多元生理信息分析装置及系统的制作方法

1.本发明涉及一种多元生理信息分析装置与系统，特别涉及一种用来收集、处理及显示由不同型态或功能的传感装置所记录的、以多种形式与描述方式存在的生理信息，以找寻特定种类生理信息与特定生理现象的关联性的装置与系统。


背景技术：

2.睡眠多项生理检查(polysomnography，psg)是睡眠医学以及睡眠障碍、打鼾、癫痫、睡眠呼吸中止症等睡眠相关疾病的诊断中，最常进行的标准检测方法。此种检查通常在医院的病房中进行。患者须留宿医院(通常由睡眠中心进行)，由医生或睡眠技师在病患身上安装多种传感器，记录整晚的睡眠生理数据。再以人工设定成例如每30秒为一个单位，以显示检查结果。以6小时的检查为例，就会产生720个单位的检查结果。这些结果经统计后，再提供给医生进行诊断。
3.psg需要通过多种仪器的配合，方能完成检查，提供综合诊断。
4.检查项目通常包含：
5.1.脑波(eeg)：用来记录睡眠各种阶段(nrem的n1、n2、n3，以及rem)的脑波数值及变化。
6.2.肌电(emg)：包括下颚肌电，用来辅助判断睡眠阶段；两腿肌电，用来找出异常的腿部抽动。
7.3.心电(ecg)：检查睡眠时期的心率变化，也可用来发现心律不整问题。
8.4.眼电(eog)：辅助对于快速眼动期的判断。
9.5.血氧饱和度(sao2)与脉搏(pulse)：检查血氧浓度状态，以及脉搏变化
10.6.胸腹呼吸张力(tho/abdo effort)：检查呼吸情形。
11.7.口鼻气流(nasal-oral air flow)：检查上呼吸道通气状态。
12.由于psg检测的项目太多，多种检查仪器附接在患者身上不仅影响患者睡眠，导致检测失准，统计标记结果也相当耗费人力。业界为解决这个技术难题，提出多种执行较少种类的检查项目，辅以软件标记检查结果的产品。例如针对睡眠呼吸中止症的诊断，已有业者开发出简易型睡眠生理检查设备。所述设备只需测量鼻气流、脉搏、以及血氧浓度。收集到的数据经由机器判读，就能得到与psg相近的睡眠呼吸中止症检测结果，即睡眠呼吸中止指数(apnea-hypopnea index,ahi)。
13.sun等人的研究指出，以大量的psg数据进行深度学习后发现，只要腹部张力数值加上心电信号，就可以计算出相当接近脑波的睡眠分期结果。见haoqi sun et al.,“sleep staging from electrocardiography and respiration with deep learning.”12/21/2019,sleep 2020,https://academic.oup.com/sleep/article-abstract/43/7/zsz306/5682785。
14.大立云康科技的睡眠分析软件，也在对大量的psg数据进行机器学习后，发现只以心电信号就能计算出相当接近psg的睡眠分期与呼吸中止指数的结果。
15.随着穿戴式装置、iot传感技术、以及毫米波技术的普及，许多专家尝试将更多仪器放置在受测人员身上，希望能够更准确的检测、预测生理现象，及/或查出发生原因、寻求改善方法。但对于生理现象的检测、预测或原因分析有用的仪器或测量方法，并没有因为这些新技术、新产品的种类增加而发现。测量的准确度也没有相应的提高。


技术实现要素：

16.本发明的目的就是在提供一种新颖的多元生理信息分析装置，针对多元生理信息收集、人工标记以及机器学习、训练样本筛选、机器分析等操作，提供单一环境下的解决方案。便利专业人士在浩瀚的数据大海中，迅速找到与特定生理现象有高度关联性的生理信息种类。
17.本发明提供一种多元生理信息分析装置，以接收来自不同装置的生理信息，自动分类、储存。藉由机器学习，寻找与特定生理现象有关的生理信息种类。
18.本发明提供一种多元生理信息分析系统，可以将接收到的不同检测装置的不同种类生理信息，依照用户设定条件，在相同显示设备上显示，便利研究人员发现与特定生理现象有关的生理信息种类。
19.本发明提供一种多元生理信息分析装置，提供有用的评估工具，以判断特定种类的生理信息种类与特定生理现象间的关联性。
20.为达成上述目的，本发明提供一种多元生理信息分析装置，所述装置包括：
21.数据上传装置，提供通信信道以供多种生理信息检测装置或生理信息储存装置通信连接，以接收不同种类的生理信息数据；
22.数据储存装置，提供大量存储空间用以储存各种生理信息以及所述生理信息数据在所述多元生理信息分析装置中处理的结果数据；
23.数据编辑装置，提供人机接口，以供用户从所述数据储存装置调用特定种类的生理信息数据及/或处理结果资料，进行浏览、增加、删除或修改人工标记，以及挑选评估用关联性时输入的生理信息种类；
24.其中，所述数据储存装置提供自动索引能力，可对每一笔生理信息数据及/或处理结果数据自动标记索引，且所述数据编辑装置配置成可根据所述索引，调用及编排用户所要求的数据；及
25.关联性评估装置，用以计算特定种类生理信息与特定人工标记之间的关联性。
26.本发明的多元生理信息分析装置还可以包括自动分析装置，提供自动筛选功能，经由筛选接口接收用户的筛选指令，以从所述数据储存装置中自动提取对应于筛选指令的生理信息数据及/或处理结果数据，并从所述数据中寻找与特定人工标记结果有关连性的生理信息种类。
27.根据本发明的优选实施例，所述多元生理信息分析装置提供的数据储存装置储存对应到多人的生理信息。每一笔生理信息以下述方式建立索引：
28.信号型数据及多程信号型数据：文件名、记录时间及辨认代码；
29.帧型及多帧型数据：文件名、记录时间及辨认代码。
30.其中，所述文件名优选包括所述生理信息所属人员的id码。所述记录时间可包括单一时间，或以开始时间与结束时间定义的时间段。至于所述辨认代码，优选为唯一的代
码。且优选与对应的档案内所含的信息数值对应的生理信息种类有关联性。代码长度应适中，即不会太短，以致于容易与其他笔测量数据重复，也不应太长，而增加处理的复杂度、资源与时间。在本发明的优选实施例中，是采用根据档案内容的数值计算所得的哈希值，特别是“安全哈希算法256位”(sha256
–
securehashalgorithm256-bit)。
31.由于本发明采用独特的数据、信息分类方法，以及特殊设计的索引方法，不同形式、性质、储存或传输介质以及数据量，属于不同人、于不同时间记录的数据，都可以储存在单一的储存装置中，并能以单一的显示接口或人机接口进行检索、筛选，编辑以及其他应用。并能立即显示不同笔数据间的关联性。此外，各种类型的生理信息与人工标记之间的关联性，很容易从显示接口辨识，或容易由机器辨识。使得以前不存在或专家没想过的生理信息种类，可能成为评估、预测或控制生理现象的关键信息。
32.本发明的其他目的与优点，可由以下详细说明并参照附图而更形清楚。
附图说明
33.图1示出本发明多元生理信息分析装置的一种实施例的系统示意图。
34.图2示出多种可用的信号(signal)存盘形式。
35.图3示出帧类型信号(frame)的一种适用的存档形式。
36.图4示出一种在本发明多元生理信息分析装置的数据储存装置内储存生理信息的数据结构示意图。
37.图5示出一种适用于本发明数据编辑装置130的数据检索方法流程图。
38.图6示出所述检索方法示意图。
39.图7a到7d示出一种是用在本发明多元生理信息分析装置的数据检索画面应用示意图。
40.图8示出本发明的检索结果显示内容示意图。
41.图9示出本发明多元生理信息分析方法流程图。
42.图10示出本发明多元生理信息分析装置建立新算法的一种实施例的流程图。
43.图11示出将多种psg检测结果投入机器学习的结果画面波形图。
44.图12示出一种机器学习所得分析模型波形图。
45.图13示出一种机器学习所发现的分析方法辨识能力计算结果波形图。
46.参考标记列表
47.100多元生理信息分析装置
48.110数据上传装置
49.111通信通道
50.120数据储存装置
51.130数据编辑装置
52.131人机界面
53.140自动分析装置
54.141筛选界面
55.150关联性评估装置
56.151-155生理信息检测装置
57.156生理信息储存装置
58.160中介装置
具体实施方式
59.以下参照图式说明本发明多元生理信息分析装置的多个优选实施例。必须说明的是，对于本发明实施例的说明及图示，目的只是在以简要的方式呈现本发明的主要重点及可能的实现型态。本发明的范围应该及于其他本领域技术人员所能想到或推导得出的实施方式。
60.虽然本发明不需限定或局限在任何的理论，但根据本发明人发现，众多种类的生理信息可以分类成四种类型：
61.1.帧frame
–
定义为“在某一时间点测量到的生理相关信息，以数值或影像记录的数据”。帧型数据有如一张快照，可能是瞬时的数字、瞬间的影像等等。常见的帧型数据包括：身高、体重、血压、血糖、体温、血氧、x光摄影、ct摄影、室温、gps位置
…
等。
62.2.信号signal
–
定义为“在某一时间段测量到的连续生理相关信息，以时域(如pcm)或频域(如sbc)编码的波形记录”。signal在时间轴上是一个连续时段，以生理信号来说像是一段视频。这些信号随时间的变化具有特殊意义。常见的信号型数据包括：心电、脑电、肌电、连续血氧、鼻气流、胸腹张力、连续心率、连续血糖、连续血压
…
等。
63.3.多导程信号multi-channelsignals
–
定义为“同步测量的连续生理相关信息”。常见的多导程信号型数据包括：多导心电、多导脑电、多导肌电
…
等。
64.4.多帧multipleframes
–
定义为“以首张(iframe)与差异部分(bframe)组成的多张frame组合”。常见的多帧型数据包括：视频、连续ct摄影
…
等。
65.主要基于以上的发现，并结合其他独特的技术，本发明提供一种有用的机制，可以结集不同种类、不同特性、不同格式、不同介质的生理信息，经过以对应的方法处理后，储存在数据库中，提供以单一接口就可以同时查找、显示、标记、加工，以及进一步提供机器学习、深度学习等处理。
66.图1表示本发明多元生理信息分析装置的一种实施例的系统示意图。如图所示，本发明的多元生理信息分析装置100在实施上可以实现在一个服务器计算机，并以应用程序或其他适用的型态，提供必要的数据交换、处理、储存及显示等功能。多元生理信息分析装置100主要包括：
67.数据上传装置110，提供多种通信通道111以供多种生理信息检测装置151-155或生理信息储存装置156通信连接，以将生理信息检测装置151-155的检测结果生理信息数据或生理信息储存装置156储存的生理信息数据，传送给多元生理信息分析装置100。在本发明的优选实施例中，通信通道111优选为因特网。具体而言，通信通道111优选为从生理信息检测装置151-155或生理信息储存装置156，经由中介装置160，例如智能手机或平板计算机，经由因特网连接到多元生理信息分析装置100。生理信息储存装置156也可经由例如卡片阅读机，usb接口，或短距离无线通信通道等，连接到多元生理信息分析装置100。
68.多元生理信息可能是脑波(eeg)、肌电(emg)、心电(ecg)、眼电(eog)、血氧饱和度(sao2)与脉搏(pulse)、胸腹呼吸张力(tho/abdoeffort)、口鼻气流(nasal-oralairflow)等类型当中的一种或多种。其他可以代表身体、器官、组织或其一部份或其组合的信
息，也都可以应用于本发明。生理信息储存装置156则可能是任何类型、任何存储容量、以任何方式联机的存储装置，例如云端硬盘、外接式硬盘、usb存储卡、静态硬盘、甚至是手机、平板计算机、笔记型或桌面计算机，或者另一台服务器计算机。
69.在市面上，用来测量某时点或某时段的上述生理信息的仪器，绝大多数都已经提供上网功能。即使没有上网功能，也可通过例如bluetooth等短距离通信标准，与智能手机或平板计算机等上网装置联机，传送检测结果。在现有技术下，提供一个应用程序，配置在智能手机或平板计算机，或其他具备上网能力的计算机装置，以接受多种生理信息检测装置151-155通信连接，向中介装置160，进而向多元生理信息分析装置100上传检测结果生理信息，已经是成熟的技术。本行业技术人员都可以利用已知技术完成。
70.数据储存装置120连接数据上传装置110。数据储存装置120提供大量存储空间以储存各生理信息检测装置151-155与生理信息储存装置156上传的生理信息数据。数据储存装置120也提供存储空间，以储存多元生理信息分析装置100处理生理信息数据后产生的结果数据。数据储存装置120的配置为本发明的重要技术特征。相关详情将在以下说明。
71.数据编辑装置130连接数据储存装置120，并提供人机接口131，以供用户从数据储存装置120调用特定生理检测结果生理信息及/或处理结果资料，进行浏览、人工标记或修改标记。人机接口131可包括显示设备、鼠标、键盘、麦克风、扩音器等输出入装置当中的一种或多种，也可以包括其他可以在数据文件中增加、删除、变更内容的工具。数据编辑装置130的人机接口131提供检索工具，以根据使用者输入的一个或多个索引，将含有索引的一笔或多笔生理资料调用，以预定形式显示在人机接口131，以供用户进行编辑。并可在使用者编辑完成后，将处理结果附加索引后，储存到数据储存装置120。
72.根据本发明的优选实施例，数据储存装置120提供自动索引能力，可对每一笔生理检测结果生理信息及/或处理结果数据自动标记索引，且数据编辑装置130配置成可根据索引，调用用户所要求的资料。
73.根据本发明的优选实施例，多元生理信息分析装置100提供的数据储存装置120储存对应到多人的生理信息。每一笔生理信息以下述方式建立索引：
74.1.信号及多程信号：文件名、记录时间及辨认代码。其中：
75.1)文件名只要能识别生理信息的种类即可。命名方式包括：
76.[用户id+生理信号类型+设备厂牌+设备型号]的形式。
[0077]
但其他形式的命名方法，也可以适用于本发明。
[0078]
2)记录时间可包括单一时间，或以开始时间与结束时间定义的时间段。
[0079]
3)至于辨认代码，优选为唯一的代码。且优选与对应的档案内所含的信息数值有关联性。代码长度应适中，即不会太短，以致于容易与其他比测量数据重复，也不应太长，而增加处理的复杂度、资源与时间。在本发明的优选实施例中，是采用根据档案内容的数值计算所得的哈希值，特别是“安全哈希算法256位”(sha256
–
secure hash algorithm 256-bit)。这种代码因长度适中，几乎不会重复，特别适用于本发明。
[0080]
4)一个命名的实例：
[0081]
uuiiddd1234-ecg-largan-at202。其中，
[0082]
uuiiddd1234＝用户标识符
[0083]
ecg＝心电信号
[0084]
largan＝设备厂牌
[0085]
at202＝设备型号
[0086]
5)文件名可以通过加密处理，以防止敏感数据外泄。图2显示多种可用的信号(signal)存盘形式。
[0087]
2.帧及多帧：文件名、记录时间及辨认代码。其中：
[0088]
1)文件名只要能识别生理信息的种类即可。命名方式包括：
[0089]
[用户id+生理信号类型+设备厂牌+设备型号]的形式。
[0090]
但其他形式的命名方法，也可以适用于本发明。
[0091]
2)记录时间通常包括单一时间。连续的帧只需记录首张(iframe)的时间点。
[0092]
3)至于辨认代码，优选为唯一的代码。且优选为sha256哈希值。
[0093]
4)一个命名的实例：
[0094]
uuiiddd1234-glu-abc-vp123。其中，
[0095]
uuiiddd1234＝用户标识符
[0096]
glu＝血糖值
[0097]
abc＝设备厂牌
[0098]
vp123＝设备型号
[0099]
5)文件名可以通过加密处理，以防止敏感数据外泄。图3显示帧类型信号(frame)的一种适用的存档形式。
[0100]
图4显示一种在数据储存装置内储存生理信息数据的结构。通过索引的方式，可以将例如因属同一人、同一时间或具备其他共同因素而产生关连性的数笔生理信息，就可以同时调用、显示，以进行浏览、比较、寻找关联性、标记，以及进行例如机器学习、深度学习等处理。对于经过处理的结果信息，也可以作相同或类似的应用。
[0101]
本发明的大多数优选实施例选择使用哈希码计算函式做为辨识代码的理由，主要是因为哈希码是所有不易发生碰撞(不同内容却有相同的哈希值)的索引方法中，数据长度相对短，且计算方法相对简单的算法。其中，sha256算法一般认为不会发生碰撞，且长度只有256bits，适合作为数据库索引。在计算上仅使用位的反转(xor)、位移(shift)、旋转(rot)，效率高且容易实作。以生理信息内容的sha256哈希码为索引，产生的优点包括：
[0102]
1.重复上传的数据会因哈希码相同而只保留一份；
[0103]
2.哈希码也可用来验证资料是否毁损或遭窜改；
[0104]
3.多导程或公共信号可共享内容而不额外占用空间。
[0105]
数据上传装置110所上传的生理资料在经过以上述方法处理后，储存在数据储存装置120备用。
[0106]
如前，本发明的数据编辑装置130是配置成依据各笔数据的索引数据，判断不同笔数据之间的关联性，而将经判断为具有关联性的多笔数据显示成为检索结果。
[0107]
图5示出一种适用于本发明数据编辑装置130的数据检索方法流程图。图6则示出检索方法示意图。如图5所示，在步骤510，用户在数据编辑装置130的检索人机接口131上输入检索条件后，数据编辑装置130开始进行数据检索。通常，检索条件包括所要检索的生理信息所属的个人资料、记录日期以及数据种类。在本发明的优选实施例中，数据编辑装置130是配置成可在使用者输入一笔个人资料后，自动在数据库中查找个人资料对应的id码。
于步骤520，数据编辑装置130将检索得到的大量数据进行关联性处理。如果是信号型数据，就找出不同笔数据之间有交集的信号型数据。如果是帧型数据，就找出最佳的数据帧。
[0108]
在前述步骤中，找出两笔资料之间的交集，可以包括找出时间的交集，例如建立时间落入某区段的多笔数据。其他可以根据数据文件的内容判断关联性，特别是可以根据所引的成分判断关联性的方法，也都可以应用于本发明。
[0109]
至于帧型数据的最佳成分，通常是指检索者最可能想看的数据。因此也可以包括时间范围，以及其他可以根据资料文件的内容判断为最适合显示，特别是可以根据索引的成分判断为最适合显示的数据内容。
[0110]
具体来说，帧型数据与信号型数据的记录方式不同。帧型数据需要描述一个值，并且定义其维度与精度(分辨率)。信号型数据则多了取样率和滤波方法的描述，并重视变化的动态范围。多帧型数据与多导程信号本质上是帧型数据与信号型数据。但其数据通常不能分开记录与读。配置成多重的型态，主要是便利同时一起存取与记录。例如5lead的ecg信号通常需要同时检视，单独看一个lead的意义不大。若在记录时将其分开成5个独立的信号存放，在应用时会有效率低的问题。
[0111]
帧型数据与信号型数据在数据处理上，用途也不同。帧型数据在时间上只有一点。在这时间点外虽然不存在数据，但可以从前后的测量值推估。例如一年前胸部x光只有一个白点，今天胸部x光也是只有一个白点。可以推测这一年胸部x光应该都是一个白点。信号型数据因为在时间轴上有一个连续区段，需要在时间上相近或产生交集时引用。例如昨晚20:00到今早5:00戴了血氧仪，想分析22:00～8:00的睡眠呼吸障碍指数。这时，交集的22:00～5:00这段时间的血氧信号就可以拿来分析。
[0112]
很多时候，人们想要寻找signal与frame之间是否存在因果关系。例如在发生特定事件(frame)的时候，是否会伴随出现特定征状的连续信号(signal)。例如学者通过观察发现：在发生呼吸中止事件时，心率会出现先降低再升高的征状。只要监控心率是否出现先降低再升高的征状，就可用来评估是否发生了睡眠呼吸中止事件。在这方面本发明就可提供有用的信息，通过机器学习，可能发现心率变化与睡眠呼吸中止事件的之间的关联性。经过验证后，可以产生新的分析方法。
[0113]
接着，在步骤530数据编辑装置130将检索得到的数据，以既定形式显示在人机接口131。显示的形式通常是影像，特别是图形。但是其他形式的数据显示方法，例如文字、声音、动画、连续影像或不连续影像等，都非所禁。
[0114]
在步骤540数据编辑装置130判断用户是否输入或修改人工标记。如有，则在步骤550将使用者所做的修改存在相同或不同于对应数据文件的数据文件中，并变更显示内容。步骤回到540。如步骤540的判断结果为否，则在步骤560判断是否重新输入检索条件。如是，则步骤回到510；如否，在步骤570判断是否结束编辑。如否，步骤回到540；如是，在步骤580结束编辑。在以上过程中，研究者容易从显示结果看出不同种类的生理信息之间的可能关系，以及不同种类生理信息与特定生理现象的关联性。
[0115]
在应用上，研究人员在看到引起兴趣的生理现象，就可以在上面标示人工标记。人工标记可以是一个信号或一串文字。数据编辑装置130及自动将人工标记附加在生理信息数据文件中备用。结果如以下图8所示。
[0116]
图6所示的检索结果可以看出，在同一显示设备上，可以同时显示不同仪器检测的
deep learning,sleep staging from electrocardiography and respiration with deep learning,https://pubmed.ncbi.nlm.nih.gov/31863111/)即提出一种适用于本发明的方法论。技术领域其他专家也提出多种可资应用的技术。均值参考。
[0127]
不过，由于本发明已经提供一种简单且能够以图形接口显示不同种类生理信息与特定生理现象，亦即人工标记的关联性的显示方法，研究人员只要尝试多次呼叫不同的生理信息种类组合，就可能找到以前所不知，或以前所不存在的生理信息与生理现象关联性。换言之，本发明的数据编辑装置130所提供的人机接口就是一种容易以肉眼看出生理信息与生理现象的关联性的工具。研究人员以人工筛选，就可能得到前所未知的研究结果。
[0128]
本发明的多元生理信息分析装置100提供关联性评估装置150，用以计算特定种类生理信息与特定人工标记之间的关联性。用户在筛选接口141输入筛选结果的生理信息种类后，关联性评估装置150就从数据储存装置120提取特定范围的生理信息数据，与用户同样在筛选接口141输入的人工标记进行关联性(辨识度)评估。并以数值或图形显示评估结果。
[0129]
图9示出本发明多元生理信息分析装置的自动分析方法流程图。如图所示，在步骤910用户在筛选接口141输入筛选条件。所适用的筛选条件可能是特定的人工标记。以学习睡眠呼吸事件分析方法为例，就可能选择标记有睡眠呼吸事件(apnea、hypopnea、desat)的生理资料。但由于机器学习的目的在找出未知的分析方法，因此筛选条件也可以是随机条件，例如年龄与性别平均分布。此外，筛选条件也可以是排除条件，例如有睡眠呼吸事件标记的生理信息，但排除其中有人工标记为“心律不整(vpc、apc、af、afib)”的资料。
[0130]
在步骤920，自动分析装置140将筛选结果显示在筛选接口141。在此步骤，自动分析装置140可能提供用户包括以下的筛选功能：
[0131]
1.选择合适的训练模型(cnn、rnn、lstm、relu、
…
)
[0132]
2.定义output layer(以睡眠呼吸事件为例，输出为“有/无”阻塞)
[0133]
3.定义input layer(以不同signal/frame排列组合)
[0134]
4.将样本依input layer排列，依序输入训练模型
[0135]
5.找出最小误差的input layer，可得到关键生理信号组合
[0136]
以上的筛选条件并无一定的顺序。减少或增加一个或数个筛选条件，也无不可。重要的是找出数量适当且关联性较强的数据，以节省机器学习或深度学习的时间。
[0137]
于步骤930用户在筛选接口141输入筛选结果的关键性生理信息。于步骤940，关联性评估装置150产生结果后，检验所得结果关键生理信息与特定生理现象之关联性。信息可能包括signal类型与frame类型。生理现象通常就是一种疾病或一种生理的异常。如测试发现具有高度关联性，表示测试成功，于步骤950记录结果。新增或更新分析装置上的分析方法。否则步骤回到930或910，重新筛选。
[0138]
以下以具体实例，说明研究人员使用本发明多元生理信息分析装置寻找及验证特定生理信息与特定生理现象的关联性的方法。在本实施例中，是使用psg(睡眠多项生理检查)所得到的数值，投入本发明多元生理信息分析装置进行机器学习，试图发现，建立新的睡眠分期与睡眠呼吸事件算法。图10示出本发明多元生理信息分析装置建立新算法一种实施例的流程图。
[0139]
如图所示，在步骤101，先将各种psg检测结果以signal(信号型)信息与page(帧
型)信息的形式投入系统，作为机器学习与验证的数据。在本实例中所投入的信号型数据包含：脑电、下颚肌电、口鼻气流、胸腹起伏、血氧、心电、麦克风、体动、腿动等相关数值。至于帧型数据，则包括人工睡眠分期标记、人工呼吸事件标记等记录。其中，相关人工标记都是专业人员使用本发明多元生理信息分析装置，在相关生理信息文件中所为的标记。
[0140]
图11即示出步骤101记录的结果波形图。图中显示记录结果包含多种生理信息，并依据索引排列，表示其间可能的关联性。
[0141]
于步骤102，找出与人工标记关联性最高的一种或多种信号型数据。在此步骤，优选为以人工智能计算机使用深度学习算法，找出上述信号型数据相对于特定人工标记的最佳特征，再依特征对人工标记的辨识度排序出关联性。但在本件实际的案例中，容易从显示结果以人工辨认出以下可能的关联性：
[0142]
对人工睡眠分期标记而言，所得到的辨识度由大至小排列为：脑电＞心电＞口鼻气流＞胸口起伏》
…
。
[0143]
对人工呼吸事件标记而言，所所得到的辨识度由大至小牌列为：血氧＞口鼻气流＞心电＞胸口起伏＞
…
。
[0144]
再详言之，以心电为例，对睡眠分期最佳的特征为心率变异(时域)。对睡眠呼吸事件最佳的特征为心率变异(频域)。如此就可以假定一种或多种可能的关联性，即特定种类生理信息，甚至是特定参数与人工标记之间的关系。
[0145]
在本实例中关联性(辨识度)可以使用auc的值判断。如使用auc值作为辨识度的判断标准，以值越接近1为越好。低于0.6就认为辨识度不足。不选为候选参数。至于特定种类生理信息所选用的参数，可以根据文献中提及的特征，选用相关的参数。但也可以本发明的系统，利用深度学习找到文献所谓记载的参数。
[0146]
接着，在步骤103挑选输入用的信号型数据。如前，挑选的方式优选为人工挑选。考虑到使用者的操作方便性及与前步骤关联性，可以选择血氧跟心电两种信号型数据，作为输入。在本实例中挑选心电而不挑选脑电的主要原因，是脑电在睡眠呼吸事件的辨识度较差。同时，测量脑电的电极较多。受测者无法自行黏贴，而且睡觉过程容易脱落。且脑电只适合有人在旁监督的情境下使用。在居家测量的情境下，选用心电。在步骤104使用步骤102找到的特征进行机器学习，训练机器学习模型。在步骤105记录机器学习演算结果。在优选实施例中，可以帧型数据的形式记录。图12即显示一种机器学习所得分析模型波形图。
[0147]
在步骤106，对算法效能进行评估。比对人工标记帧型数据与机器算法标记帧型数据的各种指针：
[0148]
样本分布：从训练样本的帧型数据统计样本分布(性别、呼吸问题程度)。所得结果如下表。认定本实施例采用样本具有代表性：
[0149][0150]
灵敏度、特异度：比对机器学习标记对人工标记在不同呼吸紊乱指数(apnea
–
hypopnea index，ahi)下的辨识能力(auc＝精准度、tp＝真阳、fn＝伪阴、fp＝伪阳、tn＝真
阴)。所得结果如下表：
[0151][0152]
在步骤107根据计算所得分析方法的辨识能力，用来判断所发现的算法是否有用。计算结果可以数值表示，也可以图表表示。例如图13即是以灵敏度和特异度(sensitivity and specificity)坐标显示的图表。用户从图表更能够清楚判断研究结果是否有用。判断的方法包括计算关联性曲线下面积。面积＞0.9表示辨识能力优良。图13表示一种机器学习所发现的分析方法辨识能力计算结果波形图。根据图13所示，以机器学习产生的分析方法的辨识能力已经获得验证。
[0153]
以上是以实例说明本发明多元生理信息分析装置及系统。本行业专家在阅读过本案说明书后，当能想到或推演出适当的变化或替代做法。只要不脱出本发明的申请专利范围，都仍在本发明的保护之内。