem- und Kreislauferkrankungen.
[0015] Fig.4 zeigt eine beispielhafte schematische Darstellung der Vorgänge, die im Signalverarbeitungs- PC implementiert sind.