ホーム > 特許ランキング > ノキア テクノロジーズ オサケユイチア > 特表2017-502782
特表 2017-502782出願番号 特願 2016-546959
呼吸数の検出のための方法とデバイス
出願人 ノキア テクノロジーズ オサケユイチア（識別番号 515076873）
2026年 特許公開件数ランキング 156位 178件（※）
2026年 特許取得件数ランキング 126位 170件（※）
公報発行日 2017年1月26
公報URL https://ipforce.jp/patent-jp-T-2017-502782 ログイン済みの方はこのURLへ
［この特許公報を共有したい場合］あなたがログインしてこの特許公報を表示すれば、他の人はログインしなくてもこのURLで見ることができるようになります。
※ 共同出願を含む
知財ポータルサイト IP Force にログインすれば、この公報の全文を閲覧できます。 ログインはこちら ログイン・ユーザー登録
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】特表2017-502782(P2017-502782A)
(43)【公表日】2017年1月26日
(54)【発明の名称】呼吸数の検出のための方法とデバイス
(51)【国際特許分類】
A61B 5/08 20060101AFI20170105BHJP
A61B 5/02 20060101ALI20170105BHJP
【ＦＩ】
A61B5/08
A61B5/02 310Z
【審査請求】有
【予備審査請求】未請求
【全頁数】20
(21)【出願番号】特願2016-546959(P2016-546959)
(86)(22)【出願日】2015年1月15日
(85)【翻訳文提出日】2016年9月15日
(86)【国際出願番号】FI2015050023
(87)【国際公開番号】WO2015107268
(87)【国際公開日】20150723
(31)【優先権主張番号】20145037
(32)【優先日】2014年1月16日
(33)【優先権主張国】FI
(81)【指定国】
AP(BW,GH,GM,KE,LR,LS,MW,MZ,NA,RW,SD,SL,ST,SZ,TZ,UG,ZM,ZW),EA(AM,AZ,BY,KG,KZ,RU,TJ,TM),EP(AL,AT,BE,BG,CH,CY,CZ,DE,DK,EE,ES,FI,FR,GB,GR,HR,HU,IE,IS,IT,LT,LU,LV,MC,MK,MT,NL,NO,PL,PT,RO,RS,SE,SI,SK,SM,TR),OA(BF,BJ,CF,CG,CI,CM,GA,GN,GQ,GW,KM,ML,MR,NE,SN,TD,TG),AE,AG,AL,AM,AO,AT,AU,AZ,BA,BB,BG,BH,BN,BR,BW,BY,BZ,CA,CH,CL,CN,CO,CR,CU,CZ,DE,DK,DM,DO,DZ,EC,EE,EG,ES,FI,GB,GD,GE,GH,GM,GT,HN,HR,HU,ID,IL,IN,IR,IS,JP,KE,KG,KN,KP,KR,KZ,LA,LC,LK,LR,LS,LU,LY,MA,MD,ME,MG,MK,MN,MW,MX,MY,MZ,NA,NG,NI,NO,NZ,OM,PA,PE,PG,PH,PL,PT,QA,RO,RS,RU,RW,SA,SC,SD,SE,SG,SK,SL,SM,ST,SV,SY,TH,TJ,TM,TN,TR,TT,TZ,UA,UG,US
(71)【出願人】
【識別番号】515076873
【氏名又は名称】ノキア テクノロジーズ オサケユイチア
(74)【代理人】
【識別番号】100099759
【弁理士】
【氏名又は名称】青木 篤
(74)【代理人】
【識別番号】100092624
【弁理士】
【氏名又は名称】鶴田 準一
(74)【代理人】
【識別番号】100141162
【弁理士】
【氏名又は名称】森 啓
(74)【代理人】
【識別番号】100141254
【弁理士】
【氏名又は名称】榎原 正巳
(72)【発明者】
【氏名】ニク オクサラ
(72)【発明者】
【氏名】サス リウハネン
【テーマコード（参考）】
4C017
4C038
【Ｆターム（参考）】
4C017AA09
4C017AA14
4C017AB02
4C017AB03
4C017BC07
4C017BC11
4C017BC14
4C017BC16
4C017FF05
4C038SS08
4C038ST04
4C038SX07
(57)【要約】
【課題】呼吸数の検出のための方法およびデバイス。【解決手段】呼吸数を推定するための方法であって、電気的フォームで脈波に関連したデータを収集するステップと、適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、を備える方法。呼吸数の推定は、次に、貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、計算される。
【選択図】図１Ｂ−１
【特許請求の範囲】
【請求項1】
呼吸数を推定するための方法であって、該方法は、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと、
のステップを含む、方法。
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと、
のステップを含む、方法。
【請求項2】
前記方法は、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと、を含む、請求項１に記載の方法。
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと、を含む、請求項１に記載の方法。
【請求項3】
前記４つのサブ信号の前記選択平均化のステップは、
最大パワーの位置を決定するステップと、
実際の脈波のピークとトラフを識別するためにサブ信号ごとに最大パワーを閾値処理するステップと、
所定のウィンドウの内部でスペクトラム・パワーを決定するステップと、
最大パワー・ウィンドウの位置を決定するステップと、
最大パワー・ウィンドウの内部で最大パワーを決定するステップと、
前記スペクトルの間の相互相関を決定するステップと、を含む、
請求項２に記載の方法。
最大パワーの位置を決定するステップと、
実際の脈波のピークとトラフを識別するためにサブ信号ごとに最大パワーを閾値処理するステップと、
所定のウィンドウの内部でスペクトラム・パワーを決定するステップと、
最大パワー・ウィンドウの位置を決定するステップと、
最大パワー・ウィンドウの内部で最大パワーを決定するステップと、
前記スペクトルの間の相互相関を決定するステップと、を含む、
請求項２に記載の方法。
【請求項4】
前記スペクトル・データは、前記手首のおよび指領域に位置する少なくとも１つの周辺センサによって収集される、請求項１ないし３のいずれか１項に記載の方法。
【請求項5】
前記収集されたスペクトル・データは、最初に、低域フィルタを使用して、高周波アーチファクトを除去することにより前処理される、請求項１ないし４のいずれか１項に記載の方法。
【請求項6】
１次および２次微分が、前記収集されたスペクトル・データから決定され、
前記データが、ＤＣコンポーネントを除去するためにトレンド除去され、
局所最小値と最大値が、前記前に計算された微分を使用して前記トレンド除去された信号から識別される、請求項１ないし５のいずれか１項に記載の方法。
前記データが、ＤＣコンポーネントを除去するためにトレンド除去され、
局所最小値と最大値が、前記前に計算された微分を使用して前記トレンド除去された信号から識別される、請求項１ないし５のいずれか１項に記載の方法。
【請求項7】
前記組合せの前に、
前記４つのサブ信号の各々が、キュービック補間、ハン・ウインドウ処理を使用して、一定の間隔で再サンプリングされ、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）を受け、
低周波帯を除去するためにハイパス・フィルタ処理され、
そして、それによって、前記４つのサブ信号の各々に対して最大パワー・スペクトルを導出する、
請求項１ないし６のいずれか１項に記載の方法。
前記４つのサブ信号の各々が、キュービック補間、ハン・ウインドウ処理を使用して、一定の間隔で再サンプリングされ、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）を受け、
低周波帯を除去するためにハイパス・フィルタ処理され、
そして、それによって、前記４つのサブ信号の各々に対して最大パワー・スペクトルを導出する、
請求項１ないし６のいずれか１項に記載の方法。
【請求項8】
ウェルチの方法が、データから雑音を減らすために使用される、請求項１ないし７のいずれか１項に記載の方法。
【請求項9】
前記４つのサブ信号は、
前記脈波の幅に関する第１の信号と、
脈波振幅に関する第２の信号と、
脈泊数変動性に関する第３の信号と、
ベースライン変動の程度に関する第４の信号と、
を備える、請求項１ないし８のいずれか１項に記載の方法。
前記脈波の幅に関する第１の信号と、
脈波振幅に関する第２の信号と、
脈泊数変動性に関する第３の信号と、
ベースライン変動の程度に関する第４の信号と、
を備える、請求項１ないし８のいずれか１項に記載の方法。
【請求項10】
脈波振幅に関する前記信号、または、前記脈波の前記脈波振幅の変化は、血液減少症（ｖｏｌｅｍｉａ）、そして、それによって、前記脈波の前記幅に関する前記サブ信号が、閾値より下に減少する場合には、体内を循環している血漿または血液の量が、非常に高いと判定され、呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を決定するために処理される、請求項１ないし９のいずれか１項に記載の方法。
【請求項11】
前記推定プロセスは、呼吸数に対する連続的および非侵襲性推定プロセスである、請求項１ないし１０のいずれか１項に記載の方法。
【請求項12】
呼吸数を推定するためのデバイスであって、該デバイスは、
電気的フォームで脈波に関連したデータを収集するデータ収集手段と、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
を実行するように構成されたデータ処理手段と、
を備える、デバイス。
電気的フォームで脈波に関連したデータを収集するデータ収集手段と、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
を実行するように構成されたデータ処理手段と、
を備える、デバイス。
【請求項13】
前記データ処理手段は、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと、
を実行するように構成される、請求項１２に記載のデバイス。
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと、
を実行するように構成される、請求項１２に記載のデバイス。
【請求項14】
前記デバイスは、血液減少症（ｖｏｌｅｍｉａ）、そして、それによって、前記脈波の前記幅に関する前記サブ信号が、閾値より下に減少する場合には、体内を循環している血漿または血液の量が、非常に高いと判定され、
呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を決定するために脈波振幅に関する前記サブ信号または、前記脈波の前記脈波振幅の変化を処理するように構成される、
請求項１２または１３に記載のデバイス。
呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を決定するために脈波振幅に関する前記サブ信号または、前記脈波の前記脈波振幅の変化を処理するように構成される、
請求項１２または１３に記載のデバイス。
【請求項15】
前記デバイスは、光電式容積脈波記録法（ＰＰＧ：ｐｈｏｔｏ−ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ、赤外線（ＩＲ）センサ、電荷結合デバイス（ＣＣＤ）、光学的ＣＭＯＳセンサ、パルス・オキシメータ、または、電気機械的フィルム（ＥＭＦｉ）センサまたは容量圧力センサなど圧力センサ、生データとして前記脈波を記録するように構成されるトノメータまたはインピーダンスまたは誘電分光法を備え、
前記センサは、有利なことに、前記呼吸数が推定される前記患者の前記手首または指に配置されるように構成される、請求項１２ないし１４のいずれか１項に記載のデバイス。
前記センサは、有利なことに、前記呼吸数が推定される前記患者の前記手首または指に配置されるように構成される、請求項１２ないし１４のいずれか１項に記載のデバイス。
【請求項16】
コンピュータで読取り可能なメディアの上に格納されたプログラムコード手段であって、該コード手段は、前記プログラムが、請求項１２ないし１５のいずれか１項に記載のデバイスの上などデータ処理手段の上で動作するとき、請求項１ないし１０のいずれか１項の全てのステップを実行するように構成される、プログラムコード手段を備えることを特徴とする、呼吸数を推定するためのコンピュータ・プログラム・プロダクト。
【発明の詳細な説明】
【技術分野】
【0001】
本願発明は、呼吸数の検出のための方法およびデバイスに関する。特に、本願発明は、呼吸数の連続推定【背景技術】
【0002】
呼吸数は、入院した患者において急性疾患または進行している致命的な状態の健康上の問題によって進行する危篤状態を敏感に表すものである。呼吸数は、従来、身体検査、カプノグラフィー（呼気中の炭酸ガス検査）、インピーダンス変化に基づく心電図記録法（ＥＣＧ）、マイクロフォン・ベース・テクノロジーによって、または、インピーダンス断層撮影によって、検出された。
【0003】
しかし、既知の技術に関係するいくつかの不利な点が存在する。例えば、連続的モニタリングには、身体検査は適切でない。カプノグラフィーは、マスクをつけることを必要とし、マイクロフォン・ベース・テクノロジーは、外部雑音に敏感であり、そして、インピーダンス断層撮影は、胸に配置される電極を要求する。これらのチャレンジは、特に、外来患者の長期のモニタリング、または、スポーツまたは他の個人的な適用において既存のテクノロジーのユーザビリティを制限する。
【発明の概要】
【0004】
本願発明の目的は、既知の先行技術に関する問題を軽減し、除去することである。特に、本願発明の目的は、信頼でき、容易で、高速な、呼吸数の連続モニタリングのためのデバイスを提供することである。
【0005】
本願発明の目的は、本願独立請求項の特長によって達成することができる。
【0006】
本願発明は、請求項１にしたがって呼吸数を推定するための方法に関連する。同様に、請求項１２にしたがって呼吸数を推定するためのデバイス、および、請求項１６のコンピュータ・プログラム・プロダクト【0007】
実施形態にしたがって、呼吸数を推定するための方法は、電気的フォームで脈波に関連したスペクトル・データなどのデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップとのステップを含む。これは、例示的な方法において、例えば、前記収集されたデータの前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップを備えることができる。これは、また、前記のサブ信号の選択平均化に使うことができる。本願方法は、さらに、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと
を含む。
【0008】
任意選択的に、または、代替的に、本願方法は、また、前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値を決定し、その決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと
を含むことができる。
【0009】
末梢脈波に関係する（スペクトル）データは、有利なことに、たとえば、手首および指に位置する周辺センサによって測定される。このセンサは、たとえばパルス・オキシメータであり得る。しかし、圧力センサやその他の、それ以外の適切なセンサも使用することもできる。
【0010】
本願発明の実施形態の初期のターゲットは、次の、４つのステップにしたがって信頼できる拍動系列を得ることである。すなわち、高周波ノイズを除去するための、例えばローパス・フィルタ処理を含む、末梢脈波に関係するスペクトル・データを前処理するステップと、
前処理したデータからピークおよびトラフを検出するステップと、
そのピークおよびトラフをフィルタ処理するステップと、
雑音、異所性および欠落拍動を補正した拍動間解析をするステップ
である。
【0011】
この得られた系列は、次に、実際の解析のために使用される。ここで、予備ステップは、 振幅（ＡＭ）、ベースライン、
拍動間間隔（ＦＭ）（二乗して使用される）、および、
パルス幅（二乗して使用される）
を備える新規のサブ信号を抽出することである。
【0012】
２つの複合信号は、また、振幅ベースライン（位相差）、および、
拍動間間隔＋拍動幅（二乗して使用される）
を備えるように作られる。
【0013】
各々のサブ信号（例えば、ｎ＝６）は、例えば、キュービック補間法（ｃｕｂｉｃ ｉｎｔｅｒｐｏｌａｔｉｏｎ）を用いて一定の間隔で、再サンプリングされる。その後、各々のサブ信号は、時間および周波数領域の両方の解析を受ける。信号ごとの時間領域解析は、ピークおよびトラフ検出、
トレンド除去、および、
ゼロ・クロッシング検出、
を含む。
【0014】
例示的な周波数推定は、１）ｆ１＝（（ｎ−ピーク＋ｎ−トラフ）／２）／デルタ・タイム、および、
２）ｆ２＝（ｎ−ゼロ・クロッシング／２）／デルタ・タイム
のステップを含む。
【0015】
時間領域推定ｆ＝ｍｉｎ（ｆ１、ｆ２）は、２つの推定値が異なるとき、その差異は、大部分が、雑音によって引き起こされる。そこでは、最小が使用されている。
【0016】
信号ごとの例示的な周波数領域解析は、ウィンドウ処理、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）、
パワー・スペクトル計算、および、
得られたパワー・スペクトルからの周波数推定、
を含む。
【0017】
信号対雑音比は、有利なことに、各々の時刻および周波数ドメイン推定値に対して計算される。サブ信号の時間および周波数領域推定値は、次に、最終的な呼吸周波数推定値を計算するために結合される。
【0018】
例示的な時間および周波数領域推定値の組み合わせは、２×（４＋２）推定値、
貧弱な推定ＳＮＲ（信号対雑音比）を有する時間領域推定値のドロップ、および、
貧弱な推定ＳＮＲを有する周波数領域推定値のドロップ、
を含む。
【0019】
残りの推定値プラス以前の最終的推定値の使用は、統計外れ値のドロップ、および、
中央値＝最終的推定値の選択
を含む。
【0020】
より詳細には、例示的実施形態にしたがって、本願方法は、生データをローパス・フィルタ処理するステップを含む。データは、各々のサンプルから１ｓ（例であり設定可能）平均を引くことによってトレンド除去される（トレンド除去）。このデータは、１／５ｓ（例であり設定可能）の平均を計算し、１ｓ平均を引くことによって平滑化される（平滑化）。局所的最少および最大が、上述のものの両方（トレンド除去、平滑化）を使用することによって見つかる。平滑化された（雑音を減少するための平滑化）曲線の各々の最少および最大に対して、トレンド除去されたデータの対応する最少および最大が検出され、そして、拍動候補を生成するために使用される。
【0021】
また、この例示的方法は、以下のように、拍動候補に対するフィルタを含む。平均化された曲線の１つの最少／最大に対して、複数の候補が存在するならば、最良のものを選択する。
統計的データが存在しないならば、
平滑化しトレンド除去した最少／最大の間の距離＋末梢フロー・インデックス（ｐｆｉ：ｐｅｒｉｐｈｅｒａｌ ｆｌｏｗ ｉｎｄｅｘ）に基づいてスコアを計算する
さもなければ、
次の標準偏差の加重平均を用いる
パルス幅、振幅、ｐｆｉ、最大の距離および最小の距離。
【0022】
次に、拍動間解析を次のように残りの候補に対して用いることができる。候補が、統計学的異所性拍動であるならば、
その候補を取り除き、それを合成拍動（ｓｙｎｔｈｅｔｉｃ ｂｅａｔ）と入れ替える
（前および後続のものの中間位置）
（前および後続のものの幅平均）
拍動が統計学的に見逃されたならば、（本当に見逃されたか、解析の間に見逃されたかのいずれか）
合成拍動を追加する（参照）
拍動が統計学的に雑音であるならば、それに雑音とマークする。
修正された拍動系列が、このように得られ、更なる解析に用いられる。
【0023】
本願発明は、推定プロセスにおいて４つのサブ信号を使用することによって、非常に信頼できる測定結果など、既知の先行技術に対して利点を提供する。これに加えて、本願発明は、同時に、また、同じ推定プロセスに対して、いくつかの異なるセンサからの信号を使用する可能性を提供する。さらに、生データのデータ処理ステップは、したように、たとえば、環境騒音にそれほど弱くない。特に、本願発明は、呼吸数のための連続推定プロセスを可能にすることに留意すべきである。
【図面の簡単な説明】
【0024】
次に、本願発明が、添付の図面にしたがって、例示的な実施形態を参照して、より詳細に記述される。ここで、【図1A-1】図１Ａは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための例示的な方法の原理を図示する。
【図1A-2】図１Ａは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための例示的な方法の原理を図示する。
【図1B-1】図１Ｂは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための別の例示的な方法の原理を図示する。
【図1B-2】図１Ｂは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための別の例示的な方法の原理を図示する。
【図2】図２は、本願発明の有利な実施形態にしたがって、パルス酸素濃度計などの測定デバイスによって収集された例示的な生データを図示する。
【図3A】図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
【図3B】図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
【図3C】図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
【図3D】図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
【図4】図４は、本願発明の有利な実施形態にしたがって、呼吸数を推定するための例示的なデバイスと構成を図示する。
【発明を実施するための形態】
【0025】
図１Ａを参照すると、本願発明の有利な実施形態にしたがって、呼吸数を推定するための方法１００は、次のステップを含む。本願発明の実施形態にしたがって、患者の呼吸数は、たとえば、手首や指に位置する周辺センサによって測定された信号に基づいて決定される（１０１）。有利なことに、連続的に、そして、非侵襲的に患者の呼吸数を検出するためのこのデバイスは、光電式容積脈波記録法（ＰＰＧ：ｐｈｏｔｏ−ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ、赤外線（ＩＲ）センサ、電荷結合デバイス（ＣＣＤ）、光学的ＣＭＯＳセンサ、パルス・オキシメータ、または、電気機械的フィルム（ＥＭＦｉ）センサまたは容量圧力センサなど圧力センサ、手首または指において、生データとして脈波を記録するように構成されるトノメータまたはインピーダンスまたは誘電分光法のいずれかを備える。複数の異なるセンサを、使うことができること、そして、複数の異なる生データ信号を、提供することができることに留意すべきである。生データの例は、図２において、記載されている。
【0026】
実施形態にしたがって、ローパス・フィルタ処理（例えば、５Ｈｚ）は、測定された生データに最初に実行され（１０２）、そして、結果として生じるローパス・フィルタ処理された１次および２次微分が、計算される（１０３）。ローパス・フィルタ処理は、高周波アーチファクトを取り除くために実行される。この信号は、つぎに、あらゆるＤＣコンポーネントを取り除くためにトレンド除去される（１０４）。局所最小および最大が、前に計算された微分を使用してトレンド除去された信号から識別され（１０５）、マルチ位相適応閾値処理が、ピークおよび本当の脈波のトラフを識別するために実行される。その後、４つのサブ信号が、（各々の）生データ信号から計算される（１０６ａ、１０６ｂ、１０６ｃ、１０６ｄ）。導出された４つのサブ信号の例が、図３Ａ−図３Ｄにおいて記載されている。
【0027】
これらの４つのサブ信号に対して、脈波の幅が、最初に計算される（（サブ信号１）１０６ａ）。各々の脈波の始まりと終わりは、前に計算された微分および、それらの挙動に基づく規則のセットを使用して検出することができる。第２に、脈波振幅が、計算される（（サブ信号２）１０６ｂ）。オリジナル信号の振幅変調である。第３に、脈泊数変動性が、計算される（（サブ信号３）１０６ｃ）。オリジナル信号の周波数変調である。そして、第４に、ベースライン・バリエーションの程度が、計算される（（サブ信号４）１０６ｄ）。４つのサブ信号の各々は、つぎに、一定の間隔で、キュービック補間を使用して、再サンプリングされる（１０７）。このサブ信号は、ハン・ウインドウに表示され（１０８）、高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）にしたがうものである。その結果、低周波帯を除去するために、ハイパス・フィルタ処理され（１１０）、パワー・スペクトルが、各々に対して得られる。ウェルチ法（１１１）が、雑音を減少するために使用される。最大パワーが、スペクトル毎に推定される。前記のサブ信号を決定する順序は、変わり得ることに留意すべきである。
【0028】
本願発明の有利な実施形態において、これらの４つのサブ信号すべてが、呼吸数を決定するために使用される。実際には、これらの４つのサブ信号の１つが、信頼でき、可読であるものでないかもしれず、そこで呼吸数を、それらの少なくとも３つを使用して導出することができることがあり得る。加えて、これらの４つのサブ信号の可読性を、導出した呼吸数の信頼性に対する品質検査として使うことができる。
【0029】
実施形態にしたがって、脈波振幅またはパルス波形振幅の変化に関係するサブ信号が、また、血液減少症（ｖｏｌｅｍｉａ）、（体を循環しているプラズマまたは血量の状態）を判定するために別に処理される。すなわち、例として、脈波振幅に関係するサブ信号または脈波の脈波振幅の変化が、減少する（または、消える）ならば、体を循環しているプラズマまたは血液の量は、非常に多く、この方法による呼吸数の測定の信頼性は、悪くなる。例にしたがって、これは、測定の信頼性に対する品質管理チェックとして使うことができる。
【0030】
追加的な基準が、前記４つのスペクトル、スペクトル毎の最大パワー電力に対応する周波数、閾値処理されたスペクトル毎の最大パワー・スペクトル毎の０．２Ｈｚの周波数ウィンドウにより幅広く、臨床的に関連した最大パワー、これらのウィンドウの内部での最大パワーの発生、そして、スペクトルの間での相互相関、を用いて計算される（１１２）。これらの基準を使用して、４つのパワー・スペクトル選択的に平均化され、平均化されたスペクトルの最大パワーが、位置する（１１３）。最終結果として、このシステムは、呼吸数１１４の推定を提供する。
【0031】
図１Ｂは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための別の例示的な方法２００の原理を図示する。これは、有利なことに、多くの同様で同じ特長、および、図１Ａの中で記述される方法１００での、例えば、特に、ステップ１０１−１０５、１０６ａ−１０６ｄ、１０７−１１１および１１３−１１４などのステップを備え、方法２００は、ローパス・フィルタ処理したデータを平滑化するための追加的あるいは代替のステップ１０４ａ、および、平滑化されたデータの局所的最大および最小を検出するためのステップ１０４ｂを記述する。これに加えて、方法２００は、１０５の後のステップを、更に詳細に記述する。ここで、ステップ１０５ａにおいて、トレンド除去されたデータの対応する最大と最小は、平滑化されたデータの最大および最小の各々に対して見つかる。ステップ１０５ｂにおいて、拍動候補が、見つかり、ステップ１０５ｃにおいて、最良候補が、選択され、ステップ１０５ｄにおいて、拍動間解析が、実行され、また、ステップ１０５において、拍動系列が、サブ信号に分割される。
【0032】
方法２００は、また、復号サブ信号（サブ信号５およびサブ信号６）を計算するためのステップ１０６ｅおよび１０６ｆを備える。
【0033】
サブ信号の再サンプリング１０７の後に、この方法は、ステップ１０８−１１１への周波数領域分析のステップ１０８ａを介して、あるいは、ゼロ・クロッシングに基づいて周波数（ｆ１）を推定する、および／または、周波数（ｆ２）ピークとトラフを推定するステップ１１６ａおよび／または１１６ｂへの時間領域解析のステップ１１５を介して、のいずれかの２つの代替的ルートに対するステップへと続く。このルートでの次のステップ１１７は、時間領域推定を実行し、最小（ｆ１、ｆ２）としてセットするものである。
【0034】
方法２００の分岐は、ステップ１１８に続く。ここで、貧弱な信号対雑音比の推定値は、廃棄され、ステップ１１９において、統計外れ値がドロップされ、ここで、前の推定値を追加的な推定値１２０として使うことができる。この後、この方法は、ステップ１１３およびステップ１１４を有する図１Ａの例におけるように続けられる。
【0035】
図４は、例示的なデバイス４０１および本願発明の有利な実施形態にしたがって、呼吸数を推定するための構成装置４００を図示する。ここで、デバイス４０１は、電気的フォームで、脈波に関するスペクトル・データを集めるためのデータ収集手段４０２、および、前記の４つのサブ信号の選択的な平均化のためのスペクトル・データの４つのサブ信号を抽出し、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定し、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定し、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定し、
前記組み合わせパワー・スペクトルの前記逐次最大から、決定した前記周波数に基づいて、呼吸数を推定する
ように構成されたデータ処理手段４０３を備える。
【0036】
有利なことに、デバイス４０１、または、電気的フォームで、脈波に関するスペクトル・データを集めるための前記のデータ収集手段は、光電式容積脈波記録法（ＰＰＧ：ｐｈｏｔｏ−ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ（４０４）、赤外線（ＩＲ）センサ（４０５）、電荷結合デバイス（ＣＣＤ）（４０６）、光学的ＣＭＯＳセンサ、パルス・オキシメータ（４０７）、または、電気機械的フィルム（ＥＭＦｉ）センサまたは容量圧力センサ（４０８）など圧力センサ、生データとして前記脈波を記録するように構成されるトノメータまたはインピーダンスまたは誘電分光法を備える。例にしたがって、デバイス４０１は、可能な補助手段を有するリストバンド・デバイスとしてインプリメントされる。そこで、使用されるこのセンサは、有利なことに、呼吸数が推定される患者の手首や指に位置するように構成される。
【0037】
しかしながら、データ処理は、データ処理手段４０３によるリストバンド・デバイスによって、インプリメントすることができることに留意すべきである。あるいは、代替的に、リストバンド・デバイスは、（例えば無線方法で）測定信号を、データ計算のための外部データ処理バックエンド４１０に送信することができる。これは、データ処理手段４１１を備える。このように、データ処理手段４０３は、デバイス４０１において、オプションであるバックエンド４１０との通信（４１２）に対して、デバイス４０１は、有利なことに、データ通信装置４０９、最も有利なことに、ブルートゥース（登録商標）または、当業者に知られている同様なものによってインプリメントされるような無線通信デバイスを備える。
【0038】
このデータ処理バックエンド４１０は、例えば、サーバ４１２、いかなるコンピュータや携帯電話アプリケーション４１３−４１５を備えることができる。そして、例にしたがって、それは、例えば、リストバンド・デバイスまたは、データ通信ネットワークにおけるコンピュータなどの他のデータ表示デバイスに、または、このユーザのスマートフォンに表示して返すためなどで計算された結果、さもなければ処理されたデータを送ることができる。
【0039】
本願発明は、上で、前記の実施形態を参照して説明された。そして、本願発明のいくつかの利点が示された。本願発明は、これらの実施形態だけに制限されず、考えられた発明と、以下の特許請求項の趣旨および範囲の中にあるすべての可能性がある実施形態を含むことは明らかである。
【図1A-1】
【図1A-2】
【図1B-1】
【図1B-2】
【図2】
【図3A】
【図3B】
【図3C】
【図3D】
【図4】
【手続補正書】
【提出日】2016年9月15日
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
呼吸数を推定するための方法であって、該方法は、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと、
のステップを含む、方法。
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと、
のステップを含む、方法。
【請求項2】
前記方法は、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記最大値のシーケンスから、決定した前記周波数に基づいて、呼吸数を推定するステップと、を含む、請求項１に記載の方法。
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記最大値のシーケンスから、決定した前記周波数に基づいて、呼吸数を推定するステップと、を含む、請求項１に記載の方法。
【請求項3】
前記４つのサブ信号の選択平均化のステップは、
最大パワーの位置を決定するステップと、
実際の脈波のピークとトラフを識別するためにサブ信号ごとに最大パワーを閾値処理するステップと、
所定のウィンドウの内部でスペクトラム・パワーを決定するステップと、
最大パワー・ウィンドウの位置を決定するステップと、
最大パワー・ウィンドウの内部で最大パワーを決定するステップと、
前記スペクトルの間の相互相関を決定するステップと、を含む、
請求項２に記載の方法。
最大パワーの位置を決定するステップと、
実際の脈波のピークとトラフを識別するためにサブ信号ごとに最大パワーを閾値処理するステップと、
所定のウィンドウの内部でスペクトラム・パワーを決定するステップと、
最大パワー・ウィンドウの位置を決定するステップと、
最大パワー・ウィンドウの内部で最大パワーを決定するステップと、
前記スペクトルの間の相互相関を決定するステップと、を含む、
請求項２に記載の方法。
【請求項4】
前記データは、手首のおよび指領域に位置する少なくとも１つの周辺センサによって収集される、請求項１ないし３のいずれか１項に記載の方法。
【請求項5】
前記収集されたデータは、最初に、低域フィルタを使用して、高周波アーチファクトを除去することにより前処理される、請求項１ないし４のいずれか１項に記載の方法。
【請求項6】
１次および２次微分が、前記収集されたデータから決定され、
前記データが、ＤＣコンポーネントを除去するためにトレンド除去され、
局所最小値と最大値が、前に計算された微分を使用して前記トレンド除去された信号から識別される、請求項１ないし５のいずれか１項に記載の方法。
前記データが、ＤＣコンポーネントを除去するためにトレンド除去され、
局所最小値と最大値が、前に計算された微分を使用して前記トレンド除去された信号から識別される、請求項１ないし５のいずれか１項に記載の方法。
【請求項7】
前記組み合せの前に、
前記４つのサブ信号の各々が、キュービック補間、ハン・ウインドウ処理を使用して、一定の間隔で再サンプリングされ、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）を受け、
低周波帯を除去するためにハイパス・フィルタ処理され、
そして、それによって、前記４つのサブ信号の各々に対して最大パワー・スペクトルを導出する、
請求項１ないし６のいずれか１項に記載の方法。
前記４つのサブ信号の各々が、キュービック補間、ハン・ウインドウ処理を使用して、一定の間隔で再サンプリングされ、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）を受け、
低周波帯を除去するためにハイパス・フィルタ処理され、
そして、それによって、前記４つのサブ信号の各々に対して最大パワー・スペクトルを導出する、
請求項１ないし６のいずれか１項に記載の方法。
【請求項8】
ウェルチの方法が、データから雑音を減らすために使用される、請求項１ないし７のいずれか１項に記載の方法。
【請求項9】
前記４つのサブ信号は、
前記脈波の幅に関する第１の信号と、
脈波振幅に関する第２の信号と、
脈泊数変動性に関する第３の信号と、
ベースライン変動の程度に関する第４の信号と、
を備える、請求項１ないし８のいずれか１項に記載の方法。
前記脈波の幅に関する第１の信号と、
脈波振幅に関する第２の信号と、
脈泊数変動性に関する第３の信号と、
ベースライン変動の程度に関する第４の信号と、
を備える、請求項１ないし８のいずれか１項に記載の方法。
【請求項10】
脈波振幅に関する前記サブ信号、または、前記脈波の前記脈波振幅の変化は、血液減少症（ｖｏｌｅｍｉａ）、そして、それによって、前記脈波の前記幅に関する前記サブ信号が、閾値より下に減少する場合には、体内を循環している血漿または血液の量が、非常に高いと判定され、呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を決定するために処理される、請求項９に記載の方法。
【請求項11】
前記推定するプロセスは、呼吸数に対する連続的および非侵襲性推定プロセスである、請求項１ないし１０のいずれか１項に記載の方法。
【請求項12】
呼吸数を推定するためのデバイスであって、該デバイスは、
電気的フォームで脈波に関連したデータを収集するデータ収集手段と、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
を実行するように構成されたデータ処理手段と、
を備える、デバイス。
電気的フォームで脈波に関連したデータを収集するデータ収集手段と、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
を実行するように構成されたデータ処理手段と、
を備える、デバイス。
【請求項13】
前記データ処理手段は、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記最大値のシーケンスから、決定した前記周波数に基づいて、呼吸数を推定するステップと、
を実行するように構成される、請求項１２に記載のデバイス。
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記最大値のシーケンスから、決定した前記周波数に基づいて、呼吸数を推定するステップと、
を実行するように構成される、請求項１２に記載のデバイス。
【請求項14】
前記デバイスは、血液減少症（ｖｏｌｅｍｉａ）を判定するために、脈波振幅に関する前記サブ信号または、前記脈波の前記脈波振幅の変化を処理するように構成され、
それによって、前記脈波の幅に関する前記サブ信号が、閾値より下に減少する場合には、体内を循環している血漿または血液の量が、非常に高いと判定され、呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を判定するように構成される、請求項１２または１３に記載のデバイス。
それによって、前記脈波の幅に関する前記サブ信号が、閾値より下に減少する場合には、体内を循環している血漿または血液の量が、非常に高いと判定され、呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を判定するように構成される、請求項１２または１３に記載のデバイス。
【請求項15】
前記デバイスは、光電式容積脈波記録法（ＰＰＧ：ｐｈｏｔｏ−ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ、赤外線（ＩＲ）センサ、電荷結合デバイス（ＣＣＤ）、光学的ＣＭＯＳセンサ、パルス・オキシメータ、または、電気機械的フィルム（ＥＭＦｉ）センサまたは容量圧力センサなど圧力センサ、生データとして前記脈波を記録するように構成されるトノメータまたはインピーダンスまたは誘電分光法を備え、
前記センサは、有利なことに、前記呼吸数が推定される患者の手首または指に配置されるように構成される、請求項１２ないし１４のいずれか１項に記載のデバイス。
前記センサは、有利なことに、前記呼吸数が推定される患者の手首または指に配置されるように構成される、請求項１２ないし１４のいずれか１項に記載のデバイス。
【請求項16】
呼吸数を推定するためのコンピュータ・プログラムであって、該コンピュータ・プログラムは、請求項１ないし１０のいずれか１項の全てのステップを実行するように構成されるプログラムコード手段を備える、コンピュータ・プログラム。
【国際調査報告】
［広告欄］
ログインすれば広告は減ります
ログインすれば広告は減ります