肺部状况的无创监测的制作方法

本发明涉及监测具有健康状况的用户的状态。更具体地，本发明涉及用于无创地监测具有肺部状况的用户的状态的方法、装置和系统。

背景技术：

研究已经示出患有肺部状况(例如，哮喘、慢性阻塞性肺病(COPD)、肺气肿、囊性纤维化等)的对象的状态的恶化特征在于各方面的组合。呼吸缺陷引起呼吸困难(呼吸短促)和咳嗽。事实上，通常增加的呼吸困难和增加的痰化脓和/或体积(其导致增加的咳嗽)被认为是肺部疾病的加重的最独特或主要的症状(例如，参见G C Donaldson和J A Wedzicha的“COPD exacerbations-1:Epidemiology”，Thorax 2006；61:164–168.doi:10.1136/thx.2005.041806；Anthonisen NR、Manfreda J、Warren CP等人的“Antibiotic therapy in exacerbations of chronic obstructive pulmonary disease”，Ann.Intern.Med.1987；106:196–204)。表征恶化的其它方面是不良的睡眠质量和疲劳/缺乏活力(例如，参见American Thoracic Society，“Dyspnea-Mechanisms,Assessment,and Management:A Consensus Statement”，American Journal of Respiratory and Critical Care Medicine，第159卷，1999；G C Donaldson和J A Wedzicha的“COPD exacerbations-1:Epidemiology”，Thorax 2006；61:164–168.doi:10.1136/thx.2005.041806；Collop N.的“Sleep and sleep disorders in chronic obstructive pulmonary disease”，Respiration，2010；80(1):78-86.doi:10.1159/000258676；McSharry DG等人的“Sleep quality in chronic obstructive pulmonary disease”，Respirology(2012年10月)；17(7):1119-24.doi:10.1111/j.1440-1843.2012.02217.x)。

用于监测具有肺部状况的对象的状态的当前状态的现有技术使用遥控系统，例如，西班牙的AMICA计划、Zydacron Telecare gmbh的COPD家庭监测解决方案、Care Cycle Solutions的远程医疗解决方案、以及UK的由NHS Lothian提供的COPD遥控服务，以及出于管理加重的目的的远程医疗服务，例如，在Maarten Van Der Heijden等人的“Managing COPD exacerbations with telemedicine”，Artificial Intelligence in Medicine，Springer Berlin Heidelberg，2011，169-178中提出的那些。遥控涉及远程监测与医疗保健提供者不在同一位置的患者。在这样的系统中，向对象在其家中提供多个监测设备，所述对象必须使用所述监测设备来测量生理参数，例如，血压、心率、体重、血糖等。由监测设备获得的结果例如经由电话或互联网被传送给医疗保健提供者。

通常在患者侧和护理提供者侧两者由用户很好地接收遥控系统。然而；存在与现有系统相关联的若干缺点。尤其地，许多系统不容易安装或不易于供患者使用，大部分系统需要来自医疗保健专业人员的大量输入以供其使用和管理，并且许多由于所需要的专家硬件(例如，医学监测设备、传感器、通信设备等)而是昂贵的。

因此，需要低成本的、容易使用的监测系统，其能够提供对具有肺部状况的用户的状态的可靠评估。可以代替遥控系统或与遥控一起使用这样的系统，以用于评估用户的当前健康状态及其状况恶化的可能性，检测肺部状况恶化，和/或监测作为接收治疗的结果的用户状态的改进。这样的系统可以向护理提供者提供对患者状态的早期洞悉，并且从而允许在状况采取关键/严重形式之前进行及时干预。

技术实现要素：

根据本发明的第一方面，提供了一种用于无创监测具有肺部状况的用户的健康状态的方法，所述方法包括：

(a)提供处理单元；

(b)在第一测试时段期间获得所述用户的第一视频数据；

(c)分析所获得的第一视频数据以确定针对所述用户的第一呼吸信号；

(d)检测存在于所述第一呼吸信号中的任何咳嗽事件，所述咳嗽事件是根据所述第一呼吸信号的峰而被检测的；

(e)在之后的第二测试时段期间获得所述用户的第二视频数据；

(f)分析所获得的第二视频数据以确定针对所述用户的第二呼吸信号；

(g)检测存在于所述第二呼吸信号中的任何咳嗽事件，所述咳嗽事件是根据所述第二呼吸信号的峰而被检测的；

(h)基于在步骤(d)和(g)中的所述检测的结果来确定所述用户的呼吸状态；以及

(i)输出包含关于所述用户的所述呼吸状态的信息的信号；其中，由所提供的处理单元来执行至少步骤(c)、(d)和(f)-(i)。

本发明的实施例提供一种非侵扰监测具有肺部状况的患者的状态的恶化的参数特性的值趋势的方式。这些趋势用于评估和估计当前状态，以及肺部状况恶化的可能性。该信息向用户的护理提供者提供对用户状态的早期洞悉，并由此允许及时的干预以防止显著负面的发展。

有利地，可以在特定实施例中将本发明实施为针对便携式电子设备的应用，例如智能电话或便携式计算机，其使用设备的嵌入式能力来周期性测量用户的生理参数，并向护理提供者通知用户的状态。这样的实施例显然比常规的遥控系统更不昂贵，因为它们不要求专家硬件，并还容易安装和使用，且对用户而言更方便。此外，本发明的实施例不需要训练有素的健康专家以便进行操作，因此可以减轻医疗保健提供者的负担。

在一些实施例中，所述方法额外地包括在获得第一视频数据和获得第二视频数据之间获得另外的获得视频数据。在这样的实施例中，基于另外的视频数据确定一个或多个另外的呼吸信号，并且还在一个或多个另外的呼吸信号中检测咳嗽事件。在这样的实施例中，呼吸状态的确定额外地基于检测在一个或多个另外的呼吸信号中的咳嗽事件的结果。

在本发明的特定实施例中，步骤(d)包括确定存在于第一呼吸信号中的咳嗽事件的数量，并且步骤(g)包括确定存在于第二呼吸信号中的咳嗽数量的数量。在一些这样的实施例中，步骤(h)包括：

比较步骤(d)和(g)的结果与上阈值和下阈值；并且如果在预定义时间帧期间的检测到的咳嗽事件的数量小于下阈值，则确定用户的呼吸状态为第一风险水平；

如果在预定义时间帧期间的检测到的咳嗽事件的数量大于或等于下阈值但小于上阈值，则确定用户的呼吸状态为第二风险水平；并且

如果在预定义时间帧期间的检测到的咳嗽事件的数量大于或等于上阈值，则确定用户的呼吸状态为第三风险水平。

在一些实施例中，第一风险水平是低风险水平，第二风险水平是中等风险水平，并且第三风险水平是高风险水平。在一些实施例中，第一、第二和第三风险水平与第一、第二和第三预定义颜色相关联，其例如可以用在针对护理提供者的消息中。这有利地使得护理提供者能够在接收到这样的消息时非常快速地确定用户的当前风险水平。

在优选实施例中，所述方法还包括：检测和分析与在第一呼吸信号和第二呼吸信号中的呼吸困难相关联的特征。在一些这样的实施例中，检测和分析与在第一呼吸信号和第二呼吸信号中的呼吸困难相关联的特征的步骤包括：

计算针对每个呼吸信号的平均呼吸率和平均呼吸幅度的值；

将所计算的平均呼吸率值与一个或多个预定义阈值进行比较；并且

分析所计算的平均呼吸率值和平均呼吸幅度值，以识别在所述平均呼吸率和所述平均呼吸幅度中的趋势。

检测和分析与呼吸困难相关联的特征以及检测咳嗽事件可以有利地改进评估当前用户呼吸状态和/或预测基于本方法生成的将来用户呼吸状态的准确性。这继而可以改进评估用户肺部状况的当前状态和/或预测基于本方法生成的用户的肺部状况的将来状况的准确性。

在这样的优选实施例中，所述方法额外地包括：在获得第一视频数据和获得第二视频数据之间获得另外的视频数据；基于另外的视频数据确定一个或多个另外的呼吸信号；并且检测和分析与在一个或多个另外的呼吸信号中的呼吸困难相关联的特征。在特定优选实施例中，每天获得一次视频数据，并且在获得第一视频数据之后七天获得第二视频数据。在这样的实施例中，另外的视频数据包括五组视频数据，并确定五个另外的呼吸信号。

在一些实施例中，额外地基于对与呼吸困难相关联的特征的所述检测和分析的结果来确定所述呼吸状态。

在备选实施例中，所述方法还包括：基于与呼吸困难相关联的特征的检测和分析的结果，确定用户的呼吸困难状态。在这样的备选实施例中，在步骤(i)中输出的信号额外地包含关于用户的呼吸困难状态的信息。在一些这样的实施例中，所述方法还包括确定超过一个或多个预定义阈值的平均呼吸率值为呼吸困难的指示。在一些这样的实施例中，确定用户的呼吸困难状态包括：

如果所计算的平均呼吸率值都没有被确定为呼吸困难的指示，并且没有识别出减小的呼吸幅度和/或增加的呼吸率的持续趋势，则确定所述用户的所述呼吸困难状态为第一风险水平；

如果所计算的平均呼吸率值都没有被确定为呼吸困难的指示，并且识别出减小的呼吸幅度和/或增加的呼吸率的至少一个持续趋势，则确定所述用户的所述呼吸困难状态为第二风险水平；并且

如果在预定义时间帧期间被确定为呼吸困难的指示的平均呼吸率值的数量大于或等于预定义呼吸困难指示阈值，则确定所述用户的所述呼吸困难状态为第三风险水平。

在一些实施例中，第一风险水平是低风险水平，第二风险水平是中等风险水平，并且第三风险水平是高风险水平。在一些实施例中，第一、第二和第三风险水平与第一、第二和第三预定义颜色相关联。

在一些实施例中，所述方法还包括：如果到预定义时间时还未获得第一和/或第二视频数据，则向用户传送或显示提醒消息。这样的实施例可以有利地改进患者对监测制度的依从。

在一些实施例中，在步骤(i)中输出的信号被布置为使得包含被包含在信号中的信息的消息被传送给与护理提供者相关联的电子设备。在一些这样的实施例中，消息包括SMS消息。在其它这样的实施例中，消息包括电子邮件消息。

在一些实施例中，所述方法还包括：

在第三测试时段期间获得所述用户的活动的第一清醒活动测量结果；

在第四测试时段期间获得所述用户的活动的第二清醒活动测量结果；

分析所述第一清醒活动测量结果和所述第二清醒活动测量结果，以检测在所述用户的清醒活动水平中的趋势；并且

基于检测到的清醒活动趋势来确定所述用户的清醒活动状态。

在这样的实施例中，在步骤(i)中输出的信号额外地包含关于用户的清醒活动状态的信息。清醒活动水平通常反映用户经历的疲劳/缺乏活力的程度。因为增加的疲劳/缺少活力是与肺部状况的恶化相关联的一个特性，因此这样的实施例能够潜在地生成对用户肺部状况的当前状态的更准确评估和/或用户肺部状况的将来状态的更准确预测。

在一些实施例中，所述方法还包括：

在第五测试时段期间获得所述用户的活动的第一睡眠运动测量结果；

在第六测试时段期间获得所述用户的活动的第二睡眠运动测量结果；

分析所述第一睡眠运动测量结果和所述第二睡眠运动测量结果，以检测在所述用户的睡眠质量中的趋势；并且

基于检测到的睡眠质量趋势来确定所述用户的睡眠质量状态。

在这样的实施例中，在步骤(i)中输出的信号额外地包含关于用户的睡眠质量状态的信息。由于降低的睡眠质量是与肺部状况的恶化相关联的一个特性，因此这样的实施例能够潜在地生成对用户肺部状况的当前状态的更准确的评估和/或对用户肺部状况的将来状态的更准确的预测。

根据本发明的第二方面，提供了一种用于无创监测具有肺部状况的用户的健康状态的便携式设备。所述设备包括：

处理单元，其具有用于接收由相机获得的用户的视频数据的相机输入部；其中，所述处理单元被配置为执行第一方面的方法的至少步骤(c)、(d)和(f)-(i)。

在优选实施例中，所述设备还包括相机，所述相机用于获得用户的视频数据，连接到相机输入部。在这样的实施例中，处理单元被配置为执行第一方面的方法，其中，处理单元被配置为通过触发相机在第一时段期间捕获视频数据来执行第一方面的方法的步骤(b)，并通过触发相机在稍后的第二时段期间捕获视频数据而执行根据权利要求1-9中任一项所述的方法的步骤(e)。

在优选实施例中，便携式设备还包括通信接口，所述通信接口用于传送数据到另一设备和/或接收来自另一设备的数据。这样的实施例有利地允许便携式设备例如接收由额外传感器采取的测量结果，传送消息到护理提供者，传送数据到远程服务器等。在优选实施例中，便携式设备包括以下中的一个：智能电话、平板计算机、膝上型计算机、个人数字助理、数字相机。

在一些实施例中，便携式设备的处理单元还被配置为额外地基于检测和分析与呼吸困难相关联的特征的结果来确定呼吸状态。

在备选实施例中，便携式设备的处理单元还被配置为基于与呼吸困难相关联的特征的检测和分析的结果来确定用户的呼吸困难状态。在这样的备选实施例中，在步骤(i)中输出的信号额外地包含关于用户的呼吸困难状态的信息。在一些这样的实施例，所述方法还包括：确定超过一个或多个预定义阈值的平均呼吸率值作为呼吸困难的指示。在一些这样的实施例中，确定用户的呼吸困难状态包括：

如果所计算的平均呼吸率值都没有被确定为呼吸困难的指示，并且没有识别出减小的呼吸幅度和/或增加的呼吸率的持续趋势，则确定所述用户的所述呼吸困难状态为第一风险水平；

如果所计算的平均呼吸率值都没有被确定为呼吸困难的指示，并且识别出减小的呼吸幅度和/或增加的呼吸率的至少一个持续趋势，则确定所述用户的所述呼吸困难状态为第二风险水平；并且

如果在预定义时间帧期间被确定为呼吸困难的指示的平均呼吸率值的数量大于或等于预定义呼吸困难指示阈值，则确定所述用户的所述呼吸困难状态为第三风险水平。

在一些实施例中，第一风险水平是低风险水平，第二风险水平是中等风险水平，并且第三风险水平是高风险水平。在一些实施例中，第一、第二和第三风险水平与第一、第二和第三预定义颜色相关联。

根据本发明的第三方面，提供了一种用于无创监测具有肺部状况的用户的状态的系统。所述系统包括：

根据第二方面所述的便携式设备，其被配置为从传感器接收活动测量结果；以及

一个或多个传感器，其用于测量用户的活动，被配置为将活动测量结果传送给便携式设备；

其中，所述处理单元配置为执行根据第一方面的方法的实施例，所述方法包括获得和分析睡眠质量测量结果，和/或包括获得和分析清醒活动测量结果。所述处理单元被配置为通过从一个或多个传感器接收活动测量结果而执行获得睡眠运动测量结果和获得清醒活动测量结果的步骤。

在优选实施例中，所述一个或多个传感器包括活动记录器和/或睡眠记录器。在一些实施例中，所述一个或多个传感器包括加速度计。在一些实施例中，所述一个或多个传感器包括陀螺仪。

根据本发明的第四方面，提供了一种计算机程序产品，包括实现于其中的计算机可读代码，所述计算机可读代码被配置为在由适当的计算机或处理单元执行时令所述计算机或处理单元执行第一方面的方法。

附图说明

为了更好地理解本发明，并更清楚地示出其能够如何实现，现在将仅通过范例参考附图，其中：

图1是根据本发明的第一特定实施例的用于监测具有肺部状况的用户的状态的系统的图示；

图2是图示根据本发明的一般实施例的用于监测具有肺部状况的用户的状态的方法的流程图；

图3a示出了包括咳嗽事件的呼吸模式的第一范例；

图3b示出了包括咳嗽事件的呼吸模式的第二范例；

图4是示出正常呼吸信号和针对呼吸困难的呼吸信号的曲线图；并且

图5是图示根据本发明的第二特定实施例的用于基于活动水平以及呼吸信号监测具有肺部状况的用户的状态的额外方法步骤的流程图。

具体实施方式

图1示出了根据本发明的第一实施例的用于监测具有肺部状况的用户的状态的系统。所述系统包括便携式电子设备20，所述便携式电子设备具有相机21和处理单元。在优选实施例中，便携式电子设备是智能电话或平板计算机。相机21能够采集在持续若干分钟的时段内的视频数据。处理单元配置为分析用户的视频数据，以确定呼吸信号并检测在呼吸信号中存在的任何咳嗽事件。在一些实施例中，处理单元还配置为检测呼吸信号中存在的呼吸困难的任何指示。处理单元还配置为基于检测咳嗽事件(以及任选地，呼吸困难的指示)的结果来确定用户的呼吸状态，并基于所确定的状态输出信号。在优选实施例中，信号使得消息(例如，SMS文本消息或电子邮件)被生成，并且被传送给护理提供者。在一些实施例中，处理单元配置为从外部传感器设备接收测量结果，并对这样的测量结果执行分析。

对于本发明，术语便携式应当被解释为以这样的方式限定设备：其在没有正常用户的外在帮助的情况下易于被携带或移动。如上所述，智能电话或平板计算机是便携式设备的非限制性范例。

在优选实施例中，便携式电子设备20包括通信接口，以使得其能够将数据传送到一个或多个其它电子设备和/或从一个或多个其它电子设备接收数据。通信接口可以利用在本领域中已知的任意适当的通信技术，例如，蓝牙、SMS消息传送、电子邮件等。在优选实施例中，通信接口配置为利用多于一个这样的通信技术。

系统任选地还包括第一额外传感器24。在优选实施例中，第一额外传感器24是睡眠记录器，其是被配置为在夜间被佩戴在用户手腕上的加速度计。系统任选地还包括第二额外传感器25。在优选实施例中，第二额外传感器25是活动记录器，其是被配置为由用户在日间(例如在其臀部)佩戴的加速度计。在图1中用虚线围绕的部件20、24和25虚线指示这些部件形成系统的患者侧(即，它们在系统的使用期间通常将位于具有肺部状况的对象上或附近)。

第一额外传感器24(如果存在的话)被配置为经由第一通信链路26将数据传送到便携式电子设备20的通信接口。第二额外传感器25(如果存在的话)被配置为经由第二通信链路27将数据传送到便携式电子设备20的通信接口。在优选实施例中，通信链路26和27是无线通信链路，例如利用蓝牙、红外或WiFi通信协议。然而，将意识到；有线链路还可以用于通信链路26和27中的一个或两个。

便携式电子设备20的处理单元被配置为从第一额外传感器24和/或第二额外传感器25接收数据，并分析接收到的数据。在其中第一额外传感器24是睡眠记录器的实施例中，处理单元被配置为基于从第一额外传感器24接收到的数据来确定用户的睡眠质量值。在其中第二额外传感器25是活动记录器的实施例中，处理单元被配置为基于从第二额外传感器25接收到的数据来确定用户的清醒活动水平。在这样的实施例中，处理单元还被配置为确定用户的睡眠状态和/或用户的活动状态，并且基于睡眠状态和/或活动状态以及基于所确定的呼吸状态来输出信号。

在一些实施例中，便携式电子设备20被配置为使用其通信接口经由通信链路23将数据传送到远程服务器，例如，医疗保健提供者的服务器。在优选实施例中，通信链路23利用电话网络，或在可用时，利用互联网连接。在一些实施例中，便携式电子设备还可以经由通信链路23接收数据。

图2示出了根据本发明的实施例的用于监测具有肺部状况的用户的状态的方法。

在步骤10中，在第一测试时段期间例如从相机21处接收或获得用户的第一视频数据。为了获得该数据，用户自己静坐在相机的视野中达第一测试时段的持续时间(优选至少几分钟)来进行记录。便携式电子设备应该布置为使得用户的头部和躯干在图像内。在便携式电子设备20是智能电话或便携式计算机时，这非常容易实现，因为这样的设备通常具有前置摄像头，其允许用户在由相机成像的同时看着设备的屏幕(其被制作为示出被相机捕获到的图像)。优选地，第一测试时段(以及因此记录)的持续时间在2-10分钟的范围中。在特别优选的实施例中，第一测试时段的持续时间是10分钟。在一些优选实施例中，如果用户到特定时间(例如，在需要日常测试时，6pm)时还未获得第一视频数据，则提醒例如通过便携式电子设备20来生成，并通过设备进行显示或被传送给用户(例如，通过SMS或电子邮件)。

在步骤11中，例如通过便携式电子设备20的处理单元分析第一视频数据，以确定第一呼吸信号。通过分析第一视频数据中的运动向量，从第一视频数据中提取第一呼吸信号。适于执行提取的技术在本领域中是已知的。采集呼吸信号的该方法具有非侵扰(因为其可以在对于用户而言方便的时间和位置处执行，并且不涉及记录其个人活动或交互中的任何)和计算高率的优点。根据音频数据确定呼吸信号例如是显著更复杂的，因为音频数据将包含需要在能够获得可靠的呼吸信号之前过滤掉的背景噪声。因为需要相对少的处理资源来根据以上述方式获得的视频数据中确定呼吸信号，因此可以通过常规的便携式电子设备(例如，智能电话)的处理单元容易地进行分析。

如果用户在获得第一视频数据期间咳嗽，则这将呈现在第一呼吸信号中。在步骤12中，例如，由便携式电子设备20的处理单元检测在呼吸信号中存在的任何咳嗽事件。通过检测在呼吸信号中的峰并比较每个相邻高峰和低峰的信号幅度值之间的差异来检测咳嗽事件。图3a和3b示出了呼吸信号的两个不同的范例，其中每个包括正常(休息)呼吸30和咳嗽事件31的时段。在两幅图中，x轴示出了信号幅度，而y轴示出了时间。如果在一对相邻峰中的每个峰的幅度之间的差异大于预定义阈值，则较低幅度峰被确定为指示咳嗽事件31的时间戳。在一些实施例中，预定义阈值是用户特异的(即，其值基于与在讨论中的用户有关的数据来选择)。在一些实施例中，预定义阈值的值可能针对每个给定呼吸信号而不同。在一些这样的实施例中，预定义阈值被定义为针对给定呼吸信号的吸气-呼气周期的平均幅度的特定分数。在一些优选实施例中，预定义阈值被定义为给定呼吸信号的吸气-呼气周期的平均幅度x0.5。在备选实施例中，预定义阈值可以是对于每个不同呼吸信号是相同的。在一些这样的实施例中，基于针对用户的历史数据(例如，历史呼吸信号数据)选择预定义阈值的值。在优选实施例中，步骤12涉及确定在第一呼吸信号中存在的咳嗽事件的数量(其当然可以为零)。

在步骤13中，以与第一视频数据相同的方式接收或获得在第二测试时段期间的用户的第二视频数据。优选地，第二测试时段具有与第一测试时段相同的持续时间。步骤13在步骤10之后执行，使得第一和第二测试时段在时间上间隔开。优选地，步骤13在步骤10之后至少一天执行。优选地，步骤13在不长于步骤10之后七天内执行。将意识到，在步骤10和13的执行之间经过的时间的精确长度对于本发明的功能而言不关键。事实上，在优选实施例中，用户可以改变他们在其处获得第一和第二视频数据的时间，以使得他们能够在对于其而言方便的时间处执行这些步骤。在一些实施例中，需要用户(例如，借助于由便携式电子设备20生成的消息)在指定的时间窗口内执行步骤10和/或13。优选地，例如，由便携式电子设备20的处理单元记录步骤10和步骤13在其处被执行的时间。将意识到，步骤10和13不需要表示由用户对视频数据的连续采集。例如，用户可以以步骤10和13每天一次的方式获得视频数据，但是第一和第二视频数据间隔超过一天。例如，在实施例中，第二视频数据是最近获得的视频数据，而第一视频数据是三天前获得的数据。在优选实施例中，第二视频数据是最近获得的视频数据，而第一视频数据是七天前获得的数据。

在步骤14中，以与分析第一视频数据以确定第一呼吸信号相同的方式分析第二视频数据以确定第二呼吸信号。在步骤15中，使用与在步骤12中使用的相同的技术来检测在第二呼吸信号中存在的任何咳嗽事件。

在步骤16中，例如由便携式电子设备20的处理单元使用步骤12和15的结果，以确定用户的呼吸状态。如果在第一视频数据的采集和第二视频数据的采集之间的时间中还已经获得并分析了额外的视频数据和(一个或多个)相关联的呼吸信号，则在一些实施例中，该(一个或多个)额外的信号的咳嗽检测结果也用在确定呼吸状态中。

如下确定用户的呼吸状态。定义针对在预定义时间帧期间检测到的咳嗽事件的数量的上和下阈值。例如，在其中每天一次获得和分析视频数据的特定实施例中，下阈值被定义为在一直到当前视频数据(即，以其结束)的一周中的一次检测到的咳嗽事件，并且上阈值被定义为在相同时段内的两次检测到的咳嗽事件。如果检测到的咳嗽事件的数量小于下阈值(即，在上述范例中，如果在一周中没有检测到咳嗽事件)，并且确定用户的当前呼吸状态为低风险。在一些实施例中，用绿色表示低风险状态。如果检测到的咳嗽事件的数量大于或等于下阈值但是小于上阈值(即，在上述范例中，如果在一周内检测到一次咳嗽事件)，则用户的当前呼吸状态是中等风险。在一些实施例中，用黄色表示中等风险状态。中等风险呼吸状态向护理提供者指示用户应该进行咨询以例如评估和管理用于发展能够引起加重的并发状况(例如，感冒、肺炎)的风险。如果检测到的咳嗽事件的数量大于或等于上阈值(即，在上述范例中，如果在一周内检测到多于一次咳嗽事件)，则确定用户的当前呼吸状态为高风险。在一些实施例中，用红色表示高风险状态。高风险呼吸状态向护理提供者指示应该向用户提供较强的处置以管理其肺部状况。

在步骤17中，例如由便携式电子设备20的处理单元基于步骤16的结果来输出信号。在优选实施例中，信号使得便携式电子设备20生成包含关于如在步骤16中确定的用户的当前呼吸状态的信息的消息。该消息可以被传送给护理提供者，和/或显示给用户。优选地，便携式电子设备20被配置为以预定义频率生成并传送这样的消息，所述消息可以但不需要等于信号利用其被输出的频率。例如，在一些实施例中，每次(例如，每天)新视频数据被获得并分析时信号被输出，但是便携式电子设备被配置为每周将消息传送给护理提供者。在该情况下，生成的消息包含涉及在前一周期间输出的所有信号的信息。

将意识到，不必以在图2中示出的确切顺序执行步骤10-17。例如，在一些实施例中，在步骤13之后执行步骤11和12。在一些实施例中，与步骤14和15同时执行步骤11和12。

如果在获得视频数据期间用户经历呼吸困难，则这将被表示在根据该视频数据确定的呼吸信号中。图4示出了正常休息呼吸信号40和其中存在呼吸困难的休息呼吸信号41。在信号中的高峰42表示呼气，并且低峰43表示吸气。呼吸困难的特征在于浅而快的呼吸。由与正常呼吸相比显著减小的吸气-呼气幅度44在呼吸信号中表示浅呼吸。由与正常呼吸相比的高呼吸率(吸气-呼气周期的数量/分钟)在呼吸信号中表示快速呼吸。正常休息呼吸率通常在10-18吸气-呼气周期/分钟内。高于18周期/分钟的休息呼吸率在健康边界之外。高呼吸率还暗示低的吸气-呼气持续时间45。其中平均吸气-呼吸持续时间显著低于在正常呼吸中的呼吸信号因此指示呼吸困难。

在一些实施例中，方法涉及检测在第一和第二呼吸信号中存在的呼吸困难的任何指示。针对给定呼吸信号计算平均呼吸率和平均呼吸幅度(并且在一些实施例中，还有平均吸气-呼气持续时间)。将平均呼吸率值与对应于针对健康对象的正常变化的范围的预定义边界进行比较。将在边界外部的任何计算的平均呼吸率值确定为呼吸困难的指示。例如，在一个特定实施例中，将针对平均呼吸率的下边界定义为每分钟10个吸气-呼气周期，并且将针对平均呼吸率的上边界定义为每分钟18个吸气-呼气周期。在该特定实施例中，每分钟小于10个或大于18个吸气-呼气周期的任何平均呼吸率值被确定为异常，并且因此为呼吸困难的指示。在一些备选实施例中，能够代替于边界使用单个阈值。例如，在特定实施例中，将呼吸率阈值定义为每分钟18个吸气-呼气周期。小于或等于该阈值的平均呼吸率值被认为是正常的，而大于该阈值的平均呼吸率值被确定为呼吸困难的指示。在优选实施例中，将针对每个给定呼吸信号的计算的平均值存储于例如便携式电子设备20的存储器中。

在优选实施例中，除了将每个计算的平均呼吸率值表征为正常或呼吸困难的指示外，使用本领域已知的任何适当的趋势分析技术来分析跨越预定义时间帧的计算的平均呼吸率值和平均呼吸幅度值(即，基于在该时间帧期间采集的视频数据计算的平均值)，以识别在这些值中的趋势。在其中每天采集新视频数据的优选实施例中，预定义时间帧被定义为一直到(包括)在最新视频数据的采集之前的一周，使得在趋势分析中使用七组平均值。在一些实施例中，减少的平均吸气-呼气幅度的持续趋势被确定为呼吸困难的指示。在一些实施例中，增加的平均呼吸率的实质趋势被确定为呼吸困难的指示。

使用来自预定义时间帧的检测到的呼吸困难的指示来确定用户的呼吸困难状态。在一个实施例中，如果在预定义时间帧期间没有检测到呼吸困难的指示(即，确定没有违反正常边界/阈值的计算的平均呼吸率值，并且没有识别出减少的呼吸幅度和/或增加的呼吸率的持续趋势)，则确定用户具有低风险(绿色)呼吸困难状态。如果来自预定义时间帧的计算的平均呼吸率值都不是异常的，但是识别出减少的吸气-呼气幅度的持续趋势和增加的呼吸率的持续趋势，则确定用户具有中等风险(黄色)呼吸困难状态。中等风险的呼吸困难状态向护理提供者指示患者处于发展呼吸困难的风险中。如果来自预定义时间帧的计算的平均呼吸率值中的至少一个被确定为违反边界/阈值，则确定用户具有高风险(红色)呼吸困难状态。高风险呼吸困难状态向护理提供者指示已经发生了呼吸困难发作。

在其中监测呼吸困难以及咳嗽事件的实施例中，基于确定的呼吸状态和确定的呼吸困难状态来输出信号。在这样的实施例中，信号为如上关于图2的步骤17讨论的，除了其还包含关于用户的当前呼吸困难状态的信息。

可以通过持续采集和分析视频数据和相关联的呼吸信号，来揭示平均值中的趋势的进一步的演化。因此，所述方法可以被用于为了管理用户肺部状况、将症状保持为在控制下并且防止计划外的入院的目的而检测呼吸困难的消极或积极发展。

在其中除了咳嗽事件之外检测呼吸困难的指示的一些实施例中，检测到的咳嗽事件和检测到的对呼吸困难的指示用于确定用户的整体呼吸状态，而不是(仅基于咳嗽事件的)呼吸状态和单独的呼吸困难状态。在特定实施例中，在一个实施例中，如果在预定义时间帧期间没有检测到呼吸困难的指示，并且在预定义时间帧期间检测到的咳嗽事件的数量小于预定义的下阈值，则确定用户具有低风险(绿色)整体呼吸状态。如果来自预定义时间帧的计算的平均呼吸率值都不是异常的，但是识别出减小的吸气-呼气幅度的持续趋势和/或增加的呼吸率的持续趋势，和/或在预定义时间帧期间检测到的咳嗽事件的数量大于或等于下阈值并小于预定义的上阈值，则确定用户具有中等风险(黄色)整体呼吸状态。如果来自预定义时间帧的计算的平均呼吸率值的中至少一个被确定为违反边界/阈值，或者在预定义时间帧期间检测到的咳嗽事件的数量大于或等于上阈值，则确定用户具有高风险(红色)整体呼吸状态。

因此，图2中的方法可以准确地评估具有肺部状况的患者的健康状态，并且从而向护理提供者通知该状态。该方法可以指示恶化趋势何时发生，以便为了疾病管理和防止关键恶化而及时触发干预。有利地，可以仅使用容易购得的便携式电子设备(例如，智能电话或便携式计算机)来执行所述方法，使得其方便、容易使用且不昂贵。此外，其容易允许从一般可用的传感器设备(例如，睡眠和活动记录器)并入额外数据，其可以用于改进评估的深度和准确性。

事实上，在一些实施例中，所述方法涉及例如利用额外的传感器24和/或额外的传感器25测量用户的活动。如果在用户睡眠的同时测量其活动，则其指示睡眠质量。如果在用户的正常日常例程(这不需要发生在日间，例如当用户是倒班工人时)的过程期间测量用户的活动，则其指示清醒活动水平，并且因此能够揭示疲劳/缺乏活力。在优选实施例中，在睡眠期间和在其日常例程期间测量用户的活动，但是将意识到，在其它实施例中，所述方法可以涉及仅睡眠运动或仅清醒活动。

现在将参考图5描述其中测量睡眠运动和清醒活动两者的实施例。在该实施例中，用户的呼吸状态(以及任选地呼吸困难状态)被确定为上面参考图2的步骤11-16描述的。然而；该实施例的方法额外地涉及执行如图5所示的步骤50-58的执行。

在步骤50中，例如使用额外的传感器25，在第三测试时段期间获得用户的第一清醒活动测量结果。在其中额外传感器25是活动记录器的实施例中，用户通过在同时他们执行其正常的日常例程时针对第三测试时段的持续时间佩戴活动记录器来获得这些测量结果。优选地，第三测试时段的长度是至少三小时。优选地，第三测试时段覆盖给定日子的早晨、中午和晚上。在一些实施例中，第三测试时段邻近于、交叠或涵盖第一测试时段(在其期间获得第一视频数据)。在优选实施例中，第三测试时段涵盖第一测试时段(即，用户在正由额外传感器25测量其活动的时间期间获得第一视频数据)。在一些实施例中，第三测试时段包括针对其额外传感器25被启用的时间分段。在一些实施例中，第三测试时段包括多个单独的时间段。例如，在一个特定实施例中，第三测试时段包括早晨的一个小时时段、中午的一个小时时段、以及在晚上的一个小时时段。在一些实施例中，系统要求用户(例如，借助于由便携式电子设备显示的消息或者由SMS或电子邮件传送的提醒)每天获得第一视频数据和第一清醒活动数据，同时使得用户自由选择每天的在其处采集每种类型的数据的确切时间。在优选实施例中，如果用户到特定时间(例如，在需要日常测试时，6pm)时还未获得特定种类的数据，则提醒例如由便携式电子设备20来生成，并且进行显示或传送给用户。

在步骤51中，以与第一清醒活动测量结果相同的方式，在第四测试时段期间获得用户的第二清醒活动测量结果。优选地，第四测试时段关于长度和其它特征(例如，其包括的单独时间段的数量)与第三测试时段相同或相似。在步骤50之后执行步骤51，使得第三和第四测试时段在时间上间隔开。优选地，在第三和第四测试时段之间的时间与第一和第二测试时段(第一视频数据在其间被获得)之间的时间有关。例如，在一些实施例中，每天获得一次视频数据和清醒活动数据两者(单个测试时段被认为是数据的一个采集，即使该测试时段包括多个单独的时间段)。关于视频数据，将意识到，在步骤50和51的执行之间经过的时间的精确长度对本发明的功能不关键。事实上，在优选实施例中，用户可以改变他们在其处获得第一和第二清醒活动数据的时间，以使得他们能够在对于其而言方便的时间处执行这些步骤。在一些实施例中，需要用户(例如，借助于由便携式电子设备20生成的消息)在特定时间窗口内执行步骤50和/或51。优选地，例如，由便携式电子设备20的处理单元记录在其处执行步骤50和步骤51的时间。关于视频数据，将意识到，步骤50和51不需要表示用户的清醒活动数据的连续采集。例如，在一些实施例中，用户每天一次地获得清醒活动数据，但是第一和第二清醒活动数据被间隔开多于一天。

在步骤52中，例如使用额外传感器24在第五测试时段期间获得用户的第一睡眠运动测量结果。在其中额外传感器24是睡眠记录器的实施例中，用户通过在其睡眠同时至少针对第五测试时段的持续时间佩戴睡眠记录器而获得这些测量结果。用户应该一旦在床上就启用额外传感器24，并且应该在他们清醒时停用额外传感器24。在优选实施例中，第五测试时段是针对其启用额外传感器24的时间的分段。在一些实施例中，通过例如便携式电子设备的处理单元选择针对其额外传感器24被启用的特定时间分段作为第五测试时段。在这样的实施例中，所述选择可以基于在睡眠运动数据中的患者在选定时段期间实际睡着的指示。优选地，第五测试时段的长度为至少若干小时。在优选实施例中，第五测试时段在时间上靠近第一测试时段(即，优选地，在其中第一测试时段发生的日子之前或之后的夜间)而发生。

在步骤53中，以与第一睡眠运动测量结果相同的方式，获得第六测试时段期间的用户的第二睡眠运动测量。优选地，第六测试时段与第五测试时段长度相同。在步骤52之后执行步骤53，使得第五和第六测试时段在时间上间隔开。优选地，第五和第六测试时段之间的时间与第一和第二测试时段(第一视频数据在其期间被获得)之间的时间有关。在优选实施例中，将视频数据和睡眠运动数据两者每24小时获得一次。关于视频数据和清醒活动数据，将意识到，在第五和第六测试时段之间经过的时间的精确长度对本发明的功能不关键。事实上，由于用户可能不是每天在相同时间睡着和/或醒来，因此常常有必要选择在晚上的不同时间处发生的第五和第六测试时段。优选地，例如，由便携式电子设备20的处理单元来记录第五和第六测试时段的开始和/或结束时间。关于视频数据和清醒活动数据，将意识到，步骤52和53不需要表现用户的睡眠活动数据的连续采集。

将意识到，步骤50-53的顺序可以不同于图5所示。例如，在优选实施例中，在步骤51和53之前执行步骤50和52。

在步骤54中，分析第一和第二清醒活动测量，以检测用户的清醒活动水平的趋势。针对每组清醒活动测量结果(一组清醒活动测量结果是在特定白天时段期间获得的那些)计算清醒活动水平。将这些水平彼此进行比较以识别任何趋势。

在其中已经在第一清醒活动测量结果和第二清醒活动测量结果的采集之间的时间中获得了清醒活动测量结果的实施例中，然后这些中间清醒活动测量结果还可以用于分析。在优选实施例中，每天获得清醒活动测量结果，但是第一和第二清醒活动测量结果在时间上被间隔一周。清楚地，在这样的实施例中，在分析中使用七组清醒活动测量结果。在优选实施例中，以与新清醒活动测量结果的采集相同的频率执行步骤54(但是将意识到，能够以较少频率执行该步骤)。

在步骤55中，分析第一和第二睡眠运动测量结果以检测在用户的睡眠质量中的趋势。分析睡眠运动测量结果以检测清醒事件。在一些实施例中，计算检测到的清醒事件的频率。在一些实施例中，计算检测到的清醒事件的持续时间。使用检测和/或计算的结果来确定对应于第一和第二睡眠运动测量结果中的每个的睡眠质量水平。在没有发生清醒事件的理想情况下，这指示足够的睡眠质量。清醒事件的频率和/或持续时间的增加指示睡眠质量的恶化。针对每组睡眠运动测量结果(一组睡眠运动测量结果是在特定夜间时段期间获得的那些)计算睡眠质量水平。将这些水平彼此进行比较以识别任何趋势。

在其中已经在第一睡眠运动测量结果和第二睡眠运动测量结果的采集之间的时间中获得睡眠运动测量结果的实施例中，然后这些中间睡眠运动测量结果还可以用于分析。在优选实施例中，在夜间获得睡眠运动测量结果，但是第一和第二水平运动测量结果在时间上被间隔一周。在优选实施例中，以与新睡眠运动测量结果的采集相同的频率执行步骤55(但是将意识到，能够以较少频率执行该步骤)。

在步骤56中，基于步骤54的结果确定用户的清醒活动状态。在特定实施例中，如果在清醒活动水平中不存在持续减小趋势，则确定用户具有低风险(绿色)清醒活动状态。如果识别出持续减小趋势，但是分析时段上的恶化小于预定义阈值，则确定用户具有中等风险(黄色)清醒活动状态。如果识别出持续的减小趋势，并且在分析时段上的恶化大于或等于预定义阈值，则确定用户具有高风险(红色)清醒活动状态。

在步骤57中，基于步骤55的结果来确定用户的睡眠质量状态。在特定实施例中，如果在睡眠质量水平中不存在持续的减小趋势，则确定用户具有低风险(绿色)睡眠质量状态。如果识别出持续的减小趋势，但是在分析时段上的恶化小于预定义阈值，则确定用户具有中等风险(黄色)睡眠质量状态。如果识别出持续的减小趋势，并且在分析时段上的恶化大于或等于预定义阈值，则确定用户具有高风险(红色)睡眠质量状态。

步骤58替代图2中的步骤17。在该步骤中，基于用户的当前呼吸状态(如图2的步骤16中所确定的)、用户的当前清醒活动状态(如在步骤56中确定的)以及用户的当前睡眠质量状态(如在步骤57中确定的)，例如由便携式电子设备20的处理单元来输出信号。在步骤58处输出的信号为如以上关于图2的步骤17讨论的，除了其还包含关于用户的当前清醒活动状态和当前睡眠质量状态的信息。

将意识到，以下实施例是可能的，即其中系统仅包括第一额外传感器24，或其中仅使用第一额外传感器24，使得仅测量睡眠运动数据(与视频数据的采集一起)。在这样的实施例中，从图5的方法省略步骤50、51、54和56，并且在步骤58中，仅基于确定的呼吸状态和确定的睡眠质量状态来输出信号。

备选地，以下实施例是可能的，即其中系统仅包括第二额外传感器25，或其中仅使用第二额外传感器25，使得仅测量清醒活动数据(与视频数据的采集一起)。在这样的实施例中，从图5的方法省略步骤52、53、55和57，并且在步骤58中，仅基于确定的呼吸状态和确定的清醒活动状态来输出信号。

因此，提供了一种方法、装置和系统，其允许监测具有肺部状况的用户的状态，从而仅使用便携式电子设备来检测和/或预测其状况的恶化。

尽管在附图和前面的描述中已经详细图示和描述了本发明，但是这些图示和描述应被视为说明性或示范性的而非限制性的；本发明不限于所公开的实施例。

通过研究附图、公开内容以及权利要求书，本领域技术人员在实践所要求保护的本发明时能够理解和实现对所公开的实施例的其他变型。在权利要求书中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以履行权利要求书中所记载的若干项目的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质，但计算机程序可也可以以其他形式来分布，例如经由因特网或者其他有线或无线电信系统分布。权利要求书中的任何附图标记不应被解读为对范围的限制。