[go: up one dir, main page]

CN107438398A - 移动式可穿戴的监控系统 - Google Patents

移动式可穿戴的监控系统 Download PDF

Info

Publication number
CN107438398A
CN107438398A CN201680015981.4A CN201680015981A CN107438398A CN 107438398 A CN107438398 A CN 107438398A CN 201680015981 A CN201680015981 A CN 201680015981A CN 107438398 A CN107438398 A CN 107438398A
Authority
CN
China
Prior art keywords
sleep
monitoring
clock
sensor
subject
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201680015981.4A
Other languages
English (en)
Inventor
大卫·伯顿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from AU2015900015A external-priority patent/AU2015900015A0/en
Application filed by Individual filed Critical Individual
Priority to CN202110143011.5A priority Critical patent/CN112998649A/zh
Priority to CN202110144473.9A priority patent/CN112998650B/zh
Publication of CN107438398A publication Critical patent/CN107438398A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/16—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring intraocular pressure, e.g. tonometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/02—Measuring pulse or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4427—Device being portable or laptop-like
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/06—Radiation therapy using light
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K1/00—Housing animals; Equipment therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N2/00—Magnetotherapy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/06—Radiation therapy using light
    • A61N2005/0626—Monitoring, verifying, controlling systems and methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • Optics & Photonics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Psychology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Neurology (AREA)
  • Pulmonology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Developmental Disabilities (AREA)
  • Neurosurgery (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Signal Processing (AREA)

Abstract

本文描述了一系列发明，包括一种或多种可穿戴设备(即附着或应用于肢体，躯体，头部，或其它身体区域的，以及适用于植入的或生理学可附接的系统)。这些系统具有适用于监控相关参数的一种能够进行诊断或预后监测的手段和适用于感兴趣的事件或健康状况的发生或检测的相应的分析确定和表征。一种应用涉及睡眠监测和关联EEG传感器。

Description

移动式可穿戴的监控系统
发明内容
该申请描述了许多主体(消费者/患者)数据采集，监测和分析发明，包括以下任何一种或任何组合：
概述
本申请提供了许多方法和设备发明，结合或实现通信接口(包括一个或多个可穿戴设备或连接选项(如WWW，IP，LAN，WAN，辅助/配套监视/感测或计算系统，SAAS，包括云计算服务或NAS，点对点连接等)通过感测，监测，追踪，存储和/或分析主体的生理参数，病理状况，心理状态，睡眠，睡眠，活动，健身，健康状况，其它意识状态，相关过渡和/或神经学参数。包括选项：自动确定预测，健康状况/病症的发生或发病率或相关的事件。通过结合处理能力或组合(即多变量分析)或适用于以下任何或任何组合的群集或集合的表征和测定；
a)病人可穿戴的睡眠，健身，健康，意识监测装置(Somfit)；
b)包含腕部前额可互换或可更换的活跃电子模块(图1RHS，[1]，[7])的前额应用传感器系统，具有显示功能选项(任何睡眠测量和/或健康追踪措施)(Somfit)；
c)连续发送的睡眠参数信息的能力，使得能够重构持续20或30秒的数据时间序列的分析，以使得能够基于这些连续的历元周期进行在线睡眠分级。监控的睡眠参数数据(图1LHS，[1])可以传输到用于睡眠状态显示目的辅助可穿戴设备，例如智能手表设备(图1RHSUPPER，[5])，互联移动设备，时钟或其它设备等。监控的睡眠参数数据(图1LHS，[1])也可以同时转移到附加的通信网络，系统或其它互联选项(如WWW，IP，LAN，WAN，辅助/同伴监控/感测或计算系统，SAAS包括云计算服务或NAS，点对点连接等)以使得进行个性化或远程追踪，报告或监视或个人睡眠及相关结果。
d)在第一次应用前额监测系统和第二信息指示器(基于计算机的手表系统，移动设备，时钟，带有诸如图1LHS[8]或[10]或图1RHS[5]的指示器的手镯)之间自动数据交换是可能的，由此，用户/患者可以在睡眠的任何阶段追踪睡眠进展，并且还可以作为追踪睡眠剥夺或睡眠质量的手段(基于先前的睡眠或唤醒测量和/或昼夜周期偏移因子)。
e)监测和交换的参数可以包括睡眠，健康和适应度测量以及指标显示能力，包括一个或多个光检测和应用的前额电生理学睡眠参数(EEG，EOG和EMG)监测能力，以及包括(但不限于)睡眠效率(SE)，入睡后醒来(WASO)的措施或相关指数；
f)唤醒和睡眠事件，措施，状态或相关的健康和环境条件的任一种或任何组合的感测，监测和分析。
g)可穿戴式监视系统的一个电子部件(即在日间活动和夜间睡眠监视的可互换模块的情况下)或多个可穿戴监视系统的电子部件(即在单独模块的情况下，例如包含单独模块的手腕式装置或包含日间活动的其它基于微处理器的手表以及其它健康追踪和/或监视功能等，例如包含日间活动和夜间睡眠监测的可互换模块)可以部署，以提供日间活动和健康监测和追踪，以及夜间平衡睡眠监测功能，作为整体唤醒/睡眠健康监测和追踪系统的一部分；
h)所述“可穿戴监控系统的电子部件”(图1LHS UPPER，[1]和[10])或图1LHSLOWER，[2]或图1RHS UPPER，[1]和[7])可以包括电子模块，该电子模块包含用于生理监测，监测的生理参数的分析，监测的生理参数的存储，信息流互联的手段，健康措施或健康状况指示的功能中的任一种或多种的组合，所述健康措施或健康状况指示包括睡眠/唤醒信息和/或活动信息(即移动，动议，步骤，活动等)和/或其它健康信息，
i)所述“电子模块”(Somfit)结合在多个可穿戴的健康或环境监测装置之间互换的装置(例如，磁性，机械和/或联锁的任何组合或任何组合)；
j)所述Somfit电子模块(图1LHS UPPER[1])或图1LHS LOWER[1])可以通过兼容的前额应用传感器装置(例如图1LHS UPPER[2]或图1)附着或施用于主体的前额LHS LOWER[2])。
k)另外为了使同样的Somfit电子模块设备也可以用于白天或唤醒活动(即，用户可以将更昂贵的电子模块转移到腕带保持器装置，这使得能够进行睡眠/唤醒或昼/夜24小时每周7天，从单个Somfit模块监测，使用不同的可穿戴设备，如睡眠前额系统和日光健身追踪健康腕带。
l)Somfit电子模块还可以包含显示器或指示器功能，以使得模块向用户提供睡眠/唤醒以及白天适合度或一般健康追踪功能的措施或相关指标的指示。
m)Somfit电子模块指示器可以是单色或图形显示或字母数字类型。或者，显示器可以是简单的条形图或其它图形或数字指示器类型，显示出一系列日间健身或一般健康追踪能力的措施，包括本文件中其它地方进一步详细分析的措施。
n)在指示器的一个示例性实施例中，通过应用于监测睡眠参数的前额的方式，Somfit模块可以结合实际的睡眠参数，(包括EEG，EMG和/或EOG信号的任何或任何组合构成一个或多个或组合的通道构成的任何或任何组合)(即图2[3]和[2]，其中睡眠质量或睡眠参数(包括稳态睡眠和/或生物钟因子)以及健身或其它一般健康或白天参数可以24小时、7天地显示在一个单一的可穿戴指示器系统中，实现睡眠/唤醒健康追踪功能。)
o)所述Somfit电子模块(即图1RHS UPPER[1])也可以连接(例如，互锁，磁力耦合，夹紧，附着的按钮或以其它方式机械地接合或夹入)其中或作为多个可穿戴装置的一部分，(包括但不限于)兼容腕带装置(即图1RHS UPPER[8]腕带)。另外，无线或其它连接功能可以手动或自动将Somfit模块的睡眠监控参数从前额Somfit监测模块(即图1RHS UPPER[1])转移到智能手表系统(即图1RHS UPPER[5])。
p)“结合至少一个双极电生理学前额电生理信号的”前额应用的传感器“(图4；[8]，[9]，[10]，[11]，[12])；
q)包含可重复使用的传感器的“前额应用的传感器”
r)包含一次性传感器的“前额应用的传感器”
s)包括具有或不具有部分或全部圆周头带的传感器的“前额应用的传感器”(图4；[13])；
t)“前额应用的传感器”，其可以包括在传感器的一侧具有自粘表面和嵌入式自凝胶化电生理电极，从而所述电极可通过去除背纸而被暴露；
u)“前额应用的传感器”可以在所述“前额应用的传感器”的非电极侧包括与所述电子模块连接的装置(即自粘，按压螺栓，磁性，机械互锁或其它装置)或包含或保持所述电子模块的设备(图4；[7])；
v)所述“前额应用的传感器”可以监视至少一个前额睡眠参数信号，包括EEG，EOG和EMG中的任何一种或任何组合；
w)主体的部署，应用于前额传感器，能够监测睡眠参数(EEG，EOG，EMG)，与第二可穿戴通信/指示器装置的互联结合，使得能够追踪和管理一系列睡眠和唤醒事件或障碍，包括通过治疗装置或其它形式干预的相应对策的选择；
x)兼容和互联的伴随病人穿戴式装置的部署(即主体穿戴相关联；声音监测或环境监测装置的放置)使得能够进一步实现监控和自动追踪清醒和睡眠以及相关的呼吸障碍。一组兼容(即无线通信和信息)设备之间的信息(即本文档其它部分所覆盖的内容)；eLifeWATCH(图5，[5])，eLifeWRIST(图5，[8])；eLifeCHEST(图5，4])；eLifeEXG(图23)，eLifeNEURO(图4，[2])其可以在多个所述设备之一上自动地和动态地交换数据，使得能够对任何措施或相关指标的组合进行确定和相关联的指示；
y)其中，所述的“措施或相关指数”可以包括健身，健康和/或睡眠参数中的任何一种或任何组合(个性化睡眠质量，效率/SE，入睡后醒来/WASO，深度睡眠深度睡眠的身体恢复期，REM睡眠脑恢复期，睡眠过程追踪，睡眠质量进展，睡眠日记，比较人群或个性化睡眠功能，睡眠不足，睡眠障碍，呼吸障碍，睡眠障碍因果关系以及相应的睡眠改善提示或建议，睡眠结构，睡眠结构，睡眠片段等)。
z)somnilink系统的部署，包括互联网或其它无线或将Somfit系统与医疗治疗或诊断互联网医疗器械(IOMD)接口的信号或衍生度量的互联手段。由此，Somfit可以形成生物反馈(闭环或其它控制，并入Somfit措施，作为负责控制治疗管理的决策过程的一部分)。其中所述治疗控制可以包括诸如口腔调节系统，患者定位装置或训练器，PAP，NIPPV和其它装置的睡眠治疗装置。其中所述治疗控制可以包括放松或冥想视频输出或控制(即按摩椅控制)或音乐或房间照明或视频或3D投影等)。其中所述治疗控制可以包括磁刺激或电刺激装置。
aa)Somnisync系统结合了一种在两个或多个可穿戴设备或相关联的移动无线通信设备或计算机系统之间实现睡眠参数或其它健康或健身参数的“动态数据交换”的方法。
bb)所谓“动态数据交换”，可使腕表或其它可穿戴设备睡眠和/或健身和/或其它健康状况或状态进行个性化管理；
cc)这种动态数据交换可通过两个或多个可穿戴设备之间的无线互联，使得睡眠监视参数数据和/或相关联的睡眠测量的手段能够自动显示在可戴式显示装置上，如手机(图1，LHS，[8])，智能手表(图1，RHS，[5])，腕表(图1RHS，[8])或其它可穿戴系统；
dd)这种动态数据交换可以在两个或多个可穿戴设备之间通过无线互联，使得睡眠监视参数数据和/或相关联的睡眠测量的手段能够自动显示在可戴式显示装置上，如手机(图1，LHS，[8])，智能手表(图1，RHS，[5])，腕表(图1，RHS，[8])或其它可穿戴系统；
ee)例如，(从应用的前额EEG，EOG，EMG监测部分)的电子监视传输电子模块，以去除前额应用的传感器和设备，并将电子模块转移到可穿戴的腕部手腕上，增加常规的白天手腕计步器或具有睡眠措施的基于运动的健身。
ff)Somnilink前额应用，手腕装置(即手表或手镯)或其它可穿戴或可连接装置可以结合检测房间或环境的光条件的措施。(即，这种装置包括光敏电阻器或其它光电传感器，对于国际公认的标准睡眠指数(如睡眠效率或醒后睡眠)至关重要)。光传感器的输出信息可在线链接到适用于睡眠措施的自动措施，如睡眠效率，醒后睡眠，睡眠时间，REM睡眠(睡眠期间)，深度睡眠(睡眠期间)，非REM睡眠等。这些所述的光检测传感器衍生的装置可以显示为另一种可穿戴设备的一部分，以为主体提供瞬时测量或睡眠功能和性能指标。这些睡眠装置可以与其它适应度(例如加速度计和/或运动传感器和/或计步器传感器测量)一起显示，以使得经由可穿戴信息指示装置(例如手表或手镯)或其它主体佩戴或可连接装置提供适用于所述主体的睡眠和健身追踪能力。
gg)系统自动计算主体的睡眠和睡眠间进展以及相关结果和相关信息(障碍，措施，指标，睡眠质量或严重程度及相关障碍或疑虑)。本发明能够使用信息分流手段来蒸馏信息(即分流手段可以包括信息传播方法，从而这种方法是按照预定义的(但不限于经验性的先前数据研究，规范性或疾病/病症状态群体数据或研究)或动态地(但不限于基于先前监测或感测信息的确定和/或适应和/或调整)。计算的用户访问权限和权利涵盖角色，资格，安全性和隐私方面以及适当的用户界面和信息访问或信息内容复杂性级别。所述“信息内容”可包括睡眠结构，包括REM睡眠和深度睡眠量，中断或唤醒。
hh)基于持续追踪和计算主体持续的睡眠追踪结果，当他们应该有或需要额外的睡眠，睡眠质量，改进建议，本发明可以自动计算和建议对象。并且这些结果与主体的正常睡眠要求或规范人口数据库相比较。本发明结合了参考所述数据库的方法。
ii)本发明可进行问卷调查或睡眠调查，例如经验证的睡眠规模或经验证的嗜睡量表，以配合自我评估以使得建立与主体的常态、水平或指数相对应的一组标准(即REM睡眠，睡眠时间，深度睡眠，唤醒指数，AH呼吸指数，RERA指数，整体睡眠质量和/或睡眠剥夺状态)，使主体或主体的健康护理者增强信息访问以改善睡眠管理。另一种措施，包括：为了创建根据这些结果得出的建议以及提示主体或相关保健人员的建议，将这些信息与当前睡眠和睡眠内进展报告或相关趋势进行比较，(比较这种信息的方法可以包括参考个人调查评估确定的受试者个人睡眠模式、持续校准相关的“标准”以及与患者规范数据库进行比较。
jj)根据用户的唤醒需求与唤醒期间最小不利影响的睡眠周期，本发明实现时钟或闹钟系统或其它时钟或闹钟系统的睡眠阶段同步链接以选择更适合唤醒的闹钟时间(即如果REM睡眠阶段的预测或发生情况接近，明显需要更长的睡眠恢复时避免在深度睡眠期间醒过来，这可以减少破坏性的唤醒，而不会影响整体睡眠或唤醒时间要求)。
kk)本发明提供了最低配置，包括：单个头带传感器(Somfit)，其能够监测大脑信号，能够连续监测睡眠参数(EEG，EOG，EMG)和自动在线处理，以确定睡眠阶段(即REM，非REM阶段1，非REM阶段2，非REM阶段3和阶段1)。
ll)本发明还提供了选项包括通过一系列其它可选的传感器(包括RIP，PVDF，压电传感器或其它胸部和/或腹部带；鼻插管传感器；气流传感器中任何一个或其组合)监测房间光检测(即LDR)和/或呼吸声(即打鼾)监测和/或睡眠呼吸暂停监测。
mm)本发明还提供了该选项，使单个传感器条带结合嵌入式反射式血氧计传感器(带LDR的LED)，从而可以将血氧计传感器连接或嵌入在前额传感器中，提供相关输出的体积描记法和血氧饱和度测定法(包括PTT，阻塞性呼吸暂停的脉波振荡自主神经标志物，脉波幅度，脉搏动脉音调的任何一个或其组合)。
eLife手表概述
一种可穿戴的手腕式监测装置，包含陀螺仪或位置追踪系统，能够输入以计算步态的自动并入手段和行走特征(包括帕金森病)。包括对能够检测步行和机动的流动性的自动步态分析的长期趋势进行自动分析，以及个人步行(步态)相关结果的预测评估(即基于可能有进一步影响的检测趋势，暗示看GP或专家)，如向前走时无法自然摆臂，步伐短，拖着走和行走困难。(即与机动角相关的肢体和步幅的运动变化)。如GPS，陀螺仪，运动，位置数据等中的任意组合，可以作为预定义事件或健康状况发作或发病率的标记进行分析(图1RHS，[5])。
手表模块传感器平台系统的示例性实施例，包含以下任何一种或任何一种组合：光体积描记法，血氧饱和度体积描记法，温度，弹簧压力或固定传感器电生理监测(例如导电橡胶)，手电流电阻(GSR)监测，多普勒超声监测，光检测监测，麦克风监测(图7)，具有SAAS的智能手机系统[1]，该SAAS包括云计算服务接口和其它连接选项，(例如，包括同时与附加通信网络，系统互联，或其它互联选项包括WWW，IP，LAN，WAN，辅助/伴侣监测/感测或计算系统，SAAS包括云计算服务或NAS，点对点连接等)以及嵌入式传感器，压平眼压监测，多普勒血流[3]，PPG，温度，GSR，计步器/加速度计，位置，新陈代谢/卡路里燃烧追踪(图7，图9，图13)的范围。
-其中，所述的GSR手段可以包括并入多个非极化电极，该非极化电极以小的恒定电流(即3至5uV)施用于皮肤表面，由此手掌皮肤的电阻与在所述电极之间形成的电压电位成比例。
-电阻主要是由于汗腺的半透性和相关表皮电性能。
-睡眠和清醒期间产生不同的电气性能，该电气性能可被追踪为替代或分担措施，用于睡眠和唤醒状态的测定。
-本发明GSR方法的选择包括切换或交替电极之间的小恒定电流的方向以使电极极化效应最小化。
手表模块式传感器平台系统的示例性实施例包含DOPPLER超声波监测和/或TONONOMETER监测检测系统。可互换后部(螺钉，压配或旋转螺丝后盖配合；橡胶密封可确保防水或防水能力)(图9)。
eLifeBUDS概述
耳塞(耳机)佩戴监测装置，结合了睡眠，健康和健身，包含一系列生理参数监测传感器，包括GSR，温度，脉冲，运动和/或能量/热分布表征，用于增强卡路里燃烧测定(图1LHS，[3])。
eLifeKIT概述
-eLifeKIT提供一系列可穿戴或应用的监测系统，能够单独工作或作为互联系统集群的一部分，跨越共同的框架和健康管理体系平台，基于兼容的健康追踪和管理技术，实现个性化健康管理体系框架；
多点同步监测(MTM)系统概述
结合多点同步监测(MTM)系统，该系统能够自动在线时钟属性(即偏移，偏移，稳定性)的表征(时钟偏移，偏移，稳定)，具有所述定时特性的校准，该校准通过持续追踪和补偿，该追踪和补偿在所需的所有相关时钟同步系统中，使用任何组合或锁相或开环控制方法。MTM结合校准模式和相应的补偿模式以使在线或数据重建时间对准错误最小化，在任何时间或在变化的监测/通信条件下，跨越不同的传输介质或多个同时监测设备或系统。MTM可被部署在不同的监控系统和通信网络中，采用自由运行，主从或多模态定时参考方法，以达到最小的数据采集失准。具有更多相关监测系统的时钟同步精度，该精度范围源于原子钟精度或根据精确度要求，该精确度源于并减少相关相位或数据对准误差，该误差适用于专用或特定应用或要求。
eLifeSLEEP概述
本eLifeSLEEP发明实现真正的睡眠监测和追踪，结合了头部应用(如Somfit)系统，能够监测睡眠和睡眠相关疾病调查的主要睡眠参数。该发明具有容易应用(如磁性)和一次性自粘合的单个小型电子设备(避免交叉感染或需要压力施加到个人的头部或前额)。
eLifeCHEST/eLifeSCOPE概述(胸带)(图5[3]；[4]；图32；图33)
胸部监测装置具有听诊器睡眠和唤醒呼吸声，中枢性与阻塞性呼吸暂停/呼吸不足和其它自动睡眠障碍追踪能力(图1LHS UPPER[7])。胸部监测装置具有结合睡眠，健康和健身，包含一系列生理参数的监测传感器，包括听诊器声音监测与在线自动呼吸障碍确定和追踪，反射体积描记测量仪和相关输出，光脉冲，能量/热分布表征(具有监测身体热量排放的时空动态的选项，该排放使用时间门控NFIR分析)，用于增强卡路里燃烧测定。
通过将呼吸运动与呼吸努力相关联，本发明还包括阻塞性与中枢性呼吸暂停辨别，从而通过EMG和/或脉冲瞬态振荡幅度测量和/或使用胸部和/或腹部呼吸周围运动)(图1LHS UPPER[7])可以确定呼吸努力。
自适应生理体网络(APM)概述
结合一种自适应生理体监测(APM)系统，使得一组移动协同(如互联兼容性)监测系统能够在数据采集，生理参数数据采集链接系统或网络属性或相互通信属性，资源和/或参数，信息，通信和相关数据优先级以及其它可用的处理系统或通信系统资源分配，跨设备，方法，系统和网络或互联配置(如存储器存储，缓冲等)的使用和/或共享资源方面自动重新设置。这根据可用的资源或监测和/或通信条件和/或可用的通信介质，网络或其它互联选项(包括同时与附加通信网络，系统互联或其它互联选项，例如WWW，IP，LAN，WAN，辅助/配套监视/感测或计算系统，SAAS包括云计算服务或NAS，点对点连接等)，以及在任何时间点的和/或通信路径(如无线连接)以适应最小的监测研究类型要求(如专业医疗水平或消费者水平研究类型，形式和标准)，以减少数据丢失的风险(例如在无线连接退化或中断期间)。
通过实现适应变化或不可预测的监测条件的自动补偿，例如与穿戴式监测设备相关的无线通信路径的主体身体覆盖，APM系统对数据采集/监测/传感系统资源与通信“灵活性”采用了显著提高的程度以提高系统可靠性和数据可靠性。
eLifeBAND(移动设备和集成传感器臂环)概述
臂环穿戴的新陈代谢监测装置，例如具有健康和健身监测功能的手机外壳，结合了一系列传感器，特别适用于确定个人的能量消耗，该能量消耗与估计或预测的与运动锻炼相关的个体代谢率(卡路里燃烧)相关联，结合了基于体热发射的时空动态表征(即时间选择的NFIR分析)的装置，为了加强卡路里燃烧测定，由此这种装置能够包括温度传感器生理感测或三维红外热映射成像能力的任何数量和组合。通过使用更复杂的装置，如红外传感器，可以测量散热，这些装置能够进行体热分散和发射表征，使生理温度以及时间特殊的动态热成像，为了使代谢建模和相关的卡路里燃烧率更全面和精确(图1LHS UPPER[9])。
一种包含新陈代谢监测能力的手机外壳，包括传感器范围和相关的自动计算多变量分析和在线指示(即通过移动应用程序或带有无线的可穿戴设备指示器，动态数据交换或可交换电子模块兼容性或接口功能)，代谢或卡路里烧伤措施(图1LHS UPPER[9])，这些措施包括体热/能量释放的时空动态(即时间选择的NFIR分析)；
eLifeDOPPLER概述
本发明提供了多普勒监测追踪表(DWT)系统的部署，包括监测主体的手腕，脚踝，手臂和/或其它主体肢体或身体的任何一个部位或其组合，对于以下多普勒和/或超声血管或心脏特征的任何一种或其组合，基于对以下任何一种或其组合的定期或连续监测：
双通道-桡动脉和尺动脉；
单通道-桡动脉和尺动脉；
单通道-尺动脉；
单通道-桡动脉；
eLifePULSE(压平眼压测量法)概述
本发明包括部署可连接的/可穿戴的/压平眼压测量法(AAT)，其可包括：手表，手镯或其它结合了定期或连续的压平眼压测量法的装置(图37)，由此所述装置应用能够进行测量的压力传感器和/或径向和/或尺动脉(图38)或其它体动脉脉搏特征(脉波形)的表征。此外，为了导出相关的升主动脉压波，本发明可以进一步计算脉波分析(PWA)包括记录动脉压的周期(例如10秒)，从中可以得出诸如中枢主动脉收缩压，主动脉增大指数和中心脉压之类的心血管测量值，和/或其它心脏功能测量。
标题：Somfit/Somfit
专利背景：昼夜节律背景
人类昼夜节律是一种内生(自我维持或“内置的”)生物过程，具有约24小时可转换的生理振荡(节律)。
典型的生物钟可以由以下24小时循环序列表示：
00：00午夜-睡眠期开始
02：00-深度睡眠期
04：30-最低体温
06：45-血压经历了最快的压力增加
07：30-停止褪黑素分泌
08：30-可能排便
08：30-睾酮分泌最多
09：00-可能排便
10：00-警觉高峰
12：00中午
14：30-协调盈余
15：30-反应时间最敏感
17：00-心血管效能最大强度
18：30-血压峰值
19：00-体温峰值
21：00-开始褪黑素分泌
22：30-抑制排便
00：00午夜-睡眠期开始
02：00-重复以上典型的昼夜循环
生物钟周期包括以下3个方面：
1.约24小时的自由运行周期(被称为tau或希腊字母“τ”)；
2.通过暴露于外部刺激，如光或温度变化，可以重置或适应的转换特性(转换)。一个人的生物钟的转换或调整的例子是当一个人遭受意外或预料不到的睡眠冲动，该冲动由于传统睡眠习惯的时差或其它中断造成的。例如，一个人的生物钟(昼夜节律时钟或节奏)的身体还没有调整或同步当地的时间或当前的常规睡眠/清醒周期，这可能发生在国际旅行、跨越不同的时区之后，或者在轮班期间或之后进行调整，或由于所要求的学习或其它事件熬夜；
3.“温度补偿”特性，即不管动态变化(细胞中分子过程的温度和热能不同)1身体在生理温度范围内保持一定的循环性。
生物钟对新陈代谢，普遍健康和睡眠/清醒调节有深远的影响
倒班工作与代谢疾病之间的联系已经被证明2；
研究将睡眠时间和昼夜节律紊乱与多种疾病联系起来，如2型糖尿病，癌症和胃肠道疾病2；
假后返工时差(例如周末改变睡眠时间的习惯与体重增加有关)2；
生物钟调节能量体内平衡，并且它的破坏类似于假后返工时差，可能造成体重相关的病态2；
昼夜节律因素在睡眠量上起重要作用；即睡眠长度不依赖于稳态睡眠因子，而是依赖于你是否按照自己的昼夜节律睡眠周期进行睡眠(即昼夜睡眠周期因子比睡眠体内平衡(睡眠冲动)2更为主导；
因此从实际或生产力的角度来看，对个体体内平衡和昼夜节律过程之间的相互作用和关系的理解和指导可能是一个重要的方面。因为为了达到高品质睡眠，大量时间保持清醒，并且为达到稳定的睡眠周期有规律的睡眠和上升时间都非常重要(即更多的睡眠时间睡眠或更多的睡眠不一定是更好的睡眠质量，但是工作时与您的生物钟相反，可以最有效地使用睡眠时间)2。
根据之前的觉醒，体内平衡睡眠因子积聚，即体内平衡因素(睡眠冲动)会增加你醒着的时间。因此，这一因素被认为对睡眠质量至关重要。例如，伴随着慢波EEG活动的增加2，您保持清醒的时间越长，以下睡眠阶段将会更深入；
相比之下，昼夜节律在睡眠量方面起着重要的作用。例如，睡眠的持续时间主要取决于你什么时候睡觉。
发明内容
主体能够控制系统的指示或相关联的显示信息的方法或装置(即通过电容式表面检测或电阻式表面检测等进行点击或做出手势或触摸)以在显示模式之间切换开关，反映基于脑的睡眠参数标记或相关指数，该指数代表主体监测的睡眠状态和措施，该状态和措施反映其它健身和健康监测措施或环境感测。
本发明提供了一种方法或装置，其中，主体能够控制系统指示或相关联的显示信息，在显示模式之间切换开关，反映监测的睡眠措施或指标(基于EEG，EOG和/或EMG信号的睡眠参数测量的任何一种或其组合的脑信号链或EEG信号，以及健康和健身措施((例如加速度计或基于动作的措施和/或在本文件其它地方进一步详细描述，包括本文件及其下文中详细描述的“生理或心理监测包括”和/或“环境感测”))；
在本发明的一个实施例中，带有可穿戴设备(例如但不限于此，头带(图25[7])；通用双极传感器(图23)；血氧仪(图22)；腿带(图24)；腕带(图2)，踝带(图2)，臂带(图2)，耳机(图14)，胸带(图5[3]；[4]；图31)，其它可连接装置或手表)的主体可用于测量和实现各种运动的节奏，同步性，流畅性，动作，程度，以及与其它肢体(如手腕或手臂运动特征)的相互关系；
在本发明的一个实施例中，带有可穿戴设备(例如但不限于此，腕带，踝带，臂带，耳机，胸带，其它可连接装置或手表)的主体可以自动或手动地与数据接口兼容的设备交换数据(例如但不限于应用于主体头部的EEG，EOG和/或基于EMG信号的睡眠参数监测系统)以使主体能够自动跟踪睡眠测量，指数和整体睡眠质量。(例如包括诸如睡眠发作之后醒来，睡眠效率，REM睡眠量，深度睡眠量，睡眠结构破碎或正常等措施，以及其它可选和用户或健康护理可编程的可预测、诊断的和主体个人护理管理措施，基于每个用户所需的简单程度，复杂性和熟练性使得睡眠不足，睡眠结构，睡眠要求易于访问和追踪。
在本发明的一个实施例中，带有可穿戴设备的主体(例如但不限于头带(图25；图3；图4)，腕带(图2)，踝带(图2)，臂带(图2；图32；图33)，耳机/耳塞(图14),胸带(图31)，其它可连接装置或手表(图6；图7；图9；图13)可以利用包括闹钟或移动电话或其它通信兼容设备的数据接口兼容设备自动或手动交换数据，。例如，可以交换的信息包括与用户/患者辅导有关的信息(改善健康或当前健康状况的建议或指南)，包括能够推荐睡眠要求的指标，该指标基于日常健康、健身/活动和睡眠监测参数的任何组合(包括但不仅限于EEG，EOG和/或EMG信号的睡眠参数测量)和/或环境监测输入(即温度，湿度，空气污染物，空气传播的花粉或其它空气污染物等)。
Somfit最低配置
本发明提供了监测生理通道的任何一种或其组合的能力，包括但不限于：EEG/P1，EEG/P2，EEG/Pz，EOG/L/P7，EOG/R/P8，患者姿势或可能的多轴组合患者位置和患者运动，红外呼吸检测，麦克风呼吸监测，光检测(即光检测电阻)，可选的反射血氧计，可选的无线互联。如本文进一步详细描述，本发明使用适用于1至4类型或级别的任何分类形式所需的任何传感器或其组合。
本发明包括生理或环境监测，包括以下任何一种或其组合：
-声音监控；听诊器听诊传感器，监测和自动分析，分类，跟踪和检测的能力；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；其它腕部佩戴装置(带或手镯)的手表集成的脉冲传感器；脉波分析(PWA)和脉波速度(PWV)监测分析能力；PWA和PWV传感器；脉波分析(PWA)传感器测量；心冲击描记器；姿态，位置和运动检测和监测；步态或运动跟踪和特征相关的事件；运动和位置信息；心电传感器和监测；光传感器和监控；呼吸带传感器和监测；EMG传感器和监控；；GSR；心脏功能；心率；睡眠训练系统；体积描记术血氧饱和度脉冲瞬态振荡幅度测量；温度；能量消耗/代谢监测(EM)作为替代卡路里燃烧措施；睡眠参数生理和/或睡眠和/或唤醒标记；睡眠参数；睡眠建筑措施；环境感知；“动态链接功能”；心理状态；
其中，本发明包括感测，监测，数据采集，信号处理，分析，存储，和信息访问，包括在线自动表征，主体/个人的生理，神经，神经系统，运动系统，肌肉系统，心理，病理，状态，相关的事件，和/或健康状况，包括以下任何一种或其组合：
快速眼动(REM)睡眠特征；睡眠障碍分类；选择睡眠障碍；做梦状态，幻想状态，分裂状态，催眠状态；并且在本专利申请文件的下面和其它地方进一步概述。
本发明提供环境监测或感测，其包括以下任何一种或其组合：
环境感测(具有与移动设备相关联的闹钟或警报或指示符或接口或消息，电子邮件，电话自动语音消息和其它信息或通信系统)，天气要素，风，湿度，温度，电离监测，电离烟雾闹钟，甲烷监测，有毒气体监测，有毒化学品监测，二氧化碳气体监测，甲烷气体监测，其它有毒气体，其它有毒化学物质和/或温度计，和/或“生理或心理监测包括”和/或“环境感测”，如下文和本文件其它部分所述；
在本发明的一个实施例中，带有可穿戴设备(例如但不限于此，头带(图25；图4)，腕带(图2)，踝带(图2)，臂带(图2；图32；图33)，耳机(图14)，胸带)，其它可连接装置或手表)的主体可以自动或手动交换数据，若设备具有数据接口兼容设备，包括主体的室温恒温器(或其它通信兼容设备)，该恒温器能够根据主体的偏好和/或自动，基于环境监测和/或主体特异性或生物同步表征优化睡眠环境条件(即打鼾配偶的描述，声音在生物学上与配偶不同步，并且其中存在用于自动睡眠训练反馈或通知睡眠中断发生率的违规打鼾者(仅举例)的选项)(即建议，提示，卫生保健人员的预后或诊断支持数据访问等))。
在本发明的一个实施例中，带有可穿戴设备(例如但不限于此，腕带，踝带，臂带，耳机，胸带，其它可附装置或手表)主体可以自动或手动地与数据接口兼容的设备交换数据，这基于主体或生物同步表征和测定，比如打鼾配偶的描述，这种情况下声音在生物学上与配偶不同步并且存在用于自动睡眠训练反馈或通知或适应，或因为它与睡眠中断的因果关系调整是可能的；
在本发明的一个实施例的实施例中，带有可穿戴设备(例如但不限于腕带，踝带，臂带，耳机，胸带，其它可连接装置或手表)的主体可以自动或手动地与数据接口兼容的设备交换数据，这基于主体特异性或生物同步表征和测定，因为它涉及另一个人打鼾(仅举例)并且导致对本发明的用户或穿戴者的睡眠中断，其中，通知包括自动闹钟(例如移动电话消息，警报，日历条目，事件和/或睡眠训练器系统等)或适用于建议，提示，预后或诊断的其它睡眠中断威慑，其支持卫生保健人员的数据访问或用户或主体发明或其它附近人员的治疗调整；(即自动生物反馈或手动适应，调整或重新配置的任何一种或其组合)。
在本发明的一个实施例中，具有可穿戴装置(例如但不限于腕带，踝带，臂带，耳机，胸带，其它连接可连接装置或手表)的主体，可以与数据接口进行自动或手动地交换数据，所述数据接口可包括任何网络连接和/或可用的通信介质，网络或其它互联选项(包括同时与附加通信网络，系统互联或其它互联选项，所述互连选项例如为WWW，IP，LAN，WAN，补充/伴随监控/感测或计算系统，SAAS，包括云计算服务或NAS，点对点连接等)。
在线全面披露生理参数
本发明包括便携式设备(即移动无线系统，腕带，智能手表，电话，PDA，头带，头戴式装置，可连接或袖珍装置等)，该设备包含指示和/或跟踪主体睡眠性能/功能，睡眠参数，适应度或运动参数，适应度或运动性能/功能，健康参数和/或健康状况/功能之中任何一个或其组合的方法，本发明还包括以下任何一种或其组合：
-手势激活(即点击动作，开关，手指滑动，手腕抖动等)作为在任何所述参数或性能/功能度量或索引之间切换的手段
-无线监测功能，能够在线监测睡眠参数(即EEG，EMG，EOG等)；
-在线监测睡眠参数(即EEG，EMG，EOG等)的全面披露能力；
由此完全披露包括显示主要监测的原始数据(即生理波形数据)，次要监测数据(即压缩数据的总结)和/或三级数据(即主要或次要数据的分析变换，例如但不限于指数或光谱分析，信号动态分析(即非线性动态分析)，相关分析，连贯性分析，多变量分析，FFT和相关输出等)之中的任何一种或其组合的方式
-结合MTM的能力；
-结合APM的能力；
-结合HDCM的能力；
-Synch somnisync(在本专利申请文件的其它地方)；
-结合了全面披露装置的可穿戴头带设备，(即EEG，EMG和/或EOG电生理信号波动中的任何一种的原始数据，包括能够实现所有睡眠的带宽和其它神经学事件，包括HFO，尖峰，心轴，顶尖尖波，或本文件其它地方涵盖的其它事件或健康状况。
-结合了“频谱补偿”和“其它补偿”，通过这种方式，EEG信号进行分析变换，该变换适用于标准化(即AASM或K&K扩展建议或标准)或任何具体的或常规的EEG电极位置；
-“频谱补偿”和“其它补偿”可包括频谱传输特性，相位传输特性，信号幅度，信号失真，多重信号叠加，通过非强制性的监测约束(即发线下方的前额位置，如Fp1，Fp2，F7，F8和/或Fz)能够补偿神经源的相反位置，与标准化的位置相反，例如(但不限于)EEG位置，该位置传统上用于EEG睡眠监测参数(即包括F4-M1；C4-M1；O2-M2；备用监测电极包括F3-M2；C3-M2；o1-M2睡眠监测电极位置)。
-其中所述的EEG信号补偿传输特性包括模拟EEG信号特征的方法，类似于另一个“指定替代位置”或“传统位置”；
-其中所述“指定替代位置”的确定可包括正向或反向源定位计算；
-基于研究睡眠状态期间不同EEG位置的EEG信号特征的比较的实证数据研究，从而所述的“指定替代位置”的确定可以包括传送特性以使得能够转换所需的关系和相关的传递函数；
-其中，第一监测位置的EEG信号可以通过传递函数来处理，所述传递函数能够生成(建模)数据集，适用于第二监测的EEG位置的近似数据设定值；
-其中，所述传递函数进行建模为了最精确地模拟第二个适用于差异睡眠阶段的位置的数据(即AASM或R&K睡眠评分建议)；
本发明能够实行全面披露在线信号监测，睡眠阶段分析的措施，且持续进行(其中措施包括通过样本或定期抽样的实时监测信息访问实时样本的能力，为了计算指示连续，不间断的原始数据的测量，而不仅仅是数据的摘要或压缩版本，以使得能够实现诊断质量和行业标准)(例如ASSM和/或R&K评分人类睡眠，呼吸和其它相关方面的建议)以及产生监测的睡眠变量的精确测量的能力，导出睡眠进展，表现和状态的测量(例如其它睡眠测量，但不限于，如“生理和/或睡眠和/或清醒标记”一节中进一步概述的)以及本文档其它部分详细介绍的其它部分)并且还支持在线远程或本地在线分析功能。
-在主体的睡眠或相关的清醒状态期间的任何时间，运用病人佩戴或移动或远程计算机设备或信息访问系统，所述分析和监测功能可以在线更新或者虚拟实时更新，使得个人可以读取显示指示符(包括无线链接到睡眠参数(即EEG，EMG和/或EOG)监测系统))；
本发明使得可穿戴式移动监测系统成为可能，该系统包括清醒和/或睡眠健康监测和管理的装置，所述装置包括(但不限于)本专利申请文件的其它部分介绍的说明的任何一种或其组合，这些说明包括：a)前额应用的生理监测传感器，b)可重复使用的或一次性的传感器，c)可重复使用的或一次性的传感器自动重新装载分配器，d)连续在线睡眠参数(EEG，EOG，EMG)监测和睡眠分析，e)穿戴式监测，f)具有动态数据交换的可交换/可互换部分，g)红外呼吸或身体热通量监测，h)身体位置和/或位置和/或运动，i)运动和/或动作，j)血氧计，k)PPG，进一步如下所述：
a)前额应用的生理监测传感器
-本发明能够实施1个或更多个前额应用的生理监测传感器的监测，具有从任何一个或多个所述传感器导出多个睡眠参数的选项；
-所述“睡眠参数”监控的选项，包括EEG，EOG，EMG和/或ECG中的任何一种或其组合；
-其中所述“睡眠参数”的选项，包括进一步详细说明的在本专利申请文件的其它部分描述的子标题下的任何一种或其组合，标题：eLifeKIT：“和”标题：eLifeCHEST/eLifeSCOPE(胸带)(图5[3]；[4]；图16；图31)；
-前额应用的电极的选项，其可以包括部分或全部头部，前额和/或面部覆盖；
-自粘性前额应用的带的选择，其中不需要压力界面为了达到高质量的电极连接用于监测患者/主体前额的睡眠参数；
-一次性使用自粘前额应用的带的选项；b)可重复使用的或一次性的传感器
本发明提供了带有电极分配器的一次性自粘前额应用的带的选择，其能够自动丢弃旧传感器并更换新传感器；
c)可重复使用的或一次性的传感器自动重新装载分配器
本发明提供了带有电极分配器的一次性自粘性前额应用的带的选择，其能够自动丢弃旧传感器并更换新的传感器，由此所述传感器分配装置是一组新的自粘性传感器的包装系统的一部分；
本发明提供了带有电极分配器的一次性自粘性前额应用的带的选择，其能够自动丢弃旧传感器并更换新的传感器，由此所述传感器分配装置是一组新的自粘性传感器的包装系统的一部分，并且由此所述分配装置包括(但不限于)以下任何一种或其组合：a)能够从前额监测带更换监控传感器，b)-传感器喷射器和喷射过程能够移除并安全地存储或包含使用过的传感器，同时或随后使用新的传感器，可选择单推，丢弃旧传感器并重新装载新传感器；
其中，例如前额传感器带作为一种方法可以被推入装载到所述传感器分配器装置然后从所述传感器分配器装置缩回。(例如弹簧张紧的分配装置可以将新的更换传感器推到前额传感器支架装置上，与此同时，使用过的传感器剥离并丢弃。然后可以用单个按压的弹出按钮/杆弹出重新装载的传感器和前额传感器，以使得访问重新加载的传感器系统。
>以这种方式，一次性电极的包装可以装载到传感器重新加载装置中，在单次推动操作中，该装置使得使用过的传感器可以从Somfit装置剥离并丢弃，同时新传感器的背纸可被剥离并准备粘附到Somfit设备，接着，在将Somfit插入物插入传感器分配器装置期间，另外的另外的弹簧加载装置在下肢被激活，为了通过传感器弹簧加载装置使新的传感器(背纸现在被剥离)现在被施加压力，最后从传感器分配器装置喷射Somfit可以导致装载的传感器具有来自分配器装置的质量控制代码传送的选择，以验证操作并传送保修违规以及正在使用假冒传感器的风险代码；
本发明提供连续的不间断的睡眠参数监控，包括(但不限于)EEG，EMG，EOG监测中的任何一种或其组合，用于在线准确，连续，不间断的睡眠/清醒过程图和相关的睡眠质量确定和辅导，和/或智能时钟接口(即手表或闹钟设置)；
d)连续在线睡眠参数(EEG，EOG，EMG)监测和睡眠分析
本发明提供了具有相关分析的连续EEG监测，能够确定时期(时间段分割)和基于时期的睡眠阶段(即例如但不限于清醒，N1，N2，N3，REM)和/或睡眠事件(即，例如但不限于心轴，k-复合体，顶点波，α突发，身体运动，觉醒等)，和/或睡眠措施(即不限于包括但不限于以下部分所涵盖的措施)，或指数(即但不限于睡眠效率/SE，睡眠发作后唤醒(WASO))，呼吸事件相关的唤醒/RERA，治疗事件相关的唤醒/TERA，呼吸暂停/呼吸困难指数/AHI，睡眠障碍指数/SDI，呼吸障碍指数/RDI，睡眠片段，每个睡眠阶段的百分比和数量，总睡眠时间/TST，睡眠呼吸不足，睡眠延迟综合征延迟因子，日间嗜睡/RDS，觉醒指数/AI，程度和其它睡眠措施，例如但不限于睡眠障碍或其它相关的事件(包括但不限于相关的事件“DONIFITION”，如本文件其它地方所述)；
-其中，所述确定时期包括在诸如30秒的时间段中分割数据；
-其中，所述基于时期的睡眠阶段确定可以包括本地(微处理设备或构成监视传感器或设备的一部分的DSP系统)和/或可用的通信介质，网络或其它互联选项(包括同时与附加或补充通信网络，系统互联或其它互联选项，例如WWW，IP，LAN，WAN，补充/伴随监控/感测或计算系统，SAAS，包括云计算服务或NAS，点对点连接等)。
e)可穿戴监测
>根据图1至图94的示例，本发明所述的可穿戴监测(包括移动无线互联的选项)设备或相关系统可包括监测实施例中的任何一个或其组合；
f)具有动态数据交换的可交换/可互换部分
本发明包括两个或多个可穿戴设备/系统之间的连接和/或可更换部件的装置，作为实现信息访问的方法，适用于睡眠健康以及整体健康，本发明还包括以下任何一种或其组合：
-所述“连接方式”可以包括以下任何一种或其组合：与可用的通信介质，网络或其它互联选项的连接(包括同时与附加或补充通信网络，系统互联或其它互联选项，例如WWW，IP，LAN，WAN，补充/伴随监控/感测或计算系统，SAAS，包括云服务或NAS，点对点连接等)，各种数据通信信道和/或不同介质，蜂窝网络，光通信网络，Wi-Fi，蓝牙，卫星，SMS，铜通信网络，Wi-Fi，寻呼机警报，自动电话警报，日历更新，社交或商业信息界面等。
-所述“可交换/可互换部件”可能包括具有连接装置的第一可穿戴装置的电子元件或其组件(即但不限于磁互锁，机械互锁，粘合剂互锁，材料或物质互锁等)或与第二可穿戴设备和/或其它附近设备的互联，
-所述“适用于睡眠健康以及普遍健康的使信息可访问的方法”可以包括组合，共享，交换指示，显示，数据存储，数据处理，导出索引，这是基于睡眠监测参数或相关测量推导(例如EEG，EOG，EMG，呼吸声，房间或环境声音，房间照明条件，气流，反射体积描记测量血糖测定法和相关输出(脉波振幅/PWA，脉搏动脉音/PAT，脉搏动脉压/PTT，脉波振荡自主神经标志物阻塞性呼吸暂停，以实现中央与阻塞性辨别，(即呼吸肌肉的增加的激活引起额外的血流量，该血流量反过来表现为可辨别的振荡或幅度波动，这使用信号形态，光谱等事件提取技术是可以检测的)，以及其它监测的睡眠参数或本文档其它部分概述的相关措施)和其它健康监测参数或相关测量；
-其中，本发明可以使“分开或组合的睡眠和/或其它健康和/或健康措施和/或信息”被指示或显示为任何可穿戴设备(即腕部设备，手表，时钟等)的一部分；
-所述“适用于睡眠健康以及普遍健康的使信息可访问的方法”可包括动态交换(即动态数据交换/DDE)数据，该数据包括任何所述“单独或组合的睡眠和/或其它健康和/或健康措施和/或信息”或其它健康状况或进展；
g)红外呼吸/热气流或身体热通量监测
本发明可包括一个或多个“附着的红外”呼吸监测传感器和/或皮肤热通量监测中心，(通过皮肤表面的身体能量消耗，能够测量能量或卡路里燃烧/主体的代谢活动)；
红外传感器/透镜
在一个实施例中，本发明可包括一个或多个红外传感器，其具有相关透镜的选项，这是以传感器结合的方式，其作为可以定位的前额传感器和用于检测主体的呼吸和相关的呼吸障碍的传感器的一部分；
红外透镜
所述“红外传感器”可以与一个或多个透镜系统结合，该系统能够聚焦呼吸热变化，该热变化与朝着红外传感器的方向的主体的口腔和/或鼻腔吸气和吐气有关；
红外热
所述“红外传感器”可以包括热传感器，该热传感器包括(但不限于)光电二极管，光电导，光伏，热电型中的任何一种或其组合；
光子
所述“红外传感器”可以包括光子(光电检测器)，该光子包括(但不限于)电荷耦合器件或有源像素传感器(CMOS)中的任何一种或其组合；
h)身体姿势和/或位置和/或运动
本发明可以包含一个或多个主体/患者身体/位置传感器；
i)运动和/或动作
本发明可以包括一个或多个移动和/或运动传感器(即但不限于一个或多个轴加速度计)，在“姿势，位置和运动检测和监测”部分的其它部分详细介绍；
j)血氧计和/或PPG
-本发明可包含一个或多个附加的光体积描记术(PPG)传感器和/或具有体积描记术功能选项的反射式血氧计，在“体积描记术血氧仪和/或体积描记术(PPG)”的其它部分详细介绍；
k)前额或头部或身体连接的热气流监测
-可穿戴的声音监测(即但不限于前额或头部或身体连接的麦克风)，该监测结合呼吸声(即但不限于麦克风)和其它生理信号(即热气流监测，包括但不限于红外传感器，该传感器能够跟踪与呼吸对象/患者有关的气流温度变化)作为区分利益相关的其它人(即但不限于睡眠中的配偶打鼾)与主体/病人/用户的方法；
-本发明组合了一个或多个可穿戴的监测系统(即但不限于具有声音或热监测传感器的头部连接或应用设备)和/或一个或多个麦克风传感器，该传感器能够区分两个或更多个声源以检测一个或多个主体/患者/个体/用户的呼吸声音；
-其中监测呼吸声的方法(即，监测与主体/患者/用户的吸气和/或呼吸和/或吸气和/或鼻腔吸气和/或口腔抽吸相关的声音，气流，热呼吸特征的任何或任何组合的度量)可能包含跟踪呼吸的量值或呼吸停止的变化，这在呼吸困难(例如但不限于一段时间内呼吸减少)和/或呼吸暂停(一段时间内停止呼吸)和/或缺氧(即例如但不限于呼吸持续减少)，以及其它睡眠呼吸障碍的情况下。
-其中这种监测可能包含确定所述主体/患者/用户的一个或多个睡眠/清醒状态或阶段的方法；
l)适用于主体/患者的真实的平衡睡眠/清醒，生物钟和相关的睡眠障碍因素的诊断和预后的具有多功能生理参数的前额传感器；
-本发明提供了一种可穿戴的前额传感器(一个或多个传感器和/或电生理电极)条带检测系统，包括监测睡眠参数(即EEG，EOG，EMG)中任何一种或其组合的方法，以及监测、确定和/或追踪以下任何一种或其组合(但不限于)：-睡眠呼吸紊乱的监测和相关事件的确定(即麦克风和/或热呼吸测定-即红外呼吸检测)，和/或环境光感测(即能够计算睡眠效率和其它措施的光敏电阻器)
-适用于估计或确定或促成生物钟周期计算的体温测量；
-一个或多个“时钟”确定(包括生物钟(CC)因素(以及主题/个人的旅行，工作，社会，关系，时间表的任何或任何组合)(即(不限于)睡眠/醒觉，工作，社交活动，休闲，放松，运动或锻炼活动中的任何一种或其组合的时钟，日历，行程，日程，要求，“时钟”是指根据个人的社会日程表的每日或每周的时间表(即“社交时钟”)或工作时间表(即工作时钟)或旅行日程/时间表(旅行时钟)等；
-环境时间的决定(即通过信息访问内置的GSM，GPS或与移动设备的互联，时钟，时钟设置，时钟或时间应用等)；-监测，确定和/或跟踪活动或运动检测作为手法和/或患者位置的度量；
-昼夜节律周期或偏移等因素，与环境时钟，时区条件和/或其它适用的主题/用户时间因素有关，(即通过日历或时间表或行程信息的访问以确定社交时钟，工作时钟，休闲时钟，睡眠/唤醒时钟和包括偏移的结果，包括与生物钟一起缺乏或同步或影响睡眠质量风险(即由于与生物钟的异步关系)，睡眠冲动风险(即先前的睡眠/清醒历史信息的结果)，睡眠持续时间与由于生物钟偏移因素导致的睡眠质量风险等)；
-声音包络模拟信号或数字数据处理能力(即跟踪声音包络的能力，其中就处理较高带宽的声音波形信号而言，存储器和处理要求在其它方面是禁止的，例如，(即在数据采集或信号处理或存储器存储之前或之后，因为用于睡眠呼吸障碍监测的数据减少机制从而可以提取包络的声音；
-结合前额血氧计的另一种选择(包括体积描记法的选择，该选择具有导出血氧计输出功能的反射，包括脉波幅度(PWA)，脉搏动脉压(PAT)，体积描记术幅度的特征之中的任何一种或其组合，这作为区分阻塞的方法(即生成血氧计体积描记图波形振荡，与在阻塞性睡眠呼吸暂停自主神经障碍期间明显的自主神经紊乱相对应)；
-包含有源电路元件的可穿戴前额带睡眠监测系统能够在手腕式监测系统之间进行互换(即包含运动，位置，步幅(包括与移动电话运动检测的相互作用，作为步幅与手臂运动对称性的度量和/或适用于运动或神经障碍的同步性，例如帕金森步态功能障碍)；
-通过使用多轴加速度计的主体运动，身体运动，身体振动的表征(即其中任何一个(即根据各种监测目标的一次能量带的光谱分割)，例如步态/下落/心脏图形；主体四肢或四肢和身体之间的步态对称或同步性)或者多个单轴或多轴加速度传感器可以监测和确定主体/患者生理或运动监测的任何一种或其组合，该监测包括以下任何一种或其组合：
1)心肺球形图，例如通过感测心脏脉搏变化；
2)主体/患者身体位置/姿势；
3)主体步态或步幅特征，包括但不限于适用于活动或障碍(即帕金森氏运动障碍)追踪的主体下肢或上肢和身体之间的步幅对称性或同步性；
4)确定主体/患者步行或慢跑或跑步步骤；
6)跌落/失足/绊倒的确定；
-通过使用多轴加速度计“监测和/或表征主体运动，身体运动，身体振动”的方法可包括以下任何一种或其组合：
>第一步包括：具有一个或多个生理信号通道的主体监测包括那些传感器监测通道，用于运动检测(即具有一个或多个轴的加速度计)，压力传感器通道，例如测量心轴图，脉搏或眼压测量血管压力变化；
>第二步(传感器信号处理)包括：
来自单轴或多轴加速度计(即3轴或更多轴但不限于此)的信号处理(即加速度计的放大和/或滤波)的一个或多个信号；
>第三步(获取)包括：
获取(即通过模拟信号获取或根据传感器格式或要求获取数字数据)；
>第四步(S)包括分析中的任何一种或其组合，该分析包括(但不限于)：本文档其它部分存在的分析选项，该选项包括但不限于图1至图99进一步详细说明的内容，但特别适用于最佳实例，包括适用于GAIT的分析变量或运动分析仪引发帕金森症状和/或组合SBD睡眠行为障碍确定(图45[5])；在RBD期间的不缺乏张力的与REM相关的过度动作，或与不宁腿综合征相关的过度动作，或如图75所示的与肌肉加工障碍纤维肌痛[20]；[22])；另外在“运动检测和/或体动记录仪”，“REM睡眠行为障碍(RBD)”，“其它手腕磨损装置(带或手镯)的脉搏传感器集成手表”，“脉波分析(PWA)和脉波速度(PWV)监测分析能力”“PWA和PWV传感器，“脉波分析(PWA)传感器测量”，“球形心电图仪”“姿势，位置和运动感知和监测”，“运动与位置信息”，“步态或运动追踪和兴趣事件的表征”标题下进一步详细说明，本文档“eLifeCHEST/eLifeSCOPE”中其它部分所涵盖的。
>附加的第四步(分析-光谱选项)在两个或多个传感器输出，振幅或功率分析之间，包含FFT或其它监测光谱，形态/模式，信号动态(即NLDB)，一致性(或其它分析相关或变化方法)，这些旨在表征主体运动，身体运动，身体振动，在信号源方面(即在分段运动信号方面，根据与相关运动源关联的运动特征，例如步幅对臂运动对称性和/或同步性，该信号适用于运动或神经障碍，如帕金森步态功能障碍；跌落检测；活动与原发性RBD相关的肌肉张力变化(即REM睡眠，无异常)，脚步；运动；运动过度(夸张的不想要的动作)，例如在亨廷顿病或图雷特综合征中抽搐或扭动；震颤或其它动作；诊断和治疗运动障碍，包括帕金森震颤，不宁腿综合征，肌张力障碍，威尔逊病或亨廷顿疾病；运动迟缓(即运动缓慢)和运动障碍(即自愿运动减少；非自愿运动)，其中本文其它部分所涵盖的任何分析技术中的任何一种或其组合，包括但不限于图1至图99，但特别适用于最佳实例，包括适用于GAIT的分析变量或运动分析仪，包括帕金森症状和/或组合SBD睡眠行为障碍判定(图45[5])；在RBD期间的不缺乏张力的与REM相关的过度动作，或与不宁腿综合征相关的过度动作，或与肌肉加工障碍如图75所示的纤维肌痛[20]；[22])；还有“运动检测和/或动作”，“REM睡眠行为障碍(RBD)”，“其它腕部佩戴装置(带或手镯)的脉搏传感器综合表”)，“脉波分析(PWA)”和“脉波速度(PWV)监测分析能力”，“PWA和PWV传感器”，“脉波分析(PWA)传感器测量”，“球形心电图仪”，“位置，位置和运动检测与监测”，“运动与位置信息”，“步态或运动追踪和兴趣事件的表征”，本文档“eLifeCHEST/eLifeSCOPE”中其它部分所涵盖的。>第四步，其中动作和/或患者位置分析技术包括分析技术的任何一种或其组合，其由本文件的其它部分涵盖，包括但不仅限于“姿势，位置和运动感知和监测”，“运动和位置信息”，“步态或运动跟踪和相关事件的表征”，其涵盖在本文档的“eLifeCHEST/eLifeSCOPE”中的其它部分，从而这些分析可以应用于传感器输出(即包括多个加速度计轴)中的任何一种或其组合；
>第四步可包括陀螺传感器的位置(基于垂直或水平定位程度)输出，作为主体/患者的步态和/或平滑度和/或交错步幅或步行的量度，其中运动和/或患者位置分析技术包括分析技术中的任何一种或其组合，由本文的其它部分涵盖，包括但不限于“姿势，位置和运动检测和监测”标题下进一步详细说明的内容，由本文“eLifeCHEST/eLifeSCOPE”中其它部分所涵盖；
>第五步
其中可以部署分析结果作为主体/个体的预后或诊断确定的一部分；>第六步
其中在消息，事件，日历信息或数据访问，信息网络(社交，工作，专业等)方面，可以传播所述分析结果和/或相关结果；
与本地环境和/或睡眠/唤醒/活动/工作相对的生理温度周期确定
-基于生物钟输入因素，涵盖睡眠质量和长度的一系列场景，本发明的个人健康管理系统的一个组成部分旨在自动确定和指示，训练，闹钟告，发送适用于主体/患者/用户的消息，适用于主体/患者/用户的生物钟转换刺激，涉及所述主体与其自然生物钟的相互关系或方式；
-此外，根据主体的保健监督或干预和/或个人的个人喜好或要求和/或职业危害和安全考虑，本发明可以提供许多转换场景，如用主体穿戴装置或环境照明的干预作为一种方法不同程度地推进或延迟主体的相位响应曲线(即与外部时钟因素建立的昼夜曲线相位关系，包括社会，时区，工作，工作班，学习要求等)，这些场景适用于最小化延迟睡眠期障碍(DSPD)或晚期睡眠期障碍(ASPD)；
-本发明可以自动或通过手动辅助激活光的强度和类型(即，与长波长的光相比，可以部署具有短波长的以及更强的褪黑素抑制作用的可见蓝光作为自动计算的生物钟转换治疗方案的一部分，)以及这种光疗法的定时功能(即晚上的光疗可以使生物钟相位延迟，而白天的光疗可以促使生物钟相位前移)；
-本发明可以根据主体/患者(或医疗顾问)的社会，工作，旅行要求或环境因素，自动(或用手动干预选项)控制转换因素(即照明时间和/或勒克斯强度和/或褪黑素剂量和给药时间或建议)，以及推荐或设置睡眠时间或闹钟设置的选项。
-本发明可以根据主体/患者/用户偏好，选择或个性化场景选择(即在更短的时间内进行更积极的调整或更长时间内适度调整生物钟)，建议/指导和/或自动调整所述生物钟转换。
-本发明可以自动访问旅行日程并且基于这些或其它生物钟和睡眠体内平衡因素中的任何一种或其组合：
>睡眠持续时间
>睡眠时间
>上床时间；
>睡眠质量；
>睡眠冲动或剥夺；
>工作时钟，社交时钟；
>CC相位偏移与任何其它所述时钟：
>闹钟设置：
>显示出各种旅行日程和可能的生物钟调整后果的地图应用视觉注释，该后果例如东西游与西东游之间不同的旅游时差因素；
>各种旅行时间表，如在一个实施例中，根据生物钟转换选项或最佳主体/患者/用户绩效结果，在主体的峰值能量生物钟水平或主体的最佳睡眠时间和/或睡眠持续时间方面，本发明能够自动访问或连接旅行信息，该信息涉及一个或多个旅游行程作为产生最佳旅游行程的方法；
>就这些因素的优先级方面，各种闹钟计划情景，基于主体/患者/用户对这些所述因素进行优先排序，基于用户喜好的行程方案的日程界面；
>各种地图应用程序，包括与其它环境时钟/时差/社会/工作/睡眠剥夺-冲动/睡眠持续时间/睡眠质量等相关的生物钟的注释或相关信息注释；
>基于主体/患者/用户对这些所述因素进行优先排序，将睡眠考虑在内的闹钟计划情景)针对生物钟适用于个性化主题/患者/用户偏好，其与社交时钟，工作时钟，太阳能时钟，时区时钟，睡眠持续时间，睡眠质量，上床时间与睡眠时间相对应；
本发明能够测量适用于主体/患者/用户的环境照明条件(即通过诸如手表，移动装置等可穿戴装置)以提供辅导或指导为了治疗冬季抑郁症或其它形式的抑郁症或延迟睡眠期障碍(DSPD)或补偿昼夜迟律钟和环境之间的偏移(即时区或太阳时钟因素或行为时钟属性(即社交时钟，工作时钟，轮班，旅行/时差时钟，时钟和相关要求或计划/时间表偏好)，其中所述辅导可以包括生物钟的偏移治疗(即光疗法，褪黑素药物，体内平衡因素的适应(即，主体/患者/用户的清醒期间的最佳增长以使生物钟具有更高质量的睡眠和睡眠模式的排列，反之亦然)；
本发明能够将所有生物钟转换因素，指示方面，闹钟功能，光检测功能，指导和/或消息收发和/或闹钟功能自动并入作为可穿戴或移动设备的一部分的单个应用中；
本发明为了优化生物钟转换，可以确定生物钟最低点因素(即体温和/或从体温最低点到睡眠偏移的间隔)包括患有延迟睡眠期综合征(DSPS)的主体/患者/用户，(即为了最小化这种治疗的突出或明显的性质，基于阴影的或受阻的眼镜上部，光疗法包括投射到主体/患者/用户视网膜的蓝光的眼镜作为刺激-可以阻止向前投影的形式)，由此在核心体温节奏的最低点之前的曝光可以产生相位延迟，而在最低点后施用的光疗(亮光疗法)可导致相位的前移；
本发明能够追踪睡眠-唤醒节律并表征缺乏清晰可辨的睡眠-唤醒时间的昼夜节律模式，作为不规则睡眠-唤醒节律的标志物或潜在预后；
本发明可包括睡眠-唤醒节律并将缺乏清晰可辨的睡眠-唤醒时间的昼夜节律模式，和/或与过度嗜睡，睡眠不足和/或失眠有关的问卷调查结果，该结果根据工作时间表作为倒班工作障碍(SWD)的标志或潜在预后；昼夜节律算法：昼夜节律自动回归分析建模与背景分析
虽然传统的科学实验室测量生物钟温度周期意味着核心体措施，该措施一般不适合常规或昼夜监测(直肠温度探头监测)，相反，本发明的一个要点是通过一个或多个外部输入(CRX)的昼夜节律自动回归分析建模，能够导出个体(主体/患者/用户)自然内生(内源性)昼夜节律温度。
所述昼夜节律自动回归分析建模可包括情景分析；
a)昼夜节律处理：情境分析
其中在仅一个模型的一个实施例的示例中，所述情境分析(不限于)可包括对所述模型的输入，包括个体内生的昼夜节奏时钟信息，可以包括(但不限于)以下任何一种或其组合：
b)昼夜节律输入：调查或追踪主体/患者信息
-根据调查或跟踪主体/患者信息，通过病人或其它人输入数据，如睡眠倾向或嗜睡信息，例如与Epworth睡意量表或其它调查/量表/措施，或常规睡眠，清醒，工作，娱乐和/或其它活动程序，源自应用程序的类似数据，例如健康应用程序或日历，计划程序，健康应用程序，可穿戴或移动设备等；
c)昼夜节律算法输入：睡眠研究信息
自动地、手动地或通过与睡眠研究信息相关的计算机辅助来访问或输入数据；
d)昼夜节律算法输入：睡眠监测研究或应用
可以手动或通过计算机辅助访问或输入数据，这些数据涉及与本发明的监测，系统，应用或其它应用能力相关联的睡眠监测研究或应用(即，例如但不限于本文档的其它详述)；
e)昼夜节律算法输入：与健身，健康监测和/或相关应用有关的信息
-与本发明的监测，系统，应用或其它应用能力相关的健身、健康监测和/或相关应用的信息(即，例如但不限于本文档其它概述)；数据访问，自动输入，手动输入或通过计算机辅助或相关衍生数据。
f)昼夜节律算法输入：基于睡眠，健身或其它健康应用，设备和/或系统的信息或信息导出
信息或任何信息组合的衍生，例如(但不限于)时钟或手机或其它包含信息的软件应用程序或系统，这些信息与主体/患者的活动，运动，工作，睡眠，唤醒，闹钟，时间表或旅程或时间数据有关；
g)昼夜节律算法输入：本地或新时区信息
本地或新时区信息(即但不限于GSM，GPS，无线电时钟或其它定时源)；
h)昼夜节律输出：内置生物钟与本地环境时区之间的相移
其中在一个实施例的模型的示例中，所述情境分析模型的输出(不限于)可以包括(但不限于)的任何一种或其组合：
-内陆生物钟节奏与当地环境时区属性或相关主题/病人日程表或所需旅程和/或时间周期之间的相位移动；
i)昼夜节律输出：辅导或推荐最佳闹钟或安排
-基于所述模型输入的任何或任何组合的-辅导或推荐最佳的闹钟或安排或时间管理的方面；
j)昼夜节律算法处理：自动或自动评估本地或新的环境生态钟/节律的自动回归估计
自然的自动回归估计或者主体/患者的生物钟/节律；
本地或新环境主体/患者生物钟/节律的自动回归估计；
k)昼夜节律算法处理选项：自动回归估计/测定主体可穿戴或连接可连接温度传感器/探头，其中低通滤波功能能够强调自然/内置或新环境昼夜节律状态或要求的低频循环变化
自动回归分析可能是可穿戴的或连接可连接的温度传感器/探头，其中低通滤波功能能够强调低频循环变化(即24小时昼夜核心温度变化，其与主要独立于昼夜核心温度变化的外部环境或短期活动或锻炼相对应)；
l)昼夜节律算法输入：“外部输入”，包括自然生物钟的推导
所述“外部输入”可以包括(但不限于)以下任何一种或其组合：
-自然或衍生的自然生物钟(即通过温度测量和/或EEG测量的任何一种或任何组合)；
m)昼夜节律处理输入：新环境或时区24小时循环
-新环境或时区24小时循环(即，基于GSM，GPS，无线电时钟，移动电话或手表确定等)；
n)昼夜节律算法输入：实际睡眠监测睡眠/唤醒周期
-主体/患者实际睡眠监测睡眠/唤醒周期(包括但不限于基于睡眠参数(即，但不限于EEG，EOG，EMG测量和相关的睡眠阶段或睡眠周期或睡眠时相序列图衍生之中任何一种或其组合)；
o)昼夜节律算法输入：基于睡眠/唤醒之间的关联的现有已知知识
-基于睡眠/清醒和自然循环生物钟和/或睡眠周期和/或核心体温循环之间联系的现有已知知识(即REM睡眠时的低核心温度等)。
分类知识(即每个积累的知识和知识转移的信息，每个人工智能或专家系统的自学能力实例，知识库，现实世界的输入，推理机和工作空间：图78；图79，中间块；到图80，[12]，[13，[14])基于睡眠/唤醒与自然循环生物钟和/或睡眠周期和/或核心体温循环之间的主体/患者关联(即REM睡眠时的低核心温度等)。
p)昼夜节律算法输入：“主体可穿戴或可连接温度传感器/探针”
所述“主体可穿戴或可连接温度传感器/探针”可以包括一个或多个温度传感器中的任何一种或其组合，该温度传感器嵌入或链接作为耳机/耳塞的一部分，该耳塞具有本专利其它部分描述的组合音频监测功能。此外，本发明可以进一步描述外部温度之间用热敏电阻定位以检测当前环境温度(即，一个或多个温度传感器并入作为可穿戴装置/探针的任何一种或其组合的一部分)(即手表，手机，耳塞，胸壁监视器，臂带监视器，头部，肢体，身体孔等)。
q)昼夜节律算法处理选项：描绘身体短暂或短期波动
此外，为了进一步描述身体短暂或短期波动(如由于体育锻炼)和核心昼夜节律相关温度，发明的CRX分析可以比较和对比热通量措施，该热通量措施与外部环境相对，与核心体温相对，与皮肤温度测量相对(即刚刚在皮肤表面上方的温度探针可以反映从皮肤表面发射的热通量，其与比较深的耳塞装置相比，更体现体温，与外部环境温度传感器相比，不如其与体温变化密切相关，仅是举例)。
昼夜温度
昼夜节律算法处理选项：可穿戴的健康监测和/或追踪系统/设备
本发明提供了一种可穿戴的健康监测和/或追踪系统/装置内的昼夜节律功能，其中该功能包括以下任何一种或其组合：
a)昼夜节律算法：监测生理变量，与自然(内置)可穿戴健康监测，追踪，时间管理因素，对象/患者当地时间的确定和/或辅导以及/或当前或所需的常规睡眠/唤醒/工作/娱乐周期相关监测生理变量的方法，与自然(内置)或相关因素(即睡眠/唤醒)和/或所需的时间管理因素相关(外部的，如清醒，睡眠，工作，娱乐等)时间表和相关时间或绩效管理需求)影响“内置”昼夜循环(即EEG，温度，睡眠/清醒阶段或相关循环；噪音，活动等)，
b)昼夜节律算法输出：“自由运行”或“内置昼夜节律循环；确定主体/患者“自由运行”或“内置昼夜节律循环”的方法(即通过分析针对潜在循环趋势性质的监测的昼夜节律生理参数；
c)昼夜节律算法处理选项：确定和/或辅导主体/患者的当地时间和/或当前和/或所需和/或最佳的常规睡眠/清醒/工作/娱乐周期确定和/或辅导主体/患者的当地时间和/或当前或所需的常规睡眠/清醒/工作/娱乐周期的手段(即通过时钟，手表，主体/患者或与这些因素有关的其它可访问或输入的信息，即闹钟，时区时钟，GPS或GSM位置信息，睡眠问卷调查/调查等)
d)昼夜节律算法处理选项：比较和/或对比主体/人的自然“内置”昼夜循环的同步，其与环境时区因素相对比较和/或对比主体/人的自然“内置”昼夜周期的同步的方法，在根据所述主体/患者的需要或当前或新的环境的睡眠/唤醒循环要求或期望的任何时间。
e)昼夜节律算法处理选项：分析与所述“内置”自然对电流或所需睡眠/唤醒周期时间相关的相位差分析与所谓“内置”自然相关，与当前或所需的睡眠/唤醒周期时间相关相位差的方法(即以表格或图形，用户界面或交互式用户界面，振动或声音或其它通知或警报装置的任何一种或其组合，经由时钟或观察表面重叠或并入链接或与昼夜“内置”时钟相关联和/或任何其它时钟或定时信息)，为了产生昼夜节律“内置”与“所需”偏移时间因子的量度。
f)昼夜节律算法输出：提供外部昼夜节律刺激
提供外部刺激的手段(即可穿戴，环境，床或床上用品或床房等的温度变化，或者伴随着相关联的功率和/或颜色和/或照明频率的光的温度变化，
g)昼夜节律算法输出：“昼夜偏移时间因子”
结合“昼夜偏移时间因子”措施的方法，作为主体/患者的所述外部刺激应用的生物反馈或控制决策矩阵的一部分，为了使所述“昼夜偏移时间因子”最小化
h)昼夜节律算法输入：连接的温度传感器用于昼夜节律测定
本发明可以包含一个或多个连接的温度传感器，用于昼夜节律测定和/或(但不限于)其它可选择体积描记图的生理测量，如eLifeCHEST/eLifeSCOPE章节“温度”或eLifeBUDS章节以及在本文中描述温度监测和分析中进一步详述。
昼夜节律EEG
针对EEG脑电图脑区域监测的正向方程，包括生物钟功能。本发明包含正方程源定位，例如(但不限于)监测和推导相关措施，该措施关于主体/患者的自然昼夜节律，包括(但不限于监测相关的大脑区域)(即视交叉上核(生物钟)区)，该措施适用于昼夜节律的EEG周期信号(例如用于确定主体/患者的生物钟周期)，
在一个实施例示例中，基于EEG传感器监控系统的配置(即但不限于图1至图3，图5，图14，图16，图21，图23，图25，图27，图28，图46至图55的示例)，该系统与本发明的监测目标和相关的可穿戴的监测最小化计算相耦合(图45)，本发明能够计算和确定灵敏度和/或滤波和/或其它处理形式(包括NLDBTV，STV，SR，ER，ER集群，SR集群，光谱EOI，互联中任何一种或其组合，例如-即相干性和/或偶极序列和/或相关联的群，序列和/或整体)和/或神经学幅度，功率，形态信号或值)在最优正向方程的环境中，与相应的神经系统通道(或适用的身体生理通道)相耦合，为了最有效地“引导”或定位解剖学的兴趣来源。(即生物钟EEG信号，比如为了有助于确定人类相位睡眠–唤醒时钟，这可以用作治疗药物，光治疗或其它睡眠辅导或推荐提示的一部分，为了重新沿着主体/患者的生物钟或睡眠-唤醒相位循环)
基于预诊断的昼夜资源定位
本发明包括脑电监测和源定位的方法。所述源定位包括源重建，该源重建是基于预诊断的主体/患者研究或一般人群数据作为确定相关的信号源或脑源的基础。以这种方式信号处理的光谱和灵敏度特性适用于多个传感器(包括但不限于图3；图4；图21；图23；图46；图47；图48；图49；图50；图51；图52；图53；图54；图55；图56)例如，基于皮肤层，头骨和脑物质的EEG信号衰减的建模，结合EEG电极位置和距目标大脑区域的具体距离的监测兴趣，根据EEF前向源重建，每个EEG传感器可以被指定为灵敏度(放大)和光谱(滤波)特性。其中神经源已知，但是可以计算头部表面电极信号(使用正向方程建模)。以这种方式，本发明可以提供最佳补偿，因为它涉及用于主体/患者便利性的电极位置(即每个可穿戴式监视器最小化形式(诸如图45或诸如图16中的Somfit前额传感器的传感器配置；图28[4])。
通过使用这种前向方程源重建分析方法，本发明可以确定最佳EEG信号处理，该信号处理适用于传感器监测系统的特定电极位置(即每Somfit)为了模拟标准化的AASM睡眠监控手册建议(即F4-M1；C4-M1；O2-M2；备用监测电极包括F3-M2；C3-M2；o1-M2与SomfitFp1，Fp2，F7，F8和/或Fz睡眠监测电极位置)。
通过使用这种前向方程源重建分析方法，本发明能够确定最佳EEG信号处理(即调节传感器信号的频率，相位和/或振幅)该信号处理适用于传感器监测系统的特定电极位置(即每个Somfit)以模拟大脑区域的位置(即视交叉上核(生物钟)区)，该信号处理适用于昼夜节律的EEG周期信号(例如用于确定主体/患者的生物钟周期)，和/或意识开关区域(即丘脑)或其它脑区域(即但不限于图66源局部区域)。
昼夜节律监测和追踪
基于昼夜节律的睡眠剥夺测定
本发明提供了一种监测和指示的方法，作为可穿戴或移动无线系统的一部分，与主体的昼夜节律相关的一项或多项措施，包括将主体的脑或温度措施纳入其中，本发明还进一步包括(但不限于)以下任何一种或其组合：
a)温度昼夜时钟措施
>>通过分析方式监测主体的体温(例如但不限于回归分析)确定主体体温的24小时循环性质，其中短期温度时间变化，例如适用于主体的动作或运动的那些变化(例如这样自发或短期措施不会扭曲适用于昼夜循环的较慢的体温变化。因此，在24小时周期内，这些低通滤波温度变化，与温度措施的排除相耦合，不符合典型的昼夜循环，该温度变化可以得到补偿以获得主体的下昼夜温度循环)；
b)脑/EEG昼夜时钟措施
>>使得EEG与生物钟同步测定链接的方法，其中方法包括从生物钟脑区，经由1个或更多个监控的EEG信号，确定信号的相位或节奏脉冲。由此在第一个处理步骤中，生物钟大脑区域的频率或周期性质(即视交叉上核(生物钟)区)适用于昼夜节律的EEG周期信号，例如用于确定主体/患者的生物钟周期，和/或意识开关区域(即丘脑)，或其它脑区域(即但不限于图66源局部区域)。
其中，作为计算任何测量主体睡眠倾向的手段(即睡眠剥夺；睡眠延迟综合征；睡眠恢复建议)，脑区域是可以监测和/或分析。由此，本发明进一步能够从人脑或生物钟发展分析EEG信号的周期性质。所以相对于连续或不间断的生物钟输出信号，只有小样本需要被监测，以使得在任何时间或任何时间的人体或大脑昼夜时钟(身体时钟)准确地计算或估计循环或相位。
c)生物钟周期确定并与移动或其它地图，日历，消息传递，社区应用程序集成
本发明能够自动地确定，预测和指示个体的自然昼夜循环，睡眠/唤醒模式和所提出的旅行，社会，工作，娱乐之间的抵消。休闲或其它建议时间表。
即通过日历应用程序注释可以包含个体偏离自然昼夜循环的指示，这些指示与他们提出的旅行日程和预定的活动/事件相对应。例如，如果个人在未来某个时间必须出席商务会议，接着去旅行，本发明可以将时区变化、旅行安排考虑在内(即自动链接到旅游网站或个人管理的航班时刻表，或旅行社飞行数据等)，然后基于一系列假设或个人的数据条目或选择或默认因素提供睡眠冲动的度量。例如，如果8小时航班紧随其后的是重要的商务会议，假设个人在商务会议之前没有在航班上睡觉，那么本发明可以有意义地估计主体可能的睡眠冲动(即基于离开和安排的会议之间没有或很少的睡眠，你可能有睡眠倾向，类似于正常睡眠时间后3小时或根据您的正常睡眠/唤醒周期长达3AM。)(图96输出块[4]至[10])。
类似地，相对于时间效率因素，在个人表现或情绪因素的最优安排方面，本发明允许计算和呈现更复杂的场景(即地图设置或注释，日历设置或注释，时钟设置，闹钟或注释)，这基于个人的以下任何一种或其组合的确定：a)预定的或假设的日程(图96[1])，b)旅行日程(图96[1])，c)自然生物钟周期(图96[1])，d)稳态睡眠/唤醒监测(即包括自动访问本发明的常规睡眠监测能力以及个体相关的正常稳态睡眠因子，和/或动作和/或环境光条件，如本文档其它部分所述)(图96[1])，e)个人在保持最佳睡眠质量方面的偏好(即考虑到先前的唤醒期和当前的或预测，例如新的环境时区调整)f)或转换因素(图96[1])作为时区变化和各种调整期间的背景等)，g)在时差最小化方面的个人偏好，相对于社交时钟因素，相对于工作时钟因素，个体生物钟因素(相位延迟，相位提前，延迟稳定性和置信水平在确定个体以前和最新生物钟周期状态的准确性方面，以及其它影响确定个体当前生物钟状态的因素)(图96[3])；
本发明能够将所有这些功能和能力并入到一个或多个可穿戴或移动设备中(即，智能手表，移动电话，Somfit睡眠监视头带和/或在该专利申请文件内的任何部分的其它，例如(但不限于)图1所示的可穿戴设备示例；
在本发明的另一个实施例中，个人(即旅行者)生物钟的计算参数作为自动转换的一部分(即根据图96[1]，[7])生物钟处理系统的编程(例如，包括眼镜或太阳镜的明亮光疗法(即仅作为示例，在玻璃镜片的上部分着色的半屏蔽眼镜)，由此所述眼镜可以包括反射眼图(即，根据图43)能够转换光疗和/或检测眼睑运动和/或打开作为嗜睡的标记，以实现生物反馈转换能力，以使得调整生物钟循环偏移因子和/或睡眠倾向和/或睡眠促进因素。例如，本发明可以包括一系列蓝色LEDS或其它蓝色照明装置，这些装置可以通过无线互联自动控制，提供个人选择的转换治疗制度，基于本发明对个体当前生物钟的计算，该计算与社会，旅游，时区和/或工作或娱乐计划/时钟要求(即图96[1]))相对，转换治疗调整昼夜节律前移或延迟；
类似地，本发明可以自动链接(即无线或其它互联通信和信息访问装置)到消息系统(如手机短信，电子邮件，日历，应用程序等)以追踪和/或评论/健康指导和/或实现睡眠安排，因为在最佳表现，能量，睡眠呼吸，职业健康睡眠风险，疲劳影响，以及个人可能对激活相关的其它因素方面(即根据图96[7])，它与个体目前的生物钟相关，其与社会，旅游，时区和/或工作或娱乐时间表/时钟要求相对应。
本发明的一个实施例使得集成地图应用(即地理或路线图)或相关指示或注释并入额外的笔记或相关信息，这些信息涉及各种指示或象征的旅行情景(即与分别定位的新环境时钟相对应的标有正常睡眠周期的单正弦波周期，例如对应于新时区环境的等效起始和结束时间)以及生物钟相位滞后或铅含量的指示，这使个人可以将旅行计划与相关的旅游行程与生物钟和航班滞后因素联系起来。
此外，在预计或估计的睡眠倾向因素或睡眠质量方面(即基于生物钟的在先唤醒期的相位关系和稳态睡眠模式的困难。以这种方式，个人可以在视觉上，自动地，即时地和集成地或无缝地(即移动的个人计划申请，包括绘图或路由相关功能或应用或过程，可穿戴设备等)转换将旅行计划与相关的健康管理影响和预防措施或对策联系起来，以优化个体睡眠质量，睡眠持续时间，睡眠时间，白天能量，睡眠倾向，心情等因素，通过本发明的昼夜健康管理系统(即图96块[3]具有相关输入[1]和[2]，辅助系统选项[3A]和输出[4]至[10]的健康管理系统；图97，4级转换自适应监测系统)在信息访问，理解和控制方面显然可以管理和加强。
本发明在一个实施例中，使得集成日历或安排/规划应用(即地理或路线图)能够显示或注释，可以选择附加的笔记或相关信息，这些信息涉及指示或象征的各种旅行场景(即，与分别定位的新环境时钟相对的具有正常睡眠周期的单正弦波周期(即对应于新的时区环境的等效起始和结束时间)以及目前个人生物钟的建议，以及各种各样的内容(即不同的旅行日程或旅行，社交活动，工作活动，学习等不同的时间表)生物钟相引线，生物钟相位滞后或调整/转换(即褪黑素剂量和剂量时间和/或亮光剂量和治疗时间等)调整这些冲突时钟周期的策略(即内置的生物钟对工作对社交时钟(即基于自然生物钟唤醒/睡眠要求与冲突的时钟时间周期要求)而不是尝试同步生物钟相引线或相位滞后因子。以这种方式，个人可以在视觉上，自动地，即时的和集成的或无缝的(即集成的日历或计划或安排相关应用或应用或过程，移动个人计划应用，可穿戴设备等)将旅行计划与相关的健康管理影响和预防措施或对策相关联以优化个体睡眠质量，睡眠持续时间，睡眠时间，白天能量，睡眠倾向，心情等因素。通过本发明的昼夜健康管理系统(即图96块[3]具有相关输入[1]和[2]，辅助系统选项[3A]，输出[4]至[10]的健康管理系统；图97 4级转换自适应监测系统)，在信息访问，理解和控制方面显然可以管理和加强。
本发明在一个实施例中使得能够对手表或时钟应用程序被编程，以使得与生物钟时钟周期和/或个人所需的安排时钟要求有关的信息(即旅行时钟，时区变化，社交时钟，工作时钟，休闲时钟，特殊事件时钟)以及策略或场景能够提供旅游程序或序列并且旨在最大限度地减少睡眠质量或在工作，运动，玩耍，休闲等个人表现上的干扰。这些信息、策略或场景可以结构化并存储在库中，或容易召回这样的每个或时钟显示面设置，以及各种生物钟实施例，转换，策略，个性化偏好，规划能力等，以使用户能够建立一个理想的生物钟HMS个性化配置库(即图96块[3]具有相关输入[1]和[2]，辅助系统选项[3A]和输出[4]至[10]的健康管理系统；图97 4级转换自适应监测系统)。
另外，本发明生物钟HMS使得能够进行社区或私人选择分组功能，在追踪，诊断和支持个人的职业安全方面，体育表现方面，一般健康方面，抑郁等受到适当生物钟管理极大影响的心理障碍等方面(即图96块[3]具有相关输入[1]和[2]，辅助系统选项[3A]，输出[4]至[10]的健康管理系统；图97 4级转换自适应监测系统)，卫生保健专家可以教导，指导，协助和介入。
此外，本发明能够自动链接(即无线或其它互联通信和信息访问装置)到个人时间参考(即闹钟，手表，手机时钟或其它应用)为了自动设置或建议闹钟设置和/或实现睡眠安排追踪和/或评论/健康指导，因为在最佳表现，能量，睡眠呼吸，职业健康睡眠风险，疲劳影响，以及个人可能对激活相关的其它因素方面，它与个体目前的生物钟相关，其与社会，旅游，时区和/或工作或娱乐时间表/时钟要求相对应。
例如，一个所述的计划或预测的场景可基于该假设：主体/患者继续睡眠模式或行为/质量(即睡眠时间，睡眠时间，睡眠片段，睡眠结构，睡眠觉醒，睡眠障碍，呼吸障碍，REM睡眠量和结构，深度睡眠量和结构)不减弱或具有各种程度的矫正，比如轻度矫正(即逐渐增加睡眠质量或减少睡眠缺陷)，中度矫正或严重矫正(即药物，光疗，睡眠卫生或环境改善的任何一种或其组合(即减少与可听见的噪音，温度，湿度，空气污染或其它呼吸或哮喘拮抗剂等有关的外部觉醒)。
另外，基于计划或预测的睡眠-昼夜循环情景，基于主体/患者在一段时间内减少或损害其睡眠的假设(即学习期间或允许特殊事件，旅行等)，本发明提供了一种“计算昼夜循环的方法”。所述方法还能够基于闭眼的比较情况提供睡眠或倾向的典型测量(即，您将处于十秒钟以内入睡的极端风险(即特定情况下为1秒至30秒的时间)，你不应该开车，做财务上的物质决定，承担任何对自己或他人具有相关风险的任务、职业工作等。另外，(仅举例)预测的睡眠剥夺情景可能与其它等效的反应时间或警觉性或嗜睡措施有关，例如预测的Epworth嗜睡比例结果或血液酒精读数等。
其中为了确定，“计算昼夜循环的方法”包括但不限于，检查先前监测的昼夜节律生理变量的信息(即温度，EEG视交叉前脑区域等)并研究这些变量以及其它影响生物钟周期变化的因素(即睡眠参数和主体/患者的相关睡眠测量)，这是基于历史或以前的变化与随后的睡眠和生物钟偏移测量，即每个算法对象/患者特定学习(ASL)系统或可穿戴设备最小化(WM)系统，对象/患者的先前和/或当前和/或预测(具有指示的情景)和/或训练--即根据在本实施例中说明的图45，检查监测目标的能力(图45[1])，以及在这种情况下建议用户更复杂(图45[2])监测配置(例如，在临床监督或要求或考虑消费者或GP监督指导的情况下)，随后进行监测，分析，确定结果，然后统计评估结果诊断或预后的准确性，以确定用于监控传感器配置或可穿戴监控传感器及相关设备的重新配置要求和相关的可穿戴监控适配(图4510,11,12，不在昼夜监测范围内相同的原则适用于神经缩小，不同之处在于广泛的生理参数和相关的可穿戴监测配置被考虑在内，以使得覆盖相关监测措施，这些措施包括任何(但不限于)体温监测，稳态睡眠措施和/或白天活动措施的直接或替代措施)，也包括最小或流线型/最小化(图45[8]，[9]，[10]])传感器和可穿戴配置，这基于实现诊断和/或预后目标和结果的相关和适当的准确性，适用于用户和用户健康界的具体或个性化要求(根据用户的隐私，安全性和偏好或选择加入功能和干预的容限进行个性化)。
d)内置(自然)生物钟
本发明提供了特征化，确定和/或适应主体/患者的自然昼夜节律天然生物钟设备方法和/或应用链接方法和/或应用链接方法；d)内置(自然)生物钟。因此，所述生物钟特征化可以包括监测缓慢变化或具有典型的睡眠和唤醒阶段的24小时周期，与生物钟相关的主体/患者的温度，EEG(即，与图66中的视交叉上核(生物钟)脑区相关联或直接相关)，如本文件其它部分进一步详细描述的；
其中所述的自然生物钟装置方法或应用链接方法包括(但不限于)一个或多个时间管理系统和/或睡眠/唤醒管理系统，以及这些方面之间的相互关系；
其中所述的自然生物钟设备和应用链接的时间管理系统方法包括(但不限于)以下任何一种或其组合：
-时钟设置，手机时钟设置，地图应用程序，日历应用程序，任何安排应用程序，任何项目管理应用程序，任何旅行计划应用程序，手表设置，计算设备，在线应用程序，社交媒体应用程序，社交网络应用程序或其它系统适用于个人的睡眠/觉醒管理；
其中所述的自然生物钟装置或应用连接的睡眠/唤醒疗法健康管理系统方法包括(但不限于)以下任何或任何组合：
-健康或个人规划应用，任何职业健康管理规划应用，任何健康保险职业风险和健康应用，3D或其它眼镜，照明系统，窗帘控制系统，室温或环境控制系统，具有光疗功能的受试眼镜，睡眠/唤醒辅助，睡眠/唤醒建议，睡眠/唤醒闹钟或主体/患者时钟建议或提示或适用于适应的其它系统的光疗法，以调整睡眠延迟或睡眠质量)，睡眠/唤醒计划或时间安排或周期干预(包括自然生物钟方面)；
本发明能够使个人能够调整和/或优化时间管理系统和/或睡眠/唤醒管理系统，以及这些方面之间的相互关系。根据优化个人健康，包括(但不限于)睡眠延迟综合征的调整，不期望的或不安全的睡眠倾向或睡眠促进和/或调整和/或适应主体/患者/患者/自然生物钟；
本发明可以包括编程的计算机系统，其步骤包括包含可调特性的决策矩阵，涉及与时间管理系统和/或睡眠/唤醒管理系统以及相关因素相关联的自然生物钟或应用链接手段；
e)生物钟的其它方面
本发明还能实现
i)自然生物钟周期参数；
ii)用户必要的觉醒时间参数(即工作，学习，旅行承诺等)；
iii)具有相关承诺或计划细节的日历，旅行和其它日程表申请；
旅行日程另外的
iv)旅行日程，在本文中与其它时间相关(即，a)至c)的关联性，比较和对比度，其具有自动世界时区计算的含义；
v)根据世界旅行路线或路线将应用程序映射为计划旅行路线的一种方法以优化主体/患者/用户的自然(昼夜节律)时钟的调整或调整以适应时序结构，该结构能够在所定义的(即用户偏好或基本需要)时间段内减少或最适当地恢复睡眠剥夺；
vi)短信或其它手机，手表或其它用户(例如其它指定或授权的地点或一方–例如使运输司机/飞行员或班工或班工安全照顾者能够更好地管理职业警戒或安全或风险日间睡眠剥夺/倾向和现实世界的解决方案或辅导援助)；
vii)时钟警报或闹钟系统-即闹钟设置，手机时钟设置，手表设置，构成现有手机部分的应用程序，闹钟或其它设备设置和功能；
viii)个人节律或时钟健康管理系统-即使得主体/患者/用户能够调整时间指示器和/或闹钟功能和/或日历计划辅导或提示和/或消息系统辅导或提示的能力，这根据优化时间表或个人昼夜节律的适应/调整，(例如，恢复或避免更不利的睡眠剥夺)根据轻度，中度，重大或严重的重新定位，以最佳的睡眠觉醒周期(即由此用户可以为其立即睡眠/唤醒时段或任何未来时段配置其最佳睡眠/唤醒周期，从而能够从睡眠剥夺或非常规中调整(即由于旅行，娱乐活动，工作需求，考试研究，时差，夜间睡眠等而导致的标准睡眠/唤醒周期时间)。
ix)健康或睡眠辅导应用程序，其能够建议，调整或控制一系列设备或系统(即物联网或物联网或其它线路，互联系统的无线手段)，主体/患者/用户不同的选项或时钟和时间表的程序(即通过日历约会和闹钟唤醒，以及调节室温，房间照明或相关照明调整和其它睡眠/唤醒环境影响的选项)；
f)正向方程源分析
>>>>本发明提供了前向方程源分析的能力，基于已知的典型昼夜节律大脑解剖位置或其它大脑功能或结构位置，例如视交叉上区域(生物钟)和/或脑的相关控制或互联区域(以及(但不限于图66所示的位置，Talairach Atlas；当前图集工具；哈佛全脑图集，MNI模板，SPM的标准模板和国际脑图绘制联盟，发展中人脑图，包括Brodmann地区，Gyri，Sulci的所有功能等)的选项；
-本发明能够基于补偿信号，根据放大或衰减，滤波，相位调整等任何因素提供对电极位置的补偿，为了模拟或模拟条件，该条件适用于定位、监测位置或其它大脑功能或结构位置、脑区域或连通性方面的任何一种或其组合(例如一致性或偶极测量)；例如，在最简单的建模场景中，本发明可以：
-在第一步中假设所有EEG电极都具有完全相同的信号，
-在第二步中定义相关的位置或其它大脑功能或结构位置：
-在第三步中确定可能的衰减，频谱滤波特性和最有可能的相位偏移(即，基于皮肤，头骨，适用于每个电极和相关的脑区域之间的脑物质衰减因子)；
-在第四步中，在每个相应的EEG电极的信号处理方面，应用确定的衰减，频谱滤波特性和相移特性
-在第五步中，通过与实际主体/患者成像和诊断评估数据的对比和比较可以进一步改善确定的衰减，光谱滤波特性和相移特性；
以这种方式，前向方程源建模能够使大脑的特定目标区域能够被监控或分析，即使使用最小化的可穿戴监控传感器系统(根据图45中的示例处理实施例，说明了传感器最小化的例子，能够用可能最小的传感器或电极瞄准相关脑区域)。此外，通过使用这些前向分析建模和最小化过程，具有改进的源本地化功能，更复杂的监测传感器系统(如图55所示)仍然可以流线化或最小化(根据图46至图54提供示例(但不限于)不同的可穿戴监测结构，这些结构从最简单的消费者级别监测选项到更复杂的临床诊断选项)。
g)基于昼夜节律的智能时钟，闹钟，安排，辅导，生物反馈，控制系统)
本发明提供与时钟，闹钟，安排，辅导，生物反馈和关联控制系统相互关联的智能昼夜节律装置，智能手腕或闹钟设置可以包括(但不限于)以下任何一种或其组合：
a)实际主体/患者的生物钟闹钟设置或时钟指示器能力；
b)常规(即时区调整)时间或闹钟指示)；
c)睡眠辅导建议，其中对主体的睡眠/唤醒行为进行修改建议，例如，在主体/患者当前的自然生物钟周期和主体/患者期望的睡眠/唤醒阶段要求之间(即适应时差，夜班，迟到学习或休闲夜等)调整睡眠周期以补偿或最小化时间相位筛选；
d)互联(例如无线通信)其它设备，该设备适用于调整或补偿或指示((即相对于个人所需或期望的睡眠/觉醒周期，显示，比较或对比昼夜节律和循环性质)个体的睡眠周期和/或昼夜循环，例如但不限于光疗(即激活或调整常规室内照明或特殊(即任何功率，亮度，照明色，光频辐射谱等)灯光；移动设备或可穿戴设备接口(即智能手表或手机或智能闹钟等)；可以影响和促进昼夜节律的调整或矫正的室温或电热毯等环境控制；
e)本发明提供了一种施用，辅导或药物测定，以及在线自动或辅助(包括监管，安全，隐私和个人授权和访问要求)药物订购的方法：基于(但不限于)以下任何一种或其组合：
i)服药时间表，
ii)在线访问订购剂量，
iii)剂量测定，基于睡眠/睡眠监测结果，主体/患者医疗信息，主体/患者个性化昼夜节律，主体/患者睡眠/尾部监测结果，主体/患者HMS结果或相关信息，主体/患者健康调查和其它健康信息记录，主体/患者自然昼夜节律与正在进行的睡眠/唤醒进度要求，主体/患者昼夜节律监测结果(即基于EEG生物钟的自然昼夜节律，温度和其它昼夜节律生理监测测量及相关分析或衍生结果)；
iv)剂量和药物或药物分配器或药物辅(即药物指导，如推荐剂量和自动编程和/或控制与自动药物分配器系统相关联的剂量计划(即编程为最佳地补偿自然昼夜节律/时钟与新环境之间的变化(即时区或昼夜活动的改变)或睡眠/唤醒/工作要求)；
v)到时钟或闹钟系统的用户界面(即智能手表，闹钟或手机应用，相对于实际的世界时区时钟，闹钟或安排方式，其可以使用户在最佳昼夜节律同步时间指示之间进行选择(即，对于大多数自然闹钟设置或日历安排等))。
h)穿戴式移动健康跟踪和指示方法
-本发明提供了一种监测，计算和跟踪，指示主体/患者的昼夜节律的方法(即，该方法包括集成到智能手表装置中的任何措施或组合的措施，该措施包括但不限于主体的温度感测，主体的电流皮肤电阻，光体积描记术，心电图，血氧饱和度测量或体积描记测量法，进一步选择合并本文档中概述的本地/分布式分析的其它可穿戴或移动无线监控系统，所有这些都具有非常缓慢的潜在昼夜周期分量，其可以使用任何这样的措施得出)
这种方法还可以包括显示常规的24小时时钟和/或日期和/或日历和/或睡眠时间表的任何一种或其组合的方法(即，这种方法可以包括日历，消息，时钟显示，或指示实际主体/患者的实际昼夜周期，一个或多个预测或预测的昼夜周期的任何一种或其组合，包括正常方差的指示或可以适应，没有轻度，中度或严重后果的睡眠缺陷和/或剩余的范围。(此外，该信息可以基于比较人口数据库或聚合的主体/患者特异性监测或其它输入信息(即，根据图77的人造智能或专家系统分析方法[A]。知识库得以积累，这是基于从界面到现实世界的投入评估[8]和关联的规则解释器，该规则解释器又是基于适用于相关疾病，紊乱或健康状况标准化的评分规则。
所述“感兴趣的健康状况”可包括(例如但不限于)睡眠障碍，这可以参考美国睡眠医学学院的规定(即每节题为“睡眠，唤醒和其它精神状态的监测，确定和追踪，相关事件或健康状况”eLifeCHEST/eLifeSCOPE部分)，该规定适用于分期睡眠评分与睡眠相关的呼吸障碍，癫痫预后或诊断，包括检测事件或事件集群，如HFO，波纹，尖峰，波形，K复合体或主轴，如图75的进一步细节[29]自动分析模型确定。
所述“感兴趣的健康状况”可包括(例如但不限于)由此确定的帕金森病的诊断或预后。所述“感兴趣的健康状况”可以包括(例如但不限于)与相关事件的分析相关联(即与诊断或预后或疾病，健康状况或相关疾病相对应的症状)的生物标志物的监测和分析以及相关的“专家系统规则”(即，根据图77[D])。这些“专家系统规则”在其它部分描述，包括睡眠行为障碍与运动相结合(即运动或活动特征)，进一步涵盖了预后和/或诊断运动障碍标记监测和分析，该监测与分析与帕金森氏症或其它运动，肌肉或神经系统障碍标志物相关，(即，每个振动或不受控制的剧烈运动，运动的对称性，流动或运动，两个或多个身体部位之间的运动的同步或如eLifeCHEST/eLifeSCOPE部子标题为“发明背景”的进一步描述，包括(但不限于)题为“步态或运动跟踪和感兴趣事件的表征”(带自动分析选项)，结合(或评估为独立因素)监测和分析或每个例子(但不限于)图75[21]，[24]和相关功能，使得能够将睡眠行为障碍(具有自动分析选项)确定为帕金森病的诊断或预后指标。类似地，可以部署这些人工智能或专家系统分析过程以使得自动分析昼夜偏移因子(即，但不限于，题为Somfit“发明背景”的章节，包括(但不限于)部分“生理温度周期确定当地环境和/或睡眠/唤醒/活动/工作”。
所述“感兴趣的健康状况”可包括(例如但不限于)其它神经疾病如ASD的诊断或预后如“专利标题为：DIMENTIA/ALZHEIMER'S/ASD/ASP”一节中进一步描述的，以及相关的“发明内容”部分以及“eLifeALERT”和相关“发明内容”一节中所述的组合措施。
所述“感兴趣的健康状况”可包括(例如但不限于)其它神经疾病如ASD的诊断或预后，这在“eLifeALERT”一节，以及相关的“发明内容”部分进一步描述。
另外，作为专家系统或人工智能方法一致性分析的输入因素的一部分(即与比较专家分析结果相比，在专业医学或科学专家的验证方面，评估专家的准确性或人工系统分析精度的方法为主体/用户提供最高质量的医疗和健康跟踪为了质量控制并且不断改进本发明的预后和诊断分析结果)，其可以自动部署为了验证并在需要时持续修改和改进解释规则图77[D]为了提高知识库的准确性[A]，并且最终提高主体/患者的诊断或预后的质量图78[2]；[5]。
本发明可以结合最小化规则，作为系统人工智能或专家系统自学能力的一部分，以使得根据范围广泛或范围狭窄的监测标准或监测目标，本发明能够不断验证并改进监控算法；该算法个性化或针对主体/患者并且简化和调整最合适和最小化的穿戴式监测传感器以及相关的预后和诊断分析，再次针对患者/主体进行定制。所述仿真分析或专家系统分析自学能力可以是一个或多个移动和/或可穿戴监控系统的一部分或互补软件网络或相关服务或资源(即SAAS，包括云计算服务，LAN，WAN，对等，WWW，NAS等)。
另外如图78所示，专家的输入(包括诊断评估或专家监督观察根据图78块[1])，患者调查或监测数据[2]，可以在预测图78[2]或诊断图78[5]模块中进行检查，例如，在人工智能或专家分析的环境中(如上面描述的图77a所示。
在一个实施例中，传统的时钟面向时间保持可以用一系列昼夜节律重叠补充，该重叠指示主体/患者的实际昼夜周期状态和/或一个或多个预计的昼夜节律睡眠周期情况和/或与本地智能手表的互联和/或与远程连接(即无线或移动无线链接的闹钟应用，旨在实现对于最小到最大睡眠质量和/或最小到最大工作安排和/或任何折衷的或平衡的位置的推荐的睡眠警报建议。此外，一个或多个主体/患者的房间或房屋灯和/或无线连接灯可以在光疗的背景下进行控制以帮助调整或优化主体/患者的昼夜周期。
i)确定最佳昼夜节律睡眠周期
本发明能够实现当前或新的环境(即世界时钟时区)的时间以及当前的睡眠/唤醒(以及与工作和/或娱乐时间周期(即通过主体/患者/用户的移动设备的日历和/或时钟设置和/或睡眠/唤醒监测)进行比较的选项)以及在健康或高峰睡眠表现或健康状态期间，对主体/患者/用户的正常节奏或典型周期或阶段性质的比较和对比分析(即通过ESS或其它睡眠倾向或睡眠比例表现，睡眠/觉醒研究，睡眠研究结果显示个体正常或健康的睡眠倾向或日间表现)；
>>>指示方法，例如手表表面(即相对于实际时钟的身体时钟，和/或相位滞后或增益和/或推荐或辅导，这些追赶相当于牺牲睡眠而没有过度不良后果的睡眠或潜力(即适度或较小的睡眠剥夺/睡眠倾向)，移动，闹钟连接，闹钟等。
>>以这种方式，针对特定主体/患者或健康个体中昼夜节律周期的典型规格化的群体案例，可以确定人体的生物钟的周期性质并且可以计算人类生物钟的经过周期或时间并将其与典型的生物钟周期进行比较。
>>与照明/眼镜/药物时间和剂量建议或管理相关联，以纠正或调整与预期的时钟和安排要求相对应的自然体时钟(昼夜节律)；
>>本发明可以包含分类的健康观察，或安排/活动/日历应用或共享的社交或商业媒体信息，在个人或共同体/群体层面实现明确的健康数据或辅导和/或相关治疗(即，链接到互联网或各种灯光和其它相关控件的光疗昼夜节律调节转换)。为了协助管理关键的睡眠阶段如深度睡眠(身体恢复)或REM睡眠(脑恢复)，昼夜节律对准(即，在平静睡眠/唤醒阶段/阶段之中的本地旅行时钟，工作时间表，休闲时间表，休息时间表等主体或其它社会或商业或旅行日程/行程中对健康重新排列进行偏移和管理)，其中主体/主体可以偏好或加权以使得影响和/或冲击和/或修改和/或适应于安排或闹钟设置或日历功能，并且可以按照各种时间表的影响分割可用性，例如颜色编码或承诺将对稳态或昼夜睡眠，睡眠不足，睡眠呼吸和其它睡眠健康因素进行调整)，他们的私人或个人化视角的重要性，在睡眠倾向或睡眠呼吸风险，睡眠负担因素，睡眠冲动因素，工作时间优先，工作生产力或表现因素，休闲时间或休闲享受，睡眠时间，优质睡眠和其它睡眠，唤醒，昼夜节律，睡眠健康和一般健康相关因素方面。例如，在本发明的一个实施例中，移动无线个性化移动设备或可穿戴设备(即手表，手机，电脑等)可以结合手表功能，具有用户切换相关观看或安排模式的能力，其适用于稳定的睡眠/唤醒阶段/阶段中的当地旅行时钟，工作时间表，休闲时间表，放松时间表，主体或其它社会或商业或旅行日程/行程之中的任何一种或其组合。
此外，本发明可以根据工作生产力和/或重点/注意力(即工作模式)的个性化偏好，个性化职业工作危害和风险因素，教导、指导和推荐日历条目，活动安排，时钟警报或闹钟，班班时间表或睡眠/唤醒规划。(即包括监测，分析，关联和警告健康状况的方法，如过度睡眠/唤醒中断，包括质量睡眠的关键方面，例如REM睡眠量，深度睡眠量以及昼夜节律偏移因子(仅做示例)人口规范要求以及个性化要求等，这些与工作的水平或风险或责任相对应。-比如，有打鼾或OSA睡眠障碍迹象卡车的驾驶可以在个人和个人安全管理层面上指出，为了在本发明相关的健身或训练辅导，睡眠训练或辅导，工作时间表或辅导，休闲时间表或辅导和/或放松时间表或辅导方面，允许私人信息，但可能关键的个人健康指导和支持)和认知表现(即思维模式)，休闲时间(没有考虑睡眠剥夺或乐趣，不同程度的睡眠剥夺或睡眠冲动考虑或加权因素的乐趣。
j)睡眠调查和人工智能
通过睡眠或其它健康调查(例如但不限于Epworth嗜睡量表)，本发明能够实现主体/患者的自我评估的方法，其中可以根据个人的睡眠模式跟踪睡眠呼吸或睡眠倾向，为了确定最有利于最小化睡眠的睡眠模式和/或促使日间困倦的睡眠开始和结束时间(例如但不限于人工智能或专家系统装置，例如图77，图78，图79)为了确定，指示治疗装置控制(即与APAP/CPAP/PAP/NIPPV相关的压力范围或动态变化的生物反馈或配置或压力动力学)，本发明可以进一步将这些措施与监测的睡眠措施相关联以及相关的睡眠评分(通过睡眠阶段分析评估人类睡眠)和/或呼吸评分(即睡眠无序呼吸的检测)。这是为了尽量减少睡眠中断或睡眠破裂，最大化睡眠结构质量和/或最小化睡眠呼吸紊乱，同时考虑到改善睡眠倾向或日间嗜睡(或白天困倦)。这可能涉及最小化或消除与治疗事件相关的觉醒和/或呼吸事件相关的唤醒(TERA和RERA)事件。
>>个人昼夜节律周期的计算可以基于以下任何一种或其组合：主体/患者的温度和/或周期EEG信号，该信号表示大脑生物钟和/或主体/患者的活动或运动和/或稳态睡眠监测特征和/或睡眠/唤醒或其它健康调查信息；
-本发明使得可穿戴式移动无线能够监测信息和推测主体/患者的自然昼夜节律，其中这种措施可以基于测量传感器，该传感器连接到或形成智能手表，腕带，前额传感器，臂带或作为其它可穿戴式监控传感器系统的一部分，并且以一种缓慢的方式纳入可分析的措施(通常24小时缓慢变化的循环措施，可以基于监测温度和/或电流皮肤电阻，和/或热通量以及诸如脉率和/或心率变异性等的光体积描记术(PPG)测量值得出，其与生理上与天然24小时生物钟功能一致。
-本发明能够监测并计算剩余的过度睡意(RES)的量度，除了以下的任何一种或其组合的计算，比较和对比措施之外，作为确定RES的关联或因果关系的方法，(即与其它因素相关TERA作为一种优化自动正压通气压力滴定的机制，为了最大限度地消除睡眠呼吸紊乱，优化心脏功能并优化睡眠质量)具有生物钟或体内平衡因子(即睡眠倾向与生物钟(CC)异步因素-即延迟或进展的昼夜节律期))：1)主体/患者的睡眠参数(即EEG，EMG，EOG的任何一种或任何组合，但不限于此)2)睡眠呼吸障碍，3)治疗事件相关的唤醒(TERA)3-5，4)呼吸事件相关的唤醒(RERA)，5)生物钟因素，6)之前的睡眠持续时间，7)之前的唤醒期，8)之前的唤醒时间，9)睡眠结构方面的之前的睡眠期，10)深度睡眠(即N3)和/或REM睡眠方面的之前的睡眠期，11)之前的睡眠期与生物钟，12)当前睡眠持续时间，13)当前唤醒期，14)当前醒来时间，15)睡眠结构方面的当前睡眠期，16)深度睡眠(即N3)和/或REM睡眠方面的当前睡眠期，17)在睡眠结构方面的当前睡眠；6
>>>具有睡眠姿势训练功能的Somfit或其它前额监测装置
具有内置的(自备)培训系统的该装置能够检测打鼾(即通过内置呼吸声或打鼾监听功能(即加速度计振动或麦克风传感器)，以这样一种方式：基于以下任何一种或其组合的确定，主体/患者可以提醒或唤醒(包括头带附加振动或声音闹钟装置)：
1)睡眠闹钟设置(即手表，手机，闹钟等)，
2)睡眠阶段确定包括唤醒，N1，N2，N3，REM，非REM，觉醒，主轴，k-复合物，α突发，EMG突发，EMG张力缺失状态等，
3)主体/患者姿势，
4)主体/患者姿势偏好，其中打鼾最不明显(即侧对背位置等)，
5)主体/患者与呼吸周期的生物同步(例如从任何监控传感器派生出来的，包括红外热通量或主体/患者呼吸信号，相对于实际的主体/患者打鼾措施，这些信号为了减轻睡眠伴侣呼吸措施(或打鼾)的检测风险；
6)在一个示例性实施例中，本发明可以(仅做示例)：
-在第一个处理步骤中，根据用户的选择确定闹钟启动前的时间量；
-在第二处理步骤中跟踪睡眠阶段(即，尾流，N1，N2，N3，REM)和睡眠事件(即心轴，觉醒，k-复合体)，同时不断评估闹钟启动前的时间；
-在第三个处理步骤和情况下，当主体/患者进入睡眠状态时，这种睡眠状态倾向于或被定义为倾向于导致“呻吟”或“疲劳”中断或唤醒时，本发明可以在更有利的睡眠状态，即在觉醒时不容易引起诸如“疲劳”的睡眠状态激活闹钟。例如，如果主体/患者对白天1小时小憩设置闹钟，为了尝试并克服时差或其它形式的睡眠或睡眠倾向，那么本发明确定或追踪(通过在线睡眠分析能力)用户/主体处于REM睡眠(例如，比N3深度睡眠状态较不利的恢复影响)，在所选择的闹钟设置下，闹钟将发出声音。
-在第四个处理步骤中，(例如)如果本发明确定或追踪(通过在线睡眠分析能力)到用户/主体似乎正在从REM转换到NI/深度睡眠阶段(例如，倾向于导致比REM期高的不良反应的影响)，并且在闹钟设定时间被激活之前只有10分钟的时间，以及在最大的预醒闹钟时间设置(或默认)为大于10分钟的条件下，本发明将响起闹钟并使主体/患者在优选的REM状态下，即相对于潜在的N3深度睡眠状态被唤醒。
最大的预醒闹钟时间是在觉醒之前允许的与最大时间有关的设置，以使得基于主体/患者的睡眠阶段，本发明可以使用其处理能力优化觉醒事件。
根据睡眠时间(即小时和分钟)，或根据睡眠时间或者比如在闹钟的总时间之前的10％的时间进行选择(即总睡眠时间的百分比，其中典型的开始和结束睡眠时间或典型的总睡眠时间段由系统输入或设置为默认值)，可以设置最大预醒时间。
昼夜节律药物递送专利
本发明包括(在一个示例性实施例中)具有可连接或集成的智能手表的能力(嵌入式或板载式地作为智能手表和/或无线互联处理系统的一部分)，生物反馈药物递送(BFDD)系统和或“相关治疗”系统，其中所述生物反馈药物系统可以包括以下任何一种或其组合：a)药物分送系统，b)自动分析系统和/或c)药物递送控制系统；
所述“药物分送系统”可以包括任何可连接药物递送系统，该系统包括手动或自动控制的药物分配器，该分配器能够实现“最佳的药物分配”，包括以下任何一种或其组合：
A)在最佳时间分配药物，和/或速度，
B)和/或化合物(即包括但不限于褪黑素的药物类型或药物化合物混合物)和/或
C)浓度和/或递送浓度和/或
D)递送速度，
其中，为了使睡眠延迟综合征的影响最小化(即主体睡眠/唤醒周期和/或工作周期/时间表/时钟/日历(即轮班)和/或社交周期/时间表/时钟/日历和/或旅行周期/时间表/时钟/日历(即行程)，由此所述“最佳药物分配”可适用于任何生理和/或神经和/或睡眠障碍和/或其它不利健康状况；
-其中所述的“生物反馈”系统和/或“相关治疗”系统可包含以下任何一种或其组合：
i)生物节律转换系统
ii)生物节律转换系统包括光辐射控制或光辐射
iii)网络或其它互联的生物节律转换系统包括光辐射控制或光辐射；-其中所述的“自动分析系统”可能包含主体睡眠/维持模式和/或稳态睡眠特征的确定和/或个人生物钟周期的确定，正如本文其它部分所述。
-其中所述的“药物递送控制系统”可包含药物分配机制(包含，但不限于，能够分配药物治疗/药物的筒装药分配器，其能够分配药剂/药物以一种可以设置为适度的，严重的，或者其它梯度的转换方式使睡眠延迟或睡眠失调综合症最小化，(即弥补个人睡眠延迟或生物钟失调因素)；
-其中所述的“生物反馈药物递送系统”可为以下任何一种或其组合的一部分：a)任何无线移动系统；b)任何可穿戴监测系统；c)远程医药系统；
自动睡眠/唤醒/昼夜节律药物治疗和/或治疗系统
本发明提供了一种移动无线电话或可穿戴设备或分离的移动设备以及自动或手动药物治疗分配器系统的选择(比如，睡眠抑制或对抗药物治疗，比如褪黑素等)以及睡眠/唤醒周期分析系统的选项(自动或手动，通过当地或广泛处理和/或互联处理比如网络或与计算或其它无线互联模式)以及生物节律分析系统的选项(自动或手动)加上光治疗转换选项(例如物联网包括光和/或闹钟或音乐和/或声控，这些旨在调节个人昼夜节律周期)以及药物治疗和/或相关音乐和/或声音的选项以及所述一个或多个治疗种类的联动，其被连接到包括脑信号处理(如EEG)的生物反馈和/或其它生理信号(如温度，氧气饱和度，心率，汗水和皮肤电阻，ECG，EMG，EOG，室内灯光状态，主体动作，主体方位，主体位置，和/或主体活动；
自动监控和模型配置能力；图83
-本发明提供确定、选择、配置的方法，其中所述方法包括以下能力的任何一种或其组合(但不限于)：睡眠监控研究类型的自动方法和/或睡眠研究配置和/或所需睡眠监控试剂盒的指示(包括睡眠研究设备监控装置和/或消耗性传感器元件的单选择选项)，电脑和其它相关的本地或远程设备和电脑资源的调整。其适用于挑选出来的或所需的研究形式(也可能考虑到“高依赖性连接监控(HDCM)”或“适应的生理-身体网络(APN/APM)”，自动感测连接要求和连接或质量状态，自动获取前信号处理(例如，过滤，敏感度等)设置，自动数据获取装置(例如为每一个监控的，分析的，传播的，储存的和/或显示的渠道进行数据采样率，采样分辨率/步骤的模拟)，为每一个监控渠道注册的自动监控或电极位置信息，自动获取后信号处理(例如，过滤，敏感度等)，关于数据特征的自动互联和/或互通(例如，但不限于每一个监控的，分析的，传播的，储存的，本地显示的，远程显示的报道，警示，闹钟和/或其它通信接入或转换的数据采样率，采样分辨率/步骤)，
本发明提供了确定配置和实现配置的方法(用自动配置的选项)，用以下任何一种或其组合(但不限于)：自动无线或无线界面互联方法，其中本发明能够自动探测主体/病人/用户研究类型，包括可以被分类的预定义系列或监测方案，该分类根据生理监测和参数和质量或与每个所述生理渠道和特定检测到的信号特征相关的特征(包括任何一种，但不限于自动获取前信号处理(例如，过滤，敏感度等)设置，自动数据获取设置(例如为每一个监测的，分析的，传播的，储存的和/或显示的渠道进行数据采样率，采样分辨率/步骤的模拟)，为每一个监测渠道注册的自动监测或电极位置信息，自动获取后信号处理(例如，过滤，敏感度等)，关于数据特征的自动互联和/或互通，考虑到“高依赖性连接监测(HDCM)”或“适应的生理-身体网络(APN/APM)”，自动感测连接要求和连接或质量状态；
-其中所述可以被分类的预定义系列或监测方案包含自动调整或升级的类型和/或层次和/或分类和/或范围(或诊所内或诊所外的研究方法和/或建议和/或健康保障的要求或指导和/或政府健康引导等范围)以及相关的睡眠监测范围，包括睡眠类型和种类，心血管，血氧饱和度，位置，努力，和/或呼吸监测要求)；
-本发明提供睡眠监测系统的自动确定和相应的配置；
>其中所述确定可包含探测消费者/非监管的，相对于专业的/监管的(例如中国-FDA，美国-FDA等)；
>其中相比实际睡眠研究配置详情，所述确定可包含探测实际的研究标准或本地监管(即健康医疗保险报销或政府报销或市场清关机构(即美国，中国FDA等)
>就以下任何一种或其组合，提供指示，暗示，自动提示：
-专业/监管(即中国-FDA，美国-FDA等)要求合规；
-相对于已完成的研究状态或研究设置/配置步骤，就所需的(未完成的)实际过程或过程步骤，相对于中国-FDA，美国-FDA等监督和授权的专业监督和授权；
-委员会认证的专家(BCSS)完成的授权决定，可疑的主体/患者阻塞性睡眠呼吸暂停(OSA)的评估；
-主体/患者是否具有症状的BCSS决定或性疾病信号
-主体/患者是否具有症状的BCSS决定或性疾病信号
-专业/监管(例如中国-FDA，美国-FDA等)睡眠或其它主体/患者健康问卷调查要求的合规
(睡眠范围)
-其中所述可以被分类的预定义系列或监测方案包含心睡眠，血管，血氧饱和度，位置，呼吸努力，和/或呼吸措施中的任何一种或其组合；
-其中所述睡眠种类1(仅用于示例)可以包含睡眠参数的监测，比如(但不限于)通过使用3活跃EEG渠道，至少一种EOG渠道和下巴EMG渠道的睡眠；
-其中所述睡眠种类2(仅用于示例)可以包含睡眠参数的监测，比如(但不限于)通过使用至少2活跃EEG渠道(以及分离参考EEG渠道)睡眠，具有或者没有EOG渠道或下巴EMG渠道；
-其中所述睡眠种类3(仅用于示例)可以包含(但不限于)睡眠代理渠道的监测，比如检查仪；
-其中所述睡眠种类4(仅用于示例)基于其它睡眠措施而非睡眠种类1,2和3所述的措施
心血管范围
-其中所述心血管种类1(仅用于示例)可以包括心血管参数监测，比如(但不限于)超过1ECG，随着衍生事件的选择；
-其中所述心血管种类2(仅用于示例)可以包括心血管参数监测，比如(但不限于)外周动脉张力(如图37，图38所述)；
-其中所述心血管种类3(仅用于示例)可以包括心血管参数监测，比如(但不限于)一个标准的(1重要的)ECG措施；
-其中所述心血管种类4(仅用于示例)可以包括心血管参数监测，比如(但不限于)衍生的脉搏，比如血氧饱和度；
-其中所述心血管种类4(仅用于示例)可以包括心血管参数监测，(但不限于)基于其它昼夜节律措施而不是睡眠种类1,2,3,4所描述的；
血氧饱和度范围
-其中所述血氧饱和度种类1(仅用于示例)可以包括血氧饱和度监测，(但不限于)以平均3秒抽样以及至少10赫兹抽样率，优选25赫兹，进行的手指或耳朵检测；
-其中所述血氧饱和度种类1a(仅用于示例)可以包括血氧饱和度监测，(但不限于)以少于3秒和10赫兹的抽样率为抽样特征进行手指或耳朵检测；
-其中所述血氧饱和度种类2(仅用于示例)可以包括血氧饱和度监测，(但不限于)位于替代位置，比如前额；
-其中所述血氧饱和度种类3(仅用于示例)可以包括其它血氧饱和度形式的监测；
位置范围
-其中位置种类1(仅用于示例)可以包含视频或视觉位置测量监测；
-其中位置种类2(仅用于示例)可以包含非视觉位置测量监测；
呼吸努力范围
-其中所述的呼吸努力种类1(仅用于示例)可以包含两个呼吸感应体积描记法措施的监测(腹部和胸部措施)；
-其中所述的呼吸努力种类2(仅用于示例)可以包含一个呼吸感应体积描记法措施的监测(腹部或胸部措施)；
-其中所述的呼吸努力种类3(仅用于示例)可以包含一个呼吸感应体积描记法措施的监测，一种衍生呼吸努力措施，比如前额静脉压力(FVP)；
-其中所述的呼吸努力种类4(仅用于示例)可以包含其它呼吸努力措施监测，比如压力呼吸带措施；
呼吸范围
-其中呼吸的呼吸努力种类1(仅用于示例)可以包含鼻腔压力和热量感测装置监测；
-其中呼吸的呼吸努力种类2(仅用于示例)可以包含鼻腔压力感测装置监测；
-其中呼吸的呼吸努力种类3(仅用于示例)可以包含热量感测监测；
-其中呼吸的呼吸努力种类4(仅用于示例)可以包含末端呼吸C02(ETC02)感测监测；
-其中呼吸的呼吸努力种类5(仅用于示例)可以包含其它的呼吸装置监测
-其中任何所述的睡眠种类形式或其组合(包括任何种类1-5类型或水平的一种)和/或相关监测信号渠道(包括以上睡眠，心血管，血氧饱和度，位置，呼吸努力，呼吸范围的任何一种或其组合)可以包含自动匹配一个或多个时间同步的分布式无线互联监测感测器(例如不限于标题：多点时间同步监测(MTM)系统和相关“发明内容”所描述的)
本发明提供了自动连接和配置的消费者或专业可穿戴移动HMS(包括装置，相应的在线服务，感测器，治疗性干预和生物反馈能力选项控制)根据以下任何一种或其组合(但不限于)连接激活：a)监测研究或HMS目标要求，b)监测或HMS种类形式，c)监测研究或HMS“类型或水平”要求，d)感测器配件，监测配件，e)专业授权的和卫生保健的安全倾向，f)消费者服务供应商g)专业服务供应商h)个人护理管理平台i)应用j)选择专业人员(监管的-例如中国FDA；美国FDA；CE等)k)HMS eHealth在线商店选择l)HMS eLife在线商店选择，k)HMS eHealth应用选择或功能k)HMS eLife应用选择或功能l)HMO m)健康保险组织n)政府健康连接系统m)AMD n)AICC o)SQE p)SQI&C
-其中所述睡眠监测研究类型(级别)1(最综合水平)(仅用于示例)包括以下受监控的通道：脑电图，EOG，心电图/心率，Chin EMG，肢体肌电图，胸部和腹部呼吸功能，鼻插管热敏电阻的气流和/或呼吸努力，(呼吸体积描记法)，脉搏血氧饱和度，CPAP/BiPAPA水平的附加通道，压力，二氧化碳，pH值。
-其中所述睡眠监测研究类型(级别)2(仅用于示例)包括以下受监控的通道：EEG，EOG，心电图/心率，气流，呼吸功能，氧饱和度；
-其中所述睡眠监测研究类型(水平)2AU(仅用于示例)包括以下受监测的通道：脑电图，心电图，气流，胸腹部运动，氧饱和度，身体位置以及EOG或下巴肌电图)。
-其中所述睡眠监测研究类型(级别)3(仅用于示例)包括以下受监控的通道：2呼吸运动/气流，1心电图/心率，1氧饱和度；
-其中所述睡眠监测研究类型(级别)4(仅用于示例)包括以下受监控的通道：
最少3个通道，包括动脉血氧饱和度，气流，可选胸腹运动，以及直接计算AHI或RDI测量；
-本发明还提供了一种自动模式确定(AMD)的方法，
其中AMD功能与AICC，SQE和SQI&C功能配合使用以根据系统运行时的具体电极配置和质量状况实现系统配置。AICC，SQE和SQI&C功能在患者界面部分进行了详细介绍。具体地，SQE系统跟踪电极连接状态和质量。相应的控制功能由SQI&C功能中继到AMD系统。然后所述A&CD监控模式根据传感器和电极在任何时间点的有效性和连接状态进行调整。
如图83(下)所示，激活自动模式确定(图83；[3：Y])，如果激活(图83；[5])的话，按照ISA格式和信号质量提示A&CD系统配置监控操作模式。但是，如果AMD功能没有激活(图83；[3：N])根据操作员手动模式选择(图83；[4])配置操作界面。集成的附件传感器(图83；[6])连接到患者接口模块[7]，其检测并确定ISA格式，以及传感器附件和质量状态(图83；[8])。该信息作为与自动识别和信道表征相关的决策矩阵的一部分输入(图83；[9]；AICC)系统。模式确定(图83；5)然后实现各种附属系统，包括动态链接的信号调理(图83；[11])和动态链接的分析条件(图83；[12])系统为了配置或调整与操作，环境和信号质量条件相对应的A&CD系统。在线信号质量跟踪与AMD的结合实现特殊的在线适配例如当AEP点击刺激被断开时，因此，系统可以从混合(基于AEP和EEG)恢复到基于EEG的监测模式。
-本发明还提供了一种自动识别和信道表征(AICC)的方法，
-其中AICC系统被设计为自动检测集成的传感器附件(ISA)系统配置(如图82)，并且也是(但不限于图1；图28；图31；图38；图46；图55)其它监测系统示例(即但不限于)可穿戴移动或其它监测系统监测模式(混合，基于EEG的)和格式(标准或高级)。此外，可以自动配置每个相应通道所需的特定信号滤波和处理特性。以这种方式，单个快速ISA连接(例如)可以自动准备系统用于监测。
-本发明还提供了信号质量估计(SQE)方法，其中所述信号质量估计(SQE)系统能够连续跟踪输入信号的完整性和整体质量。另外，这种方法能够连续地与预定和可接受的信号范围，限制和其它重要特性进行比较。
SQE功能与在线阻抗测量功能(OIM)配合使用。
本发明还提供了传感器/电极质量指标和控制(SQI&C)的方法
其中SQI&C系统可被集成在患者界面内(如Somfit或其它可穿戴式监控设备(例如但不限于图1可穿戴的装置的实施例)或监测头盒(即用于临床或实验室监测)提供了一些关键功能，包括可视化用户提示，始终指示连接和传感器质量状态。
低干扰连续在线阻抗测量(LCOIM)系统
LCOIM系统通常是指使用有源在线阻抗测量，该测量以测量周期被标记并从下游分析结果中排除的方式进行。此外，通过测量与常规稳态波形测量方法相比的瞬态响应信号，阻抗测量周期可以最小化。本发明能够组合无源信号质量跟踪(即与典型的干扰和其它人造物源的信号特征相对的在典型和预期的信号特征方面的监视信号的检查(即体力，汗水，人造物，电极爆裂噪音等)。
本发明进一步实现与监视信号交错的主动阻抗测量，以这样的方式：测量周期(可能导致监控信号干扰)可以被限制为“非关键”或“不太关键”的监控周期(即不是在确定睡眠分期时期(即不是在过渡性睡眠阶段等期间)的关键期间。非关键时期也可以预定义为周期，即当重要的措施如心轴或K复合体标志着睡眠阶段的变化并不明显时。
人工补偿与拒绝(AC&R)系统
本发明的AC&R系统结合了一系列算法，该算法能够消除或最小化噪音或假象。自动在线假象旅程可以识别具体的严重性级别，间隔和假象分类。减少或消除不需要的背景生理假象的影响包括EMG信号入侵，眨眼，EOG入侵，唤醒(包括各种神经和自主类别)，身体运动，移动时间和不需要的PAMR信号入侵可以在线自动，持续追踪和实现。本发明实现了在电，EMF等身体运动伪影和其它信号干扰源的严重干扰下高容差和高质量的持续信号监测。本发明可以并入高阻抗环境噪声采样输入通道，该通道配置为像天线一样工作以进行噪声和采样干扰，可以监测和/或存储信号特性或环境干扰的方式。以这种方式，在确定要求最小化或消除来自监测信号通道噪声的过滤类型和特性方面，可以环境噪声特征化。例如，环境噪声采样输入通道可用于帮助消除感兴趣的输入通道中的噪声，通过相移，幅度调整和最终消除不必要的环境噪声。即可以产生噪声消除通道，然后相移到与其它信号通道中存在的噪声精确相等但相位相反(180度相移)，以无效或消除不需要的噪音。
本发明的AC&R结合了开放式“噪声采样通道”作为消除不需要的信号的方法，如图29所示。
健康伙伴
本发明能够实现健康支付系统，“适当地”(即遵守有关的隐私，安全，政府，医疗，病人护理，安全方面，可以根据位置或患者的具体细节和健康信息链接或编程作为本发明的一个功能)从保健服务或产品供应商包括分离患者或消费者信息的方法。但是除了能够进行在线支付交易的常规方法，还能够访问个性化医疗数据库服务使得能够访问诸如健康保险合规性或批准数据的重要信息，包括治疗类型和/或调整的验证(即PAP。NIPPV设备)的医疗处方数据；
-本发明的其它方面包括“适当地”评估患者病史(即过敏，与某些药物等的反应)与规定药物之间的矛盾，副作用，检查的能力，并根据需要提醒或通知主体/患者和相关保健人员；
-本发明的其它方面包括通过咨询，指导，简单步骤，GP，从业者，咨询/步骤，HMO等方式自动处理政府/保险报销的能力。
-本发明的其它方面包括利用双向分离或缓冲数据访问的能力以保证主题/患者与供应商之间的断开和信息的隐私安全为了隐瞒私人疾病和病史或隐私(即具有健康敏感和健康专家安全的“健康”的私人用药等)。
专利---Elife步态或运动神经元(包括帕金森氏病)的方法或装置发明
本发明提供一种表征个体步态或运动特性的方法，包括对任何多个肢体或肢体之间的运动的相互关系的任何度量，本发明还包括(但不限于)以下任何一种或其组合：
(步行，跑步，跨步运动的特点)
本发明提供一种通过分析方式分析主体/患者的运动特征的方法(即频谱分析，例如FFT和指定频段的分割，其适用于主体运动的不同组成部分，包括分析频段特性，在相位性质和信号之间的同步方面，这些特性与手臂摆动相关联，并将这些手臂摆动与腿部步骤相关联。所述运动表征可以包括分辨运动特性，例如线性长度(即毫米)，循环周期(即秒)，规则性(即臂摆动或腿步运动特性的确定性或规则性)的任何一种或其组合；
(肢体运动相互关系)
所述臂摆动与相应的腿运动特性之间的同步和相位相互关系，随着时间的推移，随着运动和神经障碍的发展而改变，特别是在导航时受到更具挑战性的与拐角的关联，改变方向等的电机控制环境的影响。
(NLDB运动分析)
类似地，运动传感器输出的分析(即加速度计)可以包括部署非线性动态(NLDB)分析变换，因此，仅用于示例，规律性(即手臂摆动或脚踏步运动特性的确定性或规则性可以用非线性动态特性指标来衡量例如(但不限于)复杂性或熵；
(运动模式或信号形态分析)
类似地，运动传感器输出的分析(即加速度计)可以包括部署模式识别分析转换，其中脚步和臂摆动动可以映射并记录信号表征为了将摆动动作，流畅性，运动流动，任何其它肢体或肢体的同步化的逐渐变化特征化作为细微或更严重恶化或改善的措施，该措施适用于运动，神经或神经障碍的逆转/恢复或退化，包括任何“相关事件/意向书”(根据本文件后面的缩写表中的“意向书定义”)；
(与位置/GPS分析的运动相关性)
本发明还包括组合位置跟踪的方法，如GPS信息以一段时间内逐渐恶化的方式绘制个人的运动特征，因为它涉及不同类别的运动(即步行，慢跑，楼梯攀爬，运动或健身运动系统，如跑步机，跑步)，可以在导航或步态难度的背景下进行分析(即轻度，中度或严重的机动困难，直线路径等)以及相应的步态或平衡输出措施(例如，但不限于以下任何一种或其组合：
>>相互关系的测量(任何两个或多个肢体或四肢或主体运动感测位置之间的相位同步度)；
>>在两个或更多个运动感测系统d的任何两个或多个信号或数据输出之间的循环和/或相位相互关系(即可以是可穿戴设备或被摄体的移动电话或包含感测设备(即单轴或多轴加速度计测量传感器)的移动电话壳体的一部分或附着于其上，
-任何一个或四肢和/或主体部分的运动分析或表征包括(但不限于)任何长度的臂摆动(线性或弧度毫米)行走流畅度的任何一种或其组合；步行臂运动；摆臂图案；摆臂运动(即通过手表或手镯，例如(但不限于)单个多轴加速度计；行走腿与臂同步的程度；相位性质和信号之间的同步性。所述运动特征可以包括分辨运动特性，例如线性长度(即毫米)，循环时间(即秒)，规则性的任何一种或其组合(即手臂摆动或脚踏运动特性的确定性或规则性；以及每个臂摆动或台阶的摆动运动；对称因子是步行期间臂与腿运动之间的相关性，在多个所述四肢，肢体或身体部分运动的主体/个体之间，本发明还包括关联，比较或其它阶段的分析，或确定相互关系的循环或其它方法；
>>>>>>本发明提供结合了SBD REM张力缺乏和运动分析的测量评估和特征，其适用于运动或神经系统疾病的预后或诊断，包括“感兴趣的健康状况”或“感兴趣的事件/意向书”(根据本文件后面的缩写表中的“意向书定义”)；
本发明包括使SBD(图75)和/或运动分析装置相关联的方法，如本文件其它部分所描述的；
附图说明
昼夜节律HMS图的说明
图96
本发明提供了一种方法，作为微处理器的一部分，在以下任一种或多种的组合中进行编程：软件应用，移动设备，可穿戴技术或互联通信系统(即SAAS，包括云计算服务，LAN，WAN，NAS等)能够通过输入，例如但不限于图96所示的输入功能，应用或系统的任何一种或其组合，提供生物钟健康管理。
块1和块2或每块块3的处理/确定或块4至10中的相应输出或本文档其它部分涵盖的其它输入，确定或输出。
[块1]生物钟(CC)健康管理系统(HMS)输入
>>环境信息生物钟转换输入；
-块1包含新的和当前的环境时区和/或太阳能日光条件，温度变化，人口研究信息或健康信息，例如典型的睡眠剥夺或与不同程度的生物钟异步相关的睡眠冲动/倾向(包括并入作为自学算法过程的一部分(即但不限于每个实例的自学过程)。
>>输入/信息
-通过主体/患者/用户和信息或相关的派生信息或相关的结果互动问卷激活因为它们与个体的睡眠/唤醒周期和/或生物钟周期的表征有关；例如(但不限于)问卷调查包括霍恩-奥斯特伯格晨曦问卷调查表(MEQ)；Epworth睡眠量表(ESS)；慕尼黑时计调查表(MCTQ)等(另见CC HMS处理/确定)；
-内生昼夜循环；
-主体/患者/用户目标或期望的昼夜循环转换结果；
-主体/患者/用户目标(期望的)昼夜循环；
-实际与目标昼夜循环；
>>环境监测和跟踪昼夜节律转换输入；
即但不限于以下任何一种或其组合：
-抑制刺激或环境条件变化(即光疗控制输入；磁刺激控制目标，投入剂量和性质调整；温度控制输入等；
-授时因子；
>>环境监测和跟踪昼夜节律转换输入；
即但不限于以下任何一种或其组合：
>>转换刺激或环境条件变化(即光疗控制输入；磁刺激控制目标，投入剂量和性质调整；温度控制输入等；
>>通过昼夜节律和稳态睡眠/唤醒因素的方式监测睡眠
即但不限于以下任何一种或其组合：
实际的睡眠-唤醒周期(即睡眠和唤醒的时间和结构，例如从监视的睡眠参数和/或相关联的测量得到的时间和结构，包括(但不限于图77；图78；本文档其它部分所涵盖的图79)；
-主体/患者/用户目标(期望)睡眠-唤醒周期；
-实际与目标睡眠-唤醒周期-温度测量；
>>生理和/或心理监测和跟踪生物钟保留输入；
即但不限于以下任何一种或其组合：
-EEG装置；
-光线照明装置；
-GSR装置；
-活动装置；
-位置装置；
-脉搏装置；
-血压测量
-脑激活装置；
-睡眠/唤醒装置
-光装置
-活动循环时间的目标测量可以用动作进行；
-护理体液装置，如褪黑素(即褪黑素浓度的节奏为人提供了最佳的昼夜节律标志物)或皮质醇(即通过唾液，血液/血浆或尿液或相关血液/血浆，唾液或尿液取样测试旅行和相关的护理测试系统的样品的定期测试进行的测量，具有自动集成选项或与移动健康监测或跟踪系统的接口)；
[块2]生物钟(CC)健康管理系统(HMS)脑睡眠/唤醒调节输入
本发明可实现正向和/或储备方程EEG电极最小化/监测(即参见图45最小化过程)和/或源定位，该定位适用于个人的健康管理和相关的意识标志，睡眠/唤醒稳态或昼夜节律测定/监测，调节觉醒和睡眠的脑中枢(包括产生脑电活化的神经调节剂和神经递质，如组胺，乙酰胆碱，去甲肾上腺素，下视丘分泌素和谷氨酸酯)，
进一步包括脑区域的任何一种或其组合(但不限于)：
-丘脑或相关区域；
-后扣带回或相关区域；内侧顶叶皮层或相关区域；
-内侧前脑基底或相关区域；
-枕部大脑皮层区域或相关区域；
-激励回或相关区域；
-前额叶皮质或相关区域；
-脑桥或相关区域；
-视觉皮层(大脑皮层视皮质部分；位于枕叶)或相关区域；
-下丘脑或相关区域：前路(腹外侧视前核，负责促进睡眠)或相关区域；
-(结核菌核，负责产生组胺；延髓延髓；食欲素[A/B]，涉及唤醒神经活动)；
-中脑和脑桥(中枢神经丛(去甲肾上腺素；NE)的中枢点，中缝核(5-羟色胺；5-HT)，和
-脑桥脚)或相关区域；
-嗅球或相关区域；
-小脑或相关区域；和/或
-视交叉上核(生物钟)区域或相关区域；
-具有相关连贯性或偶极子建模连通性相互关系(包括丘脑-皮层相互关系)；
[块3]生物钟(CC)健康管理系统(HMS)处理/确定
>>-与环境时钟或周期的CC同步(I.社会，旅游，时区，太阳，工作时间，所需时间表，所需的日程，所需的时间等)
-确定与环境或转换的最佳同步，其可以通过控制稳态或周期性刺激(也称为时代)来介导，以刺激或行动主体/患者/用户的生物钟(另见CC HMS输入)；生物钟(或生物钟(起搏器)和主体/患者/用户睡眠稳态过程之间的相互作用和相互关系(即依赖于先前的睡眠/唤醒和相关特征)
-生物钟(或昼夜节律起搏器)和主体/患者/用户睡眠稳态过程之间的互动和相互关系的建模/计算
作为确定睡眠障碍或睡眠障碍范围的方法，例如(但不限于通过治疗或相关的昼夜节律调整，与沮丧相关的可能的节律性生物钟异常的解释，以及相关框架和建议的确定和/或用于相关治疗的生物反馈和/或控制；
-确定主体/患者/用户/昼夜节律的阶段之间的时间变化，例如睡眠开始和时代周期的阶段，例如太阳能时钟周期(即黄昏或黎明)；
-睡眠定时信息，例如睡眠中点(即在睡眠开始时间和唤醒时间之间)；
-休息活动循环动作的目标分析，即加速度计输出的FFT和频率分析，然后是可能的来源或活动的因果关系，然后将所述移动分类与睡眠，醒来和其它活动的关联作为导出主体/患者/用户的最终睡眠/唤醒/活动循环的方法；
-以通过主体/患者/用户和信息或相关衍生信息或相关结果的睡眠/行为问卷激活因为他们与个人的睡眠/唤醒周期和/或生物钟周期特征有关；例如，示例(但不限于)问卷包含霍恩-奥斯特伯格晨曦问卷调查表(MEQ)；Epworth睡眠量表(ESS)；慕尼黑时计调查表(MCTQ)等(另见生物钟HMS结果)
-来自褪黑素样品的“昏暗褪黑素发作”(DLMO)的测定，这是身体时钟时间的标志，这可以在人进入睡眠之前在唾液或尿液或血液/血浆中测量。此外，在24小时节奏测量中，包括峰值，中线穿越点，分泌物偏移，并且其它点可以被确定为对象/患者/用户生物钟的推导；
-本发明能够提供一种护理点检测系统，其自动地连接到移动或可穿戴设备，或通过与通信网络或系统的互联，这为了使唾液，血液/血浆，尿液取样(即褪黑素测定法，包括(但不限于)化学浸渍的测试条，旨在根据褪黑素的存在或浓度进行反应，然后选择将自动扫描和分析所述测试条作为指示或传达结果的方法)；
-能够提供临床实用程序或个性化主体/患者/用户健康监测或跟踪能力并入算法，包括使用(但不限于)睡眠中点(通过睡眠/唤醒监测功能，只要睡眠不被打扰，正如本文件任何部分所述的本发明)，其部署为代替，但合理测量近似昼夜相循环测定；
-能够提供治疗使用时间的计算(即明亮的光疗法)并入算法，应根据主体/患者/用户的与外部环境时钟时间条件相对应的内部昼夜节律进行应用。以这种自动方式，患者可穿戴技术和/或移动设备集成系统可有助于纳入昼夜节律原则以确定重要的治疗方法(即昼夜节律(内部)和环境(外部)时钟周期之间的对准或调整，以实现最佳健康，安全和职业危害最小化。所述治疗可以扩展到优化主体/患者/用户室，闹钟设置或其它环境或温度条件，以相对于一般条件进行个性化；
-通过分析睡眠中点计算在单个或常规基础上确定睡眠中点，这基于本发明的睡眠/觉醒监测和/或MEQ，MCTQ问卷和/或主体/患者/用户睡眠期刊(即开始睡眠时间，睡眠时间熄灭，唤醒睡眠时间)以确定内部昼夜周期时钟时间的近似值；
-光疗相位前移治疗方法的确定或调整/适应策略，这基于相位关系和修正要求，为了改变生物钟以同步内部环境(时区和/或太阳钟因素和/或所需的睡眠/唤醒周期)，比如通过光疗法前移生物钟的时间(比如，室内光亮的激活)时期以自动的方式(比如无线连接光激活或者光控制部署)与警示闹钟的唤醒时间相一致。这种过程可以部署为了对抗疾病，诸如在冬天或大雪地区的“拘束”或冬季“压抑”或者非季节压抑的发病率。
以这种方式，本发明包含闹钟和/或睡眠指导确定能力以及旨在帮助或指导、通知人们最佳休息阶段(例如休息或恢复睡眠)的算法，用户可以设置偏好(例如对于司机或飞行员，为了隔离或缓解睡眠职业风险)为了增强警惕或表现能力，其中本发明使主体/用户能够进入理想的睡眠阶段和“最佳睡眠恢复策略”方法的选择(所述方法可以将任何生物钟和/或唤醒，睡眠，REM或唤醒状态与唤醒功能(例如声音、震动闹钟，包括具有监测可穿戴设备的震动功能(如前额Somfit/前额带等))的确定相联系)
-长期活动的确定(即体动记录仪)，睡眠/唤醒(例如监测能力和/或睡眠日记条目)其适用于压抑的因果关系和/或治疗和/或指导；
-非稳定休息活动周期的确定，作为潜在不良昼夜节律转换和潜在的导致不良生理或心理健康状态因素的标志；
-睡眠/唤醒参数的确定，例如(但不限于)睡眠发作，唤醒时间，唤醒发作，睡眠效率，中度睡眠时间等，基于睡眠/唤醒监测数据或相关结果，和/或检查仪(例如加速度计结果措施)之中任何一种或其组合；
-昼夜节律变量诸如相对于周期时间的昼夜节律相关振幅的确定和/或昼夜节律最大振幅和/或昼夜节律最小振幅，日常昼夜节律稳定(日间稳定或相关分裂因素)和/或昼夜节律日常稳定(日间稳定或相关分裂因素)
-昼夜节律变量诸如耦合或关联强度的确定，于相对于昼夜节律周期的外部昼夜节律环境刺激因素之中(授时因子)
-事件类型(主体/患者/用户上床和醒来和/或最好需要做类似事情的时间)客观证明和/或特征的确定
-事件类型(主体/患者/用户上床和醒来和/或最好需要/想要上床和醒来的时间)客观证明和/或特征的确定，因为其与特殊时间相关联，诸如考试，节日，疾病，相关或随后的治疗；相关或随后的药物治疗；压抑等；
-生物钟过程/确定方面的任何一种或其组合的确定，这基于更长期的措施或趋势(例如但不限于每周，每月，每年的摘要或概述)和/或更短期的措施或趋势(例如每小时等)和/或与工作阶段，娱乐阶段，关联阶段等相关，以及指示，指导，转换确定等的选择，为了稳定生物钟周期和/或使内部生物钟周期与外部环境钟因素(时区；太阳钟；授时因子因素)；
-转换的稳定(例如，暗光褪黑素；DLMO(基于测量测量主体/患者/用户睡眠前的唾液的生物钟标志))通过环境/室光，太阳光，温度和/或生理主体/患者/用户光，温度，呼吸，EEG等之中的任何一种或其组合；
-环境/室光和/或太阳光日志
-通过社会度量节奏问卷的社会授时因子
-通过相关问卷和/或睡眠/唤醒监测和/或呼吸之中的任何一种或其组合；
-生物钟振幅的确定，通过核心体温，褪黑素抽样测试，EEG措施，代替或衍生或估计的体温措施之中的任何一种或其组合；
-光输入频率/颜色组合和/力度的确定；
-睡眠稳态特征的确定，包括短期或长期智力的增加或减少因为它与慢波睡眠相关(例如0.75赫兹至4.5赫兹的NREM)；
-睡眠稳态特征的确定，包括短期或长期智力的增加或减少，因为它与REM睡眠相关；
-睡眠稳态特征的确定，包括短期或长期智力的增加或减少，因为它与唤醒EEG相关；
-睡眠稳态特征的确定，包括短期或长期智力的增加或减少，因为它与积极唤醒时的更快的beta波和/或安静唤醒时更慢的alpha波相关；
-外部授时因子的确定，其与睡眠结构和唤醒结构方面和/或变化；
-授时因子的强度的确定，其基于主体/患者/用户接受到的光的程度，以及相关的日间时间，因为它涉及转换要求和/或当前的转换决定；
-本发明可自动地将所有昼夜节律转换因素，指示方面，警示钟功能，光探测功能，指导和/或信息和/或警示功能纳入单个应用程序，作为可穿戴移动设备的一部分；
-本发明可以确定生物钟最低因素(例如体温和/或激发睡眠的最低体温的间隔)包含主体/患者/用户的延迟睡眠相位综合症(DSPS)为了优化生物钟转换(例如光疗法包括映射在主体/患者/用户视网膜上作为刺激的蓝光眼镜-能够被前部映射阻挡，这基于眼镜的遮光或阻挡部分为了使这种治疗的刺眼或显然的本质最小化)；
本发明能够跟踪睡眠-唤醒节律并表现为缺乏清晰可辨的睡眠唤醒时间的昼夜节律模式，作为不规则睡眠-唤醒节律的标志物或潜在预后；
本发明可以包括睡眠-唤醒节律并表现为缺乏唤醒可辨的睡眠-唤醒时间的昼夜节律模式，和/或与过度嗜睡，不清除睡眠和/或失眠有关的问卷调查结果，其根据工作时间表作为倒班工作障碍(SWD)的标志或潜在预后；
[块3A]-选择一体化或调整特殊技术，移动或其它系统
-多点时间同步监测(MTM)系统：图30
-IR反射眼电图和/或视频成像(具有IR功能)和/或光疗集成的和/或移动昼夜节律HMS应用接口系统(即眼镜)：图43
-自动诊断和预后EEG监测和分析系统，其结合最小化过程，实现专业和消费者级监控和自动分析确定(最小化系统)，根据示例图45；
-HMS与EOI自动跟踪，如图75所示；
-HMS传感器或监控设备/系统(SOMDI)接口根据示例图76；
-司机/主体可穿戴眼镜，其结合双目或单目的任何一种或其组合
-自学和个性化自适应系统AI；ES，如图77；图78；图79；和/或
-个性化主体/患者-健康管理系统(HMS)[1]包含每个示例的监测目标的任何一种或其组合，根据图80。
[块4]生物钟(CC)健康管理系统(HMS)输出输入
-环境和/或其它刺激因素的控制，其能够实现或转向与环境的最佳同步或转换。这可以通过控制稳态或周期性刺激(也称为授时因子)，为了刺激或对主体/患者/用户的生物钟进行作用(另见CC HMS输入)；
-睡眠觉醒周期，
-神经行为学表现，
-心情，
-皮质醇
-褪黑素，
-温度，
-心率等
-计算生物钟产生一个适应太阳日的周期
-控制或测量控制以维持或校正(即将昼夜睡眠和睡眠唤醒时钟移动到更接近的同步)相位关系，在主体/患者/用户生物钟周期(即，先前睡眠/唤醒周期)和当前环境时钟周期(即，主体/患者/个体的太阳时钟，时区或时间表要求)和/或目标时钟之中(即期望的主体/患者/用户和/或主体/患者/用户期望或优选时钟或安排(即考虑包括唤醒周期，睡眠周期，工作周期，娱乐周期，健身周期，弛豫循环的任何或任何组合，行程周期，班班周期，学习周期，考试峰值性能周期，时滞周期，当前时区周期，一个或多个新时区周期等)；
即但不限于以下任何一种或其组合：
>>生物钟转换输出或结果，例如但不限于生物钟互相作用(或单方信息访问)选项(CCIO)；其中所述CCIO包括任何一种组合(但不限于)-地图显示或具有地图功能或指示或相关解释或信息，具有自动和/或动态数据交换或更新选项的应用程序；
-钟或手表指示，具有自动和/或动态数据交换或更新选项；
-钟或手表闹钟指示或设置，具有自动和/或动态数据交换或更新选项；
-作为生物钟转换刺激或环境调整决定矩阵或环境控制或治疗部署的一部分(即但不限于具有自动和/或动态数据交换或更新选项的光治疗的任何一种)
-具有自动和/或动态数据交换或更新选项的温度或环境变化；
-具有自动和/或动态数据交换或更新选项的震动或其它刺激，磁刺激，稳定状态或闪烁的“光刺激”；
-其中所述的“光刺激”可包括(但不限于室内或眼镜或其它头戴式/应用式系统包括隐藏的稳定状态光治疗方法，该方法使用前光阻拦方法和/或更少显然的主体/患者稳定状态光和光色彩选择或光色彩控制特征；
>>本发明包含动作(例如呼吸或加速度计措施)，体温，GSR措施，脉搏措施，光措施追踪的任何一种或其组合，作为接近或确定和/或指示主体/患者/用户生物钟周期；
[块5]-生物钟(CC)健康管理系统(HMS)输出-地图-链接功能
自动访问旅行日程的能力
集成了地图应用(即地理图的或路线图)一种指示或解释，具有额外的记录或相关的信息，关于各种旅行场景说明或表示；
[块6]生物钟(CC)健康管理系统(HMS)输出-社会/专业/社会-链接的应用或功能
本发明实现一系列钟或手表界面程序应用，包含一系列手表显示，其可以按照需求被切换和选择。例如，任何太阳周期，睡眠-唤醒周期，时区，社会时钟和相关的具有生物钟的相位移动可以由用户编程，表现为显示的默认库和/或编程的显示格式在不同用户之间分享。
本发明生物钟HMS实现社会或私人选择组别功能，其中健康护理专家可以在追踪，诊断和支持个人职业安全方面，运动变现方面，普遍健康方面，抑郁和其它受到合适的生物钟管理严重影响的生理疾病上进行训练，引导，帮助和干预(图96；图97)。
[块7]-生物钟(CC)健康管理系统(HMS)治疗/控制/反馈/生物反馈
-为了相关治疗的相关框架和建议和/或生物反馈的确定和/或控制，通过治疗或相关昼夜节律节奏调整，包括神经磁刺激瞄准和剂量确定和/或光治疗刺激瞄准和剂量确定和/或室内温度瞄准和剂量确定
-确定和/或实现一些转换场景，例如干预主体-可穿戴设备或环境光作为不同程度前移或推迟主体相位反应曲线的方法(例如，具有外部时钟因素，包括社会，时区，工作，轮班，学习要求等的主体的内部昼夜节律曲线相位关系)，适用于使延迟睡眠相位疾病(DSPD)或前移睡眠相位疾病(ASPD)最小化，这根据主体健康护理的监督和干预和/或个人个人偏好或要求和/或职业危害和安全考虑；
-自动或手动辅助激活光强度和类型(例如具有短波长的可见亮光，相对于更长的短波光，更强的褪黑素抑制效应可以部署作为自动计算生物钟转换治疗制度的一部分)并且，这种光治疗的时间功能(例如夜间光治疗能够实现生物钟相位延迟，同时日间的光治疗可以产生生物钟相位前移)；
-自动(或手动干预选项)控制转换因素(例如，光照时间和/或力士强度和/或褪黑素剂量和管理时间或推荐)，以及推荐或设置上床时间或闹钟时间设置的选项，根据主体/患者(或健康护理顾问)社会，工作，旅行要求或环境因素；
-本发明可以建议/指导和/或自动调整所述生物钟转换根据主体/患者/用户偏好，选择或个性化场景选项(例如日间较短期间的更多积极调整或日间较长期间的更适度的生物钟调整)
[块8]生物钟(CC)健康管理系统(HMS)输出-个性化健康管理和指导-连接功能
-测量适用于主体/患者/用户的环境光条件能力(例如，通过手表，移动设备等可穿戴设备)为了提供指导或指导以治疗冬季抑郁或其它形式的抑郁或延迟睡眠相位疾病(DSPD)，或补偿生物钟和环境(例如时区或太阳钟因素或行为钟特征(例如社会钟，工作钟，轮班，旅行/视察反应钟，钟和相关要求或计划/行程偏好))，其中，所述指导可以包括生物钟偏移治疗(例如光治疗，褪黑素治疗，稳态睡眠因素适用(例如，主体/患者/用户唤醒阶段最佳增长为了实现高质量的睡眠和睡眠模式的生物钟的安排，反之亦然))；
[块9]生物钟(CC)健康管理系统(HMS)集成的(互联的)应用和说明
-确定，预测和指示(即选择的日历应用注释；)
-预定的或假设的行程，旅行路线，自然生物钟周期，稳态睡眠/唤醒监测；
-准确性或置信水平确定，在计算个人在先的和更新的生物钟状态的准确性方面，以及其它影响个人当前生物钟状态的确定(例如，基于在先睡眠/唤醒研究数据质量和可获得性，以及呼吸和其它生物钟相关措施的可获得性)
-生物钟计算参数合并作为生物钟治疗系统的自动转换程序的一部分(即例如明亮光照治疗包括眼镜或太阳眼镜(例如半隔离眼镜，仅用于示例，仅着色于透镜上半部分)，其中所述的眼镜包含反光的眼震，能够进行转换光治疗和/或探测眼睑移动和/或作为睡意的标志打开，为了实现生物反馈转换能力，为了调整生物钟周期偏移因素和/或睡眠习性和/或睡眠促进因素。
-生物钟置信水平因素的确定(例如准确性-例如错误因素)在确定个人在先的和更新的生物钟状态的准确性方面，以及其它影响个人当前生物钟状态的确定；本发明实现所有这些功能和能力为了并入一个或多个可穿戴或移动设备(如智能手表，移动电话，Somit睡眠监测头带和/或其它本专利应用文档其它部分描述的)(图1)
-自动链接(即无线或其它互联通信和信息访问装置)到消息系统(如手机短信，电子邮件，日历，应用程序等)以使得跟踪和/或评论/健康教指导和/或实现睡眠安排；
-集成的日历或计划/规划应用程序(即地理或路线图)指示或注释，可选择附加的笔记或相关信息，涉及各种表示或象征的旅行场景；
[块1010]生物钟(CC)健康管理系统(HMS)显示指示
-本发明个人健康管理系统的一个组成部分是自动确定和指示，指导，警报，消息，生物钟转换刺激，其适用于基于生物钟输入因子的主体/患者/用户，一系列情景，涵盖睡眠质量和长度，涉及到所述主体与他们的天然生物钟作用或相反的相互关系或方式
图97
本发明提供了转换自适应监测(EAM)系统，其包括四个阶段：第1阶段提供初步监测和分析目标(即目标确定睡眠/唤醒过程(SWP)对昼夜节律过程(CP)适用于主体/患者/用户工作和生活方式个性化偏好(W&LP；另见图45中的最小化过程监控目标)和任何适用的治疗/生物反馈个性化偏好(TP))，第2阶段包括可穿戴技术定制/最小化，第3阶段：可穿戴技术定制/适应(另见图52中的EEG监测传感器适配)，第4阶段包括分析审查确定(参见图77中的人工智能或专家系统分析过程的自学算法；图78；图79)转换或治疗确定。
睡眠/唤醒/昼夜转换自适应监测(SEAM)系统包括四个阶段：第1阶段提供初步监测和分析目标(即适用于主体/患者/用户工作和生活方式个性化偏好(W&LP)以及任何适用的治疗/生物反馈个性化偏好(TP))的睡眠/唤醒过程(SWP)与昼夜节律过程(CP)的目标确定，第2阶段包括可穿戴技术定制/最小化，第3阶段：可穿戴技术定制/适应，第4阶段包括分析评估确定，5)转换或治疗确定。
以上部分描述了昼夜节律和内稳态集成的睡眠/唤醒/工作/休闲/放松管理(CHASM)系统，中间部分描述了健身健康管理系统，以下部分描述神经系统健康管理系统。
基本的转换自适应监测(BEAM)系统包括：
1)初步监测和分析目标确定(即按照图45和初始阶段)，然后是
2)可穿戴技术定制/最小化(即图45)，用于建立监控和分析参数配置(即每个专家系统的自学和每个图77的AI；图78；图79)，然后是；
3)适应性测定(即按照图45所示的例子调节可穿戴技术EEG电极系统)，然后是
4)分析审查确定(即每个专家系统的自学和图77中的AI；图78；图79)，然后是；
5)转换或治疗的确定(图96；图97治疗/生物反馈实施例)；
6)返回到步骤1)或步骤2)，取决于过程结果的有效性(即，图45的统计评估)等等。
图1左上角：该图显示了主体/患者可穿戴神经睡眠/健身/健康管理系统的示例，包括应用前额传感器(Somfit)，该传感器使用头带附件[2]，eLifeBAND(手机/娱乐/设备支架)[9]，eLifeWATCH[13]，RIGHT-TOP：用eLifeCHEST[3]，eLifeWATCH[5]，eLifeWRIST[8]和Somfit[1]设备；右下方：eLifeWATCH带传感器监控平台。左下方：前额应用的传感器结合自粘附件，不需要头带附件。
图2手腕(eLifeWRIST)具有监视和健康/健身/睡眠功能或性能指示。
在该实施例中，显示指示器可以被编程以指示，例如显示拨盘左侧的睡眠/唤醒因素(即在典型的6点钟和12个时钟拨盘范围之间，而6到12点钟范围的右侧可以编程指示日间适合度等健康参数。在一个实施例中，系统可以被编程以指示整体睡眠质量，其基于，例如，至少说在REM睡眠时间和非REM深度睡眠时间(例如N2，N3的总和)的20％以内的主体/用户，与正常质量睡眠要求相比(即可以基于以下任一种或其组合：a)归一化人口平均数和相关比较，2)使用睡眠质量跟踪调查/问卷调查的主体具体的结果，3)监控睡眠/唤醒参数，4)监测昼夜节律，5)当地环境因素如时区或相关倒班，昼夜偏移因子。另外，用户可以通过诸如睡眠/唤醒目标的指示器模式来切换(即用于质量睡眠跟踪的睡眠/唤醒目标)或与目标相对应的实际结果(即，实际睡眠/唤醒结果，包括睡眠剥夺，昼夜节律延迟因子等)。类似地，用户/主体可以通过诸如健身目标(即，步骤，运动，活动等)的指标模式来切换相关目标。切换或切换显示模式可以通过手势或敲击/摇晃手段激活即由Somfit模块板上加速度计检测)。类似地，所有这些功能都可以作为智能或基于计算机的手表系统的一部分进行集成。高级用户界面图形拖动和点击类型应用程序可以允许用户编程他们的somfit模块指示器系统和/或兼容计算机的手表指示器功能或覆盖这些和其它措施。
图3头带Somfit/eLifeNEURO前额EEG/EOG/EMG，LDR和/或运动健康跟踪能力
图4头带(eLifeNEURO)监控电极配置的实施例
图5睡眠时相序列图，示出了主体与可穿戴伴侣健康跟踪设备的范围。
权利要求-Somit：参考摘要，描述，图，适用的权利要求部分或随后的分案申请。
标题：eLifeWATCH
发明内容
患者可穿戴的智能健康手表装置，包含以下任何组合：
标准eLifeWATCH型号规格
·集成环境光检测传感器
·集成麦克风传感器(RHS：
·图7)具有耦合声音功能的增强型手表镜头的选项；
·集成式脉压传感器；
·具有血氧饱和度体积描记术选项的集成的照相体积描记术系统
·集成的温度传感器；(图1；
·图7)；
·运动/震颤检测系统，具有跌倒检测的能力和患者姿势检测能力；
·GSR传感器带有伴随的第二腕带选项(用于手腕到手腕的GSR功能)
·独特的可配置监控传感器平台，模块化后表面板支持各种嵌入式监控智能手表传感器和系统
其它eLifeWATCH型号规格
·可配置显示参数
·防水等级
·具有标准智能手表模式的1周充电能力
·3天24-7天睡眠eLifeWATCH全频道采集模式
eLifeWATCH平台规格
·社区共享eHealthMEDICS应用程序，免费或购买应用程序商店显示选项和报告程序
·科学的，开发人员SDK和技术社区可共享的eHealthMEDICS应用程序，免费或购买应用程序商店显示和报告程序
·针对Android，Apple，PC或移动无线设备的个性化“选择加入”健康社区应用程序
·睡眠360SAAS，包括SAAS，包括云计算服务或NAS
·Neuro 360SAAS，包括SAAS，包括云计算服务或NAS
·超声多普勒血流(图9)
·360SAAS，包括云计算服务或NAS
·有氧运动360SAAS，包括云计算服务或NAS
患者可穿戴的智能健康手表装置，包含以下任何组合：
·其它规格
·连接至无线网络，例如(但不限于网络应用服务(NAS)，SAAS，包括云计算服务或其它网络或点对点互联；
·临时和/或可移动存储功能；
·无线网关/互联功能，可穿戴胸部或腹部带
·具有可穿戴设备的无线网关/互联功能(例如但不限于带或手表)；
·一个或多个运动或运动检测传感器或系统，包括用于线性(即光谱分析)和非线性(即光谱熵或相关复杂度分析)的能力，用于增强对神经系统，神经和/或肌肉系统疾病的区分和分类，以及相关的症状性振动或运动“足迹”；
·心理状态链接的震颤和/或振动和/或运动分析，以增强对睡眠，唤醒，心脏，呼吸，神经系统，神经和/或肌肉系统疾病以及相关的症状性振动或运动“足迹”的诊断分类；
·集成的功能(每次运动检测)或独立的姿势检测和/或跌倒检测和/或步行或运行状态和/或其它门参数；
·陀螺测试仪增强姿势/位置/下降检测功能的独特选项；/门追踪能力；
·能够协助确定地理位置的地理定位系统(GPS)选项；
·一个或多个积分心电图仪(ECG)传感器(如碳化橡胶传感器)的选项；
·一个或多个具有智能手表灯选择的光传感器，其结合光分析功能，增强环境光线测定(即睡眠统计分析结果)；
·一个或多个呼吸感应体积描记法和/或压电和/或PVD呼吸传感器或传感器带；
·通过心电图或单独的传感器进行身体EMG传感器和监测的选项，可选择提供与呼吸努力相关的力度措施以及与阻塞性监测和事件确定相对的描述中心；
·用于体积描记法血氧计模块的选项和相关分析，其使心脏功能包括PTT，脉波幅度，脉搏动脉，脉搏瞬态振荡幅度，血氧饱和度(图6；图7；图9；图13)；
增加无传统数据和分析缺点的获取和分析和复杂性：
·本发明包括处理能力，从而可以通过分布式或并行处理系统进行广泛的或附加的处理要求，包括(但不限于)伴随处理系统，与无线网络的接口，例如(但不限于)网络应用服务(NAS)，云计算服务或其它网络或点对点互联(图13)。
·开发了独特的流程，以确保数据与其它相关的同时监控的信息(即主体的生理参数，主体的音频和视频)保持同步，能够自动构建中断或未对准的时间同步或时间关键监测数据，并且数据是以数据完整性问题重构状态的方式加盖的时间，这对于用户始终是明显的，因此可以避免不完整的记录或不对齐的数据以及相关的诊断模糊性和误解的风险。
必要的监督和卫生社区的参与，以确保这些过程的准确性和诊断潜在的误诊风险：
·本发明包括健康护理员“选择”功能。
-“选择”是指本发明允许其它方接触，但须经特殊医疗授权的能力，即例如，“特殊医疗授权”可涉及医生合法登记注册的在线验证或清除和确认，为了确认具有官方有关登记的医生目前和可接受的登记状态的合法性和资格，注册等。
以这种方式，本发明使得系统用户能够选择(使得认可的卫生保健工作者能够被系统用户指定和授权)，以确保只有用户选择谁可以访问哪些数据，从而确保隐私和数据安全。即用户可以为其个性化的“健康网络”(即全科医生，牙医，脊医，骨科医生，足科医生等)请求医疗“操作”或“链接”状态。
一旦主体/患者/用户在他们的个性化健康网络组中进行“选择”，“选择”在哪里和哪些健康警报和消息应该传输，选择了哪些日历约会应该在个性化日历中自动配置，选择在个人化时间表中自动配置什么安排，选择了哪些医疗记录系统被授权接口或数据访问(即个人控制的电子健康记录(PCEHR)并选择了其它管理系统(手机，智能手表等)可以被访问或配置为本发明互联选项的一部分。
·具有综合健身运动和真正的睡眠诊断监测功能的穿戴绑带(头部，身体，任何身体肢体等)本发明实施例屏幕显示的一个实施例包括具有单个eLifeWATCH菜单按钮激活的手表模式显示屏幕，包括4个应用显示屏幕和家庭睡眠测试(HST)建立显示屏幕(图6；图10)。
·包含光电放大图和/或氧气平板显微镜和/或温度和/或弹簧压力加载或固定电化学(即导电橡胶)或皮肤电流传感器(GSR)监测电极的手表模块式传感器平台系统的示例性实施例，/或多普勒超声波监测和/或调音仪监测(血管监测)传感器系统和/或光感测传感器和/或麦克风传感器(图7)
·3步eLifeWATCH HST研究过程实施例(图8)：
·步骤1：去AMAZON或eHealthSHOPCART，为您的个性化医疗保健，点击购买eLifeWATCH，到处都有内置温度；脉冲；活性/位置；皮肤/GSR；体积描记图血氧仪；声音；光线。模块化后盖提供专门的eLifeWATCH选项，包括多普勒超声血管功能(专利申请中)，体积描记测量仪(专利申请中)，血管压力脉冲感测系统(专利申请中)，间质葡萄糖(专利申请中)，血压分析仪等。eLifeWATCH涵盖了eHealthMEDICS当前和未来的一代应用和服务。
·步骤2：去AMAZON或eHealthSHOPCART，eHealthSensor或eHealth DATAPLAN，然后点击购买eLifeWATCH传感器套件或您的特殊eHealthMEDICS服务要求。
·即美国家庭睡眠测试类型i)，ll)，iii)和/或iv)或AU Level 2
·可选：当你在那里或者去电子卫生数据计划
·步骤3：去eHealthYOU或eHealthMEDICS，并选择加入您的个性化健康社区。
·步骤4：通过eLifeWATCH POD对eLifeWATCH和传感器套件进行充电(持续1周，正常或待机使用)(图8)：
本发明的实施例：基于手表的睡眠监测系统：
·自动检测学习类型，并为您配置eLifeWATCH系统
·可以为不同的睡眠，心脏和神经学研究(图8)提供带有一次性自粘电极(如“魔术带”助听器)套件的简单半透明传感器套件(即AMAZON点击购买)。
·2CM，4CM和8CM间隔电极对有宽(6mm)中(4mm)和窄(3mm)选项，使得磁对准传感器电子模块能够轻松地对准并且无障碍地卡扣连接，几乎看不见，并且以最小的阻力。
·剥离纸张关闭传感器，连接完全充电的磁性对准(专利待定)传感器模块，并观察eLifeWATCH指示灯停止闪烁。
·eLifeWATCH传感器周围的绿色圆圈，当充电>24小时时显示，否则显示为红色。
·使用数字和颜色代码定位指导系统独特使用eLifeWATCH显示(或选择动画视频指南)。
·独特的eLifeWATCH自动检测传感器类型并配置系统(正在申请专利)，以使得您自动呈现所需的学习类型和系统屏幕。
·显示独特的eLifeWATCH显示SETUP模式(图11；左部)，传感器将闪烁，直到所有传感器和信号质量均可接受，然后显示OK模式(参见图8)。
·滚动屏幕(图12)以获取动画视频指南，有用的提示，故障排除，诊断，更详细的状态等。
本发明的后手表模块传感器平台
本发明涉及用于身体，头部，肢体或身体肢体连接或应用的主体穿戴装置，包括但不限于腕带，手表或移动监测，具有界面能力的感测或通信装置，其具有监测界面能力和/或可穿戴设备和“手表模块化传感器平台”和/或“表面模块化传感器平台”和/或“手表模块化传感器平台”(图13)之间的界面能力。
在本发明的一个实施例中，手表/腕带体和/或“手表/腕带面”和/或“手表/腕带背”和/或“手表/腕带的带子”和/或“手表/腕带扣”或可移动模块化传感器平台系统，包括含有处理能力的手表装置，其中在所述“钟表模块式传感器平台”之间的界面实现模拟，电源，数字或无线接口的任何一种或其组合，为了实现具有一系列环境或健康监测特性的一系列可配置智能手表装置，包括(但不限于)嵌入式，附加和/或集成传感器(通过监视)以及自动处理功能的选项，其在本文件所列的子标题下进一步详细说明，包括任何健康监测方面，例如(但不限于)健全监测；听诊器听诊传感器，监测和自动分析，分类，跟踪和检测能力；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；脉波分析(PWA)和脉波速度(PWV)监测分析能力；PWA和PWV传感器；脉波分析(PWA)传感器测量；冲击描；位置，位置和运动检测和监测；运动和位置信息；心电传感器和监测；光传感器和监测；呼吸带传感器和监测；EMG传感器和监测；GSR；心脏功能；睡眠指导系统；体积描记术(PPG)(图7)；体积描记术血氧饱和度；脉搏瞬态振幅测量；温度(图7)，能量消耗/代谢监测(EM)作为替代卡路里燃烧措施；生理和/或睡眠和/或唤醒措施或标记；以及其它心理状态(即睡眠，唤醒)。
环境感测(具有闹钟或警报或指示器或与移动设备相关联的消息，电子邮件，电话自动语音消息和其它信息或通信系统的接口，电离监测，电离烟雾闹钟，甲烷监测，有毒气体监测，有毒化学品监测和/或二氧化碳气体监测，甲烷气体监测和/或温度计。多变量分析能力可以对环境或健康变量的任何组合进行分析，并根据超出正常或安全操作区域的基准或任何预先确定的组合生成指标，闹钟和信息功能或集体或事件或健康条件或感兴趣或关注的环境条件。
附图说明
图6eHealthWATCH结合了健康监护应用程序，监控设置和选择应用程序以及传感器监控平台的可编程表面。
图7具有健康监测传感器的eLifeWATCH的实施例。
图8健康可穿戴监视陪伴网络“店铺”应用程序的实施例。
图9 eLifeWATCH多普勒超声实施例。
图10 eLifeWATCH手势或按钮显示和菜单切换选择。
图11 eLifeWATCH设置和信号验证实施例应用程序屏幕。
图12智能健康手表手势控制界面。
图13：使用智能手机，传感器接口和无线信息访问系统(即NAS，SAAS或云计算服务)的eLifewatch。图13e：使用智能手机，传感器接口和无线信息访问系统(即NAS，SAAS或云计算服务)。
标题：eLifeBUDS
发明内容
·本发明提供了一种结合患者的可穿戴设备，例如耳机一个或多个集成的(嵌入或连接)传感器(图14)，其能够监测一个或多个生理参数，该参数使得本发明能够用作生理监视器和移动无线设备保持器。
·本发明提供一种能够检测细小的震颤运动的传感器，从心形图形或震颤到更粗糙的振动或运动。这种传感器可包括膜或传感器(例如加速度计)，能够检测移动或运动并产生与所述“运动或运动”相关联的信号或测量。
·本发明提供一种结合体，所述信息关于在决策过程或控制过程中与“所述运动或运动相关联的信号或测量”或RBD，该信息适用于优化适当药物治疗的治疗以在预先指定的睡眠或唤醒状态期间使RBD和/或震颤条件最小化的任何一种或其组合达到预期的效果。
·EMG通过耳塞插件的碳化橡胶部分，在这些碳导电区域中的两个或更多个之间皮肤接触和传导小电信号的方式是可能的，其中耳塞的导电碳部分以这种方式进行定位(即电流皮肤电阻可以由恒定电流的测量确定，该电流在两个导电传感器之间传输作为确定两个传感器之间的阻抗/电阻的方法，该电阻随着不同的睡眠状态，主体出汗等生理变化而变化)；
·EEG包括通过碳化橡胶部分的前庭信号耳机插件，其中诸如碳化橡胶或其它导电材料的导电电极可以检测脑耳蜗区域周围的信号(即，PAMR作为对声音水平的听觉肌肉的量度(例如)，其可以被部署为对主体的体积过大和潜在听觉损伤的量度)。
·通过碳化橡胶部分的PAMR耳机插件(如上所述)；
·通过碳化橡胶部分耳机插件(如上所述)的电泳皮肤抵抗力；
·通过碳化橡胶部分耳机插件进行ECG(即，导电传感器作为确定在整个皮肤表面显示的小而可检测的信号测量的方法，作为心脏功能和心率变异性的标记物)；
听力声学测试能力包括听力评估的任何一种或其组合(即随着耳塞使用，继续大量使用耳塞，特别是在年龄较小的儿童或成年人中，如果未经检查或未确定，敏感的听觉生理学导致永久性听力损伤(即，本发明提供一种在移动设备内自动实现听力屏幕测试和听力学跟踪的方法，以便父母或个人可被推荐另外的医疗援助，标记的部分可能会提示听力恶化或可能的风险。
本发明能够包含听力测试，在手机或音乐或助听器或相同系统的任何组合中，为了提供自动和听力筛查测试，指导和提高意识，作为减轻儿童和成人之间更严重的不受控制的听力损害的风险的手段。本发明还具有一种方法，即使用听力测试结果作为听觉体积灵敏度，光谱听觉灵敏度，听觉传导特性，听觉定向听力特征的量度(即耳塞内的多个空间分布的扬声器能够改变并补偿空间方向性障碍)以使得根据用户的优选模式(即语音清晰度，音乐可听度，噪声室谈话焦点，教室可听度等)自动补偿每个主体/患者具体的最佳听觉处理要求。
本发明可以提供听力计功能，作为移动设备和耳塞或耳机的一部分，耳机或耳塞可产生一系列声音，包括频率突发，频率尖波，MMN，奇数球响应，其它AEP测试范例的听觉稳态响应(ASSR)，这能够有助于评估个人的听力或注意力/意识(即镇静，警觉，集中(如适用于诊断自闭症谱系障碍，ADHD等)。
陪伴型前额或其它脑电监测系统(即监视实施例根据但不限于包括如图2；图3；图4；图16；图21图23图24图25；图27图28图45；图46；图47；图48；图49；图50；图51；图52；图53；图54；图55所示的任何一种或其组合)可用于监测肌原性(即PAMR)或对听觉或刺激的神经源性反应(即，例如但不限于存在音调点或其它频率尖波，音调脉冲串或频率产生的测试序列等)，作为评估主体听觉诱发电位(AEP)听力表现的手段(即听觉电导率，方向确定，灵敏度，光谱响应等)。
本发明可以提供听力计功能，作为移动设备和耳塞或耳机的一部分，耳机或耳塞可以产生一系列测试序列声音，包括频率突发或频率尖波。
本发明可以包括连接或嵌入(即导电材料)到耳塞或作为耳塞的一部分的电生理学传感器，以主体耳塞或皮质区附近的神经和肌原性信号可以作为AEP测试范例的一部分进行监控的方式进行。
本发明可以包括一个或多个振动(即扬声器)振动传感器，其能够在一定频率范围内振动，为了仿效音叉的特点，其中可以测试相对于主体的听觉生理学的传感器功能的个体导电性(即传导性听力损失的测量或筛查评估)。
本发明可以包括一个或多个振动探针，(即，嵌入或连接到耳塞的扬声器或其它振动元件，探头可以类似于评估传感器(听力损失)的音叉进行振动，该原件能够在一定频率范围内振动，为了仿效音叉的特点，其中可以测试相对于主体的听觉生理学的传感器功能的个体导电性(即传导性听力损失的测量或筛查评估)。
本发明可以包括用于产生声音的一个或多个单独的和/或标准扬声器换能器(即嵌入或连接到耳塞或耳机)，其中进行AEP测试和自愿回应的任何组合(即当主体听到或听不到某些声音时，他们点击或以用户界面指示，以使得评估感觉神经性(即由听觉神经或听觉通路/大脑皮质中的问题引起)听力损失)。
本耳塞或耳机系统发明可以包括所述系统内部设置噪声听觉(HINT)的方法，其中方法可以包括结合用于产生声音的独立和/或标准扬声器换能器(即，嵌入式或连接到耳塞或耳机)，其中测试范例包括在具有安静和嘈杂的周围音频条件(即竞争声音或音频序列)的情况下产生声音序列的任何一个，可以作为当前系统的一部分进行仿真。另外，本发明包括多个扬声器，这些扬声器有策略地定位于本发明的耳塞或耳机中，这些定位以可以模拟定向声音的耳机的方式，为了评估主体区分不同方向的声音的能力。(即扬声器的位置在相对于耳道的不同位置，通过耳塞或带耳机的耳机结构，可以倾向于模拟声音方向的变化(即顶部，左侧，前部，后部，底部等的扬声器)可以倾向于模拟声音方向，并评估个体对声音方向的神经学处理(即借助于用户界面，基于在主体的听觉空间方向方面的不同地点激活不同的发言，提醒用户指示感知到的改变声音方向)。
本发明能够实现HINT测试，其中包括(但不限于)在包括以下任何一种或其组合的许多条件下，评估主体听力表现的若干条件：产生不具有竞争背景噪音句子或声音序列，产生具有竞争背景噪音的句子或声音序列，用具有方向性的竞争背景噪声产生句子或声音序列(即，在耳塞或耳机系统内的多个策略位置或位置扬声器模拟)方面(即，声音被认为是从主体前面演变出来的，其通过激活类似的声音和扬声器方向(即相同的声音和扬声器正面定位激活)在主体的左耳和右耳中模拟“主体”的“中心”声音)，产生左90度或右90度方向性的句子或声音序列(即，在耳塞或耳机系统内的多个策略位置或位置扬声器模拟)方面(即，通过调整哪些扬声器和耳塞或耳机中的策略定位的扬声器产生什么音量的水平声音可以从左向右转向)。
本发明提供了一种在不同条件下计算信噪比的方法，这基于响度水平的确定，要求主体可以至少在50％的时间内正确地重复句子之前播放高于背景噪音的句子。本发明可以使用诸如标准内置麦克风或耳塞麦克风以记录和分析主体重复句子的能力的正确性(埋葬或区分竞争背景噪音的产生)。
本耳塞或耳机系统发明可以包括在所述系统内引入鼓室听觉评估的方法，其中方法可以包括并入(即嵌入耳塞中或作为耳塞的一部分或附着于耳塞)两个或任何一个耳塞或耳机中的一个或多个压力传感器，以扬声器或其它设备的方式(即耳塞或耳机的一部分，例如经校正的扬声器换能器和/或用于产生和测量的微小阀装置(即，能够或测量耳道压力的校准压力传感器，以这样的方式：相对于所产生的压力和/或产生的耳道风量和/或压力，产生的压力和/或相应的空气产生的空气体积有助于描述鼓膜穿孔等鼓膜特性)所需的压力和压力变化)可以产生并改变耳道内的压力并测量相应的压力或压力泄漏以确定耳道体积并确定(例如)鼓膜的功能(即鼓膜中的穿孔)。
本耳塞或耳机系统发明可以包括一种方法，即在所述系统内结合声反射测试能力，其中方法可以包括(即嵌入耳塞中或作为耳塞的一部分或附着于耳塞上)3个主要元件(每个元件可以包括针对主体耳道的单独的管，并且耳塞形成与主体耳道的紧密密封。本耳式发明可以包含(仅用于示例但不限于)空气耦合管的任何一种或其组合，其中所述管可以通过扬声器发射声音，另一个可以将耳道连接到麦克风，另一个可以是压力发生泵(即耳塞内的微型泵)，该泵能够产生通常在-200～400Pa之间的压力范围(1帕斯卡等于0.1德巴帕(daPa))，和/或另一个所述管可以将耳道压力耦合到压力测量换能器(由此所述管可以是一个或多个组合管)。一系列音调可以通过扬声器产生，并且可以在麦克风处测量产生的阻抗(经由声学反射镜)。所得到的值可用于生成称为鼓室图的图形，包括对应于一定范围的压力值的顺应性或声阻抗。以这种方式，本发明可以包括一个或多个单独的和/或标准扬声器换能器，用于产生声音(即嵌入式或连接到耳塞或耳机)，其中一个或多个所述扬声器换能器被校准以产生已知的声压级，并且当音调(即，但不限于大于70分贝声压级(DBSPL)的音)呈现给主体以测量主体的镫骨肌肌肉(保护耳朵免受大声的噪音，包括主体自己的声音。例如，在主体的鼓膜上可以是90DBSPL或更多)。
本发明包括感觉神经元(即由耳蜗，感觉器官或听觉中的问题引起的)、传导性(即由外耳或中耳的问题引起的)听力损失，听到噪音(HINT)，鼓室(确定耳膜和中耳其它结构如何工作)，声反射测试(评估主体的听力阈值，并提供关于前庭和面神经功能的信息)之中任何一种或其组合。
·脉搏体积描记法(PPG)和输出(见A&CD专利)；基于有助于无创测量氧饱和度(SpO2)和脉搏率(PR)的耳反射脉搏血氧仪，以及对包括脉波幅度，脉搏动脉音，脉搏瞬态振荡幅度，PTT唤醒，替代或定性血压测量，睡眠阶段置信水平或基于血管张力和自主干扰概率的措施的输出和作用。
·压力脉冲信号
·温度测量
·个体的代谢，作用力或能量消耗监测(另见臂带式新陈代谢监测装置)
·本发明提供一种结合体，其能够确定单个倾斜或角度位置的陀螺仪系统，该位置参考重力或水平位置作为健康的衡量标准(即步态，帕金森病发作，跌倒检测)或健康(最佳性能运动，表现，行为生理力学，效率，改善等)也在本文档健康状况或监测细节子标题中进一步详细说明。
·基于GPS或来自通信系统的位置信息，包括(但不限于)CDMA/码分多址，GSM/全球移动系统，Wifi，卫星，LAN，WAN和/或蓝牙系统的任何一种或其组合；
·本发明提供了一种位置传感器系统(如开关笼装置中的金属球，能够随时确定个人的姿势)；
·本发明提供了一种结合体，包括光体积描记术脉搏传感器；
·本发明提供一种结合体，作为耳塞体的一部分(如无线链接音乐或通讯耳机)包括(但不限于)用于监测心形图传感器的任何传感器(即，敏感的膜传感器系统，例如加速度计)，温度(即热敏电阻，热电偶，PVDF，红外LDR，红外LDR和接口红外LED(包括用于三维热成像表征或映射能力的LED开关)其能够部署近场能量热表征，与个人的力度或能量消耗或相关新陈代谢或卡路里燃烧速率相关，正如本文档其它部分所述)。
·本发明提供了一种实现方法，对戴前体耳塞的个人来说意味着对健康状况或相关事件，如心脏事件或阈值，在呼吸频率或氧饱和度，体温或其它可能对安全和合理的生理条件有害因素的情况下实现自动听觉(可以覆盖音乐或正在进行的手机音频的保证)。
本发明提供了一种实现方法，对穿戴前体耳塞的个体来说意味着健康或安全条件，包括确定铁路交通，突击行动或检测即将来临的车辆，该车辆由于与电话或音乐等因素有关的感官感觉减弱而可能没有被注意到，其中本发明可以超越音乐或正在进行的电话音频以通知个人正在等待或可能等待的危险。这样的过程或设备可以与眼镜或其它可穿戴或移动照相机或音频监视设备结合使用。
本发明提供了一种无线连接的立体声或单声道耳朵，以结合健康管理系统，其能够具有以下任何组合：
·音频声音
·具有叠加音频同步视频功能的集成眼镜
·集成的温度传感器
集成的血氧计
·集成的体积描记测量仪
·具有任何信息输出的集成的体积描记测量计，包括：
·脉波幅
·脉搏传播时间
·脉搏动脉音
·具有体积描记图波形的脉搏血氧仪
·一个或多个ECG信号
·球面运动检测
·运动检测
·GPS系统
·陀螺位置检测
·患者位置检测
电生理传感器包括以下任何组合：
·脑电图传感器
·脑电图，包括前庭检测
·EMG传感器
·PAMR传感器
·光脉冲反射检测血氧仪系统
·光反射率计
·音频噪声消除系统
·听觉回波监测系统
·ER刺激能力
·ER听觉反应测量能力
·ER听觉测试回波测量系统
·IP无线接口能力
·IP无线接口能力与视频眼镜叠加能力
·无线数据调制解调功能
·无线手机功能
·无线视频和手机功能具有同步视频叠加眼镜功能
本发明提供本发明的电话保持器-组合的电话，娱乐，健康跟踪和/或助听器耳塞或耳机，在一个或两个主体穿戴的耳机中，本发明在耳机芽内结合的一个麦克风的能力，其中所述麦克风可以测量包括语音各种取向在内的环境声音，并通过分析相位，幅度水平，光谱组成和比较耳机放在一个或两个主体的耳朵里(以及其它地点的选择)的两个或多个所述麦克风之间的特征。
其中以相关言论可以被处理的方式实现重建声音的方法，为了消除噪音(包括不需要的或背景噪声消除)，然后引导听觉接收的焦点(即基于转向驱动耳机扬声器终极“声源”，加权不同的麦克风声源。
按照主体具体的听觉听力要求以及个性化音频选项(即语音焦点，音乐享受，拥挤或噪音环境中的语音调谐等)，驾驶感兴趣的耳机扬声器可以包括在每个耳机和集中在两个耳机上驱动多个扬声器以使得最大化用于主体和/或语音音频焦点和/或频谱滤波和/或背景或不需要的背景噪声的空间信息。
本发明还提供了一种方法，增加常规娱乐和/或健康感应耳塞或耳机无线或有线连接的版本，该版本可以扩展传统的手机或娱乐音频或视听应用程序。
针对特定主体的听力表现，可以使用在线应用或在专门的声学环境中对所述发明进行校准和补偿。
本发明提供本发明包括PAMR听力功能的EAR-BUDS健康监测)
本发明描述了可穿戴式耳机或耳机的方法或装置，该装置纳入健康监测能力，包括一个或多个电生理传感器(电极)，能够进行神经和/或肌原性监测的能力。
所述神经监测可以包括监测脑电图(EEG)信号，通过电极嵌入或附着作为耳机或耳机设备的一部分，包括在耳蜗或前庭脑区域的监测EEG信号的能力。其它脑电监测可以通过额外的电线连接电极来监测接近头部或头皮区域。
所述肌源性监测可包括监测耳后肌反应(PAMR)，其通过电极嵌入或附着作为耳机或耳机设备的一部分，包括在耳蜗或前庭脑区域监测肌电图(EMG)信号的能力。其它EMG监测可以包括通过连接电极的附加电线监测接近头部或头皮区域。
在儿童或成人耳机或耳塞或头戴式耳机中，本发明记录并分析了耳后肌反应(PAMR)作为适用于大声声级响应并与潜在的调节或最小化危险声级有关的生物特征信号，从而减轻其它适用的潜在听力损伤(特别是对具有更敏感的听觉系统的年龄较小的儿童)。
通过应用软件和听力学测试范例，结合一系列听力学测试，本发明进一步并入作为移动或无线移动处理设备或电话的一部分。所谓“听力学测试”可以包括以下任何一种或其组合：
·纯音测听；
-空气传导；
-骨传导；
-高频；
-可能需要在受耳鸣影响的频率周围使用修改的纯音(例如颤抖，脉冲)；
-掩蔽可能加剧耳鸣，所以不应该在耳鸣感知评估之后进行，如果有的话
·耳鸣匹配；
-音高；
-响度；
·最小掩蔽级别
·总/部分残留抑制；
·语音听力测量，可能涉及；
-检测；
-识别；
-认证；
-区别；
-必要时进行掩蔽(对耳鸣恶化的可能性进行判断)；
·鼓室；
·耳声发射；
-瞬态诱发
-失真产品；和/或
·听觉脑干反应(ABR)7。
耳机PAMR监控背景：
问题：通过耳机延长高级音频可能有害地影响听力，并导致永久性听力障碍，特别是年轻的婴儿和儿童。
解决方案：以连续听力学的形式进行健康监测并入电线，连接带或实际的耳机，耳塞或头戴式耳机的听力学措施可以提供有用的跟踪信息以防止由于体积过大或振幅过大的听力受损，该振幅和体积具体针对个人的听觉和听力功能。通过与能够测量dB声压级(SPL)或各种所述“听力学测试”或相关替代措施的听力设备(耳机，耳塞，耳机)麦克风相结合，本发明提供了许多听力学措施，能够最小化听力损害的风险。
通过向主体(即通过耳机)呈现持续的点击声音，可以用电生理传感器诱发和测量PAM反应。传统上，这个信号已被丢弃为不需要的伪影。PAM反应可以作为肌肉张力的度量来监测。例如，当主体接近深度睡眠或麻醉的状态时身体的整体肌肉活动放松，因此抑制EMG反应。通过“唤起”耳后肌肉信号(即耳朵响起的咔哒声)，然后监测所得到的“诱发反应”可以进一步测量主体的睡眠深度或麻醉深度。
例如，随着主体转变为更深入睡眠阶段，如REM睡眠或麻醉，主体的肌肉张力逐渐被抑制并且类似地，诱发的PAM反应逐渐减弱。因此，通过听觉点击唤醒PAM，然后测量所得PAM反应的幅度(“耳后响应”)可以提供睡眠或麻醉深度的有用测量。因此，PAMR的响应性和相关幅度可以用作呈现给对象的声压级的标记。
附图说明
图14eLifeBUDS电池，由无线耳机支持，结合睡眠，健身和/或健康监测和/或分析和/或指示或警报能力的平台。
权利要求-eLifeBUDS-参考摘要，说明书，附图，适用的权利要求部分或随后的分案申请。
标题：eLifeKIT
背景
睡眠的重要性
·健康，幸福，生活方式，甚至生活中的各个方面中，优质睡眠是至关重要的
·睡眠剥夺的最有害的影响源自睡眠不足。
·在深度睡眠期间，身体修复自身，并恢复前一天的能量。
·重要的是睡眠时间的质量，而不仅仅是在床上的小时数。
·睡眠由不同的阶段组成，睡眠周期的每个阶段提供不同的好处。
·深度睡眠(N3级)和REM睡眠是睡眠最重要的阶段。
·对正常成人而言，总睡眠时间的约50％用于第2阶段睡眠，REM睡眠中为20％，包括深度睡眠的其余阶段为30％。
·睡眠不足是你的睡眠量与你的需求之间的差异。
·牺牲睡眠增加了你的睡眠不足。
·最终，睡眠不足必须“偿还”才能重新平衡“睡眠账户”。
·睡眠不足白天促成睡眠呼吸，导致注意力下降，白天表现的注意力下降包括：运输事故，医疗错误，跌倒等其它错误，事故和安全隐患。
·使用传统的手腕监护系统无法实现可靠或有效的睡眠监测，而需要监测大脑，肌肉张力和眼睛。
·深度睡眠不足会对新陈代谢和体重，记忆回忆，能量水平，职业风险，免疫系统，包括身体抑制危险细胞甚至抗癌的能力，以及我们整体健康状况和生活质量产生不利影响。
·在儿童中，质量差的睡眠与低智商和行为障碍有关，而在睡眠障碍的妇女中，未出生的胎儿健康甚至生命面临严重障碍如高血压或先兆子痫的风险。
·睡眠剥夺导致心情不佳，不耐烦，烦躁不安，缺乏集中力，感觉或疲劳和普遍冷漠。
·睡眠障碍已证明与心血管健康有关，例如应激激素水平升高，高血压，心跳不规则和充血性心力衰竭。
在睡眠障碍合并症方面，耐药性高血压[1]，肥胖症[2]，充血性心力衰竭[3]，糖尿病2型[4]，中风和短暂性脑缺血发作[5]的大部分病人也有睡眠呼吸紊乱。
传统消费者级健康监测器的问题
·质量或健康的睡眠取决于足够的深度睡眠和(REM)快速眼动睡眠(a.k.a有梦睡眠)，而不仅仅是睡觉的时间。
·其它诸如Fitbit的消费者监测设备“不是用于估计睡眠-睡眠模式和睡眠质量的可靠设备，明显地高估唤醒和低估睡眠效率”8。
·以前的尝试，如ZEO依赖于不可靠和不舒服的头带压力传感器和未验证的指标。
·传统的健康追踪器主张睡眠监测和睡眠质量跟踪，但简单地说，这不能在没有监测大脑，肌肉和眼睛的措施下实现。
·没有常规深度睡眠和REM睡眠跟踪，我们无法追踪睡眠质量的一致性或持久的影响。
·此外，无需用户友好和简化的消费者可访问的睡眠跟踪，一般消费者通常无法可靠地访问或管理自己的个性化睡眠，并且可以说是生活质量。
·没有有效的睡眠质量监测，我们对睡眠质量了解不大，更不用说对白天表现，情绪，职业风险和整体生活方式和健康状况的影响。
·没有有效的睡眠质量监测，我们不能有效地跟踪我们的个性化睡眠不足或睡眠深度或白天睡眠的呼吸，更不用说了解自己和他人的相关风险。
·没有有效的睡眠质量监测，我们无法追踪可避免的睡眠障碍的原因和影响，如环境噪声或其它情况。
·没有有效的睡眠质量监测，我们可能会错过睡眠障碍的早期症状，该症状本可以向我们的医生报告进行早期干预以避免更严重的健康状况。
·没有有效的睡眠质量监测，我们无法跟踪睡眠质量随年龄，睡眠环境，健康状况和压力的变化的原因和影响。
发明内容
·eHealthMEDICS解决方案采用具有“陪伴型”eLifeWATCH智能健康手表的eLifeCHEST胸部佩带，独特的网络应用服务(NAS)，高依赖性数据管理(HDCM)系统9(RFM14935)，并附有一个特别的eLifeSLEEP前额，能够实现传统的健身或活动追踪和专业级睡眠监测的自粘无线电极阵列。
·现在可以通过一个单一的集成平台监测日间活动和呼吸以及夜间诊断睡眠和呼吸，该平台适合消费者层面和专业级的健康管理。
·通过单一的eHealthMEDICS胸部穿戴的健身/睡眠系统可以连续无缝地监测夜间、日间和睡眠呼吸。
eLifeSLEEP
·实现常规深度睡眠和REM睡眠监测，以使得持续跟踪和调查睡眠质量的持久影响。
·基于手腕睡眠质量和睡眠不足指数(1到10)的在线追踪的新颖整合以及常规健身水平和目标措施。睡眠质量和睡眠不足基于经过验证的“黄金标准”睡眠措施和指标。
·简单但复杂的可实现消费者对消费者和专业级的监控，适合于追踪睡眠时间，最重要的是睡眠质量-即足够的深度睡眠和快速眼动(REM)睡眠(即有梦睡眠)。
·使用经过医学验证的格式监测方法和相关的自粘式一次性传感器(最小化交叉感染的风险)的专业级(“黄金标准”)。
·传感器系统能够连续监测覆盖脑，肌肉和眼睛措施的“黄金标准”睡眠参数。(即EEG，EMG，EOG)实现自动在线确定和显示深度睡眠和REM睡眠，以及相关的睡眠结构和验证的指标，如睡眠效率。
·确定睡眠质量，适用于实现白天表现的最佳水平，情绪控制，职业风险缓解以及整体高质量的生活方式和健康状况。
·实现睡眠质量监控并结合与自动睡眠不足追踪器相关的个性化睡眠日记以帮助管理深度或白天睡眠呼吸并为相关的职业安全方面做出贡献。
·结合一种新颖的方法，即追踪可避免的睡眠障碍的原因和影响，如环境噪声或其它条件，包括在线自动睡眠障碍事件原因，效果和预防措施(CAPA)分析。
·实现有效的睡眠质量监测帮助您进行个性化的健康管理还及早协助您的医生或健康专家进行干预，以避免更严重的健康状况。
·实现有效的常规睡眠质量监控帮助您进行个性化的健康管理，并且由于年龄，体重，健身，睡眠位置，酒精消耗，睡眠环境，健康状况和压力等因素的变化，协助您的医生或健康专家协调睡眠质量的变化。
·独特的生物同步声音识别能力，其中呼吸和睡眠障碍可以在线自动分析和分类，并作为简单的“睡眠进展”CAPA个性化睡眠跟踪呈现。提供睡眠障碍日志完整的建议或可能的原因与信息提示以改善睡眠。即可以跟踪个人与合作伙伴的打鼾中断影响并实现在线CPAP跟踪(即在线声音干扰播放)，实现识别中断源的能力(即异常事件，如外部噪音，包括汽车，门撞，街道噪声，或个人中断，如打鼾或伴侣中断，如打鼾或咳嗽等)9(RFM14935)。
本发明：CAPA测定及对策
本发明使得用户可以查看其睡眠模式，睡眠时相序列图，架构或其它睡眠概要，结合或联系表示睡眠或呼吸障碍的事件标记，由此用户可以激活事件标记以建立纠正措施和预防措施(CAPA)信息，以帮助管理和最终减少睡眠紊乱或紊乱或改善睡眠质量。所述“激活”包括(但不限于)声音段的重播(即对应于睡眠障碍)，呈现监测的个人或保健人员，以了解声音是否具有生物学性质(即与主体监测信号或生物性质生物学同步，但与其它个体，如打鼾配偶有关)或其它(街道或房屋噪音等)。
CAPA包括自动或手动部署来优化或调整治疗设备的设置或改变环境条件的方法(即温度，房间窗帘或百叶窗可以自动调节以阻止或降低声音噪声干扰等)以改善睡眠或治疗条件(在以后的时间内控制或在线自动或通过卫生保健人员远程介入以进行控制)。
本发明(Somfit手镯)包括装置，目标(即目标或正常功能范围)和/或以下任何一种或其组合的指示：睡眠(即睡眠不足，睡眠效率，睡眠结构，REM睡眠，深度睡眠，入睡后醒来)和/或健身(步伐，运动，映射路径等)和/或相关健康事件或事件集群(即原发性RBD，帕金森氏症，癫痫，痉挛，阿尔茨海默病，自闭症和其它神经病学的，神经系统的和肌肉的或睡眠的障碍)的发病或发病率；由此，a)相同的带可以作为头部或手腕连接系统互换，b)可以部署单独的可附加系统，c)头部和/或其它身体监测的生理过程或睡眠参数之间的自动动态数据同步以使得手表，手腕，移动设备或其它相关信息存取系统可以不断努力更新，整合集群/组生理监测系统及相关数据。
本发明的纠正措施预防措施eCAPA功能提供适应或调整以下任何一种或其组合的方法：
-基于CPAP结果的药物咨询或推荐，即基于主体/患者的自然生物钟/节律的确定，该节律相对于目前或所需的主体/专利的生物钟/节奏，相对于这些所述不同的生物钟/节律之间的偏移，以及辅导和/或推荐/建议和/或闹钟或其它唤醒/唤醒刺激和/或光疗法/房间调光/室内调节(即，增加的光可以通过松果体区域抑制大脑自然分泌褪黑素，而黑暗可以刺激褪黑素的释放。能抑制或刺激褪黑素的药物可用于将自然生物钟/节奏重新同步或适应所需的唤醒/睡眠或本地时区要求。本发明使得生物钟中的任何一种或其组合与以下调整或适应相关联(即当与新的环境不同步时，基于调整自然生物钟的确定)：
-实施辅导，建议和/或管理/排除，适当(即，但不限于医疗，监管，健康保险，规定性和/或咨询要求/建议的任何一种或其组合)药物选择是适应新环境时间和进度要求或情况的条件；
-药物治疗在线信息或教育访问和/或订购/供应管理功能，本发明的这些能力符合法规要求(即数据安全，数据隐私，医疗，监管，健康保险，规定性和/或咨询要求/建议中的任何一种或任何组合，但不限于此)且根据提供药物选择的主体/患者选择(即用于修改褪黑素产生或睡眠呼吸抑制或睡眠促进能力的药物)以补偿与新的环境或睡眠/唤醒/工作要求等相对应的自然昼夜节律/时钟的时差和其它因素的变化。本发明的在线药物订购或供应安排能力包括但不限于通过药物治疗的昼夜节律/节律修正。例如，通过辅导或推荐剂量和/或类型和/或控制给药(即自动药物分配系统)，用催眠药、非镇静催眠药(非苯二氮卓类，即唑吡旦等)，或者需要时苯并二氮杂(即短效型避免过度镇静，如替马西泮，以及本发明的教导提示，消息传递，通知等，以避免酒精与药物混合等)促进睡眠，或其它建议，例如白天的兴奋剂，如咖啡因(以及本发明的辅导提示，消息传递，通知等，在中午后避免这种兴奋剂)；
作为另一个例子，通过可以警告和/或推荐和/或分配和/或管理的分配器装置，通过平板电脑绘制与分配功能，连同其它适当的(即可选择在线监督或使用适当的监管，医疗和/或健康保险审批手段的授权)药物管理方法，本发明能够实现自动给药或售货；
-恢复型短暂小憩的安排和管理-本发明可以帮助管理短暂小憩(即20-30分钟)这可以增加能量，但不会破坏夜间睡眠，管理可以包括辅导，建议或控制控件的更改(包括手表，手机，闹钟，照明条件，温度等环境(包括电热毯温度等)等可穿戴设备)，的任何一种或其组合和/或睡眠周期/阶段唤醒优化(即如本文档其它部分所述)。根据主体/患者所需的参数来有序或最佳地管理睡眠小憩阶段(即相对于时间或进度要求，相对于认知或能量需求等，与新环境昼夜节律同步的可用时间、优先排序)。
-认知评估方法(即基于音频素材和比较认知应对措施的相互作用，通过诸如测试个人的行为反应性，AEP/MMN等反应，视觉反应等，比如头部位置和/或眼睛和/或眨眼的相机跟踪和视频分析，来追踪警觉性和认知健康状况(即将主体/患者反应与特定视听序列进行比较，该序列与各种人口研究相比，代表校正的轻度，中度，严重的认知缺陷或警觉性或注意力或反应性等)；
-闹钟，可穿戴振动装置(即前额，头，手腕，身体，肢体等)，提供目标和辅导建议，以帮助调整旅游计划和昼夜节奏的时钟，其与新的环境睡眠/唤醒和预定的要求相对应(即避免关键行为或直接满足曝光抉择，当与新的环境睡眠/唤醒和时区条件相比，在旅行之后，自然昼夜节律/时钟显著地不同步，没有适当的补偿)；
-地理地图包含与各时区本地环境同步的集成的自然生物钟；
-实施计划和跟踪与目标和指导建议，相对于新的环境睡眠/唤醒和预定的要求帮助调整旅游计划和自然生物钟的含义；
-日历或其它安排集成，其中建议，提示，警告，调整等可以作为日历通知或建议/提示/消息等的一部分呈现，以帮助补偿潜在的不利生物钟偏移效应；
-个人健康跟踪和咨询支持(以及与本文档或本文档其它部分所涵盖的任何其它昼夜节律/周期因素或控制链接方面的联系)，其中传统的时钟，手表，手机时钟或闹钟功能包含自然生物钟/节奏的异步性质的信息，以使得提供主体/患者或根据现有信息以其它方式进行计量(即GPS，旅行计划，睡眠或嗜睡调查，昼夜节律/时钟偏离的典型影响等)/或监测信息(即主体/患者睡眠研究，睡眠模式或相关信息)和/或环境信息(即温度，照明条件)和/或运动(即，来自加速度计和其它运动或运动检测系统的活动感测)和/或脑功能(即EEG监测与视交叉上核相关的或相关区域的任何信号，提供指示天然生物钟/节律的任何测量或标记)；
-照明控制(即光疗)或与主体/患者的环境照明条件变化有关的直接发电(即灯，时钟，手表等)；
-PAP或NIPPV CPAP eCPAP或其它治疗设备控制(生物反馈)，基于或链接纠正措施预防措施(CAPA)控制或反馈(即在线PAP/NIPPV控制适应，用于最小的睡眠片段，RERA唤醒和/或睡眠无序呼吸和/或最大睡眠效率和/或最大睡眠质量和/或最佳昼夜节律/时钟同步(即与当地环境)通过设备可以自动改变或适应压力eHealth。
-室(或床)温度-即相对于主体/患者嗜睡或嗜睡条件下的较高温度，降低的环境温度可以有助于唤醒或警觉)；
-相对于实际或所需的昼夜节律/时钟适应或调整或尝试同步自然昼夜节律/时钟的治疗方法
-即自动药物分散器装置可通过平板电脑绘制或分配来提醒和/或分发推荐(即使用适当的监管，医疗和/或健康保险批准手段的在线监督或授权的选择；
-同见图96；图97；
发明内容-(环境感知社区共享映射关联应用程序)
可穿戴系统，用于自动预测和/或诊断方法或设备主体可穿戴系统监控环境信息
本发明公开描述了许多方法，装置，系统和计算机应用/程序或产品，适用于环境和健康感测，并提醒用户社区信息共享应用程序，该程序包含相关的映射和映射路由信息链接。
本发明使得移动通信设备(即无线移动电话“用户设备”)或第一设备能够部署位置应用，接收指示和授权以开始共享多个定位系统(即GPS跟踪)和从第一台设备获取的其它相关信息，以及这些信息的传输，这是以与包含应用和操作者接口能力的一个或多个其它设备兼容和可用的格式，其中应用程序的一个或多个实例(即社区共享应用程序)可以指示第一设备的位置，行进路线和“其它相关信息”。
所述“其它相关信息”可以包括所监测的健康信息，感测到的环境信息(与第一设备接口/相关联或由第一设备监控)或其它报告或用户输入/选择信息或独立信息报告或数据处理的任何一种或其组合：1)“旅行条件和潜在危险或风险等级”，2)“环境监测/感测信息”，3)“呼吸状况和潜在危害或风险级别”如下面进一步详述。
本发明能够通过要共享的多个移动设备用户，使得环境感测信息受到监测，以使得一个集体或协作的地图(即一个社区的授权用户或应用大使)可以共享/交换信息，这些信息涉及监测或多个用户报告的“旅行条件和潜在危险或风险级别”，“环境监测/感测信息”和/或“呼吸状况和潜在危险或风险级别”，包括对一般人群以及婴儿和哮喘患儿更易受伤害的群体的风险(本发明包括数据挖掘的方法，对特定于主体的健康问题和相关性的过滤数据进行排序)。
自动预测和/或诊断方法或主体可穿戴系统(例如但不限于手表，腕带，胸带，头带，前额传感器等，耳塞)并且还包括感测信号，获取数据，监视，存储，分析，一个或多个电生理(EEG)信号的装置。
所述方法或系统还包括信息数据网络(即包括但不限于LAN，WAN，IP，WWW等的装置)或信息通信能力(即可以是无线移动设备，其它互联兼容的可穿戴设备或配套设备，其它可穿戴设备，无线传输，NAS，云计算服务等)。
所以环境监测可以包括以下任何一种或其组合：环境传感(具有闹钟或警报或指示器或与移动设备相关联的消息，电子邮件，电话自动语音消息和其它信息或通信系统的接口)，天气元素，风，湿度，温度电离监测，电离烟雾闹钟，甲烷监测，有毒气体监测，有毒化学监测，二氧化碳气体监测，甲烷气体监测和/或温度计，空气污染措施，空气烟雾措施，空气颗粒措施；辐射措施，
其中，“环境与健康感知与警报共享应用”包括与其它具有兼容性应用的信息共享的方式；
其中，“环境传感共享应用程序”可以包括对等数据共享，数据传输，与其它系统的连接，具有以映射或导航应用程序加载的兼容应用程序，指示以下任何一种或其组合：1)“旅行条件和潜在危险或风险等级”，2)“环境监测/感测信息”，3)“一般人群，如婴幼儿和哮喘患者等弱势群体的”呼吸状况和潜在危害或风险级别“，包括雾，烟，污染和其它呼吸风险。
其中，“旅行条件和潜在危险”或风险等级包括(但不限于)包括(但不限于)来自移动或无线移动设备和相关用户的定义或授权社区的各种机构或来源或主体监测或社区监测的环境的信息，“旅行条件和潜在危险”监测包括以下任何一种或其组合：
-报警和安全警告或警报
-贸易部门的警告或关注
-战区和旅游风险区(包括飞行路线等)
-提出的航班与风险区域的飞行路线
其中，“环境监测/感测信息”或风险等级包括(但不限于)包括(但不限于)来自移动或无线移动设备和相关用户的定义或授权社区的各种机构或来源或主体监测或社区监测的环境的信息，其中“环境监测/感测信息”监测包括以下任何一种或其组合：
-温度
-湿度
-风况
-雨情
-风暴等天气元素
其中，“旅行条件和潜在危险”或风险等级包括(但不限于)包括(但不限于)来自移动或无线移动设备和相关用户的定义或授权社区的各种机构或来源或主体监测或社区监测的环境的信息，“旅行条件和潜在危险”监测包括以下任何一种或其组合：
-可见性路况
-路滑情况
-道路结冰情况
-雾状况
-自行车旅行情况
-慢跑或跑步赛道情况
其中“呼吸状况和潜在危害或风险级别”或风险级别包括(但不限于)来自移动或无线移动设备和相关用户的定义或授权社区的各种机构或来源或主体监测或社区监测的环境的信息，其中“呼吸状况和潜在危害或风险水平”的监测包括以下任何或任何组合：
-过敏
-烟雾
-烟
-污染
-空气颗粒浓度
-呼吸风险
-哮喘风险
其中，“健康状况和潜在危险或风险级别”或风险级别包括(但不限于)来自移动或无线移动设备和相关用户的定义或授权社区的各种机构或来源或主体监测或社区监测的环境的信息，其中“健康状况和潜在危害或风险水平”监测包括以下任何一种或其组合：
-疾病或病毒警报
-流感警告
-其它经过验证或授权的健康报告或警告
实施方式-用于骑自行车者，慢跑者或活动健康地图路线或旅行计划，包括地图链接的视图，该视图具有经验证或授权的社区用户感知或监测的数据并与相关的最新报告相结合：
在本发明的一个示例性实施例中，适用于航空公司或其它旅行社，根据飞行或旅行路径的要求提供验证，以使得乘客可以进行交叉检查以对抗诸如与战区等相关的更新信息提供等风险因素，并对乘客存在过度风险或安全旅行验证(否则“保持在黑暗中”信息访问的方式)。同样，航空公司的安全状况和风险也可以应用到安全旅行模型中，以使个人能够确定和控制其拟议的旅行计划。
实施方式-健康的地图路线或旅行计划，包括具有相关，经过验证和授权的社区用户健康，环境监测数据以及关联的最新报告的地图链接视图：
本发明进一步实现将环境考虑在内的导航映射或方向路由应用程序(即道路，汽车，火车，空气等)。此外，所述“用户设备”的监视和感测数据可以与多个授权的其它“用户设备”共享，反之亦然。以这种方式可以传输，并且所述位置数据包括所述第一设备的多个位置，并发送位置数据，以可用于实现在第二设备上执行的位置应用的第二实例的用户界面的形式以指示由第一设备行进的路径。
附图说明
图15eLifeCHEST
图16eLifeCHEST；eLifeWRIST；Somfit；eLifeWATCH。
图17具有专业级用户界面选项(包括切换手表模块选项)的ELifeCHEST
图18eLifeWATCH智能健康手表系统。
图19云计算服务或其它网络应用服务，与智能手表和监控设备集成，以提供或增加处理要求。
图20Somfit/eLifeWRIST/eLifeBANGE/Somfit。
图22血氧仪7天电池充电无线探头。
图23通用无线电池供电双极eLifeEXG系统。
图24腿部，EMG或其它双极电生理电极带。
图25SomniiFIT前额(头带/前额条)消费者格式电生理传感器阵列，被设计用于使用单个电极阵列(Somfit)监测EEG，EMG，EOG和任何其它睡眠或神经学参数或方法。
图26SleepFit手腕带有新型&实际睡眠措施。如图所示，在涵盖实际绩效，与实际措施等相对应的目标或终点的预定义显示模式的背景下，本发明实现所监测或信息相关的睡眠稳态睡眠/猝发和/或昼夜节律和/或健康或活动措施，嗜睡/疲劳和/或警惕/注意力措施的任何组合，
图27基于本文件中提出的顶级示意图和首字母缩略词的本发明的实施例。
图28患者穿戴式设备和配套管理系统(HMS)平台概述流程图
eLifeMEDICS(专业医疗或科学诊断或预后服务)和eHealthMEDICS(消费者级别监控和信息访问环境感知，适用于独特的健康管理系统方法)包括设备和方法发明的数量，其部署在平台结构中，以包含以下属性：服务功能[1](即SAAS；云计算服务)，应用程序[3]，监控设备[4]，分析功能[5]，监控功能[6]和系统资源[7]，如此处进一步概述的。
图29外部噪声感测和取消系统。
服务功能[1]
[1]CLOUDeLife；eLifeKIT；eLifeCART；eLifeNEXUS
[2]自动动态睡眠参数数据交换与可穿戴指示装置，实现组合睡眠和健身和/或健康质量跟踪的任何组合
应用程序[3]
eLifeROUTE；eLifeTHINGS；；eLifeOPT；eLifeCAPA；eLifeWAKE；eLifeCHECK；eLifeTRACK；eLifeATLAS；HealthBook360；eLifeME；eLifeGYM；
监控设备[4]
eLifeWRIST；eLifeARRAY；eLifeWATCH/HST；Somfit eLifeWATCH；eLifePULSEeLifeBAND/ARM
附图说明单独的装置，其能够附着于与睡眠相关的前额(即EEG，EOG，EMG等)，健身或健康参数，包括以下任何一种或其组合：
睡眠，唤醒和其它心理状态的监测，确定和跟踪，感兴趣的事件或健康状况
--本发明进一步部署具有设备属性的一个或多个所述“主体穿戴系统”，如本文档中所述，包含一个或多个集成(嵌入式或附加)传感器，其能够感测和监测一个或多个环境参数或生理参数，以及事件/措施/状态的确定，预测，发病或相关健康状况，其中所述发明还包括分析或监测能力的任何一种或其组合，包括“睡眠参数”和/或“神经学参数”中的任何一种或其组合，包括自动在线确定意识或心理状态或相关事件/标记的方法，包括以下标题中详细列出的任何一种或其组合的事件或条件(如本专利申请文件的其它地方进一步详述)，包括以下子标题：
本发明包括感测，监控，数据采集，信号处理，分析，存储，和信息访问，包括在线自动表征主体/个人的生理，神经病学，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或包括以下任何一种或其组合的健康状况：
快速眼动(REM)睡眠特征；睡眠障碍分类；选择睡眠障碍；梦境状态；游离状态；催眠状态，
本发明包括感测，监控，数据采集，信号处理，分析，存储，和信息访问，包括在线自动表征主体/个人的生理，神经病学，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或包括以下任何一种或其组合的健康状况：
快速眼动(REM)睡眠特征，睡眠障碍分类，选择睡眠障碍，梦境状态，游离状态，催眠状态，分级状态(醒发状态)，评分阶段N1，评分阶段N2，评分阶段N3，评分阶段R(这些状态或条件的任何一种或其组合以及下面的相关细节是本文档中引用的“相关事件”或“相关健康状况”的一部分)，如下所述：
由此本发明能够进行监视，感测，监测，数据采集，信号处理，分析，存储，信息和访问包括主体/个人的生理，神经病学，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或健康状况的在线自动特征化，包括在本专利申请的其它部分详细描述的分析或事件或相关条件或本发明的其它目的任何一种或其组合。
分析功能[5]
本发明包括车载(即在无线移动设备或可穿戴式监测或感测系统内)以及自动辅助(即网络应用服务，云计算服务，对等辅助网络处理能力，LAN，WAN，互联网或其它访问增强的在线或离线(即数据挖掘))诊断或预测的互联处理能力，本专利申请文件中概述的本文件中所述的相关事件或相关条件可以实现个性化的健康管理信息报告，提供对主体/患者或其它授权或提名(即选择加入)组织或个人的访问。
在基本实施例中，个人可以戴上腕带或手表装置，该装置包含测量和/或指示主体/患者的任何或任何组合的方法：
-监测的睡眠变量或衍生度量；
-监测的健身变量或衍生度量；
-监测健康变量或衍生度量；
-其中所述的“监测的睡眠变量或衍生度量”通过嵌入或连接的传感器或通过无线连接的同伴传感器可以包括监测一个或多个睡眠参数的任何一种或其组合；
-其中所述额“监测的健身变量或衍生度量”的手段可以包括一个或多个轴加速度计传感器和相关联的分析；
-其中所述的“监测的健康变量或衍生度量”可以包括从一个设备测量ECG，所述设备例如为可穿戴手表或腕带，然后结合ECG感测信号的发送对，该发送对通过用户接触第二装置的任何电极导电区域形成。或在另一示例性实施例中，通过从包含一对电极的单个腕带或其它可穿戴装置中提取表面ECG信号，该信号与主体/患者的皮肤接触，然后利用组合过滤，信号模式和信号动态(即非线性动态)分析技术的任何组合以从主体/患者的皮肤表面提取ECG信号分量。在本发明的另一个实施例中，其中ECG信号不能从背景信号或噪声中识别出。在一种能够进行分层分析处理的自动替代技术中，扫描任何数量的脉搏或心率信号源以使得随时确定后置可靠信号源，以使得至少计算脉搏率，但是在适当的信号质量存在时计算心率变异性，以及当ECG信号可用或可辨别时计算更全面的ECG心脏波形分析)。或者，ECG信号监测可以从诸如胸带或适当放置在主体身体上的无线电极的伴随设备导出。
-通过系统监测，分析和指示的一些相关事件或条件的例子包括诸如目标之类的措施的任何或任何组合(即目标或正常功能范围)，睡眠不足，睡眠效率，睡眠结构，REM睡眠，深度睡眠，睡眠发作后醒来，可以选择将这些措施，分析和/或适应症与健身措施和目标(步伐，运动，映射途径等)相结合，和/或健康事件或事件集群的发生或发生率(即原发性RBD，帕金森病，癫痫，癫痫发作，阿尔茨海默病，自闭症和其它神经系统，神经系统和肌肉或睡眠障碍)的相关监测，确定和检测健康，健康和/或相关事件或事件集群的发生和发生率。
-组合睡眠和/或健身和/或健康监测和/或分析的事件或感兴趣的健康状况中的任何一种或其组合可以是本专利文献中进一步详细描述的任何一种或其组合。
监测功能[6]
>传感器附件(ISA)，包括手风琴式膨胀系统(RFM 14255 WO 2011/017778)10-15。
>外部噪声检测和消除系统(RFM 255 WO 2011/017778)图29
>压敏电极激活(PSEA)(RFM 14255 WO 2011/017778)。
综合体积描记波形(IRPO)系统(RFM 14255 WO 2011/017778)。
>在线自动信号质量评估系统(SQE)系统(RFM 14255 WO 2011/017778)。
>在线自动冗余电极替代(RES)系统
>在线自动识别和信道表征(AICC)系统(RFM 14255 WO 2011/017778)。
>在线自动动态链接信号调节(DLSC)系统(RFM 14255 WO 2011/017778)。
>在线自动动态链接分析调节(DLAC)系统(RFM 14255 WO 2011/017778)。
>在线睡眠进展与预测分析(本发明)
>WEB服务睡眠，健身和/或健康跟踪(通过手表；iphone；PC；iPAD；患者穿戴的手链，患者穿的项链，患者工作等)在线睡眠进展和预测分析(本发明)
>在线eLife互联网(eLifeIOT)睡眠进展与预测分析(本发明)
>在线睡眠进展与预测分析(本发明)
>动态在线治疗控制系统与生物反馈
另外，本发明可以包括外部文件((WO 2011/017778，RFM：14255))或本申请其它部分描述的以下系统的任何组合
监测系统能力
·自动模式确定(AMD)系统(RFM 14255 WO 2011/017778)；
·动态适应的高依赖性连接管理(HDCM)系统(临时申请提交澳大利亚政府IP澳大利亚6Mch14)；
·eHealthNAS功能(临时申请提交澳大利亚政府知识产权局澳大利亚6Mch14)；
·eHealthAtlas功能(临时申请提交澳大利亚政府知识产权局澳大利亚6Mch14)；
·自适应生理身体网络(APM)和NAS网关(本发明)；
·在线自动操作员复杂性水平(OCL)系统(RFM 14255 WO 2011/017778)；
监测能力
·集成传感器附件(ISA)，包括手风琴式膨胀系统(RFM 14255 WO 2011/017778)(见图)；
·外部噪声检测和消除系统(RFM 255 WO 2011/017778)(见图)；
·压敏电极激活(PSEA)(RFM 14255 WO 2011/017778)(参见图)；
·综合体积描记波形(IRPO)系统(RFM 14255 WO 2011/017778)；
·在线自动信号质量估计系统(SQE)系统(RFM 14255 WO 2011/017778)；
·在线自动冗余电极替代(RES)系统；
·在线自动识别和信道表征(AICC)系统(RFM 14255 WO 2011/017778)；
·在线自动动态链接信号调节(DLSC)系统(RFM 14255 WO 2011/017778)；
·在线自动动态链接分析调节(DLAC)系统(RFM 14255 WO 2011/017778)；
·多点时间同步监测(MTM)(本发明)；
·适应性生理体监测(APM)系统(本发明)
[6]扩展细节
本发明包括在线睡眠进展和预测分析(本发明)：即包括在线睡眠进展审查手段的方法，其中深度睡眠(身体恢复)，REM睡眠(脑恢复)；睡眠质量，呼吸障碍(即打鼾，呼吸暂停，呼吸不足，睡眠障碍，睡眠觉醒，可以在因果关系或表现方面实时查看。
本发明还包括自动在线诊断和预后的“因果关系”，提供即时和时间环境的基础。例如，在信息访问时间的正常措施的背景下处理睡眠状态或进程的可访问信息可以关联当前的睡眠状态或时间以使得睡眠质量或睡眠结构(即渐进深度和REM睡眠性能指标(基于睡眠时间与典型或高品质的睡眠时间的REM睡眠量或深度睡眠量)(可以通过睡眠调查表现评估(如Epworth Sleepiness Scale(ESS))进行访问)或诊断评估睡眠集会的主体)。
即自动和个性化(在任何时间和阶段校准到个性化睡眠要求(即相对于该人在某一时间的最佳睡眠结构，过去的睡眠结构可以提供REM睡眠进展的指导(即脑恢复和记忆巩固)或深度睡眠(即基于实际的而不是名义上的深度睡眠，在主体/患者的睡眠期间的任何时间点，阶段3和4睡眠可以为个人设计身体恢复，当主体/患者选择访问此类信息时或当相关和授权的卫生工作者或护理人员访问此类信息时)主体/患者的生活中的睡眠结构阶段(即睡眠要求随年龄，药物，睡眠剥夺，健康状况，压力等变化)。
在睡眠周期或阶段，睡眠结构，个体的正常或典型的睡眠模式，规范人群的背景下(即通过对诸如年龄，性别，BMI等因素进行标准化的数据库)，本发明提供了一种评估个人睡眠进展的进展情况的能力。此外，本发明包括一种方法(即基于睡眠时间到时间和基于持续的模式或睡眠或与正常睡眠相关的睡眠障碍并且正常中断对所得到的睡眠结构或睡眠障碍的估计，RERA，AHI，RDI，SDI，睡眠效率，WASO，以及其它指标可以被预测，并将此信息与建议或对策的提示(包括睡眠专家或GP干预)提供给用户以规避持续的睡眠恶化或相关的不良健康后遗症。
本发明的其它睡眠环境实施例包括确定任何生理测量的严重程度(心脏功能，心电图，HRV，呼吸系统疾病，神经系统疾病，血压等)，在当前时间或过去睡眠期间的环境中，相对于特定阶段的正常值，或者主体/患者的睡眠周期是现在或过去的睡眠时间。
例如，在令人担忧的结果或睡眠阶段(即REM血压变化等)的功能表现方面，血压变化通常具有不同的意义或后果。类似地，睡眠阶段和经过的时间段都可以被考虑到向用户/主体或相关卫生工作者报告的可访问的信息之内。相关的睡眠健康进展是基于本发明的睡眠阶段和睡眠时间，甚至睡眠病人的历史信息(即诊断报告；心脏，呼吸系统，神经学和其它安全功能范围或限制和阈值，需要干预或通知/报告)环境。
另一个例子涉及到例如与不规则睡眠模式相关的轮班工作者，旅行者或患有昼夜节律疾病的患者。在这些情况下，本发明可以跟踪个体的睡眠规律性并且确定睡眠进展或睡眠期结果的信息度量，在规律性或无序睡眠模式的背景下，因此例如因昼夜节律驱动的睡眠倾向引起的昼夜节律睡眠周期影响或睡眠不足的因素。
就分解时间，睡眠期或睡眠阶段而言，在绩效结果的背景下，本发明实施例的其它实例，包括考虑到其它时间背景因素如睡眠结构，睡眠障碍，心脏活动(即基于睡眠周期和规范数据比较，比率或高或低频ECG功率作为自主活动或功能障碍的度量)或睡眠中断，睡眠片段信息等。
本发明使得信息可以在睡眠监测期间或之后的任何时间进入感兴趣的睡眠障碍或睡眠障碍事件-即在本发明的一个实施例中，一个简单的触摸，手势或轻敲/摇动手势可以选择当前或最近的睡眠中断问题以及可能的原因和对策(即与街道噪音，汽车噪音或温度或其它环境变化相关的录音和召回)。相对于纠正或预防性提示或行动，基于目前具有持续条件的轨迹，在睡眠性能方面的改进上，预测分析项目可能结束睡眠期结果，并提出改变或对策以及预期的可能结果。(即在线自动分析，在最可能的原因和对策建议或提示方面，在减轻持续睡眠或相关疾病健康降解或相关不良健康后遗症的背景下，通过根本的因果关系分析，使信息确定和信息访问，纳入睡眠或睡眠障碍矫正和预防作用(SD CAPA)。
在目前或任何过去的睡眠休息期间的期间和阶段，绩效评估可以在线自动计算，其中，所述性能测量可以基于个性化的患者/消费者特定的典型结果，该结果与规范人口基数或个性化设立的其它目标或指标或在睡眠指导或其它健康，健身或个性化照顾者方面通过特殊在线“选择”的相比较。在另一个实施例中，相对于其它人的呼吸声，生物同步能力能够确定与被监测的主体相关的呼吸紊乱障碍。
在线eLife互联网(eLifeIOT)睡眠进展与预测分析(本发明)：一个示例性实施例使得能够自动传送任何相关研究数据，患者信息和用于特殊心脏编程的设置，伺服控制的呼吸机，正气道治疗装置或其它非侵入性通气机服务正压通气(NIPPV)系统。所述设置可以包括与生理测量相关的阈值，范围，正常操作条件和自动警报条件(即心脏，氧气，二氧化碳水平，呼吸波形等)该条件指示健康状况或其它感兴趣的事件。直接连接的设备编程，购买，交付以及健康保险和任何其它合规文件或流程可以纳入一笔贷款，租用，购买，测试和评估过程选择选项。
在线eLife互联网(eLifeIOT)生物反馈和动态数据交换能力，睡眠进展与预测分析(本发明)：一个示例性实施例使得能够自动传送任何相关的研究数据，患者信息和用于特殊心脏编程的设置，伺服控制的呼吸机，正气道治疗装置或其它非侵入式呼吸机服务正压通气(NIPPV)系统的设置。所述设置可以包括与生理测量相关的阈值，范围，正常操作条件和自动闹钟条件(即心脏，氧气，二氧化碳水平，呼吸波形等)该条件指示健康状况或其它相关事件。直接连接的设备编程，购买，交付以及健康保险和任何其它合规文件或流程可以纳入一笔贷款，租用，购买，测试和评估过程选择选项。
系统资源[7]
eLifeNAS；eLifeRURAL；eLifeHDCM；eHealth-MTM时间同步eLifeAPM；
·自动模式确定(AMD)系统(RFM 14255 WO 2011/017778)。
·动态适应性高依赖性连接管理(HDCM)系统概述(eHealthNAS和Atlas功能(临时申请提交澳大利亚政府IP澳大利亚6Mch14)
·自适应生理体网络(APM)和NAS网关(本发明)
·在线自动操作员复杂性水平(OCL)系统(RFM 14255 WO 2011/017778)。
图29外部噪声感测和消除系统
权利要求-eLifeKIT--参考摘要，说明书，附图，适用的权利要求部分或随后的分案申请。
标题：多点时间同步监视(MTM)系统
发明内容
基于监测和数据采集系统的互联网和网络的精确时间同步方法。
以前的技术限制：其中一个关键的障碍是能够实现足够精确的时间同步，因为它涉及在互联网，网络，无线通信或无线移动设备环境中监视多个或分布式设备或系统，能够避免许多非常明显的缺陷。
这些缺陷与两个或多个设备之间的时间同步不足有关，当适用于监控应用程序时，特别令人不安。在一个实施例中，监测来自两个或更多个独立设备的主体的生理参数，然后重新组建单独的录音以使得进行有意义或精确的分析(即，在多个脑区域或神经源之间的耦合关系方面进行频谱分析比较FFT相位和频谱输出)，例如，如果每个所述单独设备的数据采集不够准确，一个主体的在线健康状况可能充满了不准确之处。
例如，如果高频振荡等神经生物标志物被跟踪为可能的缉获事件的前体并且在与其它光谱脑活动的耦合度方面正在分析这种高频活动，那么时间同步会大大影响计算结果。
例如，如果正在检查500Hz的高频振荡的相位相干性，该相位相干性在人脑中同时出现500Hz(即，作为捕获发作的标记)那么完整的500Hz周期的时间段为0.002或2毫秒(1/500)，而每个相移程度代表0.00000556秒或5.56微秒的时间段。
因此，2个或更多个同步数据采集系统之间的时间同步精度(仅示例)应该以至少10倍相关最小测量成分的精度进行时间同步，或者优选100倍或更高的精度。这表示在该示例中的时间同步精度在0.000000556和0.0000000556分钟之间或556纳秒到5.6纳秒之间。
甚至基于所请求保护的最准确的互联网时序功能(基于世界上最准确的定时源的原子钟)在任何给定的时间(RFM：14983)16，根据您的互联网流量或计算机处理需求，所显示的时间通常具有在0.02至0.10秒之间的精度。
此外，尽管原子钟每年有最大的转变，大约为25-12亿分之一秒(在这个例子中是完全足够的)我们的手表或计算机系统中典型的石英晶体可以每月偏移几秒钟(RFM：14984)17。
在上述示例的环境中，当连续监测主体一个小时，每月几秒可以转换成非常显著的，更不要说数日甚至数周连续不断监测的典型应用程序。
而且，当多个系统同时监测另一个时间同步时就会发生问题，因为每个系统都有固有的偏移，因此为了以最小化每个相应系统之间的延迟或相移的所有组合的方式使所有系统的数据时间同步，特别是适用于生理数据表示和精度分析时，我们需要一个能够具有以下属性的独特的时间-同步过程：
发明的核心：因此，本发明的核心是提供一种准确的时间参考系统，该系统适合在多个监测或数据采集系统中精密同步数据采集，其中这种系统包括以下任何一种或其组合：
主数据采集时间同步
识别公共主要时间同步参考的方法(即全球定位系统(GPS)的利用)对于主时间同步参考(RFM：14986)，精度可达±10ns。
识别时间同步标记的方法
(即使用无线电传输时间参考(即黑森州Mainflingen的DCF77(德国)；Anthorn的MSF(英国)；JJY(日本)；柯林斯堡的WWV(美国)；夏威夷的WWVH(美国)；BPC)(RFM：14984)。
主数据采集时间重新同步
涉及多个设备/系统之间的绝对时间偏移的在线和离线数据重组的方法(即利用校准和补偿适用于无法访问的主时间同步参考的“自由运行”周期。)
涉及多个设备/系统之间的时间稳定性(即，同步偏移)的在线和离线数据重组的方法(即利用校准和补偿适用于无法访问的主时间同步参考的“自由运行”周期。)
在线和离线时间稳定性测定(随时间偏移因子)校准和补偿的方法，适用于无法访问的主时间同步参考的“自由运行”时段。
确定多个监测或数据采集装置之间的最大时移的装置；
确定多个监测或数据采集设备与警告系统用户之间的最大时间偏移的方法应该超过或接近这些条件或预定阈值或时间同步要求的范围；
确定多个监测或数据采集设备和警告系统用户之间的最大偏移的方法应该超出或接近这种条件或预定阈值或时间-同步稳定性要求的范围；
能够在多个通信介质或多个传输介质(即蓝牙，Wifi，以太网，光纤，无线电，卫星，GSM等)之间进行数据时间同步的装置。
实现主时钟参考和多个具有从属时间参考能力的设备的方法；
能够跨不同组的通信系统(即多个传输介质)，介质，设备和/或系统进行数据同步的方法；
能够实现多个设备或系统之间的数据时间同步的方法；
通过统一的、通用的物理同步信号实现数据时间同步的方法，跨越网络或监测/数据采集系统组内的多个无线设备或监控系统，其中总数据记录的重构依赖于每个所述监控系统或设备数据的精确相位同步；
允许对所述同时监测的无线或移动设备数据的连续采集样本进行周期性记时的方法；
在多个单独的监控设备或系统和/或通信系统之间获得精确时间同步的方法，然后定义主时序参考和所述分开的设备之间的关系并计算主设备或从设备的所有定时参考之间的关系，以使得整体监测数据可以在时间偏移，时间对准、时间稳定性(即任何设备之间的时间关系由于相关的时序稳定性因素而不会蜡化和减弱)方面进行时间同步(即，没有监测或数据采集的周期因参考所有监控设备或系统而被拉伸或缩小)。
通过网络定时协议NTP获得定时或时钟同步的方法)；该系统通常在时间同步和证据模型的设计中涉及用户可定义的策略控制。此外，该模型能够支持内联和网格操作模型(即明确定义的主时钟源，或者不需要倒数第二个主参考时钟)。
建立与多个系统监测或数据采集设备相关的时间同步的方法，由此支持内联和网格操作模型，由此明确定义了时间或模型的主源，其中不需要倒数第二个主参考时钟；
导出多个设备的主或从时钟同步的方法，由此提名主时钟，以使得所有设备参考和同步独立设备时钟时序数据采集等功能。
增加多个数据采集或监测系统的常规时间或时钟同步的方法(即NTP；简化NTP/SNTP；内部或本地时钟参考-即石英晶体)，其结合部署补偿的自动校准方法，由此，校准和补偿包括定期评估相比传统的时间参考(即NTP)更准确的时间来源(即无线电或GPS基于原子的时间基准)。其中校准可以包括时间稳定性因素，与常规时钟相关联的时间偏移因子的确定，并且由此补偿可以包括调整时间偏移和稳定性以提高多个数据采集或监测系统之间的整体时间同步精度。(问题解决：尽管NTP被认为是强大的，并且在互联网上广泛使用，并被普遍视为在不可靠网络的分布式时间同步协议方面最先进的技术，但是在公共互联网上的数毫秒的数量级，或者在局域网的子毫秒的情况下，NTP仍然通常局限于同步偏移)。(RFM：14986)
部署NTP时间或时钟同步组合(适用于多个数据采集系统)的方法以及补偿的自动校准方式，由此，所述校准和补偿包括周期性地评估比NTP更准确的时间源(即基于无线电或GPS原子的时间参考)以实施校准程序包括确定时间稳定性因素，时间偏移因子和相应的最佳补偿因子以进一步补偿并因此增强传统的NTP时间同步特性。
部署Berkeley算法或类似格式，与所述校准和补偿NTP时钟同步相结合(适用于多个数据采集系统)，作为减少多个系统之间的时钟偏离的方法。
Berkeley算法：一个时间服务器定期从所有客户端获取时间的过程，计算平均值，然后向每个客户端报告，其需要进行调整才能使本地时钟达到计算平均水平，以使得所有系统都可以同步。超过预定义限制的时钟可能被丢弃，为了最小化一个极度偏斜的时钟的影响)。(RFM：14986)
部署时钟采样相互网络同步(CS-MNS)或类似格式的方法，与校准和补偿NTP时钟同步相结合(适用于多个数据采集系统)，作为减少多个系统之间的时钟偏离的手段。
CS-MNS：通常用于分布式和移动应用。兼容IEEE 802.11和类似标准。可以通过具有间接链接的非相邻节点的网格进行缩放，并兼容IEEE 802.11和类似的标准。精度可以在几微秒的数量级，但需要直接的物理无线连接，在相邻节点之间的链路上具有可忽略的链路延迟(<1微秒)-这限制在几百米之间的相邻节点之间的距离。)(RFM：14986)
部署Cristian算法或类似格式，与校准和补偿NTP时钟同步相结合(适用于多个数据采集系统)，作为减少多个系统之间的时钟偏离的手段。
Cristian算法：该系统使用时间服务器，其通过引用无线电时钟或其它准确的时间源来维持其时钟。在与时间服务器保持同步的系统中，由所有其它计算机(客户端)通过来自这些客户端的程序调用来维护时间。该算法的变种可以通过考虑网络无线电传播时间来实现更精确的时间计算(RFM：14986)。
多点时间同步监测(MTM)系统的实施例：确定短期和长期多系统监测和数据采集时钟同步缓存，延迟和稳定性措施和对策(见图30)
在本发明MTM系统(或eLifesyc)的一个实施方案中，本发明的另一个能力是基于补偿内部时钟(通常为石英时钟)，通过比较具有精确度参考的网络中的本地时钟源的任何一种或其组合(如本地网络或直接连接的基于原子的时钟，无线电时钟，GPS时钟等)，在不同的监测系统(即无线移动设备)之间，实现时间同步的自动校准。以这种方式，比较外部准确的时钟时序(如基于原子的网络或无线电或卫星链接时钟)可以比较当前本地石英时钟温度，原子参考时钟定时，导出的本地数据采集时序(参考本地石英晶体)以使得在短期和长期的基础上确定所有单独监测系统的时间表征：a)稳定性(即时钟精度的摇摆，b)时钟偏离(实际原子时钟时间与本地时钟数据采集记时之间的绝对时间差)时间，c)时钟偏移(原子时钟时间和本地数据采集时钟之间的关系逐渐变化)，和d)信息技术或地理气候相关因素(即温度，湿度)，环境条件包括(即与根据温度的偏移有关的局部石英晶体)相关联。
通过实现这种类型的持续表征，即使主要或精准定时源(如本地网络或直接连接安装的基于原子的时钟，无线电时钟，GPS时钟等)不可用或连接中断，所有单独的监测系统和每个监测系统之间的时间同步的整体管理可以进行。
例如，当由于中断或断开更准确的时间参考装置(即，无线中断等)而需要本地或自由运行的定时同步时)，在所有单独的监测或数据采集系统以及旨在最大限度地减少时间不准确的算法之间，在补偿整个系统时间同步方面，基于以前确定的因素(即稳定性，偏置，偏移，温度相关变化，长期变化，短期变化等)，特殊的时间特征化能够使每个系统能够产生准确的预测。
此外，在本发明实施例的情况下，监测/数据采集系统网络内的中央定时服务器可以利用适当的(即受到诸如应用和时间要求的精确性，可负担性等因素的影响)定时主时钟时间参考(如本地网络或直接连接/安装基于原子的时钟，无线电时钟，GPS时钟等)，用于网络或一组监测或数据采集系统或设备。
进一步结合多点时间同步监控系统算法，其可以对监控系统组中的每个成员进行定期采样(即不同的装置或系统监测主体的生理参数)使得在需要时能够计算系统组中任何一种或其组合的调整因子，以使得在所有主体监测系统之间实现最精确的时钟同步和时间对准。
另外，特别是涉及多点时间同步监视系统时，本发明在定义或动态确定的监测系统组中分析与相关特定主题(消费者；患者等)相关联的每个监测系统的能力，通过结合最准确的预定义的(在系统校准分析期间)独立或自由运行(即当与定时服务器管理断开时)时钟同步情况，基于长期和短期的时钟偏移，偏移和稳定性调整，使每个单独的监控设备或系统能够以自由运行模式继续运行。
多点时间同步监测(MTM)系统的实施例：短期和长期多系统监测和数据采集时钟同步控制的确定，(见图30)
延迟和稳定性措施和适用于监测生理学视听参数的对策(见图30)
在本发明的一个实施例中，可以部署与主体相对应的音频监测，视频监测和生理监测的任何组合。例如，如果需要对癫痫患者进行长期监测，那么可能需要对缉获事件进行视听监测，包括确定癫痫发作，细微的身体活动，如运动，觉醒，声音(即呼吸，咳嗽，声音或环境)，甚至非常快速的眨眼或肌肉抽搐之间的时间同步。此外，在与相关生理记录的时间同步(包括例如高频振荡神经活动的高频脉冲)方面，这种视听监测可能需要同步或甚至锁相。
在该示例性实施例中，本发明在用于任何包含音频，视频和/或生理参数监测系统的不同监测介质的混合方面实现了结合时间同步特征化，校准和/或补偿的任何一种或其的组合多点时间同步。
非集中的或主时间参考的多点时间同步监测(MTM)系统的示例性实施例(见图30)
在本发明的一个实施例中，多点时间同步监测系统设备时钟同步监测(MCM)系统可以包括许多具有单独定时参考的单独设备，而不是单个或中央主时钟的定时算法。该系统能够平均一组监视器中所有系统的时间，可以某种方式部署，由此计算所有时钟之间的平均时间差，然后向每个单独的设备或系统提供与每个相应的单独设备或系统的补偿因子相关联的时钟同步调整因子，以实现所有系统或设备之间的同步。超出预定义或动态计算限制的时钟可以丢弃以使一个极度偏斜的时钟的影响最小化)。在由于互联中断而不可能集中算法的情况下(即无线连接不可靠，中央算法方法不可行或有效)，这种方法仍然可以纳入校准过程，其中在建立最佳时间调整或不同监控设备的补偿因素或系统时，长期和短期的时间特征可以被确定为一个因素。
本发明-连接到原子时钟进行定时同步的无线电能力适用于一个或多个可穿戴健康或环境监测系统或设备。
本发明结合了无线电调谐器能力以调谐到原子钟无线电频道，目的是增强定时同步，其适用于一个或多个可穿戴或移动的(包括无线移动，PC，平板电脑或其它信息或通信系统)具有健康或环境监测功能的系统或设备，并且由此所述同步包括多个同时监测的信道或所述健康或环境信号的对准。
附图说明
图30多点时间同步监测(MTM)系统概述图。
[1]设备：脑电监测系统(即Somfit)
[2]设备：健身监测系统(即加速度计，皮肤抵抗力，温度，新陈代谢/卡路里，胸部穿戴，手腕，神经头带，EXG无线等)
[3]设备：耳塞(功能：娱乐，健康，健身)I.e.任何或任何组合的温度，电流皮肤电阻，GSR，心电图，加速度计，光脉冲，反射血氧仪，前庭脑电图；eLifeneuro，Somfit)
[4]设备：脑电监测系统(即Somfit)
[5]设备：家庭睡眠测试(HST)系统
(即eLifeHST等)
[6]设备：视听录制系统
[7]设备：组合式袖珍手机支架，包括用于自动在线监测和热量燃烧测定，光脉冲，温度，电流皮肤电阻，运动/运动，通过皮肤表面热辐射的能量耗散(使用红外线或适当放置的热偶合器或热敏电阻阵列)的任何一种或其组合的确定，并进一步与一个或多个传感器的无线设备进行动态数据交换和测量；新陈代谢/卡路里。
在本发明的一个实施例中，电话臂带座可以包括一个或多个红外温度LED(s)和LDR(s)，其设计具有LED的时间门光激活和相关接收器传感器(红外线LDR)以提供一定程度的测量深度(即可以通过在红外线的门控和此时参考的返回信号的检测之间的时间来确定)使得能够通过皮肤表面热传递的特征化作为体温排出的量度。红外线LED发射器和红外线LRD接收器可以包括近场红外(NFIR)监测传感器和/或相关系统。
其它实施方案可另外包括脉冲测量(即通过使用移动电话的光产生和相机跟踪能力)，所述移动电话内的内部加速度计或移动传感器，所述手机设备内的GPS或手臂式手机外壳，温度传感器(即任何组合或移动电话传感器或策略放置的热耦合器，热敏电阻和/或聚偏二氟乙烯(PVDF)，NFIR传感器等)，电流皮肤电阻(GSR)传感器(作为手机或手机的一部分)，配套无线设备(即蓝牙，Wifi耳机等)，其它手机相关的健康或健身监测传感器，湿度传感器(在盒子或电话内)，气流传感器(也可以对努力或主体的能量消耗以及出汗产生影响)中的任何一种或其组合，使得能够确定周围天气以及与受监控对象的活动动作相关联的气流状况。
[8]中央处理单元(S)
[9]中央定时服务器/算法
[10]多点时间同步监控系统算法
[11]每个监控成员设备的时序特征，校准和补偿跟踪和确定-长期
[12]定时稳定跟踪和补偿因素
[13]定时偏置跟踪和补偿因素
[14]定时偏移跟踪和补偿因素
[15]定时温度，湿度，跟踪和补偿因素
[16]每个监控成员设备的时序特征和补偿因子跟踪和确定-短期
[17]基于原子钟的主时钟同步参考
[18]同步数据重构
[19]分散式同步时钟选项
[20]无线断开(自由运行设备)时钟同步功能-同步
[21]主时序参考的提取，基于来自各种不同的通信介质(即蓝牙，WIfi，因特网，卫星/GPS，无线电时钟(基于原子钟)的最可靠、一致和精确的定时参考标记
权利要求-多点时间同步监测(MTM)系统--参考摘要，描述，图形，适用的权利要求部分或随后的分案申请。
标题：eLifeSLEEP
发明内容
消费者和专业级睡眠-健身平台
本发明部署了本文件中呈现的一个或多个患者穿戴的装置，该装置并入一个或多个集成的(嵌入或附加)传感器，能够感测和监测一个或多个生理参数、心理参数或环境参数，还包括分析或监测能力，包括以下任何一种或其组合：
用于监测生理过程或睡眠参数的单个或一群患者可穿戴系统包括一个或多个患者穿戴的头戴式装置，其中所述设备包括以下的任何组合：
·根据上述权利要求结合一个或多个微处理器系统的所述装置的一部分，能够跟踪生理过程，事件或健康状况或兴趣；
·根据上述权利要求结合一个或多个微处理器系统的所述装置的一部分，具有监测一个或多个“睡眠参数”和/或“其它生理参数”的方法；
·根据上述权利要求结合一个或多个微处理器系统的所述装置的一部分，具有处理一个或多个“睡眠参数”和/或“其它生理参数”的方法；
·根据上述权利要求结合一个或多个微处理器系统的所述装置的一部分，具有处理一种或多种“生理和/或睡眠或唤醒标记”的方法；
·根据上述权利要求结合一个或多个微处理器系统的所述装置的一部分，具有处理一种或多种“睡眠结构措施”的方法；
·根据上述权利要求结合一个或多个微处理器系统的所述装置的一部分，具有处理一种或多种生理和/或睡眠和/或唤醒标记的方法；
·根据上述权利要求的所述装置的一部分，具有结合一个或多个“患者穿戴的系统能力”的方法；
·根据上述权利要求的所述设备的一部分，具有并入一个或多个“通信互联能力”的方法；
·根据上述权利要求的所述设备的一部分，具有并入一个或多个“动态链接的能力”的方法；
·根据上述权利要求所述的装置的一部分，包含一个或多个传感器监测系统；
·根据上述权利要求所述的装置的一部分，包括一个或多个传感器信号处理系统；
·根据上述权利要求和的所述装置的一部分，包含一个或多个信息信道的数据采集方法；
·根据上述权利要求所述的装置的一部分，包括任何传感器监测的信道或其它信息的在线监测能力；
·根据上述权利要求所述的装置的一部分，包括任何传感器监测的信道或其它信息的在线监测能力；
·根据上述权利要求的所述设备的一部分，包括实现一个或多个通信互联能力的装置；
·根据上述权利要求所述的所述装置的一部分，包括监测一个或多个“睡眠参数”和/或“神经学参数”的方法；
·根据上述权利要求所述的所述装置的一部分，包括监测“睡眠参数”和/或“神经学参数”的组合的方法；
·根据上述权利要求所述的所述装置的一部分，包括监测“睡眠参数”和/或“神经学参数”和/或“活动或运动参数”的组合的方法；
·根据上述权利要求所述的“患者穿戴的头戴式装置”的一部分包含：a)远程监控，b)分析方法，包括嵌入式设备和/或远程定位分析，c)信息显示装置，包括针对被监视的个人和/或本地显示器观察和/或远程显示位置的显示，d)信息访问的方法，包括针对被监视的个人和/或地方观察和/或远程位置的信息访问，e)包括嵌入式存储设备或远程数据存储的数据存储装置，f)包括嵌入式设备归档或远程位置数据归档的数据归档方式，g)数据传输方法，包括针对受监控的个人和/或其它用户和/或远程位置的数据传输，h)通过便携式内存删除设备访问信息和/或通过EMF接口访问信息和/或经由无线和/或有线接口访问信息的方法，i)针对被监视的个体和/或其它用户和/或经由远程位置的数据访问方法，j)针对被监视的个人和/或其它用户和/或远程位置的通知方法，k)针对被监视的个人和/或其它用户和/或远程位置的“信息分发”方法，l)针对被监视的个体和/或其它用户和/或远程位置的信息报告方法，m)产生针对被监视的个体和/或其它用户和/或远程位置的警报的方法，o)信令或通知用于被监视的个体和/或其它用户和/或远程位置特有的远程干预通知的方法，p)针对被监视的个人和/或其它用户和/或经由其它远程位置，审查任何当前或过去监测的信息和/或相关措施的方法g)蓄电池供电能力，包括可拆卸电池和/或通过EMF和/或无线和/或电线传输的电力传输，
本发明：其它生理参数；生理和/或睡眠和/或唤醒标记；睡眠参数睡眠结构措施；可拆卸部件；患者穿戴的系统能力；
睡眠参数
本发明部署了一个或多个所述“主体可穿戴的系统”，其具有如本文中所述的设备属性，包含一个或多个集成的(嵌入或附加)传感器，能够感测和监测一个或多个环境参数或生理参数，以及“事件/措施/状态”或相关健康状况的决定，预测，发病或发生率，其中所述发明还包括分析或包括“睡眠参数”和/或“神经学参数”中的任何一种或其组合的监测能力的任何一种或其组合，包括以下任何一种或其组合：-EEG，EOG，EMG，眼盖运动或措施；腿部动作；患者位置；心电图；
所谓相关“事件/措施/状态”包括下列标题中列出的参数：
·其它生理参数；
·生理和/或睡眠和/或唤醒标记；
·睡眠参数
·睡眠结构措施；
-可以在所述“患者穿戴”装置上显示子标题生理和/或睡眠和/或唤醒标记和/或“睡眠参数”和/或“其它生理参数”
·其中所述的任何与睡眠有关的信息可以在线/实时监控；
·其中所述的睡眠相关信息，措施和/或指标可以在线/实时确定；
·其中所述的睡眠相关信息，措施和/或指标可以在所述“前额附属设备”内在线/实时确定；
本发明根据“事件/措施/状态”或相关健康状况提供，包括“其它生理参数”的任何一种或其组合(本节在eLifeCHEST部分下重复，并且可以仅包括“详见本文其它部分”的标题，以避免重复。
本发明包括一种可穿戴/可连接的压平式眼压仪(WAT；图37)，其中所述装置应用于压力传感器，能够测量径向(图38)或其它体动脉搏动特征(脉波形)。此外，为了从数字心血管测量，如心脏主动脉收缩压，主动脉增大指数和中心脉压中导出相关的升主动脉压波，本发明还计算包含记录动脉压的周期(例如10秒)的脉波分析(PAW)。
·-其中所述监测一个或多个其它生理参数的方法包括以下任何一种或其组合(本文档其它部分进一步详述)：声音监控；听诊器听诊传感器，监测和自动分析，分类，跟踪和检测能力；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；脉波分析(PWA)和脉波速度(PWV)监测分析能力；PWA和PWV传感器；脉波分析(PWA)传感器测量；Ballisto心电图仪位置，地点、位置和运动感知和监测；步态或运动跟踪和相关事件的特征；运动和位置信息；心电传感器和监测；光传感器和监测；呼吸带传感器和监测；EMG传感器和监测；GSR；心脏功能；睡眠指导系统；体积描记术血氧饱和度；脉搏瞬态振幅测量；温度，能量消耗/新陈代谢监测(EM)作为替代卡路里燃烧措施；生理和/或睡眠和/或唤醒措施或标记；以及其它心理状态(即睡眠，唤醒)。
·生理和/或睡眠和/或唤醒标记；
本发明部署了一个或多个具有设备属性的所述“主体可穿戴系统”，其中所述设备可以并入一个或多个微处理器系统，该系统具有处理一个或多个生理和/或睡眠和/或唤醒标记的方法，包括确定和/或监测以下任何一种或其组合中的一种或多种：
·EOG信号，眼睑信号，眼睑动作，眨眼，眨眼频率，眨眼速度，眨眼加速度，阅读眼动，慢眼动作(SEM)，不规则，EEG信号。神经病学信号，与正常或高下颌肌张力αEEG节律相关的结合快速眼动，低振幅混合频率EEG活动，一般混合频率EEG活动，α节奏，顶尖尖波，K复合体，肌肉偏移，EMG信号，下颏肌电图，睡眠发作(第一时刻开始时刻除了阶段W以外的任何阶段，或者大多数情况下是N1阶段的第一个时期)，睡眠结构，睡眠阶段W(唤醒)，阶段N1(NREM1)，阶段N2(NREM 2)，阶段N3(NREM 3)，阶段R(REM)，阶段1；Rechtschatten和Kales(R&K)，第2阶段(R&K)，第3阶段(R&K，第4阶段(R&K)，EEG锯齿波，低下巴EMG音，低EMG音，低运动指示低EMG音(即EMG活动的短暂不规则脉冲通常具有叠加在低EMG音上的持续时间<0.25秒。活动可见于下胫或胫前肌EMG，以及EEG或EOG偏差，后者表明颅神经支配肌肉如面部肌肉和头皮的活动。该活动与眼睛快速运动相关联是最大的)，脑电图活动范围为4-7Hz，伴随着背景频率的减慢(即从阶段唤醒频率下降≥1Hz)，睡眠梭状波，睡意，警惕，注意力，睡眠；
·与任何睡眠参数相关测量或相关指标有关的“健康状况”可以包括(但不限于)睡眠效率，入睡后醒来，延迟睡眠测量，睡眠结构测量，深度睡眠测量，REM睡眠测量和其它睡眠指数；
·与任何睡眠参数相关测量或相关指标有关的“健康状况”可以包括(但不限于)其它测量生理测量，包括(但不限于)活动(或动作或运动或加速度计)，采取的步骤数，步行和/或运行特性；活动的任何特征，与活动相关的任何位置或方向，与活动相关的任何行为结果；
·适用于睡眠，心理状态或相关睡眠障碍和/或包括其它睡眠或唤醒状态的任何一种或其组合的“相关健康状况”
·包含睡眠测量的任何一种或其组合，包括(但不限于)脑信号，肌肉，眼睛生理信号的任何或任何组合，包括但不限于：
·-其中用于“监测一个或多个生理信号”的监测传感器的装置可以监测一个或多个“睡眠参数”；
·根据上述权利要求的所述装置的一部分包括一个或多个微处理器系统，具有监测一个或多个“睡眠参数”的方法；
·-其中所述“神经学”信号可以包括一个或多个电生理信号；
睡眠参数
本发明部署了一个或多个所述“主体可穿戴系统”，其具有如本文献中所示的设备属性，包含一个或多个集成(嵌入或附加)传感器，能够感测和监测一个或多个环境参数或生理参数，以及“事件/措施/状态”或相关健康状况的确定，预测，发作或发生率，其中所述发明还包括“睡眠参数”的任何一种或其组合，“睡眠参数”可以包括神经学，EOG，眼睑，眼睛运动，肌肉偏移，EMG，身体运动/运动的任何或任何组合；身体位置信号；
-由此所述“神经病学”信号可以包括一个或多个电生理信号；
-其中所述“电生理信号”可以包括一个或多个组合或分离的传感器以监测EOG，EMG和/或EEG信号的任何一种或其组合；
-由此所述“监测的”“睡眠参数”可以通过“前额应用的部分”
睡眠结构测量
本发明，包含其中所述“事件/措施/状态”或相关健康状况，包括以下任何一种或其组合：
·睡眠结构，睡眠不足，睡眠呼吸综合征，睡眠效率，深度睡眠，W阶段(觉醒)，N1阶段(NREM 1)，N2阶段(NREM 2)，N3阶段(NREM 3)，R阶段(REM)，REM睡眠，1期睡眠，2期睡眠，3期睡眠，4期睡眠，
·入睡后醒来(SAWO)；
·睡眠质量进展；
·睡眠质量；
本发明包括，所述“设备属性”可以包括以下标题下呈现的任何属性：
·可连接/可拆卸部件；
·患者穿戴的系统能力；
·前额部分
可连接/可拆卸部件
本发明的所述“主体穿戴系统”的“装置属性”可以包括附加的前额监测应用部分，用于监视任何所述“睡眠参数”并且所述可连接/可拆卸的“部件”可以与“可穿戴的腕带”互锁和/或“互联”；
患者穿戴的系统功能
本发明部署了一个或多个主体穿戴的所述具有设备属性的系统，包括以下任何一种或其组合：
·-“患者系统”，“部件”，其中一部分能够与其它部分分离并重新附着；
·-“患者系统”“部件”，包括附着的前额监测应用部分，用于监测任何所述“睡眠参数”；
·-“监测的”“睡眠参数”通过“前额应用的部件”
·-“患者穿戴的系统”包括一个或多个部件
·-“患者穿戴的系统”包括多个部件；
·-“患者穿戴的系统”，包括一个或多个互锁和/或可连接/可拆卸的“部件”；
·-“患者穿戴的系统”包括一个或多个互联部件
·-“患者穿戴的系统”可以包括结合传感器的头戴式设备，信号处理，数据采集，处理和通信功能，包括以下任何一种或其组合：“患者穿戴的系统”包括用于睡眠参数监测的一个或多个可穿戴前额附着装置头带装置
·-互联部件包括伴随极性(兼容数据通信和/或无线通信能力和互联性)设备或多个设备，其中这些多个设备中的一个或多个包含了实现可互换监控或感测信息的方法，通过互锁/互联，可拆卸监控或处理部件和/或相关设备的通用兼容选项(即，可拆卸的电子模块，其是两个或更多个设备共有的，从而使多个设备的成本最小化，例如具有可移除监视设备的睡眠时间信息监控条，其可以附着作为健康穿戴装置(即手腕，胸带，手表等)的白天健身的一部分以最小的成本或不便提供睡眠和唤醒连续监测的方法。此外，通过无线互联的动态数据交换使得睡眠主体(具有应用的前额EEG，EOG，EMG监测部分，例如，通过可靠和验证的睡眠措施来增加常规的白天手腕计步器或基于运动的健身设备。
本发明所述的“事件/措施/状态”或相关健康状况包括以下任何一种或其组合：
·-处理一个或多个“睡眠参数”和/或“其它生理参数”的装置，可以包括“睡眠相关信息包括”(但不限于)以下任何一种或其组合：睡眠状态的任何一种或其组合；睡眠阶段REM睡眠；EMG水平；眼动；脑电主轴EEG K复合物；和/或EOG信号和/或任何相关措施，包括(但不限于睡眠呼吸综合征；睡眠结构；睡眠效率；睡眠质量，深度睡眠量；REM睡眠量；睡眠障碍指数；以及在标题为“生理和/或睡眠和/或唤醒标记”的本文其它部分描述的事件；
·-其中所述的“患者穿戴的系统”“部件”可以包括能够与其它部分分离和重新附着的一部分；
·-其中所述的“患者穿戴的系统”“部件”的一部分可以包括附加前额监测应用部件，用于监测任何所述“睡眠参数”；
·其中所述的“患者穿戴”设备可以同时显示“健身”和“睡眠相关信息”；
·其中所述的前额传感器能够使所述“前额传感器”的较小部分或子部分包含“电子模块”；
·其中所述的“电子模块”能够实时地与其它移动无线或可穿戴设备进行无线互联；
·其中所述的“电子模块”能够实时无线互联到其它网络应用服务；
·其中所述的“电子模块”，能够监测事件和/或措施的任何一种或其组合，在本文子标题“生理和/或睡眠和/或唤醒标记和/或“睡眠参数”和/或“其它生理参数”部分详细描述，可以在所述“患者穿戴”装置上显示；
环境传感
本发明所述的“设备属性”可以包括以下任何一种或其组合的任何属性：
-与移动设备关联的界面或消息，电子邮件，电话自动语音消息的闹钟或警报或指示符或接口以及任何健康状况，相关或考虑的环境条件的其它信息或通信系统；
-电离监测，电离烟雾警报，甲烷监测，有毒气体监测，有毒化学监测和/或二氧化碳气体监测，甲烷气体监测和/或温度计。
前额部件
本发明所述的“设备属性”可以包括以下任何一种或其组合的任何属性：
·-可以包括一个或多个“前额应用部件”的“患者穿戴部件”；
·-其中所述的“前额应用部件”可以包括一个或多个“监测传感器；
·-其中所述的“监测传感器”可以监测来自单个传感器的一个或多个电生理信号；
·-其中所述的“监测传感器”可以监测来自单个传感器的一个或多个生理信号；
·-其中所述的“患者穿戴部件”可以包括单个电子模块或多个电子模块；
·-其中所述的“患者穿戴部件”可以包括单个或多个应用的部件；
·-其中所述的“患者穿戴部件”可以包括应用的部件；
·-其中所述的“应用的部件”可以是一次性的或可重复使用的；
·-其中所述的“应用的部件”可以包括自粘合应用的部件；
·-其中所述的应用的部件可以包括压力附着的适用于个人前额的传感器；
·-由此所述的应用的部件可以包括麦克风；
·-由此所述的“麦克风”可以包括电子定向，其针对相关区域(即呼吸声)，使用至少一个电生理传感器的应用前额部件；
·-其中所述的“应用前额部件”包括以下任何一种或其组合：
至少一个通用对或多个传感器能够进行EMG监测(包括感测)和/或EOG和/或EMG监测和/或眼睛运动和/或眨眼运动和/或面部眯眼或面部皮肤运动和/或面部肌肉EMG和/或面部肌肉运动和/或震动和/或运动和/或加速和/或身体运动和/或房间光监测和/或声音监测和/或消除不想要的声音和/或麦克风电子方向针对到相关区域(即呼吸声)和/或麦克风被动定向瞄准到相关区域(即呼吸声)和/或具有相关输出和/或心形图监测的温度监测和/或综合反射体积描记测量计；
·-其中所述的“前额传感器”可以包含“身体无线网络弹性功能”；
·-其中所述的“前额传感器”包含与任何穿戴的设备无线互联以指示当前心理状态的方法；
·-其中所述的“前额传感器”包括无线互联到任何穿戴的装置的方法以指示睡眠质量和/或睡眠效率和/或深度睡眠和/或睡眠障碍指数和/或RERA干扰指数和/或与任何睡眠阶段相关的测量或指数；
·-其中所述的“前额传感器”包含任何穿戴或其它设备无线互联的方法以指示当前的睡眠结构和/或REM睡眠；
·-其中所述的“前额传感器”，包含与任何手腕穿戴装置无线互联的方法以“指示”当前睡眠结构和/或REM睡眠和/或任何措施或指标和/或所述事件和/或措施，这在本文子标题“生理和/或睡眠和/或唤醒标记和/或“睡眠参数”和/或“其它生理参数”下进行详细描述，并可以在所述“患者穿戴”装置上显示；
·-其中所述的“指示”可以包括(但不限于)与实际值相对的目标值；
·-其中所述的“指示”可以包括(但不限于)任何所需时段内的值；
·“身体无线网络弹性功能”(见其它功能；
·-其中所述设备包含睡眠参数数据复制和同步功能；
·-其中所述的设备包括在无线丢失数据包或其它错误时，如无线传输问题，缓冲数据的方法；
·-其中所述的设备包括用于在任何时间指示监测信号的质量状态的装置，包括与无线网络和/或患者穿戴的装置和/或其它无线装置和/或作为所述“前额装置”或相关系统的一部分的互联
·-其中所述装置包括在线/实时监测传感器信号质量的方法；
·-其中所述装置包含监测传感器、电极传感器在线/实时阻抗的方法
“通信互联能力”
本发明所述的“设备属性”可以包括“通信互联能力”中的任何一种或其组合，包括以下任何一种或其组合：
·-实现一个或多个通信互联能力的方法包括“动态链接”以下任何一种或其组合：a)2个或更多的患者穿戴的装置，和/或b)1个或多个患者穿戴的装置和/或其它无线连接的信息系统，和/或c)1个或多个互联网协议通信接口设备或信息系统；
·-“互联”方法，可以包括数据的动态和/或在线交换，使得个体可以“观察”睡眠参数相关量度或相关指标的任何“显示”和/或与其它生理测量，包括(但不限于)活动(或运动或动作或加速度计)测量或相关指标；
·-由此任何所述“互联”可以包括数据的动态和/或在线交换，通过音频，视觉或机械(如振动)通知或闹钟来提醒个人，其涉及任何睡眠参数相关测量或相关指标和/或结合其它生理测量，包括(但不限于)活动(或运动或动作或加速度计)测量或相关指数；
·-其中任何所述的“互联”可以包括数据的动态和/或在线交换，通过音频，视觉或机械(如振动)通知或闹钟来提醒个人，其涉及任何阈值和/或操作范围和/或检测到的“健康状况”，涉及任何睡眠参数相关测量或相关指数和/或结合其它生理测量，包括(但不限于)活动(或运动或运动或加速度计)测量或相关指数；
·-其中任何所述的“互联”包含信息系统内间接通信和/或直接和/或伴随腕带或其它可穿戴或附近设备的方法；
·-其中所述“互联”可以包括(但不限于无线，EMF，EMC/磁性，连接器和/或电线的电池充电能力)
“动态链接功能”
·-本发明所述的“设备属性”可以包括“动态链接能力”中的任何一种或其组合，包括以下任何一种或其组合：
·-其中所述的“动态链接”包括在脑监测系统和患者穿戴的装置之间(由此可以是手腕安装装置或智能健康手表)的自动在线动态无线链接；
·-其中所述的“互联”可以包括在一个或多个脑监测传感器系统和患者穿戴的装置之间(由此可以是手腕装置或智能健康腕表)的相互通信，包含动态链接的信息交换，可以随时在线确定“睡眠进度”和“睡眠进度”(其中所述“睡眠进展”由许多“指示符”选项组成，从单一睡眠状态或整体状态确定到更复杂的适应症；
·-其中所述的“动态链接”和/或“指示符”和/或其中睡眠参数，睡眠/唤醒状态，生理和睡眠或唤醒标记和/或睡眠指数的任何一种或其组合，可以包括自动确定和/或指示和/或在线睡眠进行指示的任何一种或其组合，和/或以下在线指标和措施的任何一种或其组合，这根据人口规范数据库比较，个人规范数据库比较，个人目标比较的任何一种或其组合和/或其它指标或目标，包括(但不限于)以下任何一种或其组合：
·在线自动睡眠障碍分析；
·与“环境相关”的睡眠障碍指数(进步在线睡眠日志与睡眠障碍事件列表)和“动态链接”(即睡眠障碍CAPA和相关联的即时重放，数据审查和/或事件验证)能力；
·睡眠效率；睡眠不足；睡眠日志；睡眠结构，
-其中所述的“互联”可以包括数据的动态和/或在线交换以使得个人可以“观察”和“显示”本文档其它子标题下的任何信息(即声音监测；听诊器听诊传感器，监测和自动分析，分类，跟踪和检测能力；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；脉波分析(PWA)和脉波速度(PWV)监测和分析能力；PWA和PWV传感器；脉波分析(PWA)传感器测量；球形心电图仪；定位，位置和运动检测和监测；步态或运动跟踪和特征相关事件；运动和位置信息；心电传感器和监测；光传感器和监测；呼吸带传感器和监测；EMG传感器和监控；GSR；心脏功能；睡眠指导系统；体积描记术血氧饱和度脉冲瞬态振荡幅度测量；温度，能量消耗/新陈代谢监测(EM)作为替代卡路里燃烧措施；生理和/或睡眠和/或唤醒措施或标记；以及与生理和/或睡眠和/或唤醒标记和/或睡眠结构测量睡眠参数和/或“睡眠参数”和/或“神经学参数”有关的其它心理状态(即睡眠，唤醒)和/或经由安装装置和/或头带安装装置和/或胸部装置和/或其它患者穿戴的装置和/或其它相关装置的其它生理参数。
本发明所述的“设备属性”可以包括“动态链接能力”中的任何一种或其组合；
-其中所述的“动态链接”包括在“相关事件，障碍或健康状况”的两个感测和/或监测和/或健康跟踪之间的动态信息交换，其适用于行动活动/运动或一般健身或健康状况和/或相关“疾病”；
如本文所述，本发明使得能够部署具有设备属性的一个或多个所述“主体穿戴系统”，包含一个或多个集成的(嵌入式或附加)传感器，能够感测和监测一个或多个环境参数或生理参数，以及“事件/措施/状态”或感相关健康状况的确定，预测，发作或发生率，其中所述发明还包括分析或监测能力的任何一种或其组合，包括“睡眠参数”的任何一种或其组合，和/或“神经学参数”包括以下任何一种或其组合：
智能手表设备采用线性或无线体积描记测量仪，内置数据调制解调器云计算服务界面，整体手表24-7手机辅助；eHealthAtlas任何一种或其组合的部署；HealthBook360；eHealthCAPA；动态适应性高依赖性连接管理系统(HDCMS)。智能胸带与单“返回主菜单”按钮，直观的高分辨率“彩色手势触摸控制屏幕，新颖的听诊器呼吸声功能和双RIP频段的选项(在本文档的其它部分)。
可选的消费者级健身和实时睡眠跟踪系统；神经监测，预测前兆和远程干预支持链路24-(包括癫痫，帕金森病-SBD；帕金森病，包括运动迟缓(运动缓慢)和支持服务运动障碍(即减少自愿运动；非自愿运动)，自闭症，抑郁症，焦虑，警觉/嗜睡，ADHD，医疗器械互联网(即CPAP和APAP系统；SleepFit腕带，具有实时睡眠和健身实际与目标显示；LinkNeuro头带与SleepFit Link；智能手表与SleepFit Link；带有IDscan(自动配置和质量控制功能)的无线红点导航(在本文档其它部分中介绍)。
·所有无线组件包括易用的和无忧的7天充电电池的使用寿命。
·神经头带，独特的智能手表和智能胸带，具有高依赖性自适应无线和缓存缓冲功能，神经头带独特的消费者可伸缩铅双极EXG无线红点铅ID卡(专利申请中)
·可配置的诊断睡眠学习格式，符合AASM类型ii)至类型iv)和AU级别1至4级睡眠研究。
本发明包括对所述“事件/措施/状态”的确定和跟踪，包括催眠现象的任何一种或其组合；返童记忆现象；观察员角色；还原；年龄进展；时间失真；麻醉；镇痛；快速眼动；分类睡眠障碍；选择睡眠障碍；梦幻状态；幻觉状态；解离状态和/或催眠状态。
本发明使得能够部署具有本文件中所示的设备属性的一个或多个所述“主体穿戴系统”，包含一个或多个集成(嵌入或附加)传感器，能够感测和监测一个或多个环境参数或生理参数，以及“事件/措施/状态”或相关健康状况的确定，预测，发作或发生率，其中所述发明还包括分析或监测能力的任何一种或其组合，包括“睡眠参数”和/或“神经学参数”中的任何一种或其组合，包括自动在线确定意识或心理状态的方法，包括以下任何一种或其组合：
心理状态
·催眠现象
·返童记忆；
·观察者角色(该人以观察者的身份及时回归)；
·恢复(该人记得和重温事件)；
·年龄进展(想象未来的事件的人)；
·时间扭曲(例如通过催眠事件或经历可被减慢)，和/或
·麻醉和镇痛(感觉和疼痛的丧失可以通过催眠实现)。
睡眠，唤醒和其它心理状态的监测，确定和跟踪，感兴趣的事件或健康状况
本发明使得能够部署一个或多个具有如本文档中所示的设备属性的所述“主体穿戴系统”，包含一个或多个集成(嵌入或附加)传感器，能够感测和监测一个或多个环境参数或生理参数，以及“事件/措施/状态”或相关健康状况的确定，预测，发作或发生率，其中所述发明还包括分析或监测能力的任何一种或其组合，包括“睡眠参数”和/或“神经学参数”的任何一种或其组合，包括自动在线确定意识或心理状态或相关事件/标记的方法，
包括下列标题(详见本专利申请文件其它部分，包括子标题，另行详细说明)中详细列出的任何一种或其组合的事件或条件：
本发明包括感测，监控，数据采集，信号处理，分析，存储，和信息访问，包括主体/个人的生理，神经病学，神经系统，运动系统，肌肉系统，心理，病理，状态，感兴趣的事件的在线自动表征和/或包括以下任何一种或其组合的健康状况：
快速眼动(REM)睡眠特征；睡眠障碍分类，选择睡眠障碍，游离状态，催眠状态，
本发明包括感测，监测，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经病学，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件的在线自动特征化和/或包括以下任何一种或其组合的健康状况：
快速眼动(REM)睡眠特征，睡眠障碍分类；选择睡眠障碍；梦境状态；游离状态；催眠状态，评分阶段唤醒(唤醒)，评分阶段N1，评分阶段N2，评分阶段N3，评分阶段R，(这些状态或条件以及下面的相关细节的任何一种或其组合是本文件中引用的“相关事件”或“相关健康状况”的一部分)，如下所述：
本发明包括感测，监测，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经病学，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件的在线自动特征化和/或包括以下任何一种或其组合的健康状况：
快速眼动(REM)睡眠特性
·快速眼动的发生；
·梦境的发生；
·增加的自主神经系统活动；
·类似的EEG唤醒状态(beta活动)和/或
·运动麻痹(膈肌除外)。
睡眠障碍分类
根据以下类别分类的分类睡眠障碍包括84个或更多的睡眠相关疾病：
·失眠：夜不能寐；
·睡眠相关的呼吸障碍；
·中心起源嗜睡(过度嗜睡)；
·昼夜节律睡眠障碍，和/或
·异态睡眠
选择睡眠障碍
·恶梦；
·夜惊
·睡眠呼吸暂停
·睡眠相位后移症(DSPS)：影响睡眠时机的昼夜节律紊乱，和/或
·残留过度嗜睡。
梦境状态
·心理动力学观点-无意识表达的意义可以从梦境内容中反应出来；
·认知观点–基于白天的经历形成梦境，和/或
·生物学观点–梦境代表皮层尝试解释睡眠期间大脑的随机刺激。
游离状态
·白日梦
·清醒梦
·幻觉
·梦游
·REM睡眠行为障碍
·发作性睡病和猝倒症
催眠状态
·具有深度放松和暗示特征的意识状态，和/或
·催眠(被认为与睡眠状态不同)
催眠现象
·返童记忆
·观察者角色(该人以观察者的身份及时回归)
·重新生活(该人记住和重温事件)
·年龄进展(想象未来的事件的人)
·时间扭曲(例如通过催眠事件或经历可以减缓)
·即麻醉和镇痛(感觉和疼痛的丧失可以通过催眠实现)。
·其中所述的“状态”可以包括但不限于改变的意识状态，包括但不限于麻醉，苏醒，睡眠，癫痫，催眠。睡眠状态包括但不限于阶段W(觉醒)，阶段N1(NREM 1)，阶段N2(NREM2)，阶段N3，(NREM 3)，阶段R(REM)。注意，阶段N3表示慢波睡眠，并取代了第3阶段和第4阶段睡眠的Rechtschatten和Kales命名法。
唤醒评分阶段(觉醒)
·-Alpha节律(EEG)跟踪，包括自动确定8-13Hz正弦曲线的轨迹其记录在闭眼时的枕骨区域，随着睁眼而衰减；
·眨眼跟踪，包括自动分析的自动确定，能够进行REM阶段运动，通常包括0.5-2Hz的频率，在身体主体/患者的闭眼或睁眼的觉醒状态下明显；
·当主体/患者阅读时，阅读眼动跟踪包括自动确定结合眼睛运动的轨迹，包括慢速相位，接着是相反方向活动的快速相位；
·快速眼动(REM)跟踪包括自动确定结合物(运动协调眼睛，使双眼固定在特定物体上)，以及包含通常持续<500毫秒的初始信号偏转的不规则，尖锐的眼睛运动。
·当主体/患者在看到周围环境时处于睁眼状态时，REM眼动跟踪包括在觉醒期间的自动确定。
·慢速眼动(SEM)跟踪包括自动确定结合物，合理规则的眼睛正弦运动，包括初始偏转，通常持续>500毫秒。
·当超过50％的时期在枕骨区域包含α节律时，自动分析能够划分时期作为唤醒阶段
·当没有视觉上可辨别的阶段N3。没有视觉上明显的α节奏的分数时期，只要以下条件中的任何一种或其组合也是显而易见的，自动分析能够将时期划分为阶段唤醒：
·a.眨眼，信号频率在0.5-2Hz之间
·b.阅读眼动
·c.与正常或高下颌肌肉活动有关的不规则，结合REM
评分阶段N1
-自动分析，能够将时期评分为N1阶段(非REM睡眠阶段1)基于以下可辨认条件：
·1.根据以下定义，能够对N1进行评分的自动分析：
·跟踪包括自动确定慢眼动作(SEM)，包括合理规则的正弦眼动作，具有典型地持续>500msec的初始偏转结合；
·跟踪包括自动确定低振幅，混合频率EEG活动，包括低振幅，主要在4-7Hz范围内的活动；
·跟踪包括自动确定顶点锐波(V波)，包括在中心区域最大持续时间<0.5秒的尖锐波形波，并与背景活动区分开。
·跟踪包括自动确定睡眠发作，包括第一时期的开，除了阶段唤醒以外的任何阶段都得分。(即这通常是第一个N1时期)
·2.自动分析能够评分阶段N1，其中主体/患者产生α节奏EEG，受到α节律衰减制约，然后被低振幅，混合频率活动所代替，大于该时期的50％。
·3.自动分析，能够对主体/患者进行N1阶段评分，在不产生α节律的主体/患者中，从以下条件的任何一种或其组合的最早开始：
·a.跟踪包括自动确定在4-7Hz的频率范围内的EEG活动，背景频率比阶段唤醒的背景频率减慢≥1Hz
·b.跟踪包括自动确定EEG活动顶点尖锐波
·c.跟踪包括自动确定EEG活动的慢眼动作
评分阶段N2
·1.自动分析能够根据以下定义评分阶段N2：
·跟踪包括自动确定K复合体包括一个明确的，负的，尖锐波，直接跟随从背景脑电图可辨别的阳性成分，总共持续时间≥0.5秒。当使用正面电极位置记录时，该波形通常在幅度上最大。为了使唤醒与K复合物相关联，唤醒必须与K复合体同时发生或在K复合体终止后不到1秒开始。
·跟踪包括自动确定睡眠主轴，包括频率范围为11-16Hz(通常为12-14Hz)的不同波的轨迹，持续时间≥0.5秒，
·通常在中心电极衍射中幅度最大；
·2.自动分析能够评分N2阶段(没有N3标准)如果以下条件之一或两者发生在该时期的前半部分或先前时期的后半部分：
·a.跟踪包括自动确定一个或多个不与觉醒相关联的K复合体；
·b.跟踪包括自动确定一列或多列睡眠梭状波；
·3.自动分析能够持续评分N2阶段，包括低振幅，没有K复合体的混合频率脑电活动或睡眠梭状波，如果它们之前是包含以下任一条件的时期：
·a.跟踪包括自动确定不与觉醒相关的K复合体；
·b.跟踪包括自动确定睡眠梭状波；
评分阶段N3
·1.自动分析能够根据以下定义对评分阶段N3：跟踪包括自动确定慢波活动，包括频率范围在0.5Hz和2Hz以及峰值与峰值的幅度>75μV的波，其在额定电极放置区域测量；
·2.自动分析能够评分阶段N3，当≥20％的时期包括慢波活动时，不考虑年龄；
评分阶段R
·1.根据以下定义进行REM阶段的自动分析：
·跟踪包括自动确定快速眼动(REM)，包括结合，不规则，尖锐的眼睛运动，其初始偏转通常持续<500毫秒；
·跟踪包括自动确定低下颏肌电图，包括不大于任何其它睡眠阶段的基线下颌肌EMG活动衍生，并且通常发生在整个记录的最低级；
·跟踪包括自动确定锯齿波，包括锐利轮廓或三角形轨迹，通常是锯齿状的，在中心电极位置区域具有最大幅度的2-6Hz波的频率范围内，并且经常但并非在所有情况下，在快速眼睛运动爆发之前；
·跟踪包括瞬时肌肉活动的自动确定，通常包括EMG活动的不规则突发，其持续时间<0.25秒且叠加在低EMG音调上。除了EEG或EOG偏差之外，EMG活动可以在下胫或胫前肌EMG衍生中看出。EOG衍生中的EMG信号表示颅神经支配肌肉(面部和头皮肌肉)的活动。与快速眼动相关时，活动最大；
·2.自动分析能够对REM阶段进行评分，在具有以下所有条件的时期：
·a.跟踪包括自动确定低振幅，混合频率EEG；
·b.跟踪包括自动确定低下颏肌EMG音调；
·c.跟踪包括自动确定快速眼动；
·3.如果脑电继续显示低振幅，混频活动，在没有K复合体或睡眠心轴的情况下并且大多数时期的下巴EMG音调仍然很低，对于根据上述规则2的REM阶段的一个或多个时期之后的时期，无论眼睛的运动快速消失，自动分析能够对阶段REM睡眠阶段持续评分。
权利要求-eLifeSLEEP-参考摘要，描述，图，适用的权利要求部分或随后的分案申请。
标题：eLifeCHEST/eLifeSCOPE(胸带)(图5[3]；[4]；图16；图31)，
摘要
传统消费者级健康监视器的问题
·深度的质量或健康睡眠取决于适当的睡眠结构，特别是足够的深度睡眠，包括快速眼动睡眠(REM睡眠；a.k.a梦境睡眠)。
·可靠或有效的睡眠监测用传统的手腕监控系统无法实现，而是需要适当监测大脑，肌肉张力和眼睛。
·深度睡眠不足不利地影响我们的白天表现，能量水平，免疫系统，记忆力，职业风险，以及我们的整体健康状况和生活质量。
·在儿童中，睡眠质量差与低智商和行为障碍有关，而在存有睡眠障碍的妇女中，未出生的胎儿健康甚至生命面临严重障碍如高血压或先兆子痫的风险。
·与本发明相反，传统的专业级睡眠监测需要基于实验室或复杂的家庭监测，这使得能够以专业水平的结果进行消费者级别的监测。
本发明消费者水平与专业水平的结果：
·本发明的解决方案包括胸围带，配有“陪伴型”智能健康腕表系统，NAS和特殊前额附着的无粘性无线电极阵列，能够同时实现传统健身或活动跟踪和专业级睡眠监测。
·使用正在申请专利的胸部健身/睡眠胸部装置，白天呼吸和睡眠呼吸紊乱都是可能的。
·进步睡眠和睡眠日志跟踪，为了您的个人利益或与您的医生讨论的记录。eLifeSLEEP记录包括临床睡眠和呼吸数据，可通过在线私人安全“选择”健康数据访问功能(RFM14935)访问。
·睡眠或健身或健康睡眠进展，状况或跟踪，以及纠正和预防措施建议(或提示；eLifeCAPA)。即REM，深度睡眠，睡眠结构，睡眠目标，与睡眠目标相对的实际目标。措施可以作为指标，绝对值或比较值(即实际与目标)进行衡量。根据规范或疾病的人群数据库或规范或疾病的个人数据库，数值可以参考比较。
·睡眠障碍或事件可以渐进地跟踪，具有诸如外部噪音干扰的提示，例如您或您的配偶打鼾或其它异常声音事件。
·可以验证睡眠中断(即可立即回放诸如打鼾或外部噪音等事件。
·专业和消费者级睡眠监测增强了健康跟踪能力。
·专业级(即AASM或ASA)在线睡眠分期和呼吸分析实现，通过生物反馈或远程干预，包括根据需要优化监控参数或第三方干预，与临床医生，技术人员的反馈相一致。
·专业级睡眠监控(即美国睡眠医学学院/AASM研究类型i)至iv)和/或澳大利亚睡眠协会/ASA级别1至4)。
·诊断级唤醒和睡眠无序呼吸监测以及专业级医疗监测，解释和报告
·传统的消费者级健身和健康跟踪能力
·在线确定，监测，检测，跟踪和警惕主体的健康状态，健康状况和/或健身状况的发作或发生。
·帕金森病可以使用白天或夜间癫痫的在线发作通知(即手表闹钟/振动)，能够进行预警，早期干预(如用药)和潜在的避免。
背景
发明内容
本发明包括患者可穿戴的胸部(图5[3]；[4]；图16；图31)表，腕带，臂带，前额传感器或其它身体穿戴装置，包含与心理，生理，病理状态和其它生物事件或相关健康状况的确定，预测，发作计算或发生率相对应的监测，检测和警报方法，这通过使用以下主体监测传感器，生理监测参数，睡眠/唤醒和其它状态确定和/或分析能力中的任何一种或其组合的方式，该能力包括以下任何一种或其组合：
生理或环境监测，包括以下任何一种或其组合：声音监听；听诊器听诊传感器，监控和自动分析，分类，跟踪和检测功能；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD；脉冲传感器集成手表其它腕部穿戴装置(带或手镯)；脉波分析(PWA)和脉波速度(PWV)监测分析能力；PWA和PWV传感器；脉波分析(PWA)传感器测量；Ballisto心电图仪位置；定位，位置和运动检测和监测；步态或运动跟踪和特征相关事件；运动和位置信息；心电传感器和监测；光传感器和监控；呼吸带传感器和监测；EMG传感器和监控；GSR；心脏功能；心率；睡眠指导系统；体积描记术血氧饱和度；脉冲瞬态振荡幅度测量；温度；作为替代卡路里燃烧措施的能量消耗/代谢监测(EM)；睡眠参数生理和/或睡眠和/或唤醒标记；睡眠参数；睡眠结构措施；环境感知；“动态链接功能”；心理状态
本发明包括感测，监视，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经病学，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或健康状况的在先自动表征，包括以下任何一种或其组合：
快速眼动(REM)睡眠特征；睡眠障碍分类；选择睡眠障碍；梦境状态；幻觉状态；游离状态；催眠状态以及在本专利申请文件中此处和其它部分进一步描述的：
声音监测
本发明还包括以下任何一种或其组合：
·集成的患者穿戴监测系统，包含胸部联合听诊器声音监测传感器；
·听诊器声音监听传感器，将柔软的胸部包含在声音传感器耦合接口，以监测呼吸声或相关病理事件；
·声音传感器旨在向声音监测传感器提供声学被动的抛物线盘或其它反射和聚焦(集中)声波的方法；
·呼吸声包含对肺和气道的生理和病理学(RFM289)的重要信息。
·本发明是为了产生在线或离线的草图，可选择计算机辅助或全自动事件检测。正常和异常呼吸声的自动检测适用于：
·健身，基于行动的活动或其它相关的呼吸或生理变化，伴随呼吸障碍，例如(但不限于)哮喘，慢性阻塞性肺病(COPD)，碎裂，干啰音，打鼾，流涎，咳嗽，以及睡眠呼吸障碍，包括阻塞性睡眠呼吸暂停(OSA)，中枢性睡眠呼吸暂停(CSA)，呼吸不足(中枢性和阻塞性睡眠呼吸暂停的混合组合)；
听诊器听诊传感器，监测和自动分析，分类，跟踪和检测功能
本发明还包括以下任何一种或其组合：
·呼吸声含有关于肺和气道生理和病理学的重要信息(RFM289)。
·本发明提供了一种具有计算机辅助或全自动事件检测选项的在线或离线算法。正常和异常呼吸声音的自动检测适用于：
·哮喘；
·慢性阻塞性肺病(COPD)；
·碎裂：不连续的不定肺声，具有爆发性和瞬态性，频发于心肺疾病)，碎裂检测作为患者早期呼吸系统疾病的可能征兆，用于评估治疗纤维化肺泡炎的效果，并监测患有间质性肺部疾病、裂纹的石棉沉滞症的进展，然后是简短的吸气音乐声音，被称为“哗啦声”(一个猝死者很少超过400毫秒，需要类似的分析)。
·干啰音：连续不定的肺部声音，叠加在正常呼吸声上。“连续”的定义由美国胸科协会(ATS)描述为超过250毫秒的干啰音。ATS还将喘鸣定义为高音连续声音，主要频率约为200Hz或以下的低音连续声音由ATS定义为韵音。在研究人员中，这些定义有一些争议，因为已经报告了产生高度可变的频率范围在80至1600Hz之间的喘鸣声，而根据其它研究人员的在350至950Hz。CORSA的新定义描述了干啰音的主要频率，通常>100Hz，持续时间>100ms；
·打鼾：根据记录技术，鼾声是强度大于50dB的大声，平均能量高达85-90dB(A)。鼾声包含周期性成分，据报道具有30到250Hz之间的基频；
·喘鸣：喘鸣是非常响亮的干啰音声。指导有素的检查员可以将声波识别为声门或气管。呼气过程中，吸收会厌褶皱到气道管腔会导致喘鸣。喘鸣的特征在于在约1000Hz处具有突出的光谱峰；
·咳嗽：咳嗽计或耳塞器，通过听诊器麦克风和咳嗽激活的腹部EMG信号(通过表面电极)记录了呼吸的咳嗽声。
·听诊器：本发明包括一个或多个接触传感器，加速度计，用两个胶环或通过橡胶环或皮带或涉及直接记录胸壁运动的麦克风连接到胸壁，其被称为“接触传感器”和/或关于记录与由胸壁运动产生的压力波形相连接的隔膜运动的声学方法。由于胸部运动的细微性质，本发明能够通过将隔膜与胸壁封闭腔耦合，进行呼吸声监测。通过压电接触传感器和/或冷凝器空气耦合麦克风的任何一种或其组合可以实现呼吸声监测。本发明包括特殊的安装元件，包括在胸部安装的健康监护装置声音传感器和个人胸部之间的耦合声室。
·声音传感技术可以包括声学和/或运动学方法，如：1)电磁感应涉及线圈在磁场中的运动，从而引起电流通过线圈2)涉及充电电容器的两个板之间距离变化的电容器主体3)压电效应是产生具有压电或聚偏二氟乙烯(PVDF)材料变形的电荷充电。
·一个或多个整夜和/或几天的呼吸参数，可以通过无线或其它网络应用服务进行在线或离线监控
·一个或多个整夜(或睡眠时间)和/或整天(或唤醒时间)呼吸声音参数可以在线或离线分析，以使得自动扫描和检测感兴趣的呼吸事件
声学噪音消除系统
本发明还包括以下任何或任何组合：
·能够区分相关声音(即指向或聚焦于呼吸声音与不想要的或背景声音)的声音消除系统(使用机械和/或电子麦克风聚焦和/或不需要的声音消除技术)。这里的一种方法是使次要麦克风被引向室内或其它不期望的环境声音，以使得整合这个信号，与建立声音消除信号相结合，能够与针对目标相关声源主麦克风组合-即产生声音消除信号能够滤除不需要的背景或环境噪音；
·无序和正常呼吸可以通过呼吸分类为呼吸，并与唤醒和/或睡眠阶段，个人的姿势，心脏功能和/或呼吸功能相关；
·声音传感器和监视带宽可以跨越DC到20kHz之间的任何频率范围，实现低频呼吸周期和事件，以使得与更高频率的干啰音和相关的呼吸生理过程一起被区分开来。此外，其动态范围需要在100dB或更高的数量级，为了透过最响亮的打鼾声，覆盖最柔和的呼吸声，和/或
呼吸率监测能力。
运动检测和/或活动记录检查
本发明还包括以下任何一种或其组合：
·一个或多个运动或运动检测传感器或系统，能够检测最细微的生理震颤或心律图振动信号，更加突出身体运动信号；
·精密数字加速度计或其它传感器装置，以及能够检测运动障碍的分析，如运动不良(身体运动减少)，如帕金森病或运动过度(夸张的不想要的运动)，例如在亨廷顿病或图雷特综合征中抽搐或扭动；
·包括线性(即光谱分析)和非线性(即光谱熵或相关复杂度分析)的任何组合的运动检测分析，用于增强运动，震颤或其它运动和振动信号的描绘和分类，包括运动数据的自动检测和记录，或协助诊断和治疗运动障碍，包括帕金森震颤，不宁腿综合征，肌张力障碍，威尔逊病或亨廷顿疾病；
·运动检测分析包含检测运动和运动参数能力，这与关键的帕金森病症状相关，包括运动迟缓(运动缓慢)和运动障碍(即自愿运动减退，不自主运动)或其它肌肉，神经系统或神经系统疾病；和/或
·在用药指导方面提醒或通知用户的能力；
REM睡眠行为障碍(RBD)
本发明还包括以下任何一种或其组合：
·由REM睡眠无张力缺乏(抑制肌张力)的发生率定义的自动检测REM睡眠行为障碍(RBD)，其中所述的“REM睡眠无异常”可以在非快速眼动(REM)睡眠阶段和REM睡眠阶段，通过比较(肌电图)表示肌肉张力的EMG信号进行定义以使得当REM睡眠期间EMG活动的正常减少不明显时确定周期。与REM睡眠EMG相对的非REM相关的EMG特征符合预定范围，阈值和方差。例如，在一定数量或百分比的REM EMG期间或部分，与非REM EMG幅度结果相比，超过一定幅度即增长(即10％至20％)。
·-其中所述的“无张力缺乏REM睡眠”可以通过监控参数和相关分析的任何组合进行检测，包括运动传感器，EMG信号监测，其它睡眠参数。
·-其中所述的“自动检测REM睡眠行为障碍(RBD)”是指监测，检测和/或记录运动和/或睡眠参数数据，以使得协助医生或个人进行运动障碍的诊断和治疗，包括帕金森震颤，不宁腿综合征，肌张力障碍，威尔逊病或亨廷顿病或运动检测分析，包括检测与关键性帕金森病症状相关的运动和运动参数的能力，包括
·运动迟缓(即运动缓慢)和运动障碍(即自愿运动减少；非自愿运动)。
·其中监测睡眠参数，包括EEG，EMG和/或EOG或相关替代措施的任何或任何组合“可以通过配套的无线链接单头带传感器系统并入一个或多个传感器，能够监测EEG，EMG和/或EOG信号中的任何一种或其组合的一种或多种
·其中“单头带传感器”可以包括传感器中的任何一种或其组合；
其它手腕穿戴装置的脉搏传感器集成手表(带或手镯)
本发明包括通过压力传感器测量动脉血压(脉搏)的方法，其可以作为手表或表带的一部分(即表带的扣环)，其可以并入表面压力传感器，能够通过血管(即尺动脉或桡动脉)的扩张和收缩，以及在主体的手腕皮肤表面可测量的相应血管运动监测检测腕血管脉搏变化。
本发明还包括以下任何一种或其组合：
所述传感器可以包括或附加地结合能够监测血管血流的多普勒血流传感器。
所述的“测量动脉血压”可以包括以下任何一种或其组合的“措施”：
脉搏压(PP；动脉硬度标志，即预测心血管风险)；
从主动脉压力波形得到的增压压力(AP)/第二和第一收缩期峰之间的差异)；
脉波分析(PWA)；
脉波速度(PWV)；和/或
增强指数(Aix；即AP定义为PP的百分比；
所述的“措施”可以通过传感器进行监控，形成可佩带的手腕连接装置的一部分，形成腕部监视系统的一部分的传感器(如多普勒手表示例图36所示，或手腕眼压计如图37，图38，或LHS photoplethysmography光学LED如图7，或RHS PVD血管检测示例(眼压计)如图7，或者可以使用单轴或多轴加速度计来检测敏感的球状同步振动，作为手表，腕带，耳塞监测，臂带监视的一部分，或夹紧或连接其它可穿戴装置(即，皮带，衣服或身体，头部或身体末端)
脉波分析(PWA)和脉波速度(PWV)监测分析能力
本发明还包括以下任何或任何组合：
·电动汽车脉波分析(PWA)腕式压力脉搏血压计版本：通过脉搏测量法测量动脉硬度并确定随后的脉波分析(PWA)。
·压缩眼压测量与充气腕部传感器装置的结合(可以是表带或手表扣区域的一部分)，能够适当地产生压力(使用生物反馈，由于安全地对动脉施加压力抵抗下面的骨骼，在血管平坦(但未闭塞)的位置，基于监测脉冲压力变化，通过确保血管扁平但不闭塞可以确定精确的压力。
·PWA和PWV的ECG信号可以从胸带ECG和/或腕带或手表集成传感器得出。
PWA和PWV传感器
本发明还包括以下任何一种或其组合：PWA和PWV传感器可以基于压力波传播/反射特性，使用(1)测光，(2)示波器和/或(3)压电式。(即通过与心电图(EKG)联用的眼压测量的PWV)监测技术中任何一种或其组合。
脉冲波分析(PWA)传感器测量
本发明还包括以下任何一种或其组合：
·测量从胸骨切口到颈动脉脉搏位置的距离以及胸骨切口到肚脐之间的距离，然后到腹股沟的距离。探针捕获颈动脉和股骨部位的波形，并且计算出QRS波段的尖端与脉波的起始点或“脚”之间经过的时间。通常，捕获10秒的数据，对于多个节拍(即6-11)，其在颈动脉和股骨部位的经过时间被平均。距离除以时间产生速度。使用位于位置的1个但优选2个无线或有线连接的探针，可以部署连续PWV测量，例如(但不限于)颈动脉和股骨部位。
·PWA和PWV的ECG信号可以从胸带ECG和/或腕带或手表集成传感器得出。
心冲击描记器
本发明还包括以下任何一种或其组合：
·心冲击描记器包括通过监测由心脏的收缩引起的身体运动并将血液排出到主动脉中来测量心输出量。
定位，位置和运动检测和监测
本发明还包括以下任何一种或其组合：
·个体姿势/位置检测；
·步伐或运动检测；
·跌落检测能力；
·步态特征；
·测量仪，用于确定位置，姿势，跌倒检测(例如(但不限于))。
·全球定位系统(GPS)；
·高度计传感器，和/或
·相关的自动分析，分类，跟踪，记录和报告功能
步态或运动跟踪和相关事件的特征化
患者穿戴和/或移动无线步态分析-步态分析，基于频谱FFT和频谱结果(几秒钟到几分钟)的相对于步伐信号的臂摆动信号以及可选择对任何时间段的变化进行比较分析和症状测定的同步量度，其适用于运动，神经系统，肌肉或神经系统发生的重合，如帕金森氏症。
监测或感测主体/患者感知的方法(即一个或多个轴加速度计运动传感器)由此可以通过以下任何一种或其组合来分析监测变量：
-光谱装置，在相位，频率，幅度，双谱和其它信号特性方面，包括但不限于滤波的信息带和/或快速傅里叶变换(FFT)
-在运动信号动力学方面的信号特征分割，仅用于示例，可以评估规律性，节奏，与其它生理运动通道或变量的运动对称性，和/或相对于随机运动的运动的有序，可预测性，运动重复可以被特征化(即非线性动态分析；复杂度分析；熵分析等)。以这种方式，针对更少可预测性，重复性和对称性，在检测更多的流体和节奏运动方面(即在平滑或可区分的底层信号节奏的环境中，个人的监测和跟踪特征的趋势可以进行特征化和检测。此外，旨在区分早期发作的运动，神经，肌肉或神经运动控制障碍，如帕金森病的发作，这种跟踪和趋势分析可以为个性化健康评估和专业协助健康评估提供最有效的方法，以煽动最早的治疗方法，减缓或避免更严重和昂贵的与发展慢性和更虚弱的健康状况有关的健康后果。
-本发明包括区分这种疾病的非常早期发作的能力以使得将位置，运动位置，动作(即GPS，GSM，无线信号映射和其它移动无线定位服务或技术)和机动能力和/或机动确定的任何一种或其组合与主体的步态或行走特征相结合，为了在区分与肌肉，神经，神经系统的或其它生理运动障碍病因的最早发作和细微趋势相关的步态或行走特征方面，作为一个更为讽刺或更敏感的评估期，能够评估更具挑战性的运动场景(如转弯或机动)。
-根据各种典型的运动类别，例如(但不限于)坐，走，跑，运动活动确定，步幅确定，慢跑，坐，一般桌面活动等，通过这种分析可以部署为分割单个动作的方法。
本发明使得一个或多个主体/患者可穿戴或连接可连接或应用的，包含运动传感器系统(例如但不限于一个或多个轴加速度计传感器)的装置被监测和分析，以这种一个或多个传感器的输出可以组合的方式，为了进一步分析和描述相关的事件或健康状况和/或所述主体/患者的其它预后或诊断运动特征；
相较于现有技术，本发明包括组合运动的装置(即，经由具有来自多个位置的单个或多个测量轴的加速度计传感器，(即但不限于腕带和/或腕表，以及任何一个或多个肢体和/或所述主体/患者的任何一个或多个肢体的措施)以使得能够在多个运动传感器主体/患者感测位置的变量之间，分析相互关系(与多个运动传感器位置之间的运动有关的模式或信号形态包括一致性，相关性，对称性分析，一致性等)或信号相似性(即，跟踪和相互节奏或流动性)。以这种方式(仅用于示例)手臂摆动和腿部运动之间的对称或同步可以在任何时间点或一段时间内，并根据各种标准或更难的操作被检查和测量，以确定表明恶化或步态改变的趋势或绝对迹象(例如可能与健康状况的发作相关，包括(但不限于帕金森病)；
运动和位置信息
本发明还包括以下任何一种或其组合：
姿势，位置，跌落检测，步态特征，步进或运动检测，位置(GPS；陀螺仪；高度)信息，运动感测，以及自动分析，分类，跟踪，记录和/或相关报告功能。
ECG传感器和监测
本发明还包括以下任何一种或其组合：
一个或多个整体心电图(ECG)传感器，例如集成在胸部装置或相关联的附件齿轮中的碳化橡胶传感器
光传感器和监测
本发明还包括以下任何一种或其组合：
一个或多个光传感器
可选智能手表光传感器，具有综合分析功能，可增强环境光线的测定
呼吸带传感器和监测
本发明还包括以下任何一种或其组合：
一种或多种呼吸感应体积描记法和/或压电和/或聚偏二氟乙烯(PVDF)呼吸传感器或传感器带
EMG传感器和监测
本发明还包括以下任何一种或其组合：
EMG传感器和通过通用ECG监测或单独的EMG传感器，如集成在胸部装置或相关联的附件齿轮内的碳化橡胶传感器
EMG监测能够确定呼吸努力度，以描绘阻塞性睡眠呼吸暂停与中枢性睡眠呼吸暂停
GSR
本发明还包括以下任何一种或其组合：
通过现有胸带传感器或通过单独的传感器进行Galvonic皮肤抵抗。
皮肤抵抗可以提供排汗量，当与其它信号(例如(但不限于))温度和活动或运动(即加速度计)相关联时可以提供能量消耗的量度。
其中所述的GSR装置可以包括以小的恒定电流(即3至5uV)并入施加到皮肤表面的多个非极化电极，由此手掌皮肤的电阻与所述电极之间产生的电压电势成正比。
心脏功能
心脏功能包括用于连续监测的传感器的任何组合：
本发明还包括以下任何一种或其组合：
体积描记术脉搏传感器；
通过压力脉冲传感器，超声多普勒血流，ECG，脉冲信号，综合照相体积描记信号和/或反射体积描记图中的任何一种或其组合的脉冲瞬态振荡幅度，脉波振幅(PWA)和/或脉冲动脉音(PAT)血氧饱和度；
阻塞性与中枢性呼吸暂停区别，通过将呼吸运动与呼吸努力相关联，其中可以通过EMG和/或脉冲瞬态振荡幅度测量和/使用胸部和/或腹部呼吸周围运动来确定呼吸努力；和/或
超声和/或超声多普勒和/或双相血管血流，血管和/或其它心脏监测。
心率
本发明还包括以下任何一种或其组合：
心率变异监测能力
睡眠指导系统
本发明还包括以下任何一种或其组合：
包含闹钟或警报系统，如集成振动能力，其中个体位置和/或睡眠呼吸暂停或呼吸紊乱等呼吸障碍可以自动激活所述闹钟或警报，为了指导睡眠者以改变他们的睡眠位置(即侧面对背部)，以减少或消除睡眠呼吸紊乱或打鼾症状。
睡眠，唤醒和其它心理状态，相关事件或健康状况的监测，确定和跟踪
本发明使得能够部署一个或多个具有如本文档中所示的设备属性的所述“主体穿戴系统”，包含一个或多个集成(嵌入或附加)传感器，能够感测和监测一个或多个环境参数或生理参数，以及“事件/措施/状态”或相关健康状况的确定，预测，发作或发生率，其中所述发明还包括分析或监测能力的任何一种或其组合，包括“睡眠参数”和/或“神经学参数”中的任何一种或其组合，包括自动在线确定意识或心理状态或相关事件/标记的方法，包括以下标题中详细列出的事件或条件中的任何一种或其组合(如本专利申请文件的其它部分进一步详述)，包括以下子标题：
本发明包括感测，监测，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或健康状况的在线自动特征化，包括以下任何一种或其组合：
快速眼动(REM)睡眠特征；睡眠障碍分类；选择睡眠障碍；游离状态；催眠状态，
本发明包括感测，监测，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经病学的，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或健康状况的在线自动特征化，包括以下任何一种或其组合：
快速眼动(REM)睡眠特征，睡眠障碍分类；选择睡眠障碍；梦境状态；游离状态；催眠状态，评分阶段唤醒(觉醒)，评分阶段N1，评分阶段N2，评分阶段N3，评分阶段R，(这些状态的任何一种或其组合以及下文相关细节是本文档中引用的“相关事件”或“相关健康状况”的一部分)，如下所述：
本发明包括感测，监测，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经病学的，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或健康状况的在线自动特征化，包括以下任何一种或其组合：
-确定意识或心理状态，包括任何一种或其组合
本发明包括感测，监测，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经病学的，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或健康状况的在线自动特征化，包括以下任何一种或其组合：
快速眼动(REM)睡眠特征；睡眠障碍分类；选择睡眠障碍；游离状态；催眠状态，
本发明包括感测，监测，数据采集，信号处理，分析，存储和信息访问，包括主体/个体的生理，神经病学的，神经系统，运动系统，肌肉系统，心理，病理，状态，相关事件和/或健康状况的在线自动特征化，包括以下任何一种或其组合：
快速眼动(REM)睡眠特征；睡眠障碍分类；选择睡眠障碍；梦境状态；游离状态；催眠状态，分级阶段唤醒(觉醒)，评分阶段N1，评分阶段N2，评分阶段N3和/或评分阶段R(这些状态的任何一种或其组合以及下文相关细节是本文档中引用的“相关事件”或“相关健康状况”的一部分)。
体积描记术血氧仪和/或光体积描记术(PPG)
本发明还包括以下任何一种或其组合：
脉冲光谱体积描记术(PPG)和输出；
体积描记法血氧定量法(即例如但不限于耳朵，手指和/或前额反射率脉搏血氧测定法)能够非侵入性地测量氧饱和度(SpO2)和脉率(PR)，以及对措施的输出和贡献，包括脉波幅度(PWA)，脉搏动脉压(PAT)，脉搏瞬态振荡幅度，脉搏瞬时时间(PTT；与ECG信号同步)，PTT唤醒，替代或定性血压测量，基于血管张力和自主干扰的睡眠阶段置信水平或概率；PTT可以使用与陪伴型可穿戴设备，如手指或其它肢体附着的血氧计的独特同步来计算，能够产生指示心输出量的脉冲信号
脉冲瞬态时间(PTT)监测能力，包括与外围肢体脉搏测量信号同步的方法(例如集成在智能手表或智能手表系统中的手指或压力脉冲测量)
脉冲瞬态振荡幅度测量
本发明还包括以下任何一种或其组合：
脉冲瞬态振荡幅度测量，作为呼吸努力的标志，适用于区分中枢性和阻塞性睡眠呼吸暂停事件(例如但不限于)或自主神经和心脏功能的调查
胸部阻抗测量，通过单独的传感器或阻抗测量作为或集成在现有的ECG或EMG传感器中
心输出监测，包含超声波和/或多普勒血流传感器
温度
本发明还包括以下任何一种或其组合：
嵌入式温度传感器，用于监测体温；
能量消耗/新陈代谢监测(EM)作为替代卡路里燃烧措施
本发明还包括以下任何一种或其组合：
(见本文档子标题：能量消耗/新陈代谢监测(EM)，作为替代卡路里燃烧测量，部分详述)
通过测量从皮肤表面消散的热量，能耗可以实现，通过使用一个或多个温度传感器(即聚偏二氟乙烯(PVDF)热敏电阻，热电偶或其它)，以从身体散发的热量或能量可以与环境温度或天气元素区分开的方式放置。由于运动指导期间的能量耗散或正常的昼夜条件，该过程可以包括单独测量的相对于通过主体皮肤产生的热量的环境温度或天气元素。主体卡路里燃烧的最终估计可以包括许多措施，其包括皮肤电流抗性，运动或其它体力消除措施的任何一种或其组合。
主体皮肤表面的温度，从主体皮肤表面(即皮肤表面附近或刚刚高于皮肤表面)消散的热量，周围环境温度，心脏参数(如血氧饱和度，脉搏，心率)，呼吸参数(即呼吸速率，呼吸)体积，呼吸模式，呼吸深度)等措施，包括(但不限于本文所涵盖的内容)(声音监听；听诊器听诊传感器，监测和自动分析，分类，跟踪和检测能力；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；脉波分析(PWA)和脉波速度(PWV)监测和分析能力；PWA和PWV传感器；脉波分析(PWA)传感器测量；球状心电图仪；定位，位置和运动检测和监测；步态或运动跟踪和相关事件的特征；运动和位置信息；ECG传感器和监测；
光传感器和监测；呼吸带传感器和监测；
EMG传感器和监测；GSR；心脏功能；睡眠指导系统；
体积描记术血氧饱和度；脉搏瞬态振幅测量；以及心理状态(即睡眠，唤醒)。
能够确定主体的卡路里燃烧率或绝对值的参数的最终范围，需要在这些所述参数的组合的多元分析方面，对最终算法进行广泛的校准。
此外，使用更复杂的方法，如红外线传感器，可以测量散热。该方法能够实现体热分散和发射表征，实现生理温度以及时间特殊的动态热成像更全面和更精确的代谢建模和相关的卡路里燃烧率。
或成像分析，其中与主体皮肤表面能量消耗相关的热形图可以更精确地计算，在跟踪与减轻或混淆因素相对应的实际卡路里燃烧方面，包括天气元素，主体的局部皮肤表面温度特征与总体正常或精确卡路里燃烧措施等。
无线接入
其中可以通过无线或其它网络应用服务在线或离线监测一个或多个整夜和/或日间生理参数(包括本文中呈现的任何一种或其组合)
其中可以在线或离线分析一个或多个整夜和/或日间生理参数(包括本文中呈现的任何一种或其组合)，以使得自动扫描和检测相关呼吸事件
无线网关支持扩展模块，包括但不限于基于智能手表和/或胸部监视器的系统
无线扩展模块包括独特的无线模块传感器模块，适用于其它生理参数，包括(但不限于)睡眠参数
能够进行一系列睡眠或呼吸监测的扩展监控模块，从筛选功能到完全多导睡眠监测
独特的分布式无线监控传感器(DWMS)(见其它无线模块等)。
独特的分布式无线监控网络(DWMN)(见其它机构网络等)。
独特的分布式无线监控网络(DWMN)，具有智能高依赖性自动无线网络互联路径和高速缓存网格划分确定，这根据健康诊断因素和可用资源，通信路径可靠性，数据采集特性等优先事项(即，根据信号带宽，信号灵敏度和动态范围要求，采样率，采样分辨率，滤波要求等的带宽和容量因素)。
其它系统功能
在线监测，检测，分类，远程监控和/或干预警报，自动报告和/或警报分发和/或自动药物递送
能够使卫生保健，全科医生，家庭，专家或其它受信任方“选择加入”的能力(即使特定信息由选定个体访问的主体方法)，以进行可能的干预，监测或分析，解释，监督，远程监控，健康管理或根据监管要求进行必要或适当的控制。监管要求可包括FDA或CE或TGA合规要求，医学协会/学院或保险报销等其它合法或自愿实体。
隐私，安全和健康社区的配置功能“选择能力”9(RFM 14935)，为了减少专业水平和消费者级健康个性化信息的获取和分配要求，同时保持用户选择的信息级别隐私和安全
独特的个性化配套智能手表显示/警报管理配置
在线个人化健康社区申请，包括以下任何一种或其组合：通过个人配置或通过任何“公共”或“私人”健康社区配置示例来建立个性化健康监测，报告，显示和/或跟踪计划的能力；制定个性化健康结果目标，控制其健康信息安全和隐私的能力，选择或选择其健康支持社区(GP，医师，专家，朋友，家庭，合作伙伴，服务，HMO，报销，健康保险等)9(RFM 14935))
接触式EMF或其它连接器接口充电功能
自动系统配置，基于针对特定监控会话部署的消费级或专业级传感器套件
优选实施例的一个示例：睡眠监测
在本发明的健康平台的一个实施例的示例中，可以部署独特智能胸带，智能健康手表和分布式无线传感器网络系统的任何组合，为了使最简单的健身指导计划适应最复杂的医疗保险报销和美国睡眠医学学院(AASM)的睡眠研究建议(即2型；3型或4型)。
此外，系统用户可以“选择”他的个性化社区以监督一系列政府补贴或按需付费的在线服务。以这种方式，调控的和医学验证的睡眠监测可以作为您日常保健的组成部分，随时随地管理一个独特的健身睡眠胸带设备，选择您的智能健康手表和/或移动无线系统并激活您选定的健康社区和网络应用服务。
即使您在飞机上旅行，您的健康平台仍然可以提供离线监控(需要时使用监视器通过线路模式)，然后是基于您个性化的“选择加入”健康社区和NAS重新连接后的报告要求的更全面的服务。
传统的消费者睡眠监测系统，能够监测和分析“黄金标准”多导睡眠监测睡眠参数，由于许多原因尚未成功部署在消费者层面。
特别是建立和广泛接受的科学和临床标准，用于有效和准确的睡眠监测(RFMRechtschaffen&Kales，1968)(RFM Conrad等人，2007)。
具体地，与一些健康追踪公司的声称相反，对人类睡眠的有效评分需要适当监测脑信号(脑电图)，肌肉张力(肌电图)和眼睛运动(眼球电图检查)。一般来说，监测睡眠或睡眠质量远不止使用传统的基于运动的消费者级睡眠监控系统检测运动的减少。
例如，睡眠被分类为包括阶段W(觉醒)，阶段N1(NREM1)，阶段N2(NREM2)，阶段N3(NREM3)，阶段R(REM)的多个阶段。注意，阶段N3表示慢波睡眠，并取代了阶段3和阶段4睡眠的Rechtschatten和Kales命名法(Conrad等，2007)。睡眠分类的一个重要方面是确定睡眠的快速眼动(REM)阶段，因为这些REM阶段有助于脑恢复和恢复阶段。
这些REM恢复和恢复阶段有助于白天表现，记忆和大脑功能以及整体健康和健康状况。例如，准确确定REM睡眠依赖于确定低EMG水平，快速眼睛运动和低水平混合频率EEG信号。REM状态EEG信号类似于唤醒EEG信号，这是基于运动检测的简单健康跟踪器不能有效地跟踪睡眠或睡眠质量的原因之一。
通过结合专业级的诊断监控和分析服务，本发明克服了传统的限制，这可以无缝地和自动地在线和离线连接。
另外，本发明提供高度集成的无线链接和患者可穿戴模块的范围，包括(但不限于)腕表穿戴的手表装置，该装置具有内置数据调制解调器，无线功能和特殊的时间戳数据和同步功能(即克服传统的丢失的数据分组和/或无线中断-见其它部分描述的无线车身网络系统和高依赖数据NAS系统(Burton，D(2014，March；eHealth temporary；system 9；RFM14935)，具有自动连接和系统配置功能的配套无线模块，其实现精简的消费者级别部署，该部署具有复杂的专业级睡眠和其它医疗健康诊断和治疗结果。
另外，本发明能够实现基于消费者的健康跟踪或监视系统，包括一个或多个互联(例如但不限于无线)可穿戴健康跟踪或健身设备以提供与睡眠呼吸声音监测功能(睡眠呼吸紊乱)相结合的日间心脏，呼吸，通气和运动或运动跟踪，为了提供真正的日间/睡眠健康跟踪系统。该系统的最小形式与先前的现有技术系统相比价格昂贵，突出或复杂，但能够对常见的病如打鼾进行有效和准确的睡眠疾病监测。
本发明有效准确的睡眠监测，在更复杂而又流线型的，流行的而不引人注目的以消费者为基础的版本中，以及在睡眠和相关睡眠障碍的诊断和健康跟踪方面的实质性能力可作为消费产品提供，如本文档中进一步概述。
动态自适应高依赖连接管理(HDCM)系统概述(Burton，D。2014；RFM：参考ID：14935)
可以更重要的监测方式，如电子卫生，工业，某些消费者应用和其它应用部署目前的HDCM系统以增加常规手机和计算技术网络应用服务(NAS)，其中高度依赖和/或确定性的数据互联是重要的或至关重要的。
HDCM系统可以配置为适应不同级别的数据优先级。
HDCM系统可以高效的用户界面方式配置，其中一个或多个互联结构的数据带宽分配，例如数字血压，心率，心率变异性，氧饱和度，二氧化碳水平，呼吸速率，温度等，从较低优先级，而不是较高带宽数据(如视频，音频或高采样率生理数据)，可以分段而不会被覆盖(带宽方面)。
HDCM系统的环境健康分析可以比较受监测个体当前的健康状况，因为它涉及包括以下任何一种或其组合的信息：a)个性化数据库；b)人口数据库；c)消费者/病人的病史。
此外，为了应对无线接收恶化等问题，本发明可以同时监测和分析环境措施并适应系统资源分配，在此期间需要额外的内存缓冲资源。
HDCM系统可以“确定”在健康状况方面是否发生消极或相关趋势。
本发明提供了高依赖性连接管理(HDCM)能力，例如，为了根据个人的要求调节诸如温度和加热的环境条件以达到最佳的睡眠状态(例如，从监测的环境和生理条件预先确定或动态计算)。
标准或正常健康，天气，危害和其它环境条件以及当前状况，交通报告等的规范性数据库可以手动或自动更新为了提供关于当前或预测条件的最新报告，而且还可以与规范数据库进行比较，以建立重要或相关的警示，警告，警报，以及安全边界确定和相关趋势，警示和警报。
能够将健康监测条件或趋势与诸如花粉，空气污染或过敏等环境因素联系起来的与地图相关的观点。
附图说明
图16eLifeCHEST；eLifeWRIST；Somfit；eLifeWATCH。
图17ELifeCHEST具有专业级用户界面选项(包括转换手表模块选项)
图31显示了具有嵌入式昼夜呼吸听诊器(eLifeSCOPE)[3,4]显示器的胸带，针对昼夜呼吸声，ECG，温度，位置和呼吸[2]，ECG传感器[5,6]。
权利要求-eLifeCHEST/eLifeSCOPE-参考摘要，说明书，附图，适用的权利要求部分或随后的分案申请。
标题：自适应生理体网络(APM)以及NAS网关(本发明)概述
发明内容
·自适应生理体监测网络(APM)传感器监测系统实现一组或多个伴随监控传感器系统为了基于在任何时间点明显的相互沟通的因素，自动调整相应的传感器系统资源，这些系统资源的相关配置，以及无线和数据互联参数。
·重要的是，基于所述传感器系统的传感器特定监测功能，适当的最小数据采集特性配置是预定义的或动态确定的，以这种方式，配置每个传感器系统。例如，在最小，典型和最大配置参数方面，所述数据采集特性可以被定义。
·例如，EEG传感器系统可以基于100Hz带宽的最小配置，每秒512个采样，16位采样分辨率和8阶低通巴特沃斯滤波器。
·但是典型的数据采集特性可配置为200Hz带宽，每秒1024个采样，24位采样分辨率和8阶低通巴口温滤波器，而最大带宽可以配置为800Hz带宽，每秒4096个采样，24位采样分辨率和8阶低通巴特沃斯滤波器。
·APM系统可以自动跟踪劣化的无线传输以及不同的数据带宽吞吐量能力和相关的互联带宽能力，在实现一致，连续和可靠的互联性方面，确定带宽传输约束。
·在最简单的APN部署示例中，APN系统可以恢复从最大到最小或典型的数据采集特性，从而大大降低了系统的数据互联带宽需求，使得无线互联中的峰值和下降可以通过APN系统在线进行动态补偿。
·以这种方式，当所述通信失败或抑制是明显的时候，可以部署中等或最小与优选或最大数据采集特性为了扩展本地传感器缓冲区和数据保存能力。
·此外，在具有身体穿戴或独立分开的无线中枢或网关的“本地网络”组或身体应用传感器系统(或相关监视系统/资源)的组合之间，APM系统可以建模或模拟并持续适应或优化无线路由路径。以这种方式，由于诸如无线通信的身体覆盖或无线反射和障碍物或干扰等方面，通过重新路由本地传感器系统体网络节点的组合(可配置为集线器/网关)和更广泛的通信集线器或网关(可以配置为节点)，不确定的互联问题，如无线互联性的降级，可以减轻。
·在某些情况下，本地和更广域无线和系统资源的啮合(例如调整内存缓存资源)是可能的。例如，在极端条件下，例如当个人在其背部滚动并遮罩背面安装的传感器时，APM系统有可能本地缓存监控的传感器数据，同时APM系统测试和/或模拟本地身体网络传感器系统，并与更广泛的无线网关资源和互联能力相结合以使得根据需要重新路由使数据丢失风险最小化。此外，跟踪本地缓存要求以确保，根据需要在本地和更广泛的网络资源之间划分内存缓冲资源，可以扩展本地内存缓冲。根据可用于组合本地身体传感器网络和更广泛的区域网络的监控环境的动态和资源和互联选项，以数据丢失的风险(即，最小化丢失的数据分组)得到最佳缓解的方式，在每个系统传感器的最小生理数据采集特性的环境中并且在需要适应这些所述数据采集特性时，进行所有这些考虑和适应性。
·通过这种方式，APN系统会持续跟踪，分析和确定正在进行的和当前的系统资源和通信适应需求，同时最小化变化率并精确记录任何更改，使得数据能够根据任何必要的APM变化进行精确重建和验证。以这种方式，基于最小数据丢失和身体监测信息降级，根据最合适的系统配置，在线确定和修改系统属性和资源。
·重要的是，在适应无线或监控属性方面，与预定身体监测最小标准一致的任何决定或实施被部署，以确保生理监测或相关数据的完整性不受影响。
·此外，APN系统在“本地”身体网络基础上工作，其中应用于被监测个体的一个或多个身体监测传感器系统，在“共享和适应”整体地方体网“系统资源”方面，可以适应或“啮合”在一起，以及通过部署多个通信信道或介质(即光学；卫星，Wifi，备用看门狗等)，具有类似地适应更广泛的通信网络能力的能力，例如聚合数据互联性。
自适应生理体监测网络(APM)系统：更新
·无线互联高度依赖许多因素，如电或电磁干扰，对传输路径的干扰，其可以，例如，阻塞，衰减，反射，偏转或以其它方式降低发送和接收信号。另外，在可穿戴式无线监视或通信系统的情况下，个体运动，一般姿势监测环境甚至环境温湿度条件发生变化，可能会降低甚至阻止无线互通条件。
·例如，在睡眠监视期间，在可穿戴式无线传感器和带有内置数据调制解调器的配套智能手表或床头设备之间，一个人可能会翻滚，不经意地降级或阻止传播。
·本发明的自适应生理监测，能够在设备网络中的两个或更多个无线集线器或网关和/或节点之间动态地跟踪和动态调整无线路由路径，以补偿改变接收或与个人动；位置；湿度，温度等环境条件和环境噪声等监测条件相关的传输条件，为了确保预定义或动态确定的最小数据通信，这与最小传感器系统数据采集要求相关联的，对于持续，连续和可靠的在线实时监控至关重要。
·在“配套设备”的本地或更广域网中的两个或多个节点或集线器以及相关联的网关或备份设备之间，本发明可以适应无线路由路径，无线格式(即扩频，蓝牙，Wifi，EMF耦合，以确保维护最少的数据条件。这根据动态自适应高依赖连接管理(HDCM)系统概述(Burton，D。2014；RFM：参考ID：14935)。其中每个所说的“配套设备”是互联设备网络的一部分。
本发明的另一个目的
·本发明能够共享或网络化系统资源(即监视网络中的任何无线设备的资源)，例如跨本地可穿戴设备无线网络的内存缓冲或缓存功能，以使得可以跨一个或多个“配套设备”缓冲数据。此外，缓存的数据可以精确地用通道和时间信息加时间戳，在需要时，使得可以稍后重构和同步多个数据通道。此外，在传统系统和/或相关HDCM系统的网络中，通过访问任何传感器系统和相关资源的数据，可以实现所述重建数据。
·为了遵守最小预定义或动态确定的数据互联性和监控要求或标准和/或最小数据采集要求，本发明实现数据采集参数，信号调理参数，无线设备资源，伴随设备资源，无线互联特性，无线互联格式和信道的“适应性和调整”。其中所述的“适应性和调整”可以包括参数，系统资源，或其它在“具有集成eHealth NAS和Atlas功能的移动高依赖性数据管理监控系统(Burton，D。2014；RFM：参考号：14935)中详述的因素。
本发明还提供：同步链接
示例性实施例
·本发明实施例的一个示例涉及通过无线传感器监测腿部运动或手指血氧饱和度测量克服互联性的退化。例如，由于受监视的个人在睡眠期间翻身而引起的遮蔽以及窒息无线传输路径，如果无线传输劣化，这可以通过APM系统来缓解。通过模拟和建模技术，优化互联策略，包括重新路由最佳传输网络和相关路径，APM系统可以自动计算。所谓的“策略”可能(仅用于示例)部署一个较不直接的互联，但更可靠的传输途径。即通过手指传感器(即血氧计探针)到头部的无线通路(例如EEG传感器系统)或其它身体位置的无线传感器路径(即智能健康监视或备份高依赖性连接管理(HDCM)系统)，其展现更强的数据互联能力。
·或者，在更极端的条件下，可以部署HDMC或传感器集线器或节点的任何互联和组合，以及最佳的资源共享(即传感器和集线器系统的网络的数据采集存储器缓冲)从而最有效地减轻了数据丢失的风险。在来自任何一个或多个传感器系统的信号传输本地和网络缓冲装置调整的情况下，可以部署到可靠的无线监控恢复。
·本发明进一步实现消费者级监视能力和复杂的医学和科学“黄金标准”生理参数监测。
·APM和动态适应性高依赖连接管理(HDCM)系统概述(Burton，D。2014；RFM：参考ID：14935)方面的组合使传统消费者移动无线网络电信网络应用服务(NAS)被部署用于可靠的专业级医疗监测和诊断服务。
实施例
·在本发明的一个实施例中，每4步过程和相关过程说明本发明具有扫描伴随设备的能力，以使得自动确定学习“格式”。例如，自动“格式”设置可以包括美国医学院(AASM)睡眠研究1至4型或澳大利亚睡眠协会(ASA)1至4级的任何一种或其组合；SCOPER评级分类；心电图事件监测；霍尔特心电图检查监测；其它心脏病学研究；温度监测；红外监测；其它健康管理监督；无线连接耳机健康参数监测(另见本文档中的集成耳机和eLifeCHEST监控功能系统)。
·其中“格式”检测可以基于主动陪伴型设备的检测，可以自动配置信号调理要求和相关参数设置(即滤波器，灵敏度设置)，监视参数，包括数据采集特性(采样率，分辨率，混叠滤波器)。(也参见每个伯顿的自动模式功能，D.2009，A&CD RFM：14250)。
·其中“格式”检测可以基于任何“传感器和附件”的检测，其中所述的“传感器和附件”具有产生唯一代码或识别方式的方法(例如，由系统连接或使用的每个传感器和设备都具有产生识别码的能力(该识别码例如可以通过对输入数据的叠加来进行或通过单独的数字通道无线或有线链接代码系统(仅用于示例)，这为了向监控系统、连接或连接作为监控设置的一部分的电极和传感器的总体组成发出信号。相反这个电极和传感器信息可以使系统确定在学习范围(即SCOPER分类)或医疗组织格式(即AASM 1型至4型睡眠研究患者连接要求)方面已经配置了哪些类型的研究以及如何分类。
其它自适应生理体监测网络(APM)系统细节(“生理学互联网”)：
·实际上，在“遮蔽效应”，环境IT条件或环境地理方面，与周围墙壁有关的患者位置变化或其它影响传输的结构，或其它改变或影响无线传输路径因素的情况下，APM系统充当一组或多组天线能够共同发挥作用来补偿或覆盖较弱的信号传输路径。
·特别地，本APM发明独特地部署了自动或手动的“适应”(即，根据诸如生理信号调节，生理信号获取，生理信号处理，生理信号数据带宽，可用数据带宽和缓冲容量的“操作参数”以及“系统管理员”理想与典型的最小通道生理“操作参数”进行系统权衡。其中，根据一个或多个授权的管理员(例如(但不限于))，分配的“临床”，“技术”，“科学”。“IT”，“NAS”，“病人”，“医生”，“专家”，“消费者”或“健康管理组织”，“医疗保健提供者或供应商”以及访问权限和相关类型和级别的控制，可以定义或动态确定系统管理员，适用于不同的监测或研究场景。并且其中所述的权衡使得能够更好地容忍环境干扰和网络连接因素，适用于在恶劣的记录环境中的生理监测，例如典型的消费者家庭，工作或其它不受控制的监控位置。
·目前的APM发明结合了自动或手动的“适应”，其中最“适当”(可以实现最高的整体和逐个信道的信号频率带宽，信号灵敏度，信噪比和/或信号动态范围，基于研究类型，场景和最小的、典型和理想的性能标准和相关的生理传感器，生理传感器信号，生理传感器信号调理，生理传感器数据采集属性，生理数据在线传输属性)。
·所谓“生理”可以被工业，消费者，医疗，科学，环境或其它在线监测应用或要求所取代。
·目前的APM发明结合了自动或手动的“适应”，从而达到最合适的最小数据网络或患者/消费者监控网络资源的配置(包括最可靠的无线路由或路径和最有效的缓冲策略和可用数据存储缓冲器/缓存设施的使用，同伴无线设备资源(包括内存缓冲和无线路由选项)以保持每个生理监测通道的预先指定的最小标准。
·目前的APM发明结合了自动或手动的“适应”，其中先进的策略，例如适应性带宽和/或相关联的数据获取和/或无线数据传输信道和带宽需求可以根据最小阈值和操作范围调整/适应。这些所述最小阈值和操作范围可以与系统应用相关联(即与专业医疗水平相关的消费者级别，仅用于示例)。
·在影响无线监控的接收和可靠性的特别方面，诸如主体移动，遮蔽，改变位置，衣服或毯子以及其它外部条件，位置和环境条件的变化(即电气干扰，磁干扰，天气，衣物，家具，建筑物等)等会不利地影响连续可靠的监控，其可以主要地应对和补偿)。
权利要求-自适应生理体网络(APM)和NAS网关(本发明)概述-参考权利要求部分或随后的分案申请-参考摘要、发明内容、附图、适用的权利要求部分或随后的分案申请。
标题：eLifeBAND(移动设备和集成传感器ARMBAND)(图32；图33)
发明内容
本发明可以并入到一个患者可穿戴装置中，例如(但不限于)一个臂带，其具有一个或多个能够监测一个或多个生理参数的集成(嵌入或连接)传感器，使得本发明能够用作生理监视器和移动无线设备保持器(图32；图33)，其还包括以下任何一种或组合：
-集成传感器，包括一个或多个生理和/或移动或运动传感器和/或GPS定位系统。
-生理传感器，包括嵌入患者可穿戴装置(例如手臂带)内的那些可以包括一个或多个红外加热系统，能够监测主体皮肤表面的能量耗散。
-测量功能，包括“皮肤表面散热”的确定，可以从受监测的主体皮肤表面消散的热分布，监听主体皮肤表面，所述皮肤表面内的散热，主体血液和其它有机物质的散热，基于环境条件(即控制因素)与主体皮肤相关的能量(听觉)特征，基于测量装置性质与主体皮肤相关的能量(热)特征(即测量方法确定的混杂因素)，这些任何一种或组合来确定；
-分析功能，包括与所述“生理监测器”相关联的那些可以包括度量的计算，适用于计算主体在任何时间点燃烧的卡路里；
-集成(嵌入或连接)传感器，包括能够测量温度的任何装置中的一种或多种，包括(但不限于)热敏电阻、热耦合器、聚偏二氟乙烯(PVDF)传感器；
-“生理参数”监测，包括从多于一个主体可穿戴装置监测的信号(生理参数)的组合；
-“生理参数”监测，包括信号(生理参数)的组合，其包括脉冲、加速度计，皮肤表面散热，电流皮肤电阻和/或温度的任何一种或组合；
-一个或多个集成(嵌入或连接)传感器，包括本文件其它部分所涵盖的生理参数或相关测量的任何一种或组合(即本文件中所提的“能量消耗/新陈代谢监测(EM)”作为替代卡路里燃烧测量标准)；
-一个或多个集成(嵌入或连接)可以包括一种或多种生理或其它测量(即天气元素、环境条件、位置/GPS和/或移动或运动)的任何一种或组合；
-“皮肤表面散热”的监测和测量包括确定受监测对象与热量呼出相关的热分布(即由主体的生理代谢活动产生)的功能；
-“皮肤表面散热”的测量可以包括一个空间动态时间热分布的确定；
-“皮肤表面散热”的测量可以包括一个空间动态时间热分布的确定；
-生理监测可以包括监测和确定卡路里燃烧计算的算法，其中该算法的至少一个输入包括一个红外测量；
能量消耗/新陈代谢监测(EM)作为替代卡路里燃烧测量标准；
·本发明能够实现一系列参数，能够确定主体的卡路里燃烧率或绝对值需要对这些所述参数组合的多变量分析进行广泛的最终算法校准，其中所述参数范围可以包括以下任何一种或组合；
·能耗通过从皮肤表面消散的热量来测量，可以通过使用以一种方式放置的一个或多个温度传感器(即聚偏二氟乙烯(PVDF)热敏电阻，热电偶或其它)来实现，从而可以将从身体散发的热量或能量与环境温度或天气元素区分开来。该过程可以包括单独测量环境或天气元素的周围温度，相对于运动指导或正常白天或夜间情况下由于能耗导致主体皮肤产生的热量。主体卡路里燃烧的最终估计可以包括许多测量，其包括皮肤电阻、运动或其它体力消除测量的任何一种或组合。
·主体表皮温度，从主体表皮(即接近或刚好在皮肤表面上方)消散的热度，周围温度，心脏参数(即血氧饱和度、脉搏、心率)，呼吸参数(即呼吸速率、呼吸量、呼吸模式、呼吸深度)，包括其它措施(但不限于本文所涵盖的内容)声音监测；听诊传感器，监测和自动分析、分类、跟踪和检测功能；噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；脉波分析(PWA)和脉波速(PWV)监测分析功能；PWA和PWV传感器；脉波分析(PWA)传感测量仪；冲击描记器；位置和运动检测和监测；移动和位置信息；ECG传感器和监测；光传感器和监测；呼吸带传感器和监测；EMG传感器和监测；GSR；心脏功能；睡眠指导系统；体积描记血氧仪；脉冲瞬态振荡幅度测量；以及心理状态(即睡眠、唤醒)。
·此外，本发明可以通过部署红外传感器或分析成像来测量散热，其中与热量排出相关联的热图或轮廓(与卡路里燃烧有关的能量)，通过主体的身体(皮肤表面)的能量消耗，可以更准确地计算跟踪实际卡路里燃烧，其中减轻或混淆因素，包括天气元素、主体的局部皮肤表面温度特征或卡路里燃烧精算等。
本发明的内容(图32；图33)
臂带式监测装置，具有组合的睡眠、健康和健身，包括一系列生理参数监测传感器，包括听诊器监测、体热排放的时空动态(即时间门控NFIR分析)，用于增强卡路里燃烧测定。
图30，块[7]设备：calfit系统将一个可代谢或卡路里燃烧测量系统集成在一个可穿戴手机支架设备内。
本发明的要点是使手机壳体(即臂带)能够并入一系列测量传感器和相关联的算法，其能够优异地确定身体能量产生的效果，作为个体的能量消耗或相关的估算或确定主体的代谢或相关的卡路里燃烧的更精确和个性化的测量。
手机壳代谢测量(PCM)包括臂带手机支架的一个实施例中，其包括用于个体代谢的自动在线监测和分析的测量传感器(即卡路里燃烧估量)。代谢是你的身体燃烧热量的频率，因此跟踪新陈代谢可以成为减肥的重要辅助工具。
所述测量传感器以最简单形式，多个传感器作为主体的手机支架系统的部分嵌入。这些臂带手机壳通常由个人使用，特别是运动时，当人们希望在体育活动期间有电话访问或播放音乐曲目。
在本发明的一个实施例中，一个手机臂带支架可以包括一个或多个红外温度LED和LDR，其设计有LED的时间门光激活和相关接收传感器(红外线LDR)，为了提供一定程度的测量深度(即能够通过此时红外线LED门控与返回信号检测之间的时间来确定)，使得散热特征通过和从皮肤表面传递作为体温排出的量度。红外线LED发射器和红外线LRD接收器可以包括拟域红外(NFIR)监测传感器和/或相关系统。
在本发明的一个实施例中，可以使用所述手机的光振荡和相机跟踪功能来测量被监测主体的脉搏，作为通过测量被监视主体的目标血管床来跟踪主体的脉率的一种方式。
在本发明的一个实施例中，所述手机设备内的内置加速度计或运动传感器可被部署以测量所述主体的步骤或运动。
在本发明的一个实施例中，所述手机设备内的内部GPS可以部署以映射被监视主体覆盖的方向或地理路径和距离。
在本发明的一个实施例中，温度传感器(即，热耦合器、热敏电阻和/或聚偏二氟乙烯(PVDF)等的任何组合或数量)可以嵌入在所述臂带手机支架内并且被按计划定位，以使得通过身体能量耗散导致的皮肤表面(与卡路里燃烧相关)，在诸如背景空气运动(即由主体运动或活动引起的)或环境/天气状况(即与主体移动或运动以及相关的室内或室外环境或天气要素有关)等因素与实际的热量传播之间进行描述。
在本发明的一个实施方案中，可以将电流皮肤电阻(GSR)传感器并入手机支架，为了测量诸如皮肤电阻的因素，作为对受测主体的出汗量，能耗或作用力或相关的卡路里燃烧因素的一种测量，因此所述GSR的装置可以包括以小的恒定电流(即3至5uV)并入施加到皮肤表面的多个非极化电极，其中手掌皮肤的电阻与所述电极之间产生的电压电位成比例。
在本发明的一个实施例中，一个内置加速度计或其它运动传感器可以结合在所述手机支架中。
在本发明的一个实施例中，内置GPS可以并入所述手机支架中，以映射受监控主体所涵盖的方向或地理路径和距离。
在本发明的一个实施例中，一个附带的无线(即，蓝牙，Wifi等)耳机(与手机互联)使得主体在移动时能够访问音乐和/或接听电话。此外，所述耳机可以包括一个或多个健康或健身监测传感器，在本文件的其它部分，在相应的耳机部分中进一步概述。
在本发明的一个实施例中，一个内置的湿度传感器，能够确定周围的天气状况(即也可能对作用力或主体的能量消耗以及出汗产生影响)，可以结合在所述手机支架中以映射被监测主体所涵盖的方向或地理路径和距离。
在本发明的一个实施例中，一个内置的气流传感器(即也可以对作用力或主体的能量消耗以及出汗产生影响)，使得能够确定周围天气以及与受监测主体的活动相关的气流状况。
在本发明的一个实施例中，上述传感器中的一个或所有传感器，和与上述手机支架有关的和/或与手机相关的测量仪，可以通过被监测主体经受限定或动态确定的运动序列或电路而进行校准，以确定适用于特定主体的卡路里燃烧估计或测定的各种变量。
在本发明的一个实施例中，上述传感器中的一个或所有传感器，和与上述手机支架有关的和/或与手机相关的测量仪，可以输入到算法(即作为相关NAS的一部分，云计算服务，手机和/或臂架设备处理系统)，以使得确定被监测主体的能量消耗(作用力)以及相关的卡路里燃烧的估量或确定。
本发明还包括一种自备电源管理的方法，(即EMF，连接器接口用于自动手机系统电源接口和/或臂带监测系统的充电)，或者为了避免电源或充电考虑，手机插入时的主体监测手机壳到手机电源接口可以并入；
本发明的另一个实施例，能够将个人的医疗或健身或运动表现历史或信息作为健康或健身表现(例如代谢或卡路里燃烧确定/估量)的输入部分，包括身体质量指数等因素。
本发明中任何单个或多个传感器和算法装置或功能的任何组合将在上述和本文件的其它部分中描述。
附图说明
图32显示了一个组合的臂带手机壳(eLifeBAND)[3]，带有手机电源和数据连接器充电接口[2]。持有者包括热量跟踪、温度、GSR和PPG的嵌入代谢监测。
图33臂带手机壳(eLifeBAND)[4]结合传感器，包括用于卡路里跟踪的嵌入代谢监测。
权利要求-eLifeBAND-参考摘要、发明内容、附图、适用的权利要求部分或随后的分案申请。
标题：eLifeDOPPLER
背景技术
标题：多普勒手表全天候监测器
发明内容
发明背景
多普勒超声检查和一般超声检查是一种重要的血管和心脏测量技术，可以帮助诊断或预测大量不良和潜在致命的健康后遗症。
然而，目前的现有技术监测系统具有许多限制，特别是适用在一系列现实世界活动、环境以及心理和生理压力条件下的持续监测。
本发明(示例性实施例和从属权利要求)
本发明的核心是使得能够进行诊断、预后或病理性血管和心脏监测和分析的方法，在醒来或睡觉时进行分析，包括一个或多个可戴式监测装置，其包括适用于连续或选定的血管和心脏测量周期的多普勒超声和/或超声波检查和/或相关的分析特征，和/或预防或减轻不利或潜在致命的健康后遗症，本发明还包括以下任何组合：
-结合系统环境，从而提供在现有技术中不可用的全面和可访问的健康跟踪功能；
-连续自动分析功能；
-能够进行血管和心脏监测的方式；
超声波模式
-心脏信号之间的同步或相关性，包括心电图(ECG)、多普勒超声和/或超声波测量中的任何一种或组合；
-B扫描超声波测量；
-双极超声测量；
超声探头连接装置
-本发明还包括一个连接超声波探头的装置(即这种装置包括但不限于超声/压电传感器探头)嵌入或连接为可穿戴手表、腕部或脚踝(图34)或与此类装置相关联的其它装置或部件或皮带或带扣的一部分；
-其中所述超声/压电传感器(探头)(图35)被配置以使得施加适当的或预定的或动态确定的压力(即通过弹簧加载或电动机控制的定位和相关联的压力感测装置)，以使得在所述探头和被监测主体的皮肤表面之间建立低声学接口，以实现超声波信号的无阻碍传输和反射，以使得所述监测装置进一步处理；
-其中所述装置适用于手腕或脚踝装置或相关皮带，从而实现适当压力，连接超声波传感器或探头的稳定性，以及超声传感器或探头与被监测主体之间的适当耦合；
-所述“超声波传感器或探头与被监测主体之间的适当耦合”包括确保气隙或其它声波阻抗中断不会衰减或过度扭曲信号超声辐射和反射通路；
-其中低耦合超声波阻抗可以通过在超声波探头和主体之间使用柔韧和低声波阻抗化合物来实现；
-其中低耦合超声波阻抗可以通过使用可以并入超声波成像凝胶(低声波阻抗)的双面自粘式耦合器垫来实现，以使得在受监测主体的皮肤表面和超声波探头之间实现持久的长期低声波阻抗，以实现良好的质量监测目的；
-其中可以通过使用可重复使用的或一次性的接口部件来实现低耦合超声波阻抗，包括形成被监测主体的皮肤表面和超声波探头之间形成低阻抗耦合接口的耦合垫材料，实现了良好的质量(低超声波耦合阻抗)监测目的；
超声腕血管监测方法
-本发明还包括针对主体的手腕、脚踝、手臂和/或其它主体肢体或身体的任何一种或组合的监测方法，用于以下多普勒和/或超声波血管或心脏特征的任何一种或组合，基于以下任何一种或组合的周期性或连续性监测：
-双通道-桡动脉和尺动脉；
-单通道-桡动脉和尺动脉；
-单通道-尺动脉；
-单通道-桡动脉；
超声踝血管监测方法
-本发明还包括针对主体的手腕和/或脚踝和/或手臂和/或其它主体肢体或身体的监测方法，用于以下多普勒和/或超声波血管特征的任何一种或组合，并且从所述血管成像获得导致受监控主体的以下心脏结果的任何一种或组合：
-其中所述监测装置包括一个或多个频段，可以由主体穿戴并且被安装成使得能够单独或同时的手腕和/或踝位置，以进行多普勒压力测量(即踝臂指数-ABI)；
-其中所述监测装置包括一个或多个频段，可以由主体穿戴并且被安装成使得能够单独或同时的手腕和/或踝位置，以与血压袖带一起进行多普勒压力测量(即踝臂指数-ABI)；
-其中所述监测装置能够实现简单和快速的记录循环障碍的方法，例如与主体腿相关的那些障碍；
-其中所述监测装置能够实现简单和快速地记录诸如与主体腿相关联的循环障碍的方法，其中利用多普勒测量胫骨后部(踝)和/或胫骨前部(脚背)处的血流速度，从而可以使柄处的袖带膨胀直到流动停止并重新开放直到流动返回；袖带上的当前压力是被测动脉的周围压力。然后在臂上进行相同的程序，手臂和腿部压力之间的商数是循环障碍、狭窄或闭塞的指示；
结合压平式眼压计和超声波和/或多普勒超声测量
-本发明还包括针对主体的手腕和/或脚踝和/或手臂和/或其它主体肢体或身体的监测方法，用于以下多普勒和/或超声波血管和/或心脏特征的任何一种或组合，并将所述特征与受监控主体的以下监测和/或分析结果的任何一种或组合结合：
-桡动脉(图36)压平术[1]包括施加一个压力传感器附着到一个压敏测量装置，连接到一个压力传感器分析系统(即智能手表设备)，其可以连续记录或基于选定的时间段(即例如10秒)记录动脉压，为了导出相关的升主动脉压波，可以从该主动脉压波中得到诸如中枢主动脉收缩压、主动脉增大指数和中心脉压之类的心血管测量值；
脉冲瞬态时间(PTT)测量功能
-本发明还基于确定被监测主体脉搏上的特定选择点之间的时间作为心脏将血液泵送到监测点的时间的量度来进一步实现脉冲瞬态时间测量，其中监视点可以通过使用超声波传感器或另一个压力传感器来确定作为这种确定基础的脉搏特性；
-其中所述“被监测主体脉搏上的特定选择点”参照主体的ECG信号；
-其中PTT和/或其它超声波和/或眼压测量和/或ECG测量和/或光体积描记术和/或心电图(即运动等)和/或体积描记测量或相关输出的任何一种或组合，可以形成计算估计或替代血压变化或价值的基础；
-其中多个运动传感器(即但不限于连接到主体、身体、头部、肢体等的加速度计装置)，可以根据血管或心电图的脉搏或脉搏形状特征进行分析，以确定准确的(即使用特殊的时间同步(即多点时间同步监测；MTM在本文件的其它地方)技术，作为以公共时间参考确定身体在两点之间泵血(即基于比较脉波形上的类似血管点)所花费时间的方法，作为脉搏瞬态时间的测量，在有或无使用心电图作为参考标记的情况下进行测定；因此所述PPT测量可用作主体的替代或定性血压标记；
超声波对主体最佳接口耦合
-本发明还包括监测方法，其中超声波和/或多普勒探头可以通过以下任何一种或组合以最佳压力施用于主体的皮肤：
-其中所述监测方法可以通过(但不限于)将主体的表面皮肤施加的压力传感器结合到主体的手腕(或任何其它身体、肢体、头部或身体部位)上，从而超声波探头覆盖腕部测量传感器，可以提供主体和压力或运动感测装置之间最可靠和最强大的测量接口；
-其中本发明可以结合一个或多个压敏测量传感器作为表带(例如带扣结构或区域)或其它腕带装置的一部分；
-其中本发明可以结合一种或多种以一种方式施加的“压敏测量传感器”，其中弹簧加载的机械探针(或其它装置诸如可充气或其它可调节部件或电机驱动的机械部件等)施加合适的压力，(即足够的压力以允许和测量主体在调查中的血管脉动或相关的身体移动/脉动，但不能过多地阻塞血管，除非这是特定测量过程的一部分)，以使得能够检测对应于心动周期和相关影响偏移的血管运动。
-其中所述最佳压力指的是实现超声波探头与皮肤表面之间的低声界面，以尽量减少人为或超声信号影响的衰减或失真；
可穿戴眼压测量和/或多普勒和/或光脉冲和/或心脏-直方图脉搏和/或心电图可 穿戴监测系统
-本发明还包括针对主体的手腕和/或脚踝和/或手臂和/或其它肢体或身体的监测方法，用于以下多普勒和/或超声波血管和/或心脏特征的任何一种或组合，并结合所述特征与受监控主体的以下监测和/或分析结果的任何一种或组合：
-心电图信号；
-桡动脉(图36)压平术[1]包括施加一个压力传感器连接一个压敏探头装置的尖端到一个压力测量分析系统(即智能手表装置)，其可以连续记录或基于选定的时间段(例如，例如10秒)记录动脉压，为了导出相关的升主动脉压波，可以得到如中枢主动脉收缩压，主动脉增大指数，中心脉压等的心血管测量数值；
-一种“可穿戴眼压计”或连接系统(即图37)，其中持续性的唤醒和睡眠眼压测量可以用包括压力或运动传感器的单个装置监测，包括监测任何感兴趣的血管脉动的方法，在测量期间施加所需的压力或压力序列；
-其中所述监测方法可以通过(但不限于)将主体的表面皮肤施加的压力传感器结合到主体的手腕(或任何其它身体、肢体、头部或身体部位)上，从而压敏材料的灵活性和手腕测量传感器的覆盖范围可以提供主体和压力或运动感测装置之间最可靠和最强大的测量接口；
-其中本发明可以还包括一个或多个压敏测量传感器作为表带(例如带扣结构或区域)或其它腕带装置的一部分；
-其中本发明可以还包括一个以使得以这种方式施加所述“压敏测量传感器”，其中弹簧加载的机械探头(或其它装置诸如可充气或其它可调节部件或电机驱动的机械部件等)施加合适的压力(即足够的压力以允许和测量主体在调查中的血管脉动或相关身体移动/脉动，但不能过多地阻塞血管，除非这是特定测量过程的一部分)，以使得能够检测对应于心动周期和相关影响偏移的血管运动。
-本发明包括一个或多个手腕测量装置，其中桡动脉通过两个外支持部分跨越，其允许一个压敏探头以一种方式位于两个外部支持件之间，其中通过弹簧加载特性或经由其它受控压力装置来预先确定主体手腕的压力(即通过充气手表或其它腕带或电机驱动的眼压计测量探针定位和与主体的手腕或兴趣血管相关联的压力接口)。以这种方式，所述压力传感器探头(眼压计传感器)或单独的皮肤表面施加压力传感器可以提供反馈确保最佳的压力(即狭窄、闭塞或轻度压力，防止血管梗塞，受感兴趣的测量过程)测量在任何时间被施加在主体手腕和眼压计之间的压力/运动传感器上。
-本发明还使预定或动态确定的测量血管的序列不被遮挡，闭塞，狭窄，或相关的咬合程度以一种已知的方式被测量，从而产生了广泛的宝贵血压，波形心血管测量适用于精确的推导每个白天和夜间持续或自发的测量与调查心血管和循环功能相关其中包括(但不限于)心脏输出，中枢主动脉收缩压，主动脉增大指数和中心动脉脉压；
-本发明还包括监测主体的手腕，配合注释的桡动脉[1]和尺动脉[2]适用于“本发明测量位置”的“可穿戴眼压计”，用于自动连续或自发的心血管和循环系统监测和功能执行和测量测定(图38)。
-本发明还包括一种或多种可穿戴装置具有超声波和/或多普勒监测系统，能够监测一个或多个动脉和/或静脉血流速度的速率，适用于周围血管疾病的诊断或预后(PVD),包括(但不限于)动脉闭塞和/或狭窄；
-本发明还包括一个或多个合并有超声波和/或多普勒监测系统的可穿戴装置，其中所述监测系统包括能够进行电子聚焦和/或光束转向功能的阵列传感器；
-本发明还包括一个或多个合并有超声波和/或多普勒监测系统的可穿戴装置，其中所述监测系统包括能够与测量扫描功能结合的电子聚焦和/或光束转向功能的阵列传感器，其中可以切换和激活元件阵列内的任何一个或多个超声元件，和/或其中元件阵列内的一个或多个超声元件可以自动扫描、检测和调整和优化超声聚焦和波束转向以找到并最大化超声信号(即从尺骨或桡动脉)；
超声波/多普勒手表、腕带或踝带的示例性实施例
在本发明的一个实施例中，8MHz压电“传感器探头”可以作为手表超声波传感器监测扣的形式附在表带的一部分(图13；[3]0)。手表超声波传感器监测扣的位置可定位于测量下臂(周边)的血管，包括桡动脉[1]和尺动脉[2](图38)。
所述“传感器探头”可以包括大约5×5mm(即5mm的周长和5mm深度)连接可连接的单个换能器部分，或一个手腕或其它肢体、头部或其它肢体可穿戴装置的一部分。
所述“传感器探头”可以包括单个换能器部件，其可以被配置为将传感器探针的轴线调整为例如30度，以提供适当的加速角来精确测量血液速度；
可以参考固定和已知的角度(即30度)的部署，从而可以参考血流速度参数的比较值表，以使得确认血管活动的可能位置和感兴趣血管的检测。
可选地，所述“传感器探头”可以包括一个阵列探头，该阵列探针由多个压电(例如仅)超声波传感器组成，例如4阵列探针(即20×5mm)。
可选地，所述“传感器探头”可以包括一个矩形压电探头(即，大约6×10×7mm)。
可选地，所述“传感器探头”可以包括使用小压电元件(即大约20×10×5mm)的一个弯曲阵列探头。
超声波处理器，例如在线FFT分析可以通过LAN、WAN、云计算服务或其它网络应用服务的电信接口来支持
本地计算机资源(即智能手表)的组合可以实现多普勒频谱、M模式、B模式、双模式，B模式，彩色显示模式和/或多普勒血速模式的监视和显示中的任何一种或组合。
可以部署大约50x50x15mm的带显示器的多普勒超声监测手表。本地处理资源可以提供RAW数据(多普勒正交)和计算包络(最大速度)。
附图说明
图7eLifeWATCH与健康监测传感器的示例。图9eLifeWATCH多普勒超声波示例。
图34多普勒手表、脚踝、手腕或手臂监测系统
图35超声波多普勒患者穿戴传感器(探头)
图36主体穿戴多普勒手表
–权利要求–eLifeDOPPLER--参考摘要、发明内容、附图、适用的权利要求部分或随后的分案申请。
标题：eLife PLUSE
发明内容
附图说明
图7eLifeWATCH与健康监测传感器的实施例。
眼压测量传感器[2]是腕带或表带[10]的一部分。眼压测量传感器[2]可以包括一个压电或PVDF传感器，由于跟踪基于手腕的血管如桡动脉或尺动脉扩张和收缩，能够跟踪单个手腕表面的脉动和压力变化，并且通过跟踪这些血管运动作为压力变化指示或心脏血流循环功能。图9eLifeWATCH多普勒超声波实施例。
图37eLifeWATCH或eLifeWRIST“眼压计可穿戴”或连接可连接系统的示例。
图38显示了主体的手腕，具有标注桡动脉[1]和尺动脉[2]适用于“本发明的测量位置”的“可穿戴眼压计”，用于自动连续或自发的心血管和循环系统监测和功能执行和测量测定。
权利要求–eLifePLUSE–参考权利要求部分或随后的分案申请。
标题：eLifeMOTION
发明内容
患者可穿戴的运动分析仪和自动分析
本发明使得一种或多种可穿戴装置(即连接或应用于肢体，身体，头部或其它身体四肢，但也适用于植入或生理上连接可连接的系统)，具有能够进行诊断或预后监测的方法，其适用于“监测相关参数”和“相应的分析确定和表征”，适用于发病或“检测感兴趣的事件或健康状况”，还包括以下任何一种或组合：
其中“监测相关参数”包括(但不限于)任何一种或组合，运动，旅行路径，地理位置路径(即GPS；GMS)，加速度计(即不同的多轴加速度传感器的范围)，主体姿势或位置测量，属性或运动模式，监测运动信号的频谱特性，监测的运动信号的信号动态特性(即非线性动态，复杂性，熵分析等)，监测运动信号之间的相干性相互关系，对称性，多源(即四肢，身体，头部和其它肢体)移动对称性和/或流动性和/或同步和/或模式和/或步态和/或随时间的相关趋势或变化；
其中所述“相应的分析确定和特征”包括(但不限于)以下任何一种或组合，运动，旅行路径，地理位置路径，运动模式，监测运动信号的频谱特性，监测的运动信号的信号动态特性(即非线性动态，复杂性，熵分析等)，监测运动信号之间的相干性相互关系，对称性，多源(即肢体，身体，头部和其它肢体)移动对称和/或流动性和/或同步和/或模式和/或步态和/或相关联的趋势或变化；
其中所述“检测事件或感兴趣的健康状况”包括以下任何一种或组合，“自动测定神经系统疾病或诊断方法”或主体神经系统，肌肉或运动系统，神经障碍或高度流行神经障碍的个人护理管理，包括自闭症谱系障碍(ASD，亚斯伯格)，癫痫和其它癫痫发作，帕金森综合症，注意力缺陷多动障碍(ADHD)，亨廷顿病，创伤性脑损伤，抑郁症，焦虑症和其它主体状态，转移或事件以及感兴趣的健康状况；
-本发明还实现了可穿戴设备的多样性的相关结果(即连接或适用于四肢(诸如但不限于踝带和手腕装置来表示手臂的摆动和腿运动的特征描述为生理运动的特征以及相互关系)，身体、头或身体，也适用于植入或生理上连接系统)
-本发明还实现了结果的组合，关于运动分析或主体和/或睡眠行为障碍结局和/或主体/患者信息(即但不限于遗传性疾病因素和/或SBD的原发性(图75)情节和其它疾病，适用于预后，诊断，以及早期发病，因此治疗或治疗指标适用于早期干预，预防，逆转或延迟所述事件或感兴趣的健康状况；
-本发明的一个实施例包括作为有用的物理治疗测量和跟踪系统的部署，其中自动运动信号监测、运动特征和感兴趣事件的确定可以有助于改善主体或患者的结果；
-本发明的一个实施例包括作为有用的康复工具的部署(即中风后的治疗，其它运动因素的事故或其它运动技能功能障碍)，其中自动运动信号监测，运动特征和感兴趣事件的确定有助于改善主体或患者的结果；
-本发明的一个实施例包括作为呼吸运动信号的测量部署(即睡眠无序呼吸或活动呼吸跟踪)，其中锚定，连接或应用一个运动监测传感器(即具有一个或多个感测轴的加速度计)直接或间接地耦合到肺或相关联的呼吸运动的生理结构(即但不限于胸骨，颈骨，肋骨，其它肢体等)使自动运动信号监测，运动表征和感兴趣事件的确定有助于改善主体或患者的诊断，预后状态或相关的治疗结果测量，这种装置可以是头部安装(即Somfit前额传感器)监测传感器或系统的一部分，或者否则能够支持现有传感器监控功能的无线互联系统。本发明还具有从这种呼吸运动检测中导出睡眠障碍呼吸信息的选项。
权利要求-eLifeMOTION-请参阅摘要、发明内容、附图、适用的权利要求部分或随后的分案申请。
标题：eLifeALERT
背景技术和发明内容
虽然现有技术提供反射性眼电作为测量眼睛运动的一部分，指示睡意或警惕/注意状态的变化，但是本发明包括能够准确地推断眼睑肌肉速度变化的高分辨率和帧率视频扫描技术，这反过来可能与睡意相关。其它组合或监测和分析一系列面部特征、眼睛注视和头部运动，加上方向盘压力，方向盘运动以及各种其它主体/用户/驾驶员的行为和操作特征，可以组合起来提供驾驶员注意/嗜睡跟踪精度优于常规技术水平的技术。
发明内容
本发明结合了车载和/或主体可穿戴的诊断或预测监视系统，结合自动分析功能，适用于确定“健康状况/疾病或感兴趣事件”的发病或发病率，例如(但不限于主体的嗜睡或警惕性降低)，本发明还包括以下任何一种或组合：
-包括通信接口和一个或多个WAN，LAN，IP，NAS和/或云计算服务服务的对等信息电信媒体或系统，以使得能够传输生理或环境监测数据和/或主体/患者信息交换和/或访问能够支持本地监测，分析，存储和/或指示的在线分析功能；
-其中“健康状况/疾病或感兴趣事件”发病率的确定，包括实现“自动确定神经系统预后或诊断的方法”或主体神经系统，肌肉或运动系统，神经障碍的个体护理管理，包括自闭症谱系障碍(ASD，亚斯伯格)，癫痫和其它癫痫发作，癫痫样放电，肌肉活动爆发，其它肌肉活动，帕金森病，注意力缺陷多动障碍(ADHD)，亨廷顿舞蹈症，创伤性脑损伤，抑郁症，脑认知功能或解剖区域(即通过标准化的映射或图集定义或感兴趣的特殊区域来定义或动态地确定，包括但不限于脑的视交叉上区域相关联的控制或互联区域)，焦虑症和其它主体心理状态，警惕状态，注意状态，嗜睡状态，微睡眠状态，睡眠或唤醒状态，相关转变和/或其它感兴趣的事件和健康状况；
-车控系统；
-车载视频系统；
-主体/驾驶员视频监测系统；
-主体/驾驶员红外发光二极管传输和对应的光依赖电阻(LDR)传感接收器传感监测系统；
-车载连接和/或嵌入主体/驾驶员红外发光二极管传输和对应的光依赖电阻(LDR)传感接收器传感监测系统；
-车载连接和/或嵌入主体/驾驶员红外发光二极管传输和对应的光依赖电阻(LDR)传感接收器传感监测系统，适用于伴随光依赖电阻(LDR)的发光二极管(LED)和/或伴随红外线依赖电阻(LDR)的红外发光二极管(ir LED)，适用于双眼或单眼视频/和/或红外眼电和/或组合视频和双目(或单眼)红外眼电术；
-主体/驾驶员EEG监测系统；
-车载控制或车载系统传感器输出；或者
-车载电脑数据；
-本发明可以进一步包括以下任何一种或组合：(图2)
-视觉指标闪烁-速度/跨度(VISE)。
本发明实现了以下任何一种或组合的转变，将主体的眼睛，眼睑，脸部，头部或其它肢体的视频图像转换成基于一个或多个跟踪点的句法表示，例如代表感兴趣的主体运动区域的视觉视频衍生的基准标记(即眼睑，眼睛焦点等)。
-以这种方式，数据文件或运动的表示(即眼睑速度或加速度)可用非突出和非接触或视频格式导出。
-指示驾驶员嗜睡的视频测量的一个实施例可以包括基于睡眠水平的诊断或预后，眼睑运动(眨眼)的表征(即表现为抑制瞌睡的抑制响应或眨眼速率的速度)或基于视觉指标闪烁速度/跨度(VISE)的嗜睡风险，其中可以跟踪眼睑跨度的位移(即眼睛的线性度量或角度开度)与眼睑运动的速度(速率)的比率。此外，视频监测方面可以集成到可穿戴设备中，例如眼镜，或者并入一个较不晦涩的上下文中例如作为主体环境的一部分连接或并入一个或多个相机(即职业位置，任何运输车辆内部，交通管制环境，飞机驾驶舱，船舶控制室等)。
-另外，所述视频监测系统可以作为EEG监测系统(即作为视频眼镜或其它可穿戴EEG监视装置的一部分嵌入)和/或驾驶员移动检测系统的一部分；19-21
-另外，本发明将阈值水平作为过度嗜睡的标记，其中所述阈值标记指示单个主体(即经由校准和个性化数据装置)或由规范数据的任何一种或组合确定。以这种方式，当超过预定或动态确定的阈值水平时，或者当安全操作区域转变到不可接受的嗜睡风险水平的区域时，可以将VISE测量仪配置为向主体或其它方产生警报或通知。
本发明还可以包括将图像转换为包括表示主体眼皮运动特征的事件时间序列的句法表示的装置；
其中所述“将图像转换为包括时间序列的语法表示”还包括识别主体的眼睑运动的至少一个点，从而可以跟踪眼睛运动的精确运动和随时间的变化；
其中所述“感兴趣的事件”可以包括(但不限于)视交叉性脑区域改变脑的相关控制或互联区域；
眼睛跟踪适用于警惕、嗜睡、智能车及其它应用：监测和分析相关眼睑运动和/或主体头部运动和/或前路或旅行路径视频和/或位置路径(即GPS和/或GMS)和/或后路视频和/或EOG信号和/或EEG信号，包括光谱道路主体眼睑跟踪用于警惕性或嗜睡，包括以下任何一种或组合：
-基于更新的扫描速率大于两倍时间的高清晰度视频，用于任何眼睛闭合或眼睛从完全打开到完全关闭的眼睛，反之亦然(即，典型地每秒1/100秒X1/2或眼睑区域的至少200次视频扫描，但高达10倍速度要求或1000帧/秒)，优选高达10倍或更大的眼睛睁开或闭合跨度的速度；
-基于能够准确测定眼睑速度的像素分辨率的高清视频；
-基于像素分辨率的高清晰度视频，能够精确地确定眼睑加速度(速度或速率的增加)或减速(速度或速率的降低)，其中在一个实施例中，为了将速率的计算误差降低到10％以下，需要5mm(例如)或以上的闭合或打开的测量将要求每像素至少为0.5mm的分辨率，或者基于奈奎斯特定理限制每像素至少0.25mm(眼睛闭合或眼睛开度测量)。其中可能需要加速眼动，不仅可以检测2.25mm(基于10％误差)，而且在分辨率方面优选10次以上，以实现能够与睡眠检测的改变或早期入睡相关的加速度的细微变化(即0.025mm分辨率基于5mm真实眼睛闭合或眼睛开启跨度的示例)
-因此可以通过多种相机方式和高像素分辨率的组合来实现0.025以上的像素分辨率；
-其中所述多个摄像机可以包括设计成确定头部位置的一个或多个摄像机，以及第二个摄像机，其焦点在主体头部的较小区域，特别是主体眼睛和眼睑闭合视野范围；
–所述“焦点”可以包括以下任何一种或组合，电子和/或机械/数字操作/控制摄像机(即平移，缩放，对焦等)布置(即装置包括将所述跟踪连接到转向相机)，看着头和眼睛的位置，然后每个眼睑测量区域，以使得控制或引导初级眼睑测量摄像机(即第一摄像机)定位头与能够精确测量的第二摄像机配合使用(即眼睑运动跨度的像素分辨率为10至100倍或更多倍)，为了精确跟踪眼睛闭合时的数值和时间变化的百分比，和/或眼睑速度和/或眼睑加速度在任何时间点作为嗜睡发作的标志。
基线和/或主体/驾驶员特定(个性化)参考级别特征，适用于监测期的确定分析功能(即根据监测闪烁或时间段的任何在先数据)，适用于视频，红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析；
本发明还可以包括将主体/驾驶员档案结合在预定的(即在驾驶的最初10-20分钟内)或动态确定，为了在确定驾驶员/主体如何操作车辆的背景下建立基线确定，其中一个算法(即本临时申请中描述的分析算法中的任何一种或组合)可以不断地比较驾驶员对基线或参考数据的执行情况(即可以基于本临时专利申请中描述的监测或派生参数的任何一种或组合)；
本发明还可以包括结合分析过程其中
在车辆分析算法中的任何或每个驾驶员/主体行程开始时(基于本临时申请中描述的任何主体/驾驶员监视或派生的参数)可以计算主体/驾驶员的个人或特定驾驶员档案，其中所述档案可以是与当前监测或感测数据持续比较。以这种方式，从警惕(即如预定或动态计算的令人满意的唤醒)到嗜睡(即不可接受的水平或注意力和/或警觉性)的转变可以激活驾驶员/主体警告。
-其它脑电图(EEG)特征，适用于监测期间(即根据监测闪烁或时间段的任何在先数据)，适用于视频，红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析；
本发明还可以包括用于EEG监测的选项，其中所述EEG监测可以通过嵌入在主体可穿戴装置中的传感器来实现，和其中可以部署相关的自动分析用于感兴趣的事件的特别和确定，适用于驾驶员嗜睡或睡眠事件的事件或发作，本发明还包括任何无线连接的EEG传感器，其能够通过基于车辆的监视系统进行监视，或者经由具有连接的EEG传感器的前额眼镜框架和/或通过红外传感器的跟踪进行EG监视，能够检测额叶执行处理中的变化与降低警惕性或注意力相关(即驾驶室安装的视频或反射眼镜监视主体或驾驶员面部，眼睛，眼睑，头部或身体动作或跟踪变化，如图39所示)和/或基于跟踪关于多个可区分的点或感兴趣位置的变化来确定面部，身体，眼睛和/或头部特征，如图40或图41的示例所示；和/或跟踪与道路或驾驶环境相关联的变化，如图42所示；和/或将特定驾驶眼镜内的一系列传感器结合在一起，能够结合用于驾驶员/飞行员/主体前额区域的任何EEG传感器，眼睛区域下的眼电传感器(即标记为“收发器单元”)，通过眼镜架检测到的EOG或EEG或EMG或反射性眼电信号，视频眼睛凝视或移动通过安装在眼镜架上视频或通过眼镜的扫描反射而变化，如图43所示的眼镜示例；和/或纳入图98[B7]和[B8]中提出警戒驾驶员跟踪算法的跟踪功能和/或如图99所示的眼睑速度测量的确定)。
-其中所述可穿戴装置或相关联的监测系统包括以下任何一种或组合，超声波和/或多普勒超声波测量结合到可穿戴设备中，其可以包括以下任何一种或组合，驾驶室安装的视频或反射眼镜监视主体或驾驶员面部，眼睛，眼睑，头部或身体动作或跟踪变化如图39所示，和/或基于跟踪与多个可区分的点或感兴趣位置有关的变化来确定面部，身体，眼睛和/或头部特征，如图40或图41的实例所示；和/或跟踪与道路或驾驶环境相关联的变化，如图42所示；和/或将特定驾驶眼镜内的一系列传感器结合在一起，能够结合用于驾驶员/导向/目标前额区域的任何EEG传感器，眼睛区域下的眼电传感器(即标记为“收发器单元”)，通过眼镜架检测到的EOG或EEG或EMG或反射性眼电信号，视频眼睛凝视或移动通过安装在眼镜架上视频或通过眼镜的扫描反射而改变，如图43所示的眼镜示例；和/或纳入图98[B7]和[B8]中提出警戒驾驶员跟踪算法的跟踪功能，和/或眼睑速率测量的确定，如图99所示。
-超声波和/或多普勒超声波被并入可穿戴装置中，可以包括以下任何一种或组合(即在本文档的其它部分所覆盖，包括但不限于)：
eLifeWATCH(图5，[5])，eLifeWRIST(图5，[8])；eLifeCHEST(图5，[4])；eLifeEXG(图23)，一个可穿戴装置(例如但不限于Somfit头带)(图25)；通用双极传感器(图23)；血氧仪(图22)；腿带(图24)；腕带(图2)，踝带(图2)，臂带(图2)，耳机(图14)，胸部带(图5[3]；[4]；图31)，图5，[2]，图43，图46至图50，图52，图53，图54，图1至图31，图37，图55，图45；
-其中所述可穿戴装置或相关联的监测系统包括以下任何一种或组合：MMT选项；APM选项；HDMC(伯顿，2014eHealth专利申请)，本发明还包括图39车辆或环境安装的监测系统中的任何一种或组合；基于与多个可区分的点或感兴趣的位置相关的跟踪变化来确定面部，身体，眼睛和/或头部特征，如图40或图41的实例所示；和/或跟踪与道路或驾驶环境相关联的变化，如图42所示；通过眼镜架检测到的EOG或EEG或EMG或反射性眼电信号，视频眼睛凝视或移动通过安装在眼镜架上视频或通过眼镜的扫描反射而改变，如图43所示的眼镜示例；和/或纳入图98[B7]和[B8]中提出的警戒驾驶员跟踪算法的跟踪功能，和/或确定眼睑速度测量，如图99所示。
-其中所述EEG监测或伴随分析可以包括表征或感兴趣光谱带的确定，包括(但不限于)光谱带的任何组合，包括(但不限于)δ/慢波(0.1-4Hz)，θ(4-8Hz)，α(8-12Hz)，β(12-30Hz)，低γ(30-70Hz)和/或高γ(70-180Hz)的任何一种或组合；
-其中所述感兴趣光谱带可以包括(但不限于)光谱带的任何组合，包括(但不限于)θ(4-8Hz)，α(8-12Hz)；
-其中本发明还包括结合上述视频测量的任何一种或组合的选项到所以EEG监测感兴趣光谱带的任何一种或组合，基于与感兴趣光谱带的任何一种或组合的分析相关的跟踪变化；
-其中所述组合EEG和视频监测可以通过单个设备包括主体的眼镜与头电极连接系统集成(即根据图3；图4；图25；图46至图54，图14)；
-基于对感兴趣光谱带的任何一种或组合的分析而选择EEG监测光谱进行监测；
-其中所述EEG监测和/或双眼(或单眼)红外眼电和/或红外反射眼睑监测和/或伴随分析可以包括与一个或多个主体/驾驶员行为的存储一起的表征或确定(但不限于)，以使得在所述驾驶员嗜睡算法的任何一种或组合的初始研究阶段之后区分来自不同驾驶员的运动(即在该临时专利申请文件中概述)；
-本发明的一个实施例将其纳入眼镜和/或EEG监控耳机(具有相关的光谱分析功能和/或组合分析结合EEG测量以及光谱结果和/或相干性测量和/或信号动态测量(即非线性动态，熵和/或复杂度分析等)和/或脑对称性分析(即半球偏置的脑活化或相干性等)和/或结合连通性分析(即偶极确定和表征)和/或驾驶员/主体眼睛，结合定时延迟和返回/接收的光束反射角度(通过LRD或其它IR和/或光敏传感器)以计算范围光谱功率分析(图1至图5，图14，图21，图25，图27，图43)；
眼睛或脸部主体/驾驶员监视和特征，适用于监测期间(即根据监测闪烁或时间段的任何在先数据)，适用于视频，红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-本发明还可以包括一个收发器单元，其可以首先辐射发射的红外光束(IR)，在眼睛的参数方向，包括(但不限于)眼睑闭合速度，眼睑打开速度，跨度或线性测量或与眼睑打开或重新开放有关的角度因素，其中可以通过主体/驾驶员穿戴装置或车辆连接或嵌入装置来监控这些测量和/或其中可以通过作为主体/驾驶员穿戴的眼镜一部分连接或嵌入的一个或多个相机监控这些测量和/或其中可以通过一个或多个车载连接或嵌入摄像机监控这些测量和/或可以通过一个或多个IR传输系统和相关联的接收传感器(安装在车辆部分上)或经由主体/驾驶员穿戴的腰带或其它装置监控这些测量；
-本发明还可以包括基于立体视觉的监视方法(即其中该方法可以包括通过主体/驾驶员穿戴的装置来监视视频或红外眼电，例如眼镜和/或车载连接或嵌入系统，其能够监视驾驶员的双眼)；
眼睛睁开，闭合和闪烁特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-测量在预定或动态计算的时间段(即先前10至100秒)的闪烁关闭时段(BCP)；
-测量在预定或动态计算的时间段(即先前10到100秒)的眼睛闭合时间(ECT)；
-测量在预定或动态计算的时间段(即先前10至100秒)的眼睛睁开时间(EOT)；
-眼睛睁开距离的测量(EOS)；在预定或动态计算的时间段(即先前10至100秒)内基于线性测量(即mm)或开眼角度最大值；
眼睛闭合频率和持续时间特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-测量预定或动态计算的时间段(即10到100秒)的眼睑峰值闪烁(EPBF)；
-测量预定或动态计算的时间段(即先前的10到100秒)的眼睑最小闪烁(EMBF)；
-测量预定或动态计算的时间段(即先前的10至100秒)的眼睑平均闪烁频率(EABF)；
-测定EOS/EPBF，EMBF，EABF的任何一种或组合的测量比率；
-测量预定或动态计算的时间段(即先前的10至100秒)的眼睑闪烁频率变化(EBFV)；
-测量在预定或动态计算的时间段(即先前10至100秒)的眼睑峰值闪烁持续时间(EPBD)；
-测量在预定或动态计算的时间段(即先前10至100秒)的眼睑最小闪烁持续时间(EMBD)
-测量在预定或动态计算的时间段(即先前10至100秒)的眼睑平均闪烁持续时间(EABD)；
-测定EOS/EPBD，EMBD，EABD的任何一种或组合的测量比率；
-测量在预定或动态计算的时间段(即先前10至100秒)的眼睑闪烁持续时间方差(EBDV)；
眼部间隔特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-眼睑开度(行程)的测量直线距离(mm)(DEOS)；
-眼睑开度(行程)对应的角度变化测量度(AEOS)；
眼部闭合特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-眼睑峰值闭合速度(EPCV)的测量(即每秒的线性距离的毫米数或每秒的角度变化度)；
-眼睑最小闭合速度(EMCV)的测量；
-眼睑平均闭合速度(EACV)的测量；
-测定EOS/与EPCV，EMCV和/或EACV的任何一种或组合的测量比率；
-眼睑峰值闭合速度方差(EPCVV)的测量；
-眼睑最小闭合速度方差(EMCVV)的测量；
-眼睑平均闭合速度方差(EACVV)的测量；
-测定EOS/与EPCVV，EMCVV，EACVV的任何一种或组合的测量比率；
-眼睑峰值闭合加速度(EPCA)的测量；
-眼睛最小闭合加速度(EMCA)的测量；
-眼睑平均闭合加速度(EACA)的测量；
-测定EOS/与EPCA，EMCA，EACA的任何一种或组合的测量比率；
-眼睑峰值闭合加速度方差(EPCAV)的测量；
-眼睑最小闭合加速度方差(EMCAV)的测量；
-眼睑平均闭合加速度方差(EACAV)的测量；
-测定EOS/与EPCAV，EMCAV，EACAV的任何或任何组合的测量比率；
眼部睁开特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-眼睑睁开速度(EPOV)的测量(即每秒的线性距离的毫米数或每秒的角度变化程度)；
-眼睑最小睁开速度(EMOV)的测量；
-眼睑平均睁开速度(EAOV)的测量；
-测定EOS/EPOV，EMOV，EAOV的任何一种或组合的测量比率；
-眼睑峰值睁开速度方差(EPOVV)的测量；
-眼睑最小睁开速度方差(EMOVV)的测量；
-眼睑平均睁开速度方差(EAOVV)的测量；
-测定EOS/EPOVV，EMOVV，EAOVV的任何一种或组合的测定比率；
-眼睑睁开加速度测量(EPOA)；
-眼睑最小睁开加速度(EMOA)的测量；
-眼睑平均睁开加速度(EAOA)的测量；
-测定EOS/和EPOA，EMOA，EAOA的任何一种或组合的测量比率；
-眼睑睁开加速度方差(EPOAV)的测量；
-眼睑最小睁开加速度方差(EMOAV)的测量；
-眼睑平均睁开加速度方差(EAOAV)的测量；
-测定EOS/EPOAV，EMOAV，EAOAV的任何一种或组合的测量比率；
眼睑平均和标准偏差特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-本发明可以包括利用可穿戴装置，例如具有视频监控功能的眼镜，可以对上述视频参数的任何一种或组合进行测量；
红外跟踪特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
-本发明包括利用可穿戴装置如具有红外发光二极管的眼镜或车载系统和光依赖电阻(LDR)作为主体眼睛中的一个或两个的接收器，以使得能够测量上述参数的任何一种或组合(即替代红外线测量而不是视频测量)；
–其中系统可以通过红外线进一步监视和跟踪瞳孔中心的任何一种或任何组合，确定眼睛凝视，其它眼睛相关数据，如主体/驾驶员的瞳孔直径，眨眼和/或眼睛固定状态。
其它面部或视频测量
本发明包括车载和/或主体可穿戴的诊断或预后监测系统，结合自动分析功能，适用于确定“健康状况/疾病或感兴趣事件”的发病或发病率，例如(但不限于主体的嗜睡或警惕性降低)，本发明还包括视觉监测和/或相关分析包括对主体视频的特征和相关确定，包括以下任何一种或组合(即图39；图40；图41；图42；图43；图98；图99)：
·主体/驾驶员的眨眼状态(真或假)；
·主体/驾驶员的眨眼频率(每秒闪烁的频率)
·主体/驾驶员的平均眨眼持续时间(眨眼长度)；
·主体/驾驶员头部位置(x，y，z轴)
·头部旋转：头部角度vs头部起始位置：
·主体/驾驶员x轴头位置的角度变化；
·主体/驾驶员y轴头位置的角度变化；
·主体/驾驶员x轴眼位置的角度变化；
·主体/驾驶员y轴眼位置的角度变化；
·主体/驾驶员z轴头位置的角度变化；
·主体/驾驶员z轴眼位置的角度变化；
·主体/驾驶员单独的眼睛跟踪(每个眼睛从每个中心位置的偏差)
·主体/驾驶员的眼睛和/或头部注视跟踪(确定驾驶员正在看的屏幕的部分)；
·两个相机提供主体面部的立体图像并跟踪头部和脸部运动；
·一个或多个相机(有助于独立地跟踪每只眼睛)来表征主体视频，并确定眼睛瞳孔大小，测量聚光度(眼睛之间的距离)和/或产生真实眨眼分析(即检测眼睑位置与明瞳闭塞)的任何一种或组合；
·其中所述摄像机可以在环境下有效地操作，包括以下任何一种或组合，不同的主体/驾驶员的环境，从明亮的阳光(使用自动切换日光和夜间红外模式)到夜晚，从近到远(即使用其超宽视野模式)，跟踪主体移动，即使眼睛被头部姿势，鼻子和嘴巴等其它面部标记阻塞；
·校正系统的方法(即唤醒/昏睡/正常/状态期间的驾驶员/主体特定记录和校准和/或自动和/或手动将不同校准与不同驾驶员相关联的方法)，以补偿眼睑和/或眼睛功能或行为方面的情况，例如(但不限于)与较老的驾驶员可以有下垂眼睑，其中可能难以获得清晰的眼睛画面；
·其中详细的(根据本文件)眼睑，眼睛测量，视觉和确定的驾驶员/主体身体位置，混合系统的任何组合，包括根据CMI/Burton(2012)的多个压力传感器或使用比较参考数据的驾驶员特定的自动校准功能和每个CMI/Burton(2003)的警戒阈值确定，使得能够比驾驶员嗜睡或发病状态更准确(比起任何单个方法)预测和确定；
·其中前置眼镜安装的摄像机可以定位和表征与主体/驾驶员正在看的位置或头部移动相关的行为；
–其中任何组合的监测和测量，包括以下任何一种或组合瞳孔大小，瞳孔反应，眼球相关的眼部参数如一个组合含眼睛凝视测量，停留时间，短暂反射眨眼确定(即<200-250msec)从那些延长目标或异常眼睛眨眼(即>250msec)，正常或嗜睡反射之间的区别，以及病理性眨眼或眼睑关闭，识别嗜睡的眼睛征象例如眼睛被打开或关闭的时间百分比，癫痫发作或由于意识丧失或入睡而长时间的眼睑闭合。
其它车辆或主体监控的变量或功能或相关特征，适用于监测期间(即根据监测的闪烁或时间段的在先数量)，适用于视频、红外眼电或其它面部和/或眼睛和/或主体/驾驶员感官行为或生理参数监测或分析
本发明结合了车载和/或主体可穿戴的诊断或预测监测系统，结合自动分析功能，适用于确定“健康状况/疾病或感兴趣事件”的发病或发病率，例如(但不限于)主体的睡意或警惕性降低，本发明还包括以下任何一种或组合：
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或基于来自驾驶员的车辆输入(速度，转向，制动器，加速器，指示器等)和其它车辆控制输出具有用于车道编制特征算法的微处理器，其中所述算法的输出测量可以构成适用于确定驾驶员嗜睡的决策矩阵的一部分；
-基于视频或红外发光二极管(LED)传输和相应的光依赖电阻(LDR)接收反射信号，结合视觉和/或传感器(即反射眼电，EEG,EOG,EMG)监控功能和/或具有算法的微处理器，用于描述一个主体/驾驶员眼睑和眼睛位置的行为特征；
-根据来自驾驶员的车辆输入(速度，转向，制动器，加速器，指示器等)和其它车辆控制输出，结合监视功能和/或微处理器具有用于表征转向参数的算法，其中所述算法的输出度量可以形成适用于确定驾驶员睡意或警觉性确定的决策矩阵的一部分；
-基于来自驾驶员的车辆输入(速度，转向，制动器，加速器，指示器等)和/或其它车辆控制输出，结合视觉和/或传感器(即反射性眼电图，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征驾驶员转向行为；方向相干性；方向盘运动，转向速度，方向盘运动速度，方向盘加速度，转向位置变化(即线性测量或角位移)，驾驶员活动的任何一种或组合，其中所述算法的输出度量可以形成适用于确定驾驶员睡意或警觉性确定的决策矩阵的一部分，其中可以在不同的车速区域中确定所述表征参数(即0至40公里/小时；40-60公里/小时；60-80公里/小时；80-100公里/小时；100-120公里/小时；120-140公里/小时；140-160公里/小时；160-180公里/小时；180-200公里/小时；200-220公里/小时；>220公里/小时等)，其中可以在预定(即1至20分钟)或动态确定的周期内的每个行程开始时确定转向模式和参数，以建立基线水平，然后是目前的驾驶行为和相关的监控或车辆参数包括转向和/或其它参数可以与该基线水平持续比较以使得实现预测危险的对策(即方向盘扭矩，方向盘摇动或振动；听觉或视觉警报或闹钟，窗户卷起和/或车厢温度的降低等)例如由于确定主体/驾驶员嗜睡发作而导致的；
-结合视觉和/或传感器(即反射性眼电图，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征驾驶员转向行为；方向相干性；驾驶员活动，转向参数，转向偏差或其它相关信息的任何一种或组合，其中所述传感器或测量可以基于来自驾驶员的车辆输入(速度，转向，制动器，加速器，指示器等)，其中所述算法可以形成适用于确定驾驶员睡意或警觉性确定的决策矩阵的一部分；
-结合视觉和/或传感器(即反射眼电，EEG,EOG,EMG)监控功能和/或具有算法的微处理器，为了表征方向盘上的车辆传感器的任何一种或组合以监测方向盘的校正运动的不存在，其中前提是跟踪正常驾驶期间的纠正调整趋势，并且在预定或动态计算(即可以通过表征行程中的时间，驾驶员的行为或运动特征等来预先配置或动态地确定所述阈值周期)的阈值周期(即，在不活动5秒钟之后，可以激活警报或其它警报或通知或消息)或其它相关信息中继期间没有这样的校正，基于连接或应用于方向盘或转向系统的一个或多个传感器的部署和/或与现有车辆转向测量的输出相关的部件，由此所述传感器或测量可以基于来自驾驶员的车辆输入(速度，转向，制动器，加速器，指示器等)，其中所述算法可以形成适用于确定驾驶员睡意或警觉性确定的决策矩阵的一部分；
–结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于确定驾驶员警报或通知系统和/或其它消息或警告或通报给驾驶员或其它远程位置，其中所述算法输出可以构成适用于确定驾驶员困倦警告的决策矩阵的一部分(如通知驾驶员休息的情况；对适用的控制或遥控中心进行警报)
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于确定驾驶员警报，通知器反馈系统和/或其它消息或警报或通知给驾驶员或其它远程位置，其中所述算法输出可以构成适用于确定驾驶员嗜睡确定警告的决策矩阵的一部分，例如(但不限于)施加到车道保持力矩的车轮和/或车轮振动器警告系统；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征和相关摄像机能够实现前向车道跟踪和其它道路或环境跟踪功能，其中所述相机可以安装在后视镜(或其它合适的位置)之后，其中所述算法的输出度量可以形成适用于测定驾驶员睡意或警觉性确定的决策矩阵的一部分；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征和相关的摄像机监控，实现前方车道跟踪和其它道路或环境跟踪功能，其中所述相机可以安装在后视镜(或其它合适的位置)之后，其中所述算法的输出度量可以形成适用于确定驾驶员睡意或警觉性确定的决策矩阵的一部分，其另外的功能包括一种方法(即，视频识别处理)，以使得在车道偏移检测，驾驶异常或车辆行为和/或在车辆和车道标记之间的横向距离发生变化的情况下的任何一种或组合，系统可以产生可听信号或闹钟，或通过立体声车载扬声器，或通过座椅，车轮或其它振动反馈，以提醒驾驶员在更严重的问题出现之前纠正车辆的过程；
–结合视觉和/或传感器(即反射性眼电图，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征以及相关的相机和/或IR眼电监视，其能够在从明亮的阳光到夜晚的时间和/或从近到远的定位的范围内通过跟踪主体/驾驶者的运动实现跟踪和/或监视和/或分析/表征，即使当主体/驾驶员头部和/或面部和/或其它身体基准标记被遮挡(例如，视频眼镜，头部移动等)时，例如(但不限于)头部姿势，鼻子，眼睛，嘴巴等。
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征和相关的相机和/或IR眼电监测，使得实现跟踪和/或监测和/或分析/确定以下任何一种或组合，主体/驾驶员的瞳孔中心，瞳孔直径，眼睛的注视，眨眼，跟踪瞳孔中心以确定眼睛的目光，眨眼和/或眼睛固定，通过确定和识别头部点头特征来检测微睡障，眼睛固定和/或主体/驾驶员的眼睛的角膜反射中心；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征和相关的相机和/或IR眼电监视，可在特殊情况下对一个或两个驾驶员/主体的眼睛进行补偿，如“慵懒”眼睛功能或其它双眼或单眼功能障碍或梗阻；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征和相关的相机和/或IR眼电监视，使得实现确定眼睛在道路标志上的特定物体上的固定持续时间；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征和相关的相机和/或IR眼电监视，使得能够实现确定检测到的眼睑位置与明亮的瞳孔闭塞；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测功能和/或具有算法的微处理器，用于表征和相关的相机和/或IR眼点监视，使得实现确定主体/驾驶员的嗜睡，即使在头部移动和/或视觉或光束障碍(例如眼镜)期间，通过自动切换任何一种或组合，IR眼电，视频，头基准标记，身体基准标记，面部基准标记或装置穿戴基准标记，并且基于最有效的(跟踪或监测传感器或天的完整性)任何时间点可以适用于困倦参数监测和相关测定；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监测传感器功能和/或微处理或可穿戴装置(例如眼镜)或车载装置例如靠近主体/驾驶员的脸，在最快闪烁期间结合IR眼电包括高帧率(IR传输速率)红外辐射的频率至少两倍，但优选大于十倍或更多倍的主体/驾驶员眨眼频率的最快眨眼速率(一只或两只眼睛)，以使得感测来自驾驶员/主体眼睛表面的反射IR脉冲作为计算与眼睛，头部和/或面部特征相关联的精确眨眼，凝视，位置和/或瞳孔特征的任何一种或组合的方法；
-结合视觉和/或传感器(即反射性眼电，EEG，EOG，EMG)监视装置(即驾驶室或可穿戴眼镜)，并入IR视频监控，在最快的眨眼期间，包括高频视频帧率，其频率为主体/驾驶员的眨眼频率的最快可能的眨眼频率(对于一只或两只眼睛)的至少两倍但优选地十倍或更多次，以使得感测来自驾驶员/主体眼睛表面的反射IR脉冲，作为计算与眼睛，头部和/或面部特征相关联的精确眨眼，凝视，位置和/或瞳孔特征的任何一种或组合的方法；
混合动力车辆或主体监控变量或功能及相关特征，适用于监测期间(即根据任何先前数量的监视的闪烁或时间段)适用于视频，红外眼电或其它面部和/或眼睛和/或主体/驾驶员感觉行为或生理参数监测或分析)
-配有IR眼电监测的装置结合，包括高帧速率(IR传输速率)红外辐射的频率至少为两倍但优选大于十倍或多于最快眨眼频率(对于一只或两只眼睛)，伴随着第一算法
和/或组合
IR视频监控包括高频视频帧率，以主体/驾驶员的眨眼频率伴随的第二算法的频率至少两倍但优选大于十倍或更多倍的最快眨眼速率(对于一只或两只眼睛)，以使得感测与驾驶员/主体眼睛和/或眼睑相关联的反射的IR眼电信号和/或视频，作为计算与眼睛，头部和/或面部特征相关联的精确眨眼，凝视，位置和/或瞳孔特征的任何一种或组合的方法；
-其中附带的第三算法处理视频和/或IR监视信号(或视频)或相关联的障碍物(IR眼电信号或视频)的质量，为了称重或切换驾驶员/主体睡意确定的重点，基于最优(可靠或置信水平或信号)和/或基于跟踪头部和/或注视驾驶员/主体特征；
–其中IR眼电(连接于车辆和/或可穿戴装置如眼镜，所述高帧频IR(夜间或无光条件)视频监视，与所附的算法，使得实现可靠混合监测预后和诊断或驾驶员警惕或嗜睡；
-其中本发明还包括一个选项用于所述混合监视以结合多个手压传感器，用于连续测量驾驶员和传感器的手压，为了检测眼动或驾驶员头部位置，以及驾驶员对提示装置的响应(警戒监控系统；US 8096946B2；伯顿2012；RFM：14324)。另外，多个压力传感器的使用根据CMI/伯顿(2012；RFM：14323))或使用比较参考数据和警戒阈值确定的驾驶员特定自动校准功能根据CMI/伯顿(2003RFM)。
-配有IR眼电监测的装置，包括高帧速率(IR传输速率)能够准确地分辨出任何眨眼间的速度，反射红外信号的振幅，和一种方法(其中方法包括扫描上眼睑和下眼睑或一只或两只眼睛之间的距离的功能，以使得更精确地测量驾驶员/主体的睡意开始或警惕程度变化。这种扫描可以包括可依次切换的IR-LEDs阵列，然后通过一个或多个光敏电阻器以一种方式测量眼睛反射的IR，其中所述IR-LEDS每个扫描穿过所述驾驶员/主体眼睛的圆弧形状的连续部分，其中使得能够进行IR反射眼电的空间与常规生理测量)连续地确定驾驶员/主体的上下眼睑之间的垂直或空间特征或距离或角位移，作为驾驶员昏睡或警惕的标志；以这种方式，可以提高脉冲和速度的红外反射眼电比率的先前测量，通过本发明的优越的精度，根据在线性与现有技术代替振幅开眼测量。
-本发明包括测量方法(即图39；图40；图41；图42；图43；图98；图99)客观地承认表征和测量睡意和/或睡眠发作和/或警惕性和/或睡眠冲动(倾向)，通过并入至少一个反射式眼电或视频处理系统。
本发明可以感测环境照明并调整用于夜视监视的额外加权(即，红外线视频或红外线眼电与日光视觉传感器或视频睡眠检测/发病算法输入(即图39；图40；图41；图42；图43；图98；图99)。
本发明可以实现客观和定性的测量，以客观地承认表征和测量睡意和/或睡眠发作和/或警惕性和/或睡眠冲动(倾向)，通过检查在上下眼睑上的任何点之间的程度或幅度或线性远距离的时间的逐渐变化，或相关方面(运动部分或肌肉活动或相关皮肤变形或变化)与眼睑打开或眼睑闭合相关的测量相比；
本发明提供了“感知状态”跟踪其中所述状态的确定包括反射眼电和/或视频测量中的任何一种或组合，本发明还包括(即，图39；图40；图41；图42；图43；图98；图99)中的任何一种或组合
-视频“派生和相关测量和或跟踪”(即，基于日光和/或夜视，具有可自动调节的监视条件，例如但不限于红外照明和视频监视以及日光监视)，视觉处理能够确定和/或识别适用于主体/个体的情绪状态(认知水平或状态和/或过渡和/或警惕状态)的“面部特征”(例如但不限于驾驶员，职业，睡眠/唤醒或稳态睡眠因素和/或主体/个体的生物钟因素)；
-反射性眼电“相同的派生和相关的测量和或跟踪”(即，基于日光和/或夜视，具有可自动调节的监视条件，例如但不限于红外照明和反射眼电(从主体/个体眼球表面反射的稳态或脉冲光的测量作为眼睛睁开时间，速度和/或加速因子的指标(即，图显示了反射眼电信号的波形-类似的信号衍生，可以通过视频测量得出指示眼睛睁开大小与眼睛睁开时间的信号)。
-所述“组合和/或切换选择”可以基于计算眼电和/或视频“信号质量确定”和/或“眼电信号或视频完整性确定”的度量，与组合过程用于一个或多个“感知状态”(或相关的转化)信号相关的加权因子相关联，例如(但不限于)从主体/个体监测和跟踪的眼电和/或视频信号(即驾驶员或其它嗜睡发作可能有问题或风险的职业)；
-所述信号的“质量确定”可以指视频和/或相对于眼电信号的准确性和可靠性。即信号噪声可能受到环境闪光条件的影响，其中视频或反射的眼电信号，适用于眼睑运动和打开或闭合速度的确定，可能由于背景噪声与测量相关信号显著竞争的不良照明条件而劣化；
(即图39；图40；图41；图42；图43；图98；图99)在反射眼电的情况下，该分辨率可以基于眼睛睁开或闭合的变化的最小可辨别测量，这又可以取决于反射光传感器以及光源(即稳态和/或脉冲)的位置和相应角度的数量，距离。在视频监视的情况下，分辨率确定可以例如基于可应用于眼睛睁开度量的视频的像素的最小可辨别度量。例如，对应于眼睛睁开的0至10个像素变化可导致相对较差的精度，因为在可以检测到有效的改变测量之前，睁眼距离必须改变10％或更多。因此，这可能会对眼睛睁开或眼睑闭合改变的分辨率和随之而来的敏感性产生不利影响。为了克服这种局限性，本发明提供了可选的机械摇摄和变焦镜头和照相机瞄准功能，以及多个相机的选项，使得一个相机可以将眼睛的位置传达到更紧密的聚焦相机，其主要集中在眼睛和眼睑区域上的较高分辨率。这样可以跟踪驾驶员的头部和脸部特征，同时仍然能够实现高分辨率和准确的眼睑速度以及开眼测量的线性或大小；
-其中所述“眼电信号或视频完整性确定”可以基于各个信号或视频的中断-即由于眼镜或其它可穿戴的面部或头部装置，或由于头部移动等。另外，信号完整性可能受到主体/个人眼睛或眼睑之间的差错对准，或头部或身体或脸部以及照相机焦点或照明焦点或红外或其它反射型眼电光发射器或相关联的接收器的影响；
-其中所述“感知状态”包括(但不限于)主体/个体的认知水平，意识，警觉性，注意力级别，警惕状态，职业，睡眠/觉醒状态，稳态睡眠因素和/或生物钟因素中的任何一种或组合(例如但不限于驾驶员，职业，睡眠/醒来或稳态睡眠因素和/或主体/个体的生物钟因素)；
-其中“衍生和相关测量及其跟踪”包括适用于主体/个体的嗜睡诊断或预后的运行平均量度或趋势变化(即眼睑闭合和/或开放测量的减少(如线性度量度，眼睑运动开启或闭合速度或加速度可能是引起瞌睡发作的因素)；
-其中“面部特征”包括跟踪(但不限于)眼动，眼睑打开时间，眼睑闭合时间，眼睑打开速度，眼睑闭合速度中的“组合和/或切换选择”的任何一种或组合(其中可以通过导出眼睛睁开或闭合的线性或程度来计算速度，作为通过测量从主体/用户眼睛表面中的一个或两个反射的红外线或日光或蓝光或其它光带宽信号的反射眼电信号的定性测量)；
本发明转换主体的眼睛，眼睑，面部，头部或其它肢体的视频图像的任何一种或组合，从IR眼电和/或视频监控到语法表示，基于一个或多个跟踪点，例如视觉视频衍生的基准标记代表性的主体感兴趣移动区域(即眼睑，眼睛焦点等)。
以这种方式，可以非突出和非接触或视频格式导出数据文件或运动表示(即眼睑速度或加速度)。指示驾驶员嗜睡的视频测量的一个实施例可以包括眼睑运动(眨眼)的特征，基于睡眠水平的诊断或预后(即表现为抑制瞌睡的抑制响应或眨眼速率的速度)，或基于视觉指标闪烁速度/跨度(VISE)的嗜睡风险，其中可以跟踪眼睑跨度的位移(即眼睛的线性度量或角度开度)与眼睑运动的速度(速度)的比率。
此外，视频监控方面可以集成到一个可穿戴设备中，例如眼镜，或者并入一个较不晦涩的上下文中例如连接或并入一个或多个相机，作为主体环境(即职业位置，任何运输车辆内部，交通管制环境，飞机驾驶舱，船舶控制室等)的一部分。
此外，所述视频监控系统可以被并入作为EEG监视系统(即作为视频眼镜或其它可穿戴EEG监视装置的一部分嵌入)和/或驾驶员运动检测系统；19,21,22
另外，本发明还包括阈值水平，作为过度嗜睡的标记，其中所述阈值标记指示个体主体(即经由校准和个性化数据方法)或由规范数据的任何一种或组合确定。以这种方式，当超过预定或动态计算的阈值水平时，或者当安全行动区域转变到不可接受的嗜睡风险水平的区域时，可以将VISE测量配置为向主体或其它方产生警报或通知。
附图说明
图39通过视频成像和/或IR反射眼电和相关分析，车载或可穿戴装置(如眼镜)安装驾驶员眼睛，脸部和头部或身体运动。>>>本发明包括车载或驾驶员可穿戴装置(即眼镜)视频和/或IR反射眼电监测功能。车载接口相机和IR反射监控系统，显示本发明的组合双目IR与自动日夜IR视频照明，以及车载红外LED/LDR扫描(眼膜位移测定使用自动平移变焦驾驶员/主体眼睛跟踪系统(即隐藏在车辆的前端)，以实现优异的混合IR反射眼电和IR视频跟踪系统用于在宽范围的光线条件下进行最小的脸部，眼睛和头部跟踪以及最大信号。
图40本发明可以被配置为识别眼睛和面部特征作为跟踪适用于标记状态或相关联变化的方法。
图41本发明包括视频成像和相关的面部特征识别和跟踪功能。>>本发明能够监视和处理驾驶员/主体视频，为了不断地确定头部运动，下垂，旋转等运动识别和确定，以及相关的面部特征识别和相关的运动变化，眼睛，注视等特征，以检测适用于驾驶员嗜睡的变化。此外，眼动减慢，驾驶员/主体注视或停留延长以及正常警惕行为降低等因素，可以连续追踪驾驶员嗜睡发生的标记或驾驶员/主体注意力或警惕性的变化。
图42本发明包括车载和/或驾驶员安装的后视和/或前投影视频成像和相关的车道识别和其它视觉分析。>>本发明包括将前视视频作为车道偏差或其它操纵性能的量度，其可指示驾驶员困倦或驾驶者/主体警惕性降低。
图43驾驶员/主体可穿戴眼镜结合双目或单眼IR反射眼电和/或视频成像(具有IR功能)的任何一种或组合。>>>驾驶员/主体可穿戴眼镜结合IR反射眼电，可选择本发明能够进行新的IR扫描，其中可以更准确地测定开眼，通过眼睑的角位移或通过使用IR扫描方法计算线性位移测量(相对于生理红外反射信号(即眼电IR幅度测量)实现能够比常规的替代反射IR振幅测量更精确。
图98感知状态确定系统结合反射眼电和/或视频脸部，头部，眼睑和眼动。
包括以下任何一种或组合：
本发明提供了监视主体/驾驶员感知状态或相关转化的功能，基于任何一种或组合的功能，包括(但不限于)块1前向视力跟踪(道路目标视频，可穿戴或环境位置/安装的监控技术，高分辨率视频眼睛表征技术，反射性眼电，视频眨眼眼电，昼夜视觉功能，块2反向视力跟踪视频或反射眼电(主体/个人/车辆驾驶员或飞行员等)，[块3]驾驶员睡意/警惕性跟踪，无需基于对一个或多个感知状态或相关转化测量的相互关系的计算进行校准(即连续定性测量任何一种或组合，含持续的定性和/或定量测量或识别或表征，包括脸部位置或运动，眼睛注视位置或运动，头部位置或运动，身体位置或运动，身体肢体位置或运动，眼睑运动，眼动，眼睑闭合速度，眼睑打开速度，瞳孔尺寸的连续定性测量，眼睛睁开时间的连续定性测量，闭眼时间的连续定性测量，眼睛开度或线性距离或幅度的连续定性测量等)独立于不同主体间(不同驾驶员)或同一主体间(同一主体的不同行程或驾驶内容)，[块4]-驾驶员困倦/警惕跟踪算法确定结合了加权或切换多个输入源的功能(即视频和/或反射主体监视中的一个或多个)，根据信号源质量(即SNR)和/或完整性(即信号中断或干扰)，[块5]消息传递可以实现，[块6]可穿戴或移动设备用户配置的显示器，指示器和专门的编程功能可以根据“喜欢”接受或其它安全和隐私条件通过用户网络进行分割，[块7]-司机警惕或嗜睡判定和跟踪算法，[块8]-互联功能和相关追踪与健康管理的结果，[块9]-互联功能跟踪结果，[块10]-指标/警告/警报，[块11]-MAP集成功能和应用，进一步如图39；图40；图41；图42；图43；图98；图99，以及相关的eLifeALERT部分和本文档其它部分中的其它专利说明。
[块1]-前进方向(道路目标视频和/或反射性眼电跟踪系统)，纳入选项-
-可穿戴或环境位置监测-
-高分辨率视频眼睛特征-
-反射或视频闪烁眼电计-
[块2]-反向方向(驾驶员目标视频和/或反射性眼电跟踪系统)，纳入选项-
-可穿戴或环境位置监测-
-高分辨率视频眼睛特征-
-反射或视频闪烁眼电计-
[块3]-自我校准和环境适应功能
包括以下任何一种或组合：
-包括驾驶员困倦/警惕性跟踪，而不需要基于对一个或多个有状态或相关转化测量的相互关系的计算进行校准(即连续定性测量的任何一种或组合，含连续定性和/或定量测量的识别或表征，包括脸部位置或运动，眼睛注视位置或运动，头部位置或运动，身体位置或运动，身体肢体位置或运动，眼睑运动，眼动，眼睑闭合速度，眼睑打开速度，瞳孔尺寸的连续定性测量，眼睛睁开时间的连续定性测量，闭眼时间的连续定性测量，眼睛开度或线性距离或幅度的连续定性测量等)独立于不同主体间(不同驾驶员)或同一主体间(同一主提的不同行程或驾驶内容)，
[块4]-输入信号验证和称重测定
纳入功能-
包括以下任何或任何组合：
-视频信号根据信号质量和完整性进行分析，基于信号中断等因素，基于妨碍物品如眼镜，头部运动，环境条件如恶劣照明等。
-分析反射眼电信号基于信号质量和完整性，基于信号中断等因素，基于妨碍物品如眼镜(其中红外线或其它光传感器和/或相关联的发光源(LED等)，位于车辆或周边环境等的一部分。
-为了建立信号源的质量和完整性，为视频和/或反射眼电术建立信噪比；
-基于完整性(即信号障碍)和信噪比(即在不良照明或夜间条件下的信号减少，本发明的视频和/或反射眼电功能的夜视功能)
-头部位置和运动可以独立分析以使得有助于确定信号阻塞或减小幅度的视频和/或反射眼电信号水平；
[块5]-消息传递/电子邮件集成功能和应用
包括以下任何一种或组合：
-可以实现消息传递，其中警觉/警惕和/或嗜睡/疲劳水平可以传输，共享或分发给一个或多个正式授权的目的地(即警告/警惕性和/或嗜睡/疲劳相关信息可被访问或发送/传送到一个或多个软件应用或相关呼叫中心，中央信息系统，云计算服务，NAS，LAW，WAN，WWW等等，实现远程监控或辅导或分析或指导)，
[块6]-社会与商业综合功能与应用
包括以下任何一种或组合：
-可穿戴或移动设备用户配置的显示器，指示器和专门的编程功能可以基于“喜欢”接受或其它安全和隐私条件通过用户网络共享。
智能手表(即可编程表面格式)的用户偏好，相关信息接口，车载计算机系统或接口(和/或身体或肢体上的其它可穿戴设备，振动监测警告或警报，可以被编程或配置为基于用户偏好来响应警告/警惕性和/或嗜睡/疲劳阈值或感兴趣区域)。在类似关注或兴趣的群体中，用户偏好可以被“喜欢”和/或“共享”，作为社区，社交，商业网络的一部分(即类似的职业，类似的运动，类似的旅行或冒险，类似的爱好，类似的领域等)。例如，学生希望通过跟踪适当或可接受的警戒级别，最大限度地提高研究时间效率和记忆回忆功能；
[块7]-驾驶员警惕或嗜睡判定和跟踪算法
[块8]–驾驶员警惕或嗜睡算法跟踪结果
包括以下任何一种或组合：
-包括但不限于(根据块3中详细描述)驾驶员睡意/警惕性跟踪，无需基于对一个或多个感知状态或相关转化测量的相互关系的计算进行校准(即连续定性测量任何一种或组合，连续定性和/或定量测量的识别或表征，脸部位置或运动，眼睛注视位置或运动，头部位置或运动，身体位置或运动，身体肢体位置或运动，眼睑运动，眼动，眼睑闭合速度，眼睑打开速度，瞳孔尺寸的连续定性测量，眼睛睁开时间的连续定性测量，闭眼时间的连续定性测量，眼睛开度或线性距离或幅度的连续定性测量等)独立于不同主体间(不同驾驶员)或同一主体间(同一主体的不同行程或驾驶内容)，以及本发明的这些和其它措施的定量测量，其中所述量化测量可以基于相关的(即比较职业(即司机，教师，学生，业务经理等)，性别，年龄，BMI，比较健身水平，过去的稳态睡眠/醒脑模式，过去和现在的生物钟因素，环境时钟因素如社会或工作或旅行或时区时钟因素，用户个性化的偏好因素如安全水平或活动或职业的安全风险，用户个性化的偏好因素如工作或休闲或体育或社会日程表要求，用户个性化的偏好因素如唤醒/睡眠周期和相关的时钟闹钟要点，用户个性化偏好因素如通过包含人口比较的自研究算法以及本发明的监测因素来确定(即健康管理目标，监测，结果和/或可穿戴技术最小化监测方法(也参见图45；图75；图76)监控主体/用户的最小化和信息聚合(即图77；图78；图79；图80)。
[块9]-互联功能和相关跟踪与健康管理成果
[块10]-指示/警告/警报
包括以下任何一种或组合：
-实现可穿戴设备(即穿戴在头部，身体或四肢上的手表或其它装置，移动装置或其它处理系统，可以由用户配置以显示或提供针对用户的特定活动，场地或职业，警觉性研究测量等的个性化警报，以使得与用户具体或个性化的要求相关。
[块11]–地图集成功能和应用
包括以下任何一种或组合：
块11集成地图功能
-本发明提供了呈现的字母数字，图形，表格，视觉或图形方式，作为地图叠加或相关信息的一部分(即但不限于定向路由，具有相关信息的位置标记，具有关联地图键的地图图标或其它相关信息)自动地基于工厂默认/库的参数配置的任何一种或组合，或作为社会或工作或运动或专业或其它网络配置或通用操作员或用户界面布局和共同配置选项的用户偏好的一部分，根据目前的信息得出或可访问的监测，分析和/或信息结果，包括(但不限于)：
-睡眠/唤醒稳态因素(即基于稳态睡眠/唤醒因子和/或生物钟因素和/或活动因素的睡眠呼吸/倾向的指示)；
-生物钟因素(即CC同步或与环境同步的指示(即旅行点击，本地时区，工作时钟，社交时钟等)和稳态睡眠/唤醒因素例如睡眠/唤醒周期以及先前睡眠质量的测量(即睡眠结构，包括深度睡眠，REM睡眠状态或短缺等)以及CC延迟或进展的相关测量；
-本专利文献中其它地方描述的任何选项或辅助系统，但不限于：
>多点同步监测(MTM)系统：图30
>IR反射眼电和/或视频成像(具有IR功能)和/或光疗综合和/或移动CC HMS应用接口系统(即眼镜)：图43
>自动诊断和预后EEG监测和分析系统，结合最小化过程，实现专业和消费者级监测和自动分析确定(最小化系统)根据示例图45；
>具有自动跟踪EOI的HMS，根据示例图75；
>HMS传感器或监控设备/系统(SOMDI)接口，根据示例图76；
>包含双眼或单眼的任何一种或组合的驾驶员/主体可穿戴眼镜
>自学和个性化自适应系统AI；ES，根据示例图77；图78；
图79；和/或
-个人主体/患者-健康管理系统(HMS)[1]包含每个示例的监测目标的任何一种或组合，根据示例图80。
-嗜睡/疲劳和/或警惕/警觉因素，包括(但不限于)根据eLifeALERT部分和本专利申请文件的其它部分描述的那些；
[块12]-日历/安排/规划集成功能与应用-B13
-本发明实现，警报，消息，警告，安排，规划场景，睡眠/唤醒和/或职业(驾驶/休息)或辅导建议，基于主体/个体的生物钟周期因素的任何一种或组合(即由本文件其它地方描述的监测和/或确定)，根据时间的最佳警惕窗口，基于任何一个更多的生物钟周期因素(即个体的预测峰值能量和警戒时间)个体
[块13]-可选的整合或调整或其它系统
[块14]包含以下任何一种或组合：
-多点同步监测(MTM)系统：图30；
-IR反射眼电和/或视频成像(具有IR功能)和/或光疗综合和/或移动CC HMS应用接口系统(即眼镜)：图43；
-自动诊断和预后EEG监测和分析系统，结合最小化过程，实现专业和消费者级监测和自动分析确定(最小化系统)根据示例图45；
-具有自动跟踪EOI的HMS，根据示例图75；
-HMS传感器或监控设备/系统(SOMDI)接口根据示例图76
-驾驶员/主体可穿戴眼镜结合双眼或单眼的任何一种或组合
-自学和个性化自适应系统AI；ES，如图77；图78；图79；
-个人主体/患者-健康管理系统(HMS)[1]包含每个示例的监测目标的任何一种或组合，根据图80。
[块14]-定义：
-可穿戴或环境位置监测-(即可穿戴技术(例如眼镜等)，车载(即后视镜/显示器等)，室内安装(即显示屏，桌面，墙壁等)其它环境位置(驾驶员或交通控制器周围的舱室，房间，驾驶舱等)中任何一种或组合)
-高分辨率视频眼睛特征-(可以包括任何一种或组合，但不限于)：
(即可选择平移，缩放电子或机械功能，以实现精确的眨眼或眼动表征所需的非常高的分辨率(即，眼睑闭合或眼睑开口或眼睑形状变化中任何点的眼睑的加速度或速度的跟踪或眼睛运动跟踪等，适用于任何时间点的个人嗜睡或警惕性诊断或预后。)
-反射或视频眨眼眼电-(可以包括任何一种或组合，但不限于)：
-与发光二极管或其它指示器(即，红外线，日光或其它视觉频段)结合的一个或多个单个光依赖或灵敏的传感器(即红外线和/或日光)。透射或光束和反射光束的检测(即，眼睛的光泽表面的反射可以基于光的脉冲和检测反射信号或稳态信号或二者的任何组合。
脉冲信号可以是处于一个频率其中可以跟踪眼睛反射表面的眼睑阻塞，以使得检测适用于眼睑速度或眼睑加速度变化的最细微变化(即，基于平均眼睛眨眼大约需要300-400毫秒，我们可以假设非常快速的闪烁说30-40毫秒。
如果要检查眨眼时间的变化，则可能需要至少10倍的最快眨眼速率或说3至4秒精度的因素来确定眨眼时间的准确变化。因此，需要每秒大约333帧或每秒400或500帧的视频帧速率来确定与驾驶员产生睡意有关的可辨别的变化。
在这种情况下与眼睑相关的加速度变化可能会增加10倍或要求(例如，只有每秒400次的红外脉冲，用于眨眼速率变化的标准测量，每秒加速变化4000脉冲。相似地，可能需要每秒400到4000帧的视频速率，为了从视频帧解析这种变化，假设从眼睑到眼睑的像素分辨率足以捕获这种变化(即，始终穿过眼睛开口的至少10个像素，但优选100像素分辨率(用于处理眼睑特性的测定，包括但不限于眼睑开口(大小，开度或打开的线性度量)，眼睑闭合(大小，开度或闭合的线性度量)，从上眼睑中心到下眼睑中心，以使得涵盖所有主体/个人的不同研究间和同一研究内(监控部分)差异。在视频反射眼电的背景下，视频监视能够检测从主体的眼睛表面反射的光以及通过视频处理的面部特征，(即，跟踪上眼睑和下眼睑并确定开度或大小的度量，以及导出速度的度量(即开度或幅度除以眼睛睁开或闭合的时间。
速度可以在眼睛睁开的任何时期或部分被测量。此外，可以确定在眼睛睁开的选择周期或部分处的速度变化。这些测量可以通过开眼的方式或通过平均运行和连续的平均值进行检查，基于一个预定的时期(即过去1，2，5或10秒以上的快速反应测量，以及过去一系列分钟缓慢测量)。这些各种衍生测量可以根据与嗜睡相关的变化进行检查(即，随着深度困倦所涉及的紧张度的减少或与警惕状态相关的更快的速度眨眼而减慢速度。此外，眨眼的频率也可能随着嗜睡开始而改变，包括较慢的眨眼频率，但更明显的闭眼率(也是连续测量的)。图99这里的虚线波形表示计算出的相对眼睑闭合速度(S)，然而这里的实线波形表示眼睑的位置(或与眼睛睁开相关的相对距离，例如从眼睛到眼睑的线性峰值距离)。在这个例子中，P为1/2或最大幅度(M)的50％约为100毫秒。标记为RPECS的注释是指相对峰值眼睑闭合速度。
本发明在反射眼电中能够实现与每个主体/个体相关的定量的，自校准的测量，在减少眨眼速度(S)和/或在一段时间内眨眼速度降低的程度或百分比方面，以及相对眨眼闭合或开放相关测量(绝对测量不适用于反射性眼电，除了反射性眼电脉冲，按照上面的例子，由于眼睛的反射光的增加，在开放期间增加，眼睛睁开时间趋于增加。
每个闪烁周期(P)的相对持续时间可以在指定的横截面点(例如3/4或1/2振幅)下测量。可以针对每个反射性眼电脉冲(对应于每个眼睛眨眼)测量相对峰值的眼睑闭合速度(RPECS)，基于M(峰值开眼幅度的相对测量)除以眨眼(P)的相对持续时间，其中相对性是通过眨眼速度进行闪烁的渐进定性测量。此外，可以限定分级测量以及阈值和工作范围，以确定困倦与警戒驾驶条件的测量或分类。
本发明的另外的功能使得能够手动或自动地确定正常和警报的驾驶条件，基于指定的初始驾驶时间(即例如仅首先5到10分钟)。
客观视频测量和/或反射眼电，通过诸如具有红外发射器和接收传感器监视的眼镜等可穿戴设备或远程(即位于车辆或其它环境中的一部分内的光发射器和光敏接收器)作为根据个体的一次或两次眨眼导出波形的方法，可以被部署为跟踪主体/个人的感知状态的方法。
可以在估计的线性尺寸方面计算视频测量，基于对视频的其它方面的识别(诸如座位的位置(向后或向前定位)等)的驾驶员或个体距摄像机的距离的近似。上述相对方法也可以应用于视频导出。
本发明可以使用反射性眼电和/或视频监视和处理系统来跟踪和表征驾驶员的眼睛和眼睑作为测量或嗜睡或警觉。>>本发明还能够监测和/或确定驾驶员/主体头部或眼睛注视，瞳孔，眼动，眼睑，眨眼，以确定驾驶员开始嗜睡或驾驶员/主体的警戒/注意力测定。
权利要求-eLifeALERT-参考摘要、发明内容、附图、适用的权利要求部分或随后的分案申请。
-本发明提供了将红外眼电(IRO)测量与视频眼睛测量相结合的方法(即眼睑测量，面部测量，头部移动或位置测量，身体运动或压力测量，例如通过座椅传感器或与驾驶员身体或肢体的方向盘接口)，其中在第一过程中，IRO测量的范围(例如指示眼睛睁开时间，闭眼时间，眼睑打开速度，眼睑闭合速度，以及本部分进一步介绍的其它测量(ELifeALERT)，连同相关测量的任何一种或组合)与这些测量的置信水平一起计算(即通过SNR或其它信号验证过程指示信号质量)。
在第二过程中也可以是一系列的视频测量(例如指示眼睛睁开时间，闭眼时间，眼睑打开速度，眼睑关闭速度，以及本部分进一步介绍的其它测量(ELifeALERT)，连同相关测量的任何一种或组合)与这些测量的置信水平一起计算(即通过SNR或其它信号验证过程指示信号质量)。
在第三过程中，基于与所述IRO和/或所述视频测量的信号质量相关联的置信水平，以及一系列阈值，限制和主体生理(即眼睑速度和/或眼睛睁开和/或闭眼时间等)和行为(即眼睛凝视，身体运动，方向盘运动，方向盘压力，转向调节等)条件，适用于一系列驾驶员或主体的警觉性和嗜睡状况，本发明可以确定，最可靠地利用IRO和/或视频的测量，为了确定与驾驶员睡意或警觉性相关的分级或转变，其中减轻与任何单一IRO或视频采集模式相关的干扰或错误。
-本发明的另一方面是提供“感知状态”跟踪，其中所述状态的确定包括反射眼电和/或视频测量中的任何一种或组合，本发明还包括以下任何一种或组合：
-视频“相同的派生和相关测量和跟踪”(即，基于日光和/或夜视，具有可自动调节的监视条件，例如但不限于红外照明和视频监视以及日光监视)视觉处理能够确定和/或识别“面部特征”适用于主体/个体的情感状态(认知水平，状态和/或转化和/或警惕状态)(例如但不限于驾驶员，职业，睡眠/醒来或稳态睡眠因素和/或主体/个体的生物钟因素)；
-反射性眼电“派生和相关测量和或跟踪”(即，基于日光和/或夜视，具有可自动调节的监视条件例如但不限于红外照明和反射眼电；
-(测量主体/个人眼球表面反射的稳态或脉冲光，作为眼睛睁开时间，速度和/或加速因素的指标(即，根据图示反射眼电信号的波形-类似的信号衍生，取决于眼睛睁开大小与眼睛睁开时间的关系，可以通过视频测量得出)；
-所述“组合和/或切换选择”可以基于计算眼电和/或视频“信号质量确定”和/或“眼电信号或视频完整性确定”的测量与组合过程相关的加权因子相关联，用于一个或多个“感知状态”(或相关的转化)信号例如(但不限于)从主体/个体监测和跟踪的眼电和/或视频信号(即驾驶员或其它可能困意发作或风险的职业)；
-所述信号的“质量确定”可以指视频和/或相对于眼电信号的准确性和可靠性。即信号噪声可能受到环境闪光条件的影响，其中视频或反射的眼电信号，适用于眼睑运动和打开或闭合速度的确定，可能因光照条件恶劣而退化，其中背景噪声与测量相关信号显著竞争；
-其中所述“信号质量确定”可以基于分辨率。在反光眼镜的情况下，该分辨率可以基于眼睛睁开或闭合的变化的最小可辨别度量，这又可以取决于反射光传感器以及光源(即稳态和/或脉冲)的位置和相应角度的数量，距离。在视频监控的情况下，分辨率的确定可以，例如，分辨率可以基于适用于开眼度测量的视频像素的最小可辨别度量。例如，对应于眼睛睁开的0至10个像素变化可导致相对较差的精度，因为在可以检测到有效的改变测量之前，睁眼距离必须改变10％或更多。因此，这可能会对眼睛睁开或眼睑闭合改变的分辨率和随之而来的敏感性产生不利影响，这可以作为度量或感知状态来追踪。为了克服这种限制，本发明提供了可选的机械摇摄和变焦镜头以及相机瞄准功能以及多个相机的选项，使得一个相机可以将眼睛的位置传达到更紧密的聚焦相机，其主要集中在眼睛和眼睑区域上的较高分辨率。这样可以跟踪驾驶员的头部和脸部特征，同时仍然能够实现高分辨率和准确的眼睑速度以及开眼测量的线性或大小；
–其中所述“眼电信号或视频完整性确定”可以基于相应信号或视频的中断-即由于眼镜或其它可穿戴的面部或头部设备，或由于头部移动等而导致的。另外，信号完整性可能会受到主体/个人眼睛或眼睑，或头部或身体或脸部和照相机焦点或照明焦点或红外或其它反射型眼电光发射或相关接收器之间误差的影响
-其中所述“感知状态”包括(但不限于)任何一种或组合，认知水平，意识，警觉性，注意力级别，警惕状态，职业，睡眠/唤醒状态，稳态睡眠因素和/或主体/个体的生物钟因素(例如但不限于驾驶员，职业，睡眠/醒来或稳态睡眠因素和/或主体/个体的生物钟因素)；
-其中所述“衍生和相关测量和/或跟踪”包括平均流量或趋势变化，适用于主体/个体的嗜睡诊断或预后(即眼睑闭合和/或开放测量的减少(如线性度量度，眼睑运动开启或闭合速度或加速度可能是引起瞌睡发作的因素)；
-其中“面部特征”包括对“组合和/或切换选择”跟踪的任何一种或组合(但不限于)，眼睛运动，眼睑打开时间，眼睑闭合时间，眼睑打开速度，眼睑闭合速度(其中可以通过导出眼睛睁开或闭合的线性或程度和/或替代测量来计算速度，作为反射眼电信号的定性测量，通过测量从主体/用户的眼表中的一个或两个反射的红外线或日光或蓝光或其它光带宽信号)；
B部分：
eHealth&Life神经手机穿戴式监控系统
标题：eLifeNEURO/EPILEPSY(包含主体特定EEG监测最小化。适用-一般的TBI、自闭症、抑郁/癫痫反应、癫痫HFO；中风)
背景技术：帕金森
·在美国，帕金森病影响高达2％的人群，是最常见的神经退行性疾病。在澳大利亚，这种疾病影响着约八万人，其中约五分之一的人被诊断为五十岁以下。大脑的这种退行性疾病往往会影响身体运动和言语。
·美国有超过150万人被认为患有帕金森病，每年诊断出7万例新发病例，而美国仅PD的年度经济负担估计为230亿美元。
·eHealthMEDICS作为健康观察平台包含一系列必要的健康管理系统，能够以最有效的方式应对日益增长的全球疾病负担，并通过部署消费者专业的医疗保健模式和生活平台。
·适用于消费者和专业医疗或科学病人的一个关键是新的帕金森监测系统，可以作为eHealthMEDICS医疗保健世界各地平台的一个组成部分。
·早期发现帕金森病，可尽早治疗如药物治疗；手术治疗；深层脑刺激可能会减缓，甚至防止更严重的帕金森病进展。
·原发性REM睡眠行为障碍可使早期发现帕金森病。
·然而，原发性REM行为障碍(RBD)的诊断或者换句话说，在没有任何其它(除了帕金森病的可能性之外)检测RBD，是早期发病的帕金森病的有价值标记，因此是避免这种情况更加严重发展的宝贵机会-即改变生命甚至挽救生命。
背景技术：自闭症(ASD)
自闭症谱系障碍(ASD)是一种未知病因的神经发育障碍，其特征在于一系列社交和通信障碍。据报道，ASD高度遗传，影响88名儿童中的1名，54名男性中有1名。儿童流行率增加的报道表明，需要更好地监测、追踪和管理这种疾病。
虽然现有的诊断监测系统和服务确实发挥了重要作用，但这些现有技术的方法或装置通常过于昂贵、麻烦或者在人群获取方面受到限制。
包括更容易获取和常规可用的个人辅助监测的仪器，适用于任何时间和地点的正常生活，可以有助于更多的及时性和改善一些衰弱或轻度“障碍”的管理。
-这种“障碍”包括“感兴趣的健康状况”或“感兴趣的事件/EOI”(根据本文件后面的缩写表中的“EOI定义”)；
本文中发明所描述的更容易获得、价格适中且普遍存在的健康跟踪和管理技术可以有助于改善预后、诊断、预防、减轻风险，最重要的是将控制权放在最关心每一个人个人健康状况的人手中。
背景技术：癫痫
·癫痫或“癫痫发作障碍”是第四大常见的神经障碍，影响着所有年龄的人
·人脑是所有人类癫痫的根源。
·癫痫发作和癫痫也可能影响人的安全、关系、工作、驾驶和生活方式。
·知觉(特征)或癫痫患者如何治疗可能是一个比癫痫发作更大的问题。
·世界各地有六千五百万人患有癫痫病，活着的一千人中有四到十人癫痫发作。
·美国>200万人患有癫痫症，其中有26人中一人将在其生活中的随时发生癫痫。
·每年150,000例美国新发癫痫病例
·三分之一的癫痫患者生活在无法控制的癫痫发作中，因为他们没有可用的治疗方法。
·10例癫痫患者中有6例未知。23
·癫痫可以进行药物治疗，并且在更慢性的外科手术或刺激装置下缓解。
背景技术：现有技术消费者睡眠监测：
在先同领域的消费者移动无线或可穿戴监控系统的其它问题的例子是穿戴健康跟踪系统的个人，声称跟踪睡眠甚至睡眠质量，但这些所谓的睡眠监视器实际上是基于运动检测，通常来自简单的手表或基于手腕的设备。鉴于睡眠最重要的阶段是基于深度睡眠阶段，最重要的是REM睡眠，确实这些是复杂的脑控制状态，毫无疑问，一般来说，与消费者-睡眠跟踪系统相关的用户体验不满意，实质上往往被误导。通过腕带检测REM或甚至深度睡眠，质量或恢复性的基本属性的概念在最佳情况下是非常有争议的，并且在健身方面不利于健康跟踪。监测基本睡眠参数(如EEG，EMG和EOG)的前提是，可以使用手腕安装的活动传感器进行旁路可能会阻止未来真正准确或有用的消费者级别监控和相关健康管理的争议。
发明内容：关键发明的实施例：
本文件描述了一系列发明，旨在改善个人和移动的健康监测和分析，并使用最小化监控技术，独特的自动和可选的在线分析过程，最终提高生活质量和健康结果，以及能够提供组合的常规睡眠和健康管理跟踪的设备，具有增强的数据访问，适当的数据访问，以及受控社区共享的好处，本发明还提供如本文所概述的(但不限于)的任何一种或组合：
专利说明
在线监测和“自动确定”的方法，主体持续生理，病理和/或心理测量或状态的任何组合(即意识，无意识，睡眠阶段，唤醒状态，以及相关的改变和暂时状态或阶段)，适用于与“感兴趣的事件或健康状况”相关的预定标准，
“感兴趣的事件或健康状况”或“感兴趣事件/EOI”(根据本文件后面的缩写表中详细说明的“EOI定义”)，其中“之前的时期”涉及睡眠-唤醒期，感兴趣的时间或日期和/或事件或健康状况的任何持续时间或组合或顺序；
其中所述“组合”可以包括(但不限于)区分预期的癫痫发作或癫痫事件，通过生理，病理和/或心理测量结合预定睡眠，唤醒睡眠阶段或其它心理状态和/或“感兴趣的健康状况”或“感兴趣的事件/EOI”的任何一种或组合(根据本文后面的缩写表中详细说明的“EOI定义”)；
a)其中“自动确定”包括以下任何一种或组合：a)参考参数比较分析主体的当前和/或近期和/或更长期趋势监测参数，包括以下任何一种或组合：a)主体特异性(即基线或先前研究或监测数据，b)规范人群，c)病理性疾病或病态数据，作为区分感兴趣的健康状况或相关生物标记事件的发作或事件的方法；
b)自动划分原发性的方法与非原发性SBD包括结合病理学专科病史(即肌阵挛，肌痛)SBD因果关系或在线自动监测和诊断病理性SBD病因连同睡眠行为障碍(SBD)的确定；
c)方法包括分析主体的肌肉活动，身体或肢体运动参数，EMG信号，心理状态(即睡眠/觉醒状态/阶段)和/或原发性SBD相对于具有因果关系确定的SBD的任何组合，作为帮助运动，神经系统，神经系统疾病(即帕金森病)，睡眠障碍(不安腿综合征/肌阵挛，睡眠剥夺)和/或肌肉障碍(即肌痛肌纤维肌痛)的任何一种或组合之间的描绘方法；
d)方法包括特异参数(生理，心理和/或神经学)的表征，以使得检测或预测(即“中风”)相关事件障碍，生物标记事件或感兴趣的时期或健康状况的最早可能的发作或意外；
其中可以预定或动态地计算所述“主体特定参数”的范围，阈值，变化和其它性质的标准；
e)方法结合组合(即多变量分析)算法，包括以下任何一种或组合(包括但不限于)，光谱和/或小波和/或动态(非线性，例如熵或复杂度分析与线性)和/或统计特性，以区分所述“事件”或“感兴趣的健康状况”。
方法包括基于“趋势”的分析和“前期”监测结果的比较分析，包括(但不限于)回归分析，能够描绘细微的长期“感兴趣的趋势”，例如(但不限于)“感兴趣的健康状况”或“感兴趣的事件/意向书”，(根据本文后面的缩写中详细说明的“EOI定义”)，其中“之前的时期”涉及睡眠-唤醒期，感兴趣的时间或日期和/或事件或健康状况的任何持续时间或组合或顺序；
f)确定感兴趣事件的组合方法，如生理监测参数的道源定位分析；
g)其中监测可以包括一个或多个患者应用元件到前额或头部或主体的身体的其它部分，使得能够连续监测至少一个神经学，睡眠参数和/或其它生理参数；
h)其中所述“自动确定”可以包括任何组合的表征，主体的睡眠状态(包括深度睡眠或REM)和/或生物标记如光谱(ISA；HFO；FR；或本文件中详述的其它自动表征和检测参数)和/或相关的相位耦合/去耦；
i)其中所述“自动确定”可以包括远程无线互联能够进行在线或离线本地或远程数据交换和/或参数(根据本文档中详细的自动表征和检测参数)调整，与所述测定相关联；
j)其中可以将所述“生物标记”或“感兴趣的事件”作为确定方向和特征和大小的方法，适用于治疗干预，包括药物，磁刺激，可植入装置，例如包括那些可植入的皮层电极监测和/或皮质电极；
k)相位或光谱耦合因子(如本文件其它部分所详述)；
标题：eLifeNeuro/主体特定EEG监测最小化。应用-一般的加TBI，自闭症，抑郁/反馈，癫痫HFO；中风，
本发明内容：神经病学预防，诊断特征和确定
对感兴趣事件的预后或诊断，包括感兴趣的生物标记和/或健康状况和/或健康后遗症的单个事件和/或整合(群集)，包括障碍事件的前兆或各种程度的严重程度的任何一种或组合，包括那些睡眠障碍，心脏病，呼吸障碍，神经系统障碍，肌肉或运动系统疾病，神经障碍，神经行为障碍，认知功能障碍，自闭症谱系障碍(ASD)，亚斯伯格症，癫痫和其它癫痫发作，痴呆症，阅读障碍症，阿尔茨海默氏症，帕金森综合征，注意力缺陷多动障碍(ADHD)，亨廷顿舞蹈症，创伤性脑损伤，抑郁症，焦虑症和其它主体状态，转换或事件以及感兴趣的健康状况；
发明内容
本发明还包括可穿戴的诊断或预后监测系统，结合自动分析功能的能力，适用于确定“健康状况/疾病或感兴趣事件”的发病或发病。
本发明包括装置用于监视来自主体的一个或多个EEG信号并自动表征信号(包括但不限于自动分析)确定任何一种或组合的分析，包括：
-确定的方法(即FFT或测量来自一个或多个信道的EEG信号的滤波频段)的功率在8Hz至40Hz的区域的较高频段或附近，作为与主体的灰质皮层物质的损伤量线性相关的测量；
-确定的方法(即FFT或测量来自一个或所监测信道的EEG信号的滤波频段)在1Hz至4Hz左右或附近的增量频段中的慢波，作为对白质脑损伤程度有线性关系的更严重TBI的标记；损伤；和/或
-通过EEG信号相干和/或相位(即FFT和相关相位输出值)变化的确定方法；
-通过EEG监视在正面和颞叶区域测量的EEG信号相干和/或相位(即FFT和相关相位输出值)中的信号变化的确定方法；
-通过EEG监测在正面和颞叶区域测量的EEG相干性和/或相位(即FFT和相关相位输出值)变化的确定方法，作为与灰质和白质的损伤程度线性相关的标记；
-其中所述监视方法和装置可以结合通信接口，包括任何一个或多个广域网(WAN)，局域网(LAN)，网际协议(IP)，网络应用服务(NAS)和/或云计算服务，以实现生理或环境监测数据的传输和/或主体/患者信息交换和/或访问在线分析功能，能够补充当地的监测，分析，储存和/或适应症；
-其中确定“健康状况/疾病或感兴趣事件”的发病或发病率，包括实现“确定兴趣健康状况的自动方法”或“感兴趣的事件”(根据本文件其它地方详述的“定义”)；
-本发明可以提供个性化或特别配置的可穿戴监视(参见图最小化；头部穿戴设计的范围)组合了在线分析功能，其中以前的诊断或标准化诊断人群研究结果(即参见自研究图77至图80)可以被部署，以检查受到一系列互动测试的个人的连接因素(即见eLifeALERT部分)。
-其中单个或电池的交互式测试可以结合眼睛和注视跟踪(即根据本文档其它部分详细说明的“痴呆症/阿尔茨海默氏症/ASD/ASP”部分子标题“认知损害评估与确定”。)包括视听测试与交互式请求，旨在随时测试个人的清晰自然和认知表现，但特别是适用于与一系列轻度严重创伤性脑损伤病症相关的即时预后或诊断，所述个人或电池的测试结合以下任何一种或组合：
-a)脑连通性(即连贯性；偶极结果)，
-b)脑信号动力学(即与多个课程相关联(即侧向化；眼球化；脑半球对称；其它脑或特定区域激活；脑偶极激活；顺序偶极激活，脑相干激活；顺序脑相干激活；丘脑-皮质激活或相干或偶极激活(另见eLifeNLDB部分；
-c)时空动态与个人和认知测试电池相关；
-d)MMN或怪异反应AEP结果；
-e)使用视频和/或反射眼电眼睛跟踪结果的视觉(与音频选项)测试的相关性(另见eLifeALERT部分)
-f)事件群或“感兴趣的健康状况或症状”“感兴趣的事件/EOI”(根据本文档后面的缩写中详细说明的“EOI定义”)，与任何所述测试相关联；
-g)经颅多普勒(TCD)使用自动扫描技术来最大限度地减少跟踪血管所需的应用专长的测量是关于与颅内压升高有关的血管活动受抑制的大脑的一般区域。即能够跟踪大脑的威利斯大脑圈(脑脑动脉)的小和主要血管的头戴式装置可以表征，以使得通过相关的血管修饰来促进TBI的预后或诊断，即与轻度至严重创伤性脑损伤相关的颅内压变化。例如颅内高血压预测可以基于TCD曲线来测量。可以将测量的主体/患者的适当的TCD分布与所述主体/患者预诊断校正或正常或静息状态或正常测试状态(血管反应测试或具有外源或内源刺激方法的稳态)进行比较，其中以前验证的主体/患者或群体研究，以及舒张速度的相关阈值的确定，作为区分与TBI相关的正常与异常TCD测量的诊断或预后标记(即，根据可接受的舒张流量阈值或可接受值的范围，例如对于TBI可疑操作区域的20至30cm/sec阈值或可接受范围，可以通主体/患者特定的预诊断数据或群体研究和信息自学预先确定HMS和选项或辅助系统中每个示例的诊断信息聚合和可穿戴系统最小化，如图45至图81所示)。
通过本发明可以自动确定和评估脉动指数(即，使用本发明的扫描，查找，目标，锁定目标自动TCD扫描方法的方法)作为TBI的诊断或预后标记，也作为TBI的标记进行评估(即，指标阈值或可接受对TBI可疑操作区域可以通过主体/患者特定的预诊断数据或群体研究和信息自学预先确定HMS和选项或辅助系统中的示例的诊断信息聚合和可穿戴系统最小化如图45至图81所示)。
本发明还可以检测和测量在TBI诊断或预后背景下作为可接受或感兴趣的标记的低或无回流TBI测量值的阈值或范围建议可疑诊断或预后市场24。
另外，轻微头部损伤后的脑自动调节可以通过TCD自动调节反应检查脑动脉血流速度响应进行评估，对应于动脉血压引起的快速简短变化，提供自动调节指数的标记(ARI；即指数阈值或可接受对TBI可疑诊断或预后操作区域，可以通过主体/患者特异性预诊断数据或群体研究和信息自学预先确定诊断信息聚合和可穿戴系统最小化，根据HMS和选项或辅助系统中的示例，如图45至图81所示)。25
附图说明
图45自动诊断和预后EEG监测和分析系统，结合最小化过程，实现专业和消费者级监测和自动分析测定。
-还包括以下任何一种或组合：
-[1]健康管理目标和相关的自动系统配置或参数调整和微调或警报–即调整或建议自动分析和监控耳机最小化参数和格式，以优化系统预后和诊断结果(基于适当的隐私，安全性，权限访问权限)，实现对最早发病/中风的神经障碍，发作预测，感兴趣的状态或转变的最佳监测分析。
-[2]复杂的EEG诊断耳机设备1(图45)：
-受监控的主体与可穿戴设备1：EEG综合耳机
-[3]用移动无线设备监测主体的预后或诊断研究(图45)；
-[4]自动EEG健康状况特征及优化参数；测定分析(图45)
用于确定最早发病/中风的神经障碍，发病预测，感兴趣的状态或转变。
-[1]自动EEG在线监测分析和监控耳机最小化参数监测人脑的EEG测量；
-自动分析包括EEG分析转换包括确定多个监测的EEG信号的相干性分析变换的方法，具有比较和/或绝对相干性测量的特点；
-所述分析包括EEG源定位，源相干性分析(图45；，中心：左)，以及代表正在进行的相干性变化的测量(图45；，底部：右)；
-所述“自动测定神经系统预后或诊断方法”包括方法适用于“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(由本文后面缩写表中详细说明的“EOI定义”)；
-[5]包括适用于TBI的分析变量；ADHD；自闭症；癫痫(图45)；
-本发明还包括用于测定或表征的分析方法，适用于“确定神经预后或诊断的自动化方法”或“最小化分析”，包括以下任何一种或组合：
-分析转化，包括时空分析转化(即图45)；
-分析转化，包括源定位分析转化(即电流密度重建(CDR))(图45)；
-分析转化，包括相干分析转化(即图45)；
-分析转化，包括偶极连通性分析(即图45)；
-分析转化，包括相干分析转化(即图45)；
-信号动态分析(即非线性动力学分析，例如但不限于熵，复杂度分析变换(即图45))；
-小波分析(即非线性动力学分析，例如但不限于熵，复杂性分析转化(即图45))；
-AEP分析转化；
-AEP转化包括不匹配的负性测试范例和计算结果；
-AEP转化包括非线性动态信号分析(即熵分析，复杂性分析等)；
-怪异AEP测试范例包括不匹配的消极性测试范例和计算结果；
-快速在线平均技术，如外部输入建模的自回归分析；
-状态决定(即与注意力，警觉性，警惕性，嗜睡，集中程度，唤醒，睡眠，意识，无意识，相关过渡，幻觉，催眠等中的任何一种相关联的状态，级别和/或过渡)；
-本发明的另一个目的是使得能够进行EEG结果的客观认知测量，包括诱发反应测量；
-一种方法包括(但不限于)包括注意力的测量，如P300或对刺激的其它脑反应(即标准和偏差点击或音调点)，根据被调查主体或例行监视(即扬声器或耳机或耳机点击或音调点生成)响应和点击信号测量的听觉诱发响应(即通过来自主体的EEG测量)信号之间的延迟；
-本发明的另一个目的是确定任何时间点的主体的认知功能的变化(即恶化)(即与认知功能障碍或恶化和/或神经障碍预测和/或“感兴趣的健康状况或症状”或“感兴趣事件/EOI”有关(根据本文档后面的缩写中详细说明的“EOI定义”)。
-所述AEP响应测量可以通过平均来改善EEG信噪比测量值，其中可以对偏差和标准刺激脉冲进行平均。
-AEP测试范例可以(但不限于)包括不匹配的消极性范例，其中对标准和偏差刺激的反应可以根据P300信号的延迟的存在或延迟进行检查，作为个人对所述刺激的注意力的测量。
-本发明的另一个目的是组合一些这样的测量，如相干性
-本发明的另一个目的是使头盔具有加速度计处理和下载功能，以及管理工具用于管理与生物识别相关的进行性创伤量表，与运动分析，生物特征监测数据，认知测试数据相关联(即通过PC或移动设备软件应用程序实现认知表现和主体特定结果跟踪)适用于认知功能障碍及相关危险因素。
-[5]分析变量，包括适用于亚斯伯格或自闭症预后或诊断的变量(图45)；
-假象减少或移除包括电极，眼睛连接，癫痫样放电，肌肉活动爆发，其它肌肉活动，回归分析，用于另外的眼睛运动和其它不需要的信号或噪音；
-基于光谱相干分析转换的预测或诊断分类；
-自闭症谱系障碍(ASD)或亚斯伯格综合征(ASP)的预后或诊断；
-基于EEG谱相干分析转化的预后或诊断分类；
-使用拉普拉斯算子或当前的源密度分析转化的成熟期(即监测的EEG的过去2至10分钟)；
-使用两阶段方法(如PCA后跟ICA)更清晰地定义源维度；
-分类器分类因素的确定被证明在ASD或ASP的预后或诊断中有效；
-基于与ASD和ASP主体相关的正常研究或现有公布的数据，预定ASP和ASD分类因素的使用可以部署；
-从EEG电极对组合得出的相干值的确定；
-利用主成分分析法(PCA)来减少光谱成分，作为减少后续相干性分析变换数据集的方法；
-部署判别函数分析(DFA)作为ASD和ASP主体的分类方法；
-部署基于DFA规则的相干性，以建立区分ASP和ASD主体的功能；
-[5]分析变量包括分析EEG光谱功率带跨越不同的EEG信号频段，例如频段增加的低频EEG功率，如δ和θ，以及频段高频EEG功率的增加，如β和γ(即与α带相比)典型的ASD患者，与健康主体相反；26
-EEG信号不对称表征分析，包括确定左半球和右半球，后脑和额脑激活(AEP和/或连续EEG分析转化)以及这些脑激活区的比例；
-分析信号动态EEG信号表征，包括非线性动态分析(即熵，复杂度等)的确定；
-与ASD相关的左脑区增强功能；
-关于脑激活/能量和/或连通性(即偶极子)的左半球和右半球位移的脑激活和/或相干信号变化包括横向化和/或前向化；
-多变量或组合分析结果，并入EEG处理任意组合的分析变换，包括所述：“EEG谱功率谱分析”，“光谱相干分析变换”，“EEG信号的不对称表征”，“源定位相干值”，“包括非线性动态分析的信号动力学”，
-组合这些分析或多变量/组合分析的任何一种或组合，以尽量减少数量，简化或简化最小配置EEG监控要求的应用，以实现有效，合理准确但不太突出的常规监控配置，用于任何神经，神经系统，肌肉或运动障碍和/或其它健康状况或感兴趣事件的组合(即根据图45)；
-测量基于任何脑激活区域的EEG电极位置和/或源定位位置的任何组合的一个或多个EEG光谱频段的相干转换分析27；28
-分析癫痫样异常和/或相关的EEG图事件(即尖峰，k-复合物，HFO，波纹，高频波纹，心轴和/或其它EEG波分析的任何一种或组合)作为ASD的潜在标记；29
-[5]分析变量包括HRV/癫痫发作/抑郁(图45)；
-过度神经元活动的特征已知对应于癫痫效果的相关自主神经系统活动增加；
-监测主体的心电图(ECG)或脉冲推导的R-R间期(RRI)或心率变异性(HRV)的追踪，作为自主神经功能的标记；
-RR的推导通过主体磨损运动(即加速度计)检测(即耳塞加速度计，其它肢体，头部或身体四肢能够感测心脏脉搏)；
-RR的推导通过主体穿戴的光谱体积描记法(PPG)检测(即耳塞加速度计，能够感测心脏脉搏的其它肢体，头部或身体四肢)；
-RR的推导通过主体穿戴体积描记法(即耳塞加速度计，能够感测心脏脉搏的其它肢体，头部或身体四肢)；
-HRV表征包括低频(LF)测定(表示交感神经和副交感神经系统的调节)包括(但不限于)低频段的功率(0.04Hz-0.15Hz功率谱密度(PSD))；
-HRV表征包括高频(HF)测定(代表副交感神经系统活动)包括(但不限于)高频段的功率(0.15Hz-0.4Hz PSD)；30
-[5]痴呆症分析仪(图45)；
-具有以下属性的任何组合的消费者或患者可穿戴或随身无线设备(携带或附带)：
分析仪包括微处理器编程算法来确定：
-痴呆分析仪结合位置，跌倒/陀螺仪，具有家庭/护理者预先确定的正常位置或旅行和行为模式参数与实际移动跟踪-预测算法，基于与潜在的痴呆发作或事件相比较的正常或预定的行为或旅程(即您将旅行和道路交叉参数和边界作为标记或危险，通过相关的位置狐狸服务团队在线护理干预加上特殊手表，与人沟通，并可以将他们送回家，叫出租车或要求其它干预。
-[5]分析变量包括这些适用于HFO/波纹根据癫痫(图45)；
测量和/或时间变化和/或空间变化的度量或集群组合/多变量分析的任何一种或组合，包括：
-HFO’S；
-波纹；
-高频波纹；
-包括分析，感兴趣的事件或所关心的健康状况的任何一种或组合，作为图45的一部分和相关描述；
-信号动力学；
-源定位；
-EEG通道对相干性；
-脑半球对称性；
-脑光谱源定位功率；
-组合/多变量分析；和/或
-源本地化连接(偶极子)；
-[5]分析变量包括适用于GAIT或运动分析，包括帕金森症状和/或组合SBD睡眠行为障碍确定(图45[5])；图75[20]；[22])；
-帕金森病发作分析仪：
-在本发明的一个实施例中，可以呈现趋势分析以及相关的图形，数字或其它结果，以突出显示神经系统的趋势(即或步行变化，或肢体之间的同步(诸如腿部的运动和程度与臂摆动或运动流动以及随着时间的推移作为由于肌肉发生的帕金森病发作的潜在标记和/或神经功能障碍)，
-在本发明的一个实施例中，随着时间的推移测量和分级变化，可以表征步行，运行，步幅和其它运动协商或机动因素(例如与谈判或转弯或改变方向相关的运动模式等，其中可以跟踪监测或感测到的信息，并将相关的结果转发给主体或适当的医护人员，跟踪或感兴趣地对这些信息进行跟踪和访问；
-在本发明的一个实施例中，这些测量和跟踪功能也可以用于协助与中风和其它衰弱性疾病或事故相关的物理治疗进展；
-在本发明的一个实施例中，指示符或信息呈现可以包括视觉，数字，图形和其它指示符或警告的任何一种或组合，适用于跟踪流动性和个体运动，运动，步行，与手臂运动和步行步幅的相互关系的相关变化可以使用位置和/或运动检测系统来表征
-在本发明的一个实施例中，运动检测系统可以部署和相关分析包括步进/计步器测量系统，步行/起搏/行驶检测系统，速度，位置跟踪传感器的任何一种或组合，以及诸如GPS，GSM，基于无线网络的测量，陀螺测量，高度，加速度计系统，姿势位置和/或引力测量系统等中的任何一种或组合的系统，适用于与神经系统，肌肉或运动障碍，神经障碍，其它疾病或感兴趣的健康状况相关的预后，诊断或主体个人护理管理，包括更具体地帕金森症状，如指示帕金森病发作或发生或震颤控制或要求的震颤分析)，睡眠行为障碍(因果关联或原发性；即根据图75[20]；[22]))例如REM与其它睡眠阶段的趋势或增加的紧张度，以及感兴趣的病理和生理事件的其它组合，潜在地指示感兴趣的健康状况。
[5]本发明还提供能够监测，表征和确定(即EEG源定位和/或偶极子活性和/或相干相互关系)的分析变体，包括任何一种或组合：
-感知意识相关或大脑活动(即源定位和/或偶极子活动和/或一致性相互关系)从解剖角度来看，位于顶叶和前额叶区域内；
-意识依赖的测量或与物理刺激变量相关的变化，涉及：竞争；和/或双稳态感知，和/或与立体声弹出和/或变化检测相关联；
活化焦点聚集在顶叶和背外侧前额叶皮质中显现；
-确定额叶皮层和其它皮层区域之间的信息“反馈”(复发处理)，如按照意识经历或变化调停；
-大脑信号变化或活动，例如额叶至顶叶脑通讯；
-介导感知处理和相关的大脑活动或相互联系确定，这可能发生在意识之外，例如由后馈中的“前馈”信息所介导到前方；
-其中所述EEG可以作为对听觉刺激头盔的反应(即通过嵌入运动保护头饰和/或头盔的扬声器，以及通过耳机或耳塞等)来测量；
–其中所述EEG可以测量可以作为创伤性脑损伤评估的一部分，并且包括EEG信号动力学的任何组合(即非线性动态分析和/或相干连通性或脑区域相互关系/连通性；或本专利申请文件中其它地方概述的其它分析类型)；
-[6]比较数据库参考数据(图45)
-预定个人具体比较标准的表格或数量，包括人口数据库(即正常对TBI受影响个体)，其中建立适用于该人的正常与非正常工作范围；
[6]分析变量的实施例包括以下任何一种或任何组合：
-信号动态分析(例如但不限于非线性动态分析或熵)用于确定认知障碍或感兴趣的其它事件或健康状况(包括但不限于TBI)；
-AEP光谱分析实施例光谱信号分析用于确定认知障碍或感兴趣的其它事件或健康状况(包括但不限于TBI)；
-MMN等AEP或ER测试范例如通过在线注意/意识确定的方式测试，例如但不限于，概述在本专利文件申请的其它地方的子标题下，包括：图45；图69至图71；图75；图77至图80)用于确定认知障碍或感兴趣的其它事件或健康状况(包括但不限于TBI)；
–其中感兴趣的事件包括感兴趣的生物标记和/或“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”的单个事件和/或合集(群集)(根据本文档后面的缩写中详细说明的“EOI定义”)。
本发明还提供了一种自动测试任何一种或组合的测试的方法，作为主体信息的汇总的一部分，通过主题/用户界面或其它方式(图77，块[8])，通过数据库信息聚合(图78)专家系统或人工智能方法(图77)，通过数据库信息智能聚合(根据图78)，(图80；图80块[1])和相关的统计性能评估确定(图80；图80块[13])，测试功能包括以下任何一种或组合：
智力评估
-国家成人阅读考试(NART)；
-威奇勒成人智力量表(WAIS)；
-威奇勒儿童智力量表(WISC)；
-威奇勒学前和初级智力量表(WPPSI)；
-威奇勒成人阅读测验(WTAR)；
记忆评估
-评估语义记忆和情景记忆的任何一种或组合(即声明式存储器或显式存储器)；
-评估长期记忆系统的任何一种或组合包括程序记忆和启发或感知学习(即非声明性存记忆或隐式记忆；
-工作记忆或短期记忆包括，语义记忆(即事实记忆)，情景记忆(即自传记忆)，程序记忆(即表现技能的记忆)，引发(即通过先前暴露于刺激促进记忆)，工作记忆(即用于信息操纵的表单或短期记忆)的任何一种或组合；
-加利福尼亚口语学习测试；
-剑桥前瞻性记忆测试(CAMPROMPT)；
-记忆评估量表(MAS)；
-雷伊听觉口语学习测试；
-Rivermead行为记忆测试；
-记忆与学习测试(TOMAL)；
-威奇勒记忆量表(WMS)；
-记忆力下降测试(TOMM)；
语言评估
-波士顿诊断性失语检查；
-波士顿命名测试；
-综合性失语检测(CAT)；
-多语言失语检查；
执行功能评估
-执行功能评估作为对一系列认知过程和子过程的总体评估；
-执行评估功能评估，包括解决问题，规划，组织技能，选择性注意，抑制控制和短期记忆的某些方面；
-染色体行为综合征(BADS)行为评估；
-CNS生命体征(简易核心电池)；
-(CPT)；
-控制口语词汇测验(COWAT)；
-d2注意力测试；
-Delis-Kaplan执行功能系统(D-KEFS)；
-数字警戒测试；
-图形流畅度测试；
-霍尔斯特德类别测试；
-海林和布里克斯顿测试；
-卡普兰贝克雷斯特神经认知评估(KBNA)；
-考夫曼短神经心理学评估；
-起搏听觉串行加法测试(PASAT)；
-雷伊-奥斯特里特复合图；
-Ruff图形流畅度测试；
-斯特鲁普任务；
-注意力变化测试(T.O.V.A.)；
-伦敦塔测试；
-跟踪测试(TMT)或路线A&B；
-威斯康星卡片分选测试(WCST)；
-符号数字模态测试；
-日常注意力测试(TEA)；
视空间评估
-评估视觉空间功能，涵盖视觉感知，视觉整合等领域；和视觉结构；
-时钟测试；
-胡珀视觉组织任务(VOT)；
-雷伊-奥斯特里特复合图；
痴呆症具体评估
-评估痴呆症，包括测试记忆，语言，方向和解决问题的最脆弱功能；
-临床痴呆评分
-老年痴呆评定量表
用于评估神经心理功能的电池测试
-认知技能评估；
-巴塞罗那神经心理测试(BNT)；
-剑桥神经心理测试自动化电池(CANTAB)；
-Cognistat(神经行为认知状态检查)；
-认知评估筛选仪(CASI)；
-认知功能扫描仪(CFS)；
-迪恩-伍德科克神经心理评估系统(DUNDAS)；
-全科医师认知评估(GPCOG)；
-胡珀视觉组织测试；
-卢里亚-内布拉斯加神经心理电池；
-MicroCog；
-迷你精神状态检查(MMSE)；
-NEPSY；
-用于评估神经心理状态的可重复电池；
-CDR计算机化评估系统；
[7]主体/患者信息和用药史等(图45)
-本发明还结合或实现能够考虑所监视的主体/患者病史，作为潜在的风险指示，或与其相关的诊断，预后表征或测定的状态和/或原发性状态；
-主体/患者信息包括(但不限于)智商(IQ)，非原发性疾病的状态例如(但不限于)睡眠行为障碍和/或自闭症；年龄性别；其它疾病和/或“感兴趣的健康状况或症状”或“感兴趣事件/EOI”(根据本文档后面缩写表中详细说明的“EOI定义”)。
-[8]自动EEG在线监测分析和监测耳机最小化确定(图45)
-本发明还结合或实现了高时间分辨率监测，具有最小的电极组和EEG位置的最低限度的突出选择，基于使用高分辨率时间分析技术的更大或超集的EEG电极的特殊分析，监测那些仍然达到可接受的时间分辨率，然后基于主体特异性预后和诊断结果，遵循这样一个能够监测最重要的感兴趣的脑区域的电极子集；
-自动EEG分析，用于确定最小配置-EEG监测耳机要求和/或分析要求和相关参数设置，以达到可接受的预后和诊断结果水平(即通过预定或指定标准的方式)分析，用于最早发病/中风的神经障碍，发作预测，感兴趣的状态或转变。
-“确定人的神经状态”可以包括监视多个EEG信号(图45)；
-本发明还提供了一种方法，其中第一种更全面的EEG电极耳机或头帽(即图45；
：左上角；图1至图31，图37；图49)，或其它头戴式和主体施加的电极监测系统，通过进行分析处理用于监测超级EEG位置集，其可以确定基本监测电极(基于目标感兴趣的神经系统，神经，肌肉或其它生理紊乱)，以使得建立最小化或更简化和流线配置的第二装置EEG监测电极配置(即图43，图46至图50，图52)。
-本发明还结合或实现了可重构或可调EEG耳机，允许电极可以通过分析最小化过程(图45)建立的最小配置(图52)拆卸或重新配置。
以这种方式，第一台EEG头戴式耳机或头戴式耳机监护装置(图45)可以作为更复杂和更专业的监测格式来部署，以使得对主体的大脑进行更详细和更高分辨率的时空分析(图45；：左上角)，以建立所需的最小配置和相关的EEG电极子集(图45)，以有效提供合适精度的诊断和预后结果(基于定义感兴趣的事件，例如感兴趣的神经障碍事件的状态升高与神经障碍的较不严重的采样期；(图45)。
所述“第二监测装置”包括最小EEG电极和最佳电极位置确定，实现流水线或更不复杂的监控配置，以减少日常或更常规的日常操作(即基于消费者的)跟踪目的(即图43，图46至图50，图52)。
-[9]简化EEG诊断头戴设备2(图45)：
主体使用简化的常规可穿戴EEH耳机配置进行监控，基于专业诊断水平到消费者级最小化分析过程。
-[10]EEG常规或消费级日常/夜间健康跟踪头戴设备2(图45)
-受监测的主体带有可穿戴设备2：EEG简化耳机
-[11]自动EEG分析脑电监测最小化(图45)
自动EEG分析，用于确定最早的发病/中风，发作预测，感兴趣的状态或转变的神经障碍的最小配置-EEG监测分析。
[12]加强健康状况特征和最佳参数确定监测和成果性能评估分析(图45)；
[13]EEG监测和分析改进或微调参数及其它系统建议或自动变换；(图45)
分析实施例：连贯和偶极连接分析
在一个实施例中，本发明具有综合的多个EEG传感器的全面的第一设备EEG电极监测耳机(图45；：左上角；，适用于在一个处理阶段进行一个处理相，以确定重要和有用的时空大脑激活进展或变化，适用于表征发病、发病率，适用于诊断或预后神经系统和/或肌肉系统无序状态或感兴趣的变换(图45)。
第二处理相涉及另外的分析，以使得能够实现最小电极位置和电极数量，从而能够提供诊断和预测精度和可靠性，以使得有效地检测适用于感兴趣事件的状态或相关转变的发作或发生，包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文档后面的缩写中详细说明的“EOI定义”)。
图46顶图：简化的流行的前额带EEG监测系统>>
一个简化版本的头带可以包含3个前额电极，包括Fp1[2]，Fp2[4]，Fpz[3]。头带可以部分圆周形式提供，主要覆盖前额前额区域，如图所示成型圆周版本。更广泛的电极格式可以包括额外的电极选项，例如AF7[1]，AF8[5]和/或Iz[6]中的任一个，如图所示。后一电极位于头带后部的内侧，使得能够监测EEG特征，例如从前(前)到后(后)或后到脑前脑区能量偏移。底部：头带Somfit/eLifeNEURO与前额EEG/EOG/EMG，LDR和/或运动健康跟踪功能
图53，图48顶图：简化流行的EEG监控系统
>>底图：嵌入在传感器头带内部用于EEG监测的电生理传感器。“自动EEG分析EEG监护仪最小化”(图45)可以部署为一种方法测定EEG特征，适用于检测EEG，适用于感兴趣的神经障碍或健康状况。具体分析转换和信号特性有关于简化的电极头带(或其它合适的EEG头带格式，受限于主体/患者先前的诊断研究或基于其它研究结果或参考数据库参数)。以这种方式电极的最小配置(如但不限于)，多变量分析，包括两个或多个电极监测位置和分析变换的任何一种或组合，例如但不限于相干特性，信号动力特性(如复杂度或熵分析)，光谱特征。电极，自动在线和/或空间动力学组合适用于感兴趣的诊断和预后事件，包括感兴趣的生物标记和/或健康状况和/或健康后遗症的单个事件和/或整合(群集)，包括障碍事件的前兆或各种程度的严重程度的任何一种或任何组合，包括那些睡眠障碍，心脏疾病，呼吸疾病，心脏病，呼吸障碍，神经系统疾病，肌肉或运动系统障碍，肌肉活动，其它肌肉活动，神经疾病，神经行为障碍，认知障碍，自闭症谱系障碍(ASD)，亚斯伯格，癫痫等癫痫发作，癫痫样放电，痴呆症，阅读困难，阿尔茨海默病，帕金森病，注意力缺陷多动障碍(ADHD)，亨廷顿舞蹈症，创伤性脑损伤，抑郁症，焦虑症，精神病学和其它主体状态，转换或事件以及感兴趣的健康状况；
图49简化流行的EEG监控系统之间的混合。
>>根据先前的诊断研究(即“自动EEG分析EEG监测最小化”(图45))，可以配置一系列EEG头带配置简化或更复杂的电极配置。简化的研究可以通过自动统计数据挖掘(图80块[1；2；9；13；14])，分析分类(图80块[8])，统计分析评估(图80块[13])和持续专家系统/智能系统算法知识聚合被导出，并且通过微调分析变体(图80)和相关的主体-生理数据和医疗信息(图78)监测和分析算法转移到知识(图77)(图78)。鉴别函数分析导出函数，以分类患者/主体特定的“感兴趣事件”或“感兴趣的健康状况”(本专利申请文件中概述的任何事件)。
-本发明进一步包括或实现了“自动EEG分析EEG监测最小化”(图45)或自动主体特异性统计分析多变量和确定。更复杂的监控格式可用于更复杂的监控要求，但仍然是从复杂的分析结果中得出的，作为预定测定的方法(基于空间-时间和/或相干性特征主体特异性诊断研究或群体健康和无序的比较数据库结果)作为检测神经系统状态的方法，包括自闭症，创伤性脑损伤，癫痫，自闭症，注意力缺陷多动障碍(ADHD)，帕金森氏症，亨廷顿舞蹈症，抑郁症，认知功能障碍或时空来源。
图50显示了简化和精简的EEG头盖监测系统，基于本发明的最小化分析和电极确定过程和装置(即，包括可以根据特殊电极最小化分析和测定手动或自动重新配置的EEG监测系统)。31
图51底图示出了一个综合的EEG头帽监测系统(只有必要的电极，作为本发明的最小配置EEG监测确定方法的确定)与最小化版本，基于监控配置和分析变量的维度冗余减少，如顶图所示。
图52本发明的电极[5]最小化系统的实施例，其中单个设备可以使非必需电极[1；2]禁用或分离，以使得提供较少的突出监测功能，更适合日常或事件日常消费者层面的监控要求。
图53磁刺激系统实施例，其可以被配置为正面[2；3；4；5]区域[1；6]和/或后脑区域。
图54EEG监测实施例配置为运动或其它头部保护系统的一部分，并实现在线传感器[1,2,5-9]监控，信号处理和信号数据采集，连同[4]无线接口[3]，以进行分析处理，使得能够基于自动分析确定TBI，包括非线性动态分析，源定位，相干性和/或双耳听觉刺激[位于1和相对耳朵的扬声器]和具有脑反应测量AEP的任何一种或组合，例如(但不限于在线MMN注意力确定)。32
图55本发明实施例包括133频道高密度监控。
>>>T左上方：133频道高密度监控头盖；右上方：偶极源定位精度及相关连接测量：计算的偶极位置使用标准化MRI图像数据库，电流密度重建(CDR)收敛。最显著的偶极子(RED)似乎是根据丘陵地区集中的；中心左：左侧图像视图强调了睡眠中典型的中枢和枕叶脑活化；左下方：大脑顶视图MAPS，41毫秒(TP41)AEP组件的优势，位于颞区周围可能有助于正面区域脑激活的重点(即，根据右上图的3个偶极子的前部定位。右下方：偶极子计算和ARC输出表现在3偶极子，其中1个位于前区，2个位于前后/上后位(上后脑)区域15。15
右上方，偶极子分析：改变最小滞后(其中滞后是指根据时间范围参数配置的EEG相干性的存在(通常时间延迟或引导因素可以配置为所选时间范围的+/-50％的最大偏移)。这样可以计算FFT或起始EEG波形，并检测根据滞后或引导配置的重叠。
时间调整ARCS-3ARCS；结果：睡眠(EV2 3M GM AVE)；研究2；FD BP，MAPS，3D视图：机器人；COH Obj剪辑<50％；CDR Par剪辑<36％；最小延迟7.4ms；120ms最大滞后；CDR传输100％；电力传输90％；SRC COH(固定)用于CDR(sLORETA)对象打开；偶极子(3固定音乐)对象打开；偶极子强度图标激活；自动噪声
图56这个诱发反应和持续EEG监测的实施例，纳入NLDB/熵，差分，快速在线AEP或自发事件监测的任何组合和/或分析技术(即，具有外部建模输入功能的自回归分析，能够产生8秒在线平均，仅使用9个点击AEP测试范例)，和/或加上脑能量和相关连接(即偶极子；相干性)。
>>>这里的图表示本发明部署自动在线“自发事件”和/或“诱发反应”计算结果的任何一种或组合，实现预配置和主体/患者特异性或广义诊断和/或预后和/或生物反馈和/或治疗/治疗相关结果或控制功能的任何一种或组合。所述自动在线分析过程可以包括，根据该图，分析图的示例(AEP与连续EEG意识/心理监测和测定实例的分散图，显示麻醉深度指标值；伯顿D.A&CD(2009)Ref 13689 33)任何听觉诱发测试范例的组合，适用于处理或有潜在评估(即MMN，奇数球，AEP，使用任何相干性，NLDB分析，光谱信号分析，形态信号分析)包括这里具体显示的AEP熵，AEP差异和/或连续的EEG主体监测参数。>本发明还能够实现补充或“分布式处理”技术，能够通过技术进行集成，例如“时间同步”技术(但不限于本文所述的“MTM”)，例如(但不限于)NAS，云计算服务，LAN，WAN，IP，WEB互通系统。该图具体介绍了意识与无意识的二分法-有意识和无意识的手术麻醉期间的散点图叠加。>最佳(AROC)BISTM值，AEParx15(类型8；15,16；32)和AEPave256(类型8；32)值。发现最快的患者-13LOC转变为arx 15扫描AEP(黑色-1)，然后是AEP 256扫描(红色-2)，然后是BIS(深蓝色-3)。>该图比较了BISTM数据(蓝色)与对应于3最佳总体(TOT)2样本t检验p值的AEPi[arx15]分析类型(2.2秒；15扫描延迟)的散点图。BISTM数据(类型33；3个LOC假像值设置为“0”)得到8.8689E-05的2样本t检验p值(排名第8位)。>2.1983E-06的最佳2样本t检验p值可以从熵2AEPiDA[arx15](红色；类型17：0-15ms)结果计算，然后是从AEPiIASQ[arx15](棕色；25：0-15毫秒)计算出的6.7531E-06结果，其后是从熵2AEPiDA[arx15](黑色；类型23：80-140ms)计算的1.2297E-05结果和从AEPi IASQ[arx15](绿色；31：80-140ms)值计算出的1.1355E-05的第4最佳排名。对应于绿色坐标图的AEPiIASQ[arx15](类型31：80-140ms)参考右侧y轴刻度，而所有其它曲线参照左侧y轴刻度。>>>本发明实现以下任何一种或组合：a)可穿戴设备的监控(如以下任何一种或组合a)图48；图49；图50；图51；图52；图53；图54；图25；图3；图4；图5；图27；图3，图5，图16，图17，图21，图23，
b)分析，包括如图56至图83所示的分析组合中的任何一种或组合，c)AEP差异分析(ADiDAS)，d)使用外部输入功能进行快速自回归分析建模(arx 15扫描AEP；2.2s)，e)较慢的AEP(38秒)延迟依赖平均，f)非线性动态(熵)AEP指标值；g)诱发耳后肌肉(PAMR)区域的早期延迟(0-28ms)；h)诱发的PAMR测量作为麻醉诱导的肌肉抑制期间术中意识的标记；i)快速(2.2秒)arx 15次扫描AEP检测快速(0.25-3.0秒持续时间)身体运动，快速觉醒和有害刺激事件被证明是典型的麻醉特定事件；j)将这些事件在线检测作为有用的镇静或麻醉反转鉴别剂，具有降低术中意识发生率的潜在可能；k)测量，包括监测催眠，遗忘，不动，镇痛和抗焦虑，以及相关的影响，包括伴有焦虑症升高或麻醉诱发麻痹的意识；l)较慢趋势EEG参数与快速(2.2s)和/或慢差分和非线性动态(熵)移动时间平均值(MTA)的最佳测量组合，m)AEP测量在不同等待时间间隔的宽带计算，m)意识转移的确定，在线事件的反应和响应以及外围和中枢神经系统信号之间的区别；n)“感兴趣的健康状况或症状”“感兴趣的事件/EOI”(根据本文件后面的缩写表中的“EOI定义”)；
分析选项可作为AEP，ERP和/或分析格式的任何一种或组合的一部分33：
本发明能够组合AEP或ER分析转化，以在单一分析背景或组合分析环境中使用，其中信号动力学分析过程(即诸如熵或复杂度分析的非线性动态分析方法)的组合，可以部署为一种方法，确定意识和/或认知状态和/或水平和/或转换作为诊断性预测工具适用于神经系统或其它脑神经或肌肉系统疾病(即阿尔茨海默病，TBI，mTBI，痴呆，自闭症障碍，ADHD，帕金森病等)。
AEP/ERP数据预处理
本发明使得能够使用在一个或多个信道上计算的一系列主要和次要分析变换以及一个或多个渐进AEP或ERP信号来分析ERP或AEP数据。
平均或回归建模技术，包括能够实现更快的平均响应时间或更少的在线计算延迟的方法，可以部署在需要更灵敏的在线测量的地方。
基本信号处理和数据格式
在进行初级或次级转换/分析之前，本发明部署了许多基本信号和数据格式化过程，包括(但不限于)更高级的处理，次级ERP分析之前是一系列主要功能包括预采集信号处理(放大，信号滤波，别名滤波)以及基本的采集后分析(如整理ERP以及关联事件)。
初级AEP/ERP数据转换
本发明可以部署一系列EEG和/或ERP(包括AEP波形分析)和波形分析(数学和统计转换)主要数据变换。
主要变换可以包括调查感兴趣的监视周期，基线，基线调整，以最小化由于诸如电极直流偏移或身体运动假像，不想要的信号噪声或失真的假像抑制，平均一系列ERP波形等因素而导致的数据摇摆，回归技术可实现更复杂的平均例如使用具有外部输入的回归建模，以提高测量的在线响应功能并最小化传统ERP数据平均计算延迟因子。
次级AEP/ERP数据转换
此外，对于诊断或预后的标记，熵和EEG和/或ERP分析(数学和统计变换)被部署为包括分析在内的二次分析过程的一部分。
组合分析
在波形分析方面，本发明可以使用从最小模型到最大模型的多个模型来部署分析测量的任何一种或组合。分析方法可以结合一系列完整或复杂的分析类型其中AEP和EEG测量可以提供比任何单个EEG分析类型或单次AEP分析类型或单独的AEP或唯一EEG测量更高的认知测定33。
基于统计学的联合概率测量精度确定
参考“神经科学管理系统”一节，根据子标题“累积测试统计评估”。
原始AEP或AER波形的数学主要分析包括任何数学派生和/或统计学导出的结果。
ο数学衍生的结果包括形态学(即时间序列信号模式分析)分析，作为导出ERP峰值，谷值和相关延迟，相位相干或相位相互关系(具有相关或其它ERP波形)的方法。
ο统计分析包括诸如(但不限于)偏斜计算，峰度，8-30Hz幅度谱的中值频率(或意识或认知深度的上下文中的感兴趣区域)的计算，包括频率更高的认知相关光谱功率，百分比光谱边缘确定或其它统计分析。
次级神经连接排序(NCS)分析
(即下文进一步描述)作为基于休息或特殊条件(例如认知和/或运动任务挑战或虚拟，电，磁和听觉刺激(包括奇怪的或MMN测试范例)导出脑连通性激活序列的方法。
次级神经连接跟踪(NCS&T)分析
包括以一种方式自动切换连接参数，前阵子互联区域之间的最大和最小延迟时间可以顺序或其它方式切换(逐次逼近等)，以确定在任何时间激活大脑互联性或对应于任何刺激或任务挑战的灵敏度水平。
原始AEP或AER波形的数学初级分析
次级ERP分析之前是一系列主要功能，包括预采集信号处理(放大，信号过滤，别名过滤)和基本的后采集分析(例如，整理ERP以及相关事件)。例如，(但不限于)本发明可以计算5次辅助AEP方法与3次主要AEP变换的任何一种或组合，以使得确定如图102a)所示的表中所呈现的15个AEP或ER分析变量。
对于4个选定的患者记录，共生成了16组由15个AEP指数和BIS指标组成的指标值，并按照图102b)约定的表格对分析类型进行编号和命名。
以下部分详细介绍用于计算AEPA；AEPDA；和AEPIA波形的后台公式。
AEP平均(AEPA)
AEP平均波形是从前面的256次扫描产生的，除了这些扫描中大于75％被表示为假像。AEPA也在早期出版物中被描述，并被称为AEP平均或“大平均波形”(AEPgmw)34。
AEPA(256扫描平均)信号根据公式计算：
________________________________________________________
AEPave-表示AEP平均波形
AEPs-单扫听觉诱发电位。
AEP[j]-即时j的原始AEP波形。
Δt-音频刺激点击之间的时间间隔35
得到的AEPA曲线，如图102c)所示，图102c)的下图右侧。上图显示了图102c)时域AEP平均值的下图所得的EEG原始数据。
一阶导数AEP(AEPDA)
对AEP平均值(AEPA)应用一阶导数或称为“差分幅度”，衍生AEP的绝对值限定_为：
y(i)＝|x(i)–x(i+1)|i＝1,2,…255
公式2
________________________________________________________
其中y(i)是从两个连续点(总共256点)之间的绝对幅度差计算的。
其中x(i)是AEPA的第i个数据点，y(i)是AEP信号导数中的第i个数据点。
得到的一阶导数AEP曲线，如图102d)的下图右侧部分所示。上图显示了EEG原始数据，图102d)导出了下图差分AEP波形轨迹。
综合AEP(AEPIA)
集成的(I)时域AEP平均信号(A)被指定为“AEPIA”，并且由下式计算：_
i)从第一个数据点开始，删除该10ms数据的平均值(DC分量)。将10ms DC删除数据的绝对值之和定义为移动窗口积分AEP的第一值，即AEPI。
ii)移动到重复步骤(i)的下一个数据点。所得的AEPIA曲线如图102e)右下部分所示。上图显示了图102e)下面板差分AEP波形轨迹的EEG原始数据。
次级AEP转换
五个次级AEP变换被指定为““绝对AEPA值的总和”(S)36，“AEPA值平方根的总和”(ASQ)37，“AEPA值2次幂的总和”(ASP)35，“熵1AEPA值”(熵1AEPiA)，和熵2(对数版本)AEPA值(熵2AEPiA)。
绝对AEP振幅值之和(AEPiAS)
AEPiAS值由以下等式定义。
其中，x(i)是来自AEP波形的第i个数据点，m是来自AEP波形的数据点的数量。
AEP振幅值平方根之和(AEPiASQ)
AEPiASQ值由以下等式定义
AEP振幅值2次幂之和(AEPiASP)
AEPiASP值由以下等式定义
熵1AEPA值
“熵1AEPA”熵函数38,39如这里概述。
Entropy1AEPi(t)＝wnetropy(x(i),'Shannon') 公式6熵1
熵2AEPA值
“熵2AEPiA”方法是基于香农的通信数学理论40，如这里概述。
使用三个基本的AEP波形，表示为AEPA，AEPD和AEPI，可以使用五(5)种方法计算十五(15)个AEP指标。
图57使用本发明结构分析方法的实例(镇静，疼痛，麻醉监测)，结合包括定义因果生理机制以及相关的生理学标记的方法，以及相关离散和相关监测信号的确定，适用于感兴趣的事件，疾病或健康状况的预后，诊断和/或治疗。
>>>在这个具体的镇静，疼痛和麻醉(SPA)监测的实施例中，这种结构化的方法提出了发明的功能，以结合一个整体主体/患者特异性或更一般性，即基于其它群体正常或疾病/病症数据库的并入)基于对主体/患者的任何生理，心理，病理主体/特定或“广泛”的健康管理目标或的监测目标，作为对任何范围的简化复杂监控技术进行分析和/或可穿戴的设备监控和分析配置的平均值。>>>本发明的结构化方法能够实现主体/患者特异性监测或健康目标的确定，基于现有患者病史和症状主体/患者健康信息(即打鼾加日间嗜睡，疲惫或疲劳症状可能被分析为潜在的有问题的睡眠无序呼吸，因此通过提示和健康管理系统超链接链接到单一的“点击和进入”系列的消费者级别或患者级别(专业医疗选项，具有医生，专科或其它级别或适当资格和HMS系统注册医疗保健提供者服务的进一步选择)预测或诊断研究辅导或监测解决方案。因此，使用防御发明专家系统/人工智能功能(图45；图75；图76；图77；图78；图79；图80)并结合另外的方法来自动确定一系列最小化到复杂的系统监控配置确定(即，但不限于图45)，本发明可以自动推荐，取决于适当的(即在国家允许的基础上，可以通过位置和互联网协议信息在任何时间或任何地点确定)监管方法，以及确定医疗机构要求，建议或限制的方法，并且还需要所需或患者期望的医疗干预(即本发明实现主体/患者能够确定或“选择加入”和“选择退出”其特定健康管理系统(HMS)社区，包括私人健康社区(即患者选择的医疗或其它个人教练，顾问，助手或注册的健康专家，作为本发明社区的一部分，具有排名，建议，报告，类似经验，资格，检查，用于真实性和当前医疗或其它权限管理委员会成员等)或公共健康社区(即但不限于由更广泛的健康社区共享的类似经验和解决方案)基于主体/患者特定偏好，隐私和安全要求的共享信息或特定的授权信息访问或交换。例如，如果主体/患者选择“选择”或“授权”注册医生，专家，睡眠专家，科学家，技术人员，临床医生，护士，健康教练，家人或朋友或其它选定的组织或个体，HMS系统可以确定所需或适当的复杂度水平，并自动向主体呈现特定健康管理选项的范围。>如果，例如只有输入到HMS系统的症状适当地符合并被适当地支持(即适当的问卷或调查加一些基本的医疗检查(即可由政府或医疗保险机构或其它类似机构规定)以及如果打鼾等症状，中度睡眠剥夺(基于患者自我报告，但更重要的是通过HMS兼容的睡眠跟踪系统跟踪主体/患者的睡眠模式和结果)严重的白天疲惫和最小的日常活动(基于患者自我报告，但更重要的是通过HMS兼容的健康和活动跟踪系统跟踪主体/患者的睡眠模式和结果)，加上主体/病人的选择，包括登记的睡眠医生和个人医生(即注册的全科医生或医师)可以导致呈现(即，每个超链接的健康监测选项)到范围或更全面的监测解决方案的主题，例如但不限于美国睡眠医学学院(AASM)或美国医疗保健2型或3型睡眠研究监测要求，或澳大利亚睡眠协会(ASA)或澳大利亚医疗保险无人值守的2至3级睡眠监测要求。>或者，在所有事情相同的情况下，除了没有适当水平的医疗监督建议或医疗报销要求或一般特定国家或地区的监管要求，则HMS系统将采用更简化或简化的消费者级别或健康管理指导方法。因此，在这种更简化的方法中，该主体/用户可以呈现更多的“简化的睡眠或呼吸筛查监测解决方案选项”，其可以例如包括主体/患者的睡眠缺陷和可能的睡眠倾向的术语，以及推荐的睡眠跟踪或睡眠改善建议，基于HMS人工智能和专家系统分析计算功能。在诸如“简化睡眠或呼吸筛查监测解决方案选项”案例中，更简化或消费者级别监测解决方案的超链接范围可能包括(但不限于)AASM 4型指南或ASA 4级睡眠障碍呼吸筛查指南。>以这种方式，本发明可以自动确定主体/患者最相关的健康管理建议或辅导建议并且实现主推/患者能够选择一个点击监控设备，完成配置和分析要求最合适的健康管理解决方案，基于HMS用户的主体/患者特定健康管理要求，HMS目标，HMS健康社区和监督情况和/或预算和/或复杂性要求。>本发明进一步实现生物反馈或治疗(即通气或正气道装置干预，用于自动主体/患者特异性适应或重新配置目的(即调整和最终优化唤醒阈值水平以最大限度地提高睡眠质量并最大限度地减少睡眠破裂，例如由于睡眠倾向或剥夺的日常或常见变化，日常活动(即通过信息链接的可穿戴活动监视系统等)，睡眠改变为药物或睡眠剥夺，基于动态主体/患者特定要求(即针对特定主体/患者的任何时间点的睡眠剥夺和/或药物管理)。
图58示出了一个表格显示主体/患者(左列)，生理变量(第2列)，监测的生理变量测定(第3列)和相关生物标记(第4列)的症状或效果。
>>>结合前面图57的结构化方法，HMS确定一系列最小化到复杂的监控系统配置，这里列出(仅适用于示例)呈现本发明的一个示例能够绘制主体/患者(左列)的各种事件，症状或效果的功能，可以自动确定或通过HMS用户(在不同情况下适当地进行医疗或用户/患者访问)。可以根据第1列症状或监测事件对根据第2列的生理变量进行映射，以使得可以确定最适当监测的生理变量(第3列)，以及能够表征感兴趣的症状，事件或健康状况的相关生物标记(第4栏)。
图59表格提出与本发明的在线监测功能相关事件的示例，并且适用于预后或诊断感兴趣的事件或生物标记的单个事件或集群。>>>常规和麻醉特定事件的总结，这符合本发明根据图57，图58和/或图59至图75应用结构化方法的功能以及图45中的健康管理目标和最小化过程，以及根据图76至图80的关联信息和监控聚合和自研究，本发明进一步提供了对一系列生物标记或事件进行映射的功能，其可以通过在线监视被自动检测，作为单个事件以及任何一种或组合的事件集合或集群，以使得能够对主体/患者特异性或更广泛的事件或感兴趣的健康状况进行自动预后和/或诊断。
图60本发明的自动(具有在线功能)监测和/或分析图66至图70与脑源定位，地形，相干性统计和/或功能数据视图动态相关的睡眠/唤醒睡眠时相序列图的功能和/或指示
图61本发明的实施例说明了本发明的实时监视主体/患者的任何预定的“监视目标”或“广泛的”数据挖掘目的在线分析(即NAS，云计算服务，LAN，WAN，IP，WEB等)的功能。
>>>>>在本实施例中，主体/志愿者配置了更复杂的电极帽，但是基于本发明，可穿戴监控系统“最小化”处理主体特定参数可以自动和/或利用计算机辅助计算“简化”监视配置，(例如但不限于)分析和/或可穿戴监控系统配置过程的任何一种或组合(即图45自动穿戴设备配置系统；图45；在线生理，心理，病理学的示例；诊断和/或预后监测系统；图56诱发反应和连续脑电监测示例，结合NLDB/熵，差分，快速在线AEP或自发事件监测的任何组合，和/或分析技术(即，具有外部建模输入功能的自回归分析，能够产生8秒在线平均，仅使用9个点击AEP测试范例)，和/或加上脑能量和相关联的连接(即偶极子；相干性)；图57是本发明的结构化方法示例，其突出显示了整体主体/患者特异性或更广义化的结合(即基于其它群体正常或疾病/病症数据库的并入)，作为分析和/或可穿戴的设备监控的方法和分析配置任何范围的简化到复杂的监控技术，基于任何生理，心理，病理课题/特定或“广泛”的健康管理目标或对主体/患者的监测目标。本发明健康管理系统(HMS)实现根据相应的生理参数和相关的生物标记/测量(即图58)或感兴趣的事件(即图59)来自动地映射与HMS目标或健康管理目标相关的主体/患者的症状。本发明实现范围变化从简约/流线型到更复杂(即但不限于图43；图45；图43，图46至图50，图52)，监视配置到使用专门的人工智能/专家系统过程自动确定(图76；图77；图78；图79；图80)，以及本文所述的进一步独特的分析过程(图45；图60；图61；图62；图63；图64；图65；图66；图67；图68；图70图71；图72；图73；图74；图75；图76；图81；图82；图83)具体并根据主体/患者预后或诊断或治疗要求进行配置。更广泛的数据挖掘方法可能需要系统用户及其相关健康社区配置的监控和HMS目标。这个特殊的附图说明了甚至最全面的诱发电位(EP)和自发事件监测可以使用快速平均AEP技术(即，但不限于使用外部输入建模的自动回归建模)和分布式或补充在线分析过程(即云计算服务，NAS，WAN，LAN，WEB，IP等)。
图62本发明的自动(具有在线功能)监测和/或分析功能和/或意识-睡眠诱发电位的状态指示，电压图皮质连通性(相干性)
图63本发明的自动(具有在线功能)监测和/或分析功能和/或意识-唤醒诱发电位的状态指示，电压图皮质连通性(相干性)
图64本发明的自动(具有在线功能)监测和/或分析功能和/或意识-唤醒–诱发电位状态指示，电压图皮质连通性(相干性)
图65本发明的自动(具有在线功能)监测和/或分析功能和/或意识-唤醒–诱发电位状态指示，电压图皮质连通性(相干性)和成像数据。
图66本发明具有在线源定位和相关指示的自动(具有在线功能)监控和/或分析功能的示例。
>>>适应症和/或视觉化包括源定位结合通过系统用户预定区域或感兴趣或与现有或标准化脑图集或其它指南相关联的皮质区域映射大脑激活区域的方法。在本例的在线自动平均(AVE；包括使用外部输入建模的自回归分析选项)，分割(SEG)，电流密度重建(CDR)和相干性(COH)。在睡眠(阶段2)期间计算的基于CDR fEEG和标准化MRI图像数据收敛的相干弧活动呈现了丘脑和枕叶大脑皮质区域之间神经互联的优势。相比之下，基于CDRfEEG数据的收敛和在唤醒期间计算的标准化MRI图像数据的相干弧活动呈现了丘脑与额叶大脑皮层区域之间的神经互联性的优势。了解意识机制，包括大脑激活或抑制的相关区域，连通性(相干性)和关键功能方面如丘脑(“意识转换”)和丘脑-皮质相互关系仍然是未来研究的重要课题
图67本发明的自动(具有在线功能)监测和/或分析功能和/或偶极确定指示的示例
图68本发明的自动(具有在线功能)监测和/或分析功能和/或精简或“消费者级别仪表板”健康管理系统视图指示的示例。该移动设备或可穿戴系统(即iwatch)视图可以用更复杂的临床或科学仪表板和相关服务进行补充。
图69本发明的自动(具有在线功能)监测和/或分析功能和/或在线EEG源定位的指示的示例。
>>>在线EEG源本地化包括相干互联弧(右上)，EEG引起反应(左上)，EEG地形图(平均响应左下方)，睡眠阶段睡眠时相序列图(地形图以下)，EEG踪迹(睡眠时相序列图以下)，事件包括δ波，左眼运动，右眼运动，心轴，EEG频谱(也可包括呼吸事件，活动事件，事件预测，聚类分析定义，多变量分析检测标准以及相关的心理，神经和生理状况及状态。大脑本地化，睡眠监测和呼吸事件检测的融合使独特的观点能够揭示与早期行为发展相关的睡眠无序呼吸产生的空间动态认知障碍(即EEG唤醒)(例如仅)的重要关联。
图70本发明的自动(具有在线功能)监测和/或分析功能和/或活动健康管理属性指示的示例(点击/点击照亮；
>>>双击/点击转到任何显示的事件和相关的参数配置。>>配置属性包括生理状态，心理状态，神经状态，事件状态，多变量/组合分析和健康状况标记中的任何一种或组合。每个示例配置表在这里在线/实时监控可以配置为检测一系列生理，心理，生理健康状态或条件适用于：1)生理条件(即癫痫，帕金森氏老年痴呆症，自闭症等)；2)心理状态(睡眠/醒觉；无意识/意识深度，注意力水平，状态高频，意识状态)；3)事件类型(即主轴，K复合，唤醒，微觉醒，高频振荡(HF)，高频波纹，高频A型，高频B型等)，时间背景(即早发，迟发，实际事件)；(图形布局主轴(LH功能数据)的温度-视图，3D旋转图像(RH图像显示)加多导睡眠时相序列图或具有颜色编码条件的EEG显示(即通过红色标记的癫痫发作群指示；通过橙色标记等发现帕金森病发作群集)，并对主轴，K-复合物，觉醒进行编码)；睡眠/醒觉/意识深度的心理状态；注意力MMN等)。
图71本发明的自动(具有在线功能)的监视和/或分析功能和/或复杂的“科学仪表板”配置的指示的实施例：神经光谱显示(NSD)作为具有频率直方图的A&CD显示(A&CDD)系统的功能呈现。
图72患者13本发明自动(带在线功能)监测的示例。>>>监测包括分析功能和/或AEPiDAS延迟相关检测的指示，表示为“a”至“d”。这些系列图显示了对应于BISTM输出(图9)和8个AEPiDAS延迟方差的不同的A&CD数据轨迹方差。参考号：REG_PAT13DIFF_8LAT&4ANAYL&BIS_4sep08COMP PT2.xls
图73本发明的自动(具有在线功能)监测和/或分析功能的实例包括用于在线事件表征和相关检测的EEG事件和相关联的快速平均(ARX)AEP事件(P6；P8)。>>这里显示的用于研究的例子表示为患者-13(Pat-13)。Pat-13EEG和arx 15次扫描AEP峰值6(395秒)和峰8(779秒)。数据跟踪Pat-13EEG和arx 15扫描AEP峰值6(395秒)和峰8(779秒)。数据轨迹按降序显示(从上)EEG峰6(395秒)，AEP峰6(395秒)；AEP 6-(392.8s)；AEP 6+(397.2秒)，EEG峰8(779秒)，AEP峰8(779秒)；AEP 8-(776.8s)和AEP 8+(781.2s)。
图74本发明的自动(具有在线功能)监测和/或分析功能和/或在线事件辨别的指示以及CNS，PNS，MT，BM，Ar，ArNx，眼睛运动，EMG入侵或突发事件辨别和分类的任何组合之间的描述。
图75自动在线确定感兴趣的事件包括唤醒或睡眠期生物标记，适用于神经系统疾病的发作或发病，如帕金森(包括原发性SBD)，癫痫，抑郁症，自闭症和/或ADHD。
图76eLifeMEDICS&eHealthMEDICS健康管理系统(HMS)。高度安全和私密的数据网关，其主体层能够连接不同的信息和监控系统，同时将临床信息和数据与私人信息隔离开来，并且包含用于减轻黑客或其它安全风险因素的私人密钥和数据隔离技术。
图77健康管理系统(HMS)专家或人工智能引擎提供连续诊断和预后健康跟踪算法改进的方法
推理机[D]利用从接口到外界的输入[B]，通过规则解释器激活相关规则[17]。推理模块可以基于输入[B]或前向“链接”部署数据驱动推理，以及基于识别特定或适用的症状组提供诊断或预后的功能(如图78[13])另外，本发明包含多个设计用于解决冲突的过程，以使得确定适当的推理规则[D]。这些规则的例子包括优先权或规则，上下文限制，元规则，“先到先得”的基础，信息的时间背景，通用性排序和Buggins转向或“循环”。知识库[B]包含一系列简单到复杂的规则，以及序列，事实，结构化实体，这些实体的属性，实体之间的关系，推断事实，不确定性(在规则中)，不确定的证据，模糊规则以及证据与结论之间的不确定性。
解释模块[14]允许激活规则的用户(人)可读形式，适用的冲突解决以及随后生成的所选择的规则，解释解决方案的确定。
通过人工智能和专家系统自学信息积累的过程，和相关联的监测和最终知识库的改进图77[A]知识库(即基于从接口到现实世界[8]的输入评估积累的信息和规则解释器的关联，这是基于标准化的评分规适用于疾病，疾病或感兴趣的健康状况)，本发明的预后和诊断准确性继续改善并且继续使用“微调”。
图78基于翻译的预后和诊断知识数据库[6；7；8；9；10；11；12][2；5]以及通过互联网/网络链接[3]专家和主体/患者适用信息来源对系统智能进行汇总[1；4]。
图79健康管理系统(HMS)信息知识转化方法
图80个人主体/患者-健康管理系统(HMS)[1]，包含监控目标的任何一种或组合。
>>>监测目标包括个人主体/患者-健康管理系统(HMS)[1]，与任何o的监控目标相结合[2]，数据采集监控[3]，假象消除[4]，维度最小化[5]，监测传感器维度最小化[6]，监测装置的维度最小化[7]，分析变量的最新范围[7]，分析分类[8]，广泛分析变量测定[9]，超集分析变量测定[10]，子集监测分析变量确定[11]，分析变量最新范围[12]，统计性能评估复杂到最简单的监测算法模型[13]，专家系统和/或人工智能确定14]。
图81ehealth(eLife)平台概述包括独特的移动设备，相关应用，服务和系统控制因素。
图82集成传感器附件(ISA)，带有信号质量指标并结合了手风琴扩展系统11的选项
图83自动模式测定(AMD)和连接传感器结合(ISA)，患者接口(WEM；CEM；UIM)和信号质量管理(SQE；SQI&C)，和自动识别和表征(AICC)系统1；16
权利要求-eLifeNEURO-参考摘要，发明内容，附图，适用的权利要求部分或随后的分案申请。
标题：eLifeNEURO/EPILEPSY
背景技术
理想情况下，疾病或病症的患者应该能够从早期发作警告，通知，早期事件或状况预测中受益，用于在需要时进行早期和远程干预，在线远程或本地传感器和/或监视系统和/或信号调理干预，生物反馈治疗控制，指导和/或自动定制的药物和/或剂量和/或药物递送和/或药物分配，在线干预，预测和警告与感兴趣的事件有关的个人包括感兴趣的生物标记和/或“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”的单个事件和/或集合(群集)(根据本文档后面的缩写中详细说明的“EOI定义”)。
通常与现有技术相比的在先技术，癫痫患者需要临床诊断，这可能涉及一天或多天的复杂监测，以使医学专家能够诊断存在的情况，如果可能，诊断特定的癫痫来源或类型。由于癫痫监测和源定位系统的费用和复杂性，所有癫痫患者的综合诊断是具有挑战性的，不能自由获取或负担得起。此外，诸如癫痫，帕金森氏症，阿尔茨海默氏症，自闭症，抑郁症的神经病学，神经或运动“障碍”通常并不常发生，以使得一种具有诊断性临床结果和专业监督或干预的使个人能够进行基于消费者监测的方法，可以将适当诊断和治疗的患者与持续缺乏诊断或误诊的差异进行比较。
传统的健康和健身跟踪系统或甚至是专业的健康或科学监测系统，未能实现简单而有效和复杂的监控，以及与改善健康管理相关联的健康管理复杂生理方面，但特别是早期治疗干预和早期发病检测导致更有害，严重甚至潜在致命健康状况的病症的功能。此外，以前的技术水平未能检测到更复杂的现象，如生理中风。
发明内容
本发明使得能够及早有效地诊断这些所述“病症”可能导致早期药物治疗或治疗性干预，这可能减慢，并且在某些情况下甚至避免更严重的发作。
本发明通过其消费者层面的负担功能和专业干预的在线信息监督和无障碍功能可以一种方式在主体的家庭或正常环境中进行长期健康研究，否则对于许多疾病患者来说，成本太高或不切实际。本发明的趋势功能使得能够分析更长期的研究数据，用于指示疾病发作的更细微的趋势，否则将无法实现。
本发明综合“选择加入”功能实现方法保护数据(即包括方法“选择”或建立安全级别(即加密，生物识别，军事级别安全，文职级别安全的任何一种或组合；消费者级别安全；专业医疗水平安全；等等。)以及相关的隐私约束以及个人尝试访问任何其它健康或个人数据的可访问权限，同时保持个人的隐私权和担保权，提名或授权他们选定的专业医疗人员进入。可以加快获得专家医疗的方式，并在效率和相关负担功能方面得到改进。
-本发明进一步包括或实现选择用户访问复杂度级别与安全性和隐私级别相对于某些个人或组织的各种预定角色或认证信任级别的自动推荐级别的方法。
在本发明的治疗应用或发明方面，在某些情况下，更严重的疾病发作可能减慢，事件避免。这种治疗应用可以包括与相关的生物反馈相关联的所述监测。生物反馈可以包括手术解决方案，如脑刺激。例如，神经病学，神经系统，睡眠或运动障碍的发作预测可以激活药物的自动配制或速率。或者，可以一种方式控制药物分配系统的自动控制，其中通过控制药物分配系统，在任何时候提示个体并自动发出适当的药物。
-本发明进一步包括神经病理疗法生物反馈；表征和微调医疗状况确定
-本发明还包括或能够进行治疗干预，其中神经系统疾病可以通过对直接影响递送给所述个体的磁信号的位置，强度，持续时间，配方的任何一种或组合的个体的神经学监测通过生物反馈进行治疗。
就本发明的治疗干预而言，神经系统疾病可以通过对直接影响电刺激的位置，强度，持续时间，制剂的任何一种或组合的个体的神经学监测来进行生物反馈治疗，其可以通过手术植入或表面施加的电刺激电极施加于主体。以这种方式，可以减少甚至避免事件的严重性，持续时间和数量(如癫痫发作或帕金森震颤或不受控制的运动)。此外，本发明给消费者对日常生活带来访问和负担功能水平，否则可能被羞辱，生活在恐惧恐惧中，否则将导致生活质量，安全性和整体正常性的恶化。
本发明能够基于日常和夜间监测和专业的医疗监督和干预来更有效地描述和管理个人的疾病的功能可以提供逐步微调患者特异性监测和分析参数的方法，这反过来逐渐增加个人的预警和治疗，直到其健康管理水平最终达到甚至超过正常人的水平。本发明的所述生理监测功能可以涉及通过相关分析的一个或多个EEG监测通道。
本发明包括或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有以下障碍/健康状况预测，发病或事件表征和确定处理功能的任何一种或组合，这里进一步概述：
·-其中所述“监测和/或诊断和/或治疗系统”包括任何患者可穿戴系统或装置；
·-其中所述“患者可穿戴系统或装置”包括单个或多个以下任何组合：
·前额安装和/或连接的装置或系统；
·手腕安装和/或连接的装置或系统；
·胸部安装和/或连接的设备或系统；
·躯干和/或连接的设备或系统；
·肢体安装和/或连接的装置或系统；
·头部安装和/或连接的设备或系统；
·神经病症前兆算法
·-发病预测算法
·发病光谱前兆，可选择感兴趣事件(光谱带的组合)的聚类分析，和/或
·通过事件群(光谱带的组合)检测前兆检测。
41
本发明进一步包括或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)，具有通过结合表征和确定处理功能HFO的方式自动确定感兴趣的健康状况/疾病或事件的发生或发病的功能，这里进一步概述：
-本发明进一步包括或实现利用在线功能的选项进行自动表征。这些表征和检测功能包括使用可以预先确定的标准的高频振荡(HFO)，通过人工智能或其它方法自动适应，基于通常可以包括HFO振幅(即8-1200μV)，持续时间(即10-200ms)，具有最小事件间隔(即10-50ms)的最小数量的连续HFO事件的群(即1-10)42,42-45。
本发明还包括或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有自动确定健康状况/疾病或感兴趣事件发生或发作的功能，通过结合表征和确定处理功能，如自动表征；基于与癫痫发作相关的扩大的数据分析结果和/或其它紊乱前兆分析的自动算法适应，这里进一步概述：
-本发明进一步包括或实现自动在线分析，其包括以下任何一种或组合：
-通过表征通常发生的生物标记，例如光谱事件，来自先前记录的发作事件，来预测癫痫发作；
-以某种方式统计分析这些“生物标记”，为了逐步提高发病预测功能和提高统计概率的预警检测，随着预测功能伴随所述发作前兆生物标记的测定而增加，和/或
-结合适用于神经系统，神经系统疾病或其它不良健康后遗症的所述自动在线过程。
本发明还并入或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的发病或发生的功能，例如感兴趣的光谱事件；算法指导功能(基于累积事件检测和相关前兆分析)和/或感兴趣的集群或事件，如下文所述：
-本发明进一步结合或实现了一个或多个神经病学信号的在线监测，结合能够通过“感兴趣的光谱事件”的特异或聚类来检测发作前兆的自动在线处理；
-其中所述监控可以包括(但不限于)通过可穿戴设备的在线监控
-其中所述光谱事件包括(但不限于)光谱带的任何组合，包括(但不限于)δ/慢波(0.1-4Hz)，θ(4-8Hz)，α(8-12Hz)，β(12-30Hz)，低γ(30-70Hz)和/或高γ(70-180Hz)；
可以指导逻辑回归分类器，以使用频段功率特征的所述组合的任何组合来区分标记的先验性或间质性或后期或发作性癫痫样放电(IED)数据事件或片段；
-此外，可以对任何组合或生物标记或聚类进行分类，包括光谱带，HFO，波纹和其它光谱带分析表征和测定；
-其中“感兴趣的光谱事件”包括(但不限于)频段光谱功率特征的任何组合；
发病光谱群前兆
-“定义”方法在线监测之前或动态监测期间发病群集；
-通过根据聚类分析定义“感兴趣的事件”的属性来检测和/或监视和/或跟踪和/或记录和/或审查所述“感兴趣的事件”的集合
-其中聚类分析属性可以(但不限于)是在线监测期间或之前研究或调整的限定或属性；
-通过根据聚类分析定义“感兴趣的事件”的属性检测和/或监视和/或跟踪和/或记录和/或审查所述“感兴趣的事件”群的方法
-其中聚类分析属性可以(但不限于)是在线监测之前定义的限定或属性；
-通过根据聚类分析定义“感兴趣的事件”的属性来检测和/或监视和/或跟踪和/或记录和/或审查所述“感兴趣事件”群的方法
-其中聚类分析属性可以(但不限于)是在线监测期间或之前研究或调整的限定或属性；
-通过根据聚类分析定义“感兴趣的事件”的属性来检测和/或监视和/或跟踪和/或记录和/或审查所述“感兴趣事件”群的方法
-其中聚类分析属性可以(但不限于)是先前通过在先诊断研究或相关数据分析定义的限定或属性；
–其中通过事件群(光谱带的组合)检测发病前兆。41
本发明还并入或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的病或发生的功能，如光谱；检测感兴趣的事件，包括HFO；波纹；形态学模式的确定；非参数统计学的确定；混合事件；集体或聚类分析；空间动态信号表征；k复合物和/或锭子，如进一步概述：
·-本发明还并入或实现在一个或多个“感兴趣的光谱事件”和/或“感兴趣的事件”和/或“生物标记”和/或“神经病学”信号的在线“监测”，结合自动在线处理，能够通过与神经系统疾病或神经系统疾病相关的“感兴趣的光谱事件”的奇异或聚类来检测癫痫发作前兆，例如(但不限于)帕金森病，一般癫痫或癫痫发作(通用)；
·其中所述“感兴趣的光谱事件”可以包括(但不限于)高频(在100-500Hz的或附近的光谱区域)振荡(HFO)，波纹(在100-250Hz的附近或附近的光谱区域)和/或快速波纹(在250-500Hz的光谱区域附近)的任何组合或序列；
·其中所述“感兴趣的事件”可以包括(但不限于)混合事件，包括高频(在100-500Hz的或附近的光谱区域)振荡(HFO)，波纹(在100-250Hz的附近或附近的光谱区域)和/或快速波纹(在250-500Hz的光谱区域附近)的任何组合或序列；
·其中所述“感兴趣的事件”可以包括(但不限于)特征在于提取定量形态特征的HFO的任何组合；
·其中所述“感兴趣的事件”可以包括(但不限于)特征在于提取定量形态特征的HFO的任何组合；
·其中所述“感兴趣的事件”可以包括(但不限于)混合事件，包括监督分类和非参数统计测试的高频部署的任何组合或序列，可以进行检查与量化变化相关的定量变化，适用于或可能与其相关的前兆和/或(但不限于)癫痫或癫痫发作的发生；
·其中所述“感兴趣的事件”可以包括(但不限于)HFO形态与波纹，快速波纹和混合(波纹，快速波纹)频率事件的相对速率的波动有关，和/或
·检查与波纹，快速波纹和混合频率事件相关的HFO信号形态或神经信号波动的变化；
·其中所述监控可以包括(但不限于)通过可穿戴设备的在线监控；46
本发明还并入或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的发病或发生的功能，例如感兴趣的光谱事件；指导分类器；聚类分析，能够确定感兴趣的事件的集合；群或组ER和/或SR；高频振荡；组合/多变量分析，这里进一步概述：
·疾病/病症前兆表征和测定包括(但不限于)聚类分析，其中预定或动态确定的组合或组ER和/或SR和/或其它脑激活结果或“感兴趣的事件”，可以在一组变化和/或脑激活和/或脑失活的背景中进行检查，基于“基于检查的分析结果的任意组合”，空间动态属性和/或空间和/或时间属性和/或NLDA属性47
·包括但不限于熵的任何类型或变体和/或复杂性分析)15,32和/或睡眠事件(例如心轴，k-复合物，觉醒，微觉醒，高频振荡(HFO)48，高频波纹的任何组合，和或其它事件，包括(但不限于)事件，生理条件或事件，“预期(或动态确定)感兴趣的脑区域”和/或心理状态，条件或事件呈现的属性，参数和度量根据示例(但不限于)如图57；图58；图59；图60；图61；图62；图63；图64；图65；图66；图67；图68；图69；图70；图71；图72；图73；图74；图75；图76；图77；图78；图79；图80；图81；图82；图83；
高频振荡
·其中所述“高频振荡”或“低频活动”可以包括(但不限于)频率区域或近似频率区域，以下任何组合：
·在高γ(在80-150Hz的或附近的光谱区域)振幅中持续，重复的瞬时增加；
·在高γ(80-150Hz的附近或附近的光谱区域)振幅相位锁定到低频(1-25Hz的或附近的光谱区域)发声节奏的持续，重复的瞬态增加，
·在整个核查地区同步的多单位突发；
·持续的高频振荡(HFO)并入相干性或高γ幅度和低频之间的交叉频率(在1-25Hz的附近或附近的光谱区域)；
·低级别，异质性神经激发与相邻监测区域缺乏高频振荡相关；49
组合/多变量分析
·其中所述“基于检查的分析结果的任何组合”包括(但不限于)包含任何组合或多变量含分析分析类型组合，包括源定位处理技术或时间序列处理技术的任何组合，包括通常(但不限于))特性例如线性与非线性，静态与非静态，以及随机与确定性。
·其中所述“感兴趣事件”可以包括(但不限于)自动在线和/或实时检测或确定包括癫痫发作的发病前兆；
·a)所述“自动在线诊断包括组合分析”和/或神经病学障碍和/或事件和/或发病或相关的发病预测包括以下任何组合：
·i)任意单个或多个时间序列集合的随机与确定性，固定与非平稳，和线性与非线性信号特性50，信噪比，动力学和/或空间特征；
-本发明还并入或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的发病或发生的功能，例如通过自适应滤波或固定小波变换滤波辅助假象减少或消除；李亚普诺夫指数和/或离散小波包和/或区分特征集合；非线性动态(即香农/小波/复杂度/熵变换的任何一种或组合)；离散小波和/或辅助预诊断研究和/或支持向量机(SVM)分类和/或癫痫发作概率；SOZ表征和测定；快速波纹；线性回归分析；高频振荡；高频神经活动；人工学习分析；γ波段分析；以及相关的系统组/群表征和确定和/或相关的多变量分析，这里进一步概述：
·-本发明进一步包括或实现了在线，自动，患者可穿戴设备，包含(通用对象介绍)任何组合的功能：
·检测和/或减少和/或消除假象和其它不需要的信号和背景噪声的措施；
·检测和/或减少和/或消除假象和其它不需要的信号和背景噪声的措施，其中所述措施包括(但不限于自适应滤波；
·检测和/或减少和/或消除假像和其它不需要的信号和背景噪声的措施，其中所述措施包括(但不限于固定小波变换滤波；
·附加无线网络处理功能以补充车载设备处理功能的措施；
·确定与生物反馈脑刺激相关的对照和/或控制和/或治疗功能的措施；
·其中所述“生物标记检测”包括(但不限于)生理障碍/状态/状态和/或神经障碍/状况/状态和/或心理障碍/状况/状态和/或检测癫痫发作的前兆在颅内(iEEG)或脑电图(EEG)(通用生物标记前兆或事件)；
·其中所述“生物标记检测”检测可以包括(但不限于)“李亚普诺夫指数”，包括但不限于基于EEG信号段导出的离散小波包变换的最大或更大的这样的组件，
·其中“李亚普诺夫指数”可以包括(但不限于)基于EEG信号段导出的离散小波包变换的最大或更大的这些组件，并且其中所述“组件”可以(但不限于)被定义为区别的“特征集”；
·其中可以通过支持向量机(SVM)分类来进一步处理所述“特征集”，以确定被分析的部分是否是“可能的癫痫或癫痫发作前兆”；
·其中将所述“特征集”分类为与“可能的癫痫发病前兆”相关联可以在更多的发病前兆事件之一的连续和/或聚集性质的上下文中进一步处理，作为最终确定有效发病前兆检测状态的一部分；
·其中所述“生物标记检测”检测可以包括(但不限于)“非线性动态”处理期间或事件，包括但不限于基于EEG信号周期或段导出的离散小波包变换的最大或更大的这些组件；
·其中所述“非线性动态”可以包括(但不限于)基于EEG信号段导出的离散小波包变换的最大或更大的这些组件，并且其中所述“组件”可以(但不限于)被定义为区别的“特征集”；
·其中所述“生物标记”或“感兴趣的事件”可以包括(但不限于)复杂性分析；
·其中所述“生物标记”或“感兴趣的事件”可以包括(但不限于)香农小波熵；
·其中所述“生物标记”或“感兴趣的事件”可以包括(但不限于)离散小波包变换；
·此外，所述发作预测可以通过预先诊断研究来辅助，旨在根据本文列出的分析类型或本文中列出的任何分析组合来表征每个特定患者。
·其中可以通过支持向量机(SVM)分类来进一步处理所述“特征集”，以使得识别被分析的片段是否是“可能的癫痫病前兆”；
·其中将所述“特征集”分类为与“可能的癫痫发作前兆”相关联，可以在更多的发作前兆事件之一的连续和/或聚合性的上下文中进一步处理，作为“有效癫痫发作或癫痫前兆检测状态”的最终确定的一部分；
·其中组合或多变量分析可以结合所述“可能的癫痫发作前兆”的结果，以确定“有效癫痫发作或癫痫前兆检测状态”的最终或更高级分析的更准确性；
·其中组合或多变量分析可以组合所述“可能的癫痫发作前兆”和/或本文提供的其它分析类型(身体；抽象；绘图；领域；权利要求等)的结果，以确定“有效癫痫发作或癫痫前兆检测状态”(通用组合/多变量专利检测癫痫发病或癫痫发作前兆分析)的最终或更高级分析的更高准确性；
·其中“组合或多变量分析”可以组合所述“可能的癫痫发作前兆”和/或本文提供的其它分析类型(身体；摘要；图纸；领域；权利要求等)的结果，以确定“有效癫痫发作或癫痫前兆检测状态”(通用组合/多变量专利检测癫痫发病或癫痫发作前兆分析)的最终或更高级分析的更高准确性；47；51
·-其中所述“组合或多变量分析可以”包括测定和决策/检测过程的组合，其中包括EEG和/或其它神经信号的任何组合，包括(但不限于高频振荡(在80-500Hz的附近或附近的光谱区域)51；
·确定癫痫发作区(SOZ)；波纹(在80-250Hz的附近或附近的光谱区域)；快速波纹(在250-500Hz的附近或附近的光谱区域)；线性回归分析符合对应于任何数量或周期间隔的功率趋势，包括(但不限于)癫痫发作之前的1,5和15分钟时间是确定的；被称为波纹的高频振荡(HFO)(在80-250Hz的光谱区域附近)；或所谓的快速波纹(在250-500Hz的附近或附近的光谱区域)；确定所述高频波纹或高频振荡的频率(即速率，发病率，聚类)；集群或系统分组(集群)或相关事件之间的描述，例如HFO，波纹，尖峰和/或其它神经学事件与主要是随机事件的任何组合，所述高频波纹或高频振荡的频率(即速率，发病率，聚类，分布和/或频率或事件)的分组确定；
·监测EEG必须足够高的样本并用足够的光谱带宽进行滤波，以限制所述HFO，波纹，尖峰和/或其它神经学感兴趣事件的任何组合的衰减；
·-其中监测EEG必须以至少两倍感兴趣的频率采样率采样；5152
·-其中所述“感兴趣的事件”或“生物标记”包括(但不限于)高频神经活动(在40Hz和150Hz的附近或附近的光谱区域)；52
·-其中所述“感兴趣事件”或“生物标记”包括(但不限于)任何在线或动态确定和/或预定的(即包括但不限于来自先前或正在进行的监测的学习或仿真分析技术)和/或解剖学EEG或其它神经信号特性的任何组合52
·-其中所述“感兴趣的事件”或“生物标记”包括(但不限于)任何在线或动态确定和/或预定的(即，包括但不限于来自先前或正在进行的监测的学习或人工学习分析技术)任何事件或感兴趣的期间，相关的时间EEG或其它神经信号特性；52
·-其中所述“感兴趣的事件”或“生物标记”包括(但不限于)任何在线或动态确定和/或预定的(即包括但不限于来自先前或正在进行的监测的学习或仿真分析技术)任何事件或感兴趣的期间，与γ波段(在40Hz的附近或附近的光谱区域)有关EEG或其它神经信号特性52
·-其中所述“生物标记检测”包括(但不限于)检测生理障碍，病情，神经障碍，状态，心理障碍，适用于检测颅内(iEEG)或脑电图(EEG)中癫痫发作的发生率或前兆，通过组合或多变量分析过程并入本文的任何组合分析(通用组合分析生物标记前兆或事件)；52,53
-本发明还并入或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的发生或发生的功能，例如以高时空分辨率跟踪这种脑活动；“感兴趣的事件”，包括具有异质模式的血液动力学反应；和相关的多变量和/或聚类分析；EEGγ功率变化；耦合或去耦特性以及血液动力学和神经活动之间的决定；双侧皮层，附近或与血液动力学变化区域的相关活动；丘脑附近或与血液动力学变化区域有关的活动；脑激活序列；偶极活性和/或序列相干活性和/或序列；基于动态信号特性(线性和非线性变化)的大脑活动的时空动态以及相关的聚类和多变量分析，这里进一步概述：
-本发明进一步结合或实现在一个或多个“感兴趣的光谱事件”和/或“感兴趣的事件”和/或“生物标记”和/或“神经病学”信号的在线“监测”，结合自动在线处理，能够通过与疾病相关的“感兴趣的光谱事件”的奇异或聚集来检测癫痫发作前兆，例如(但不限于)癫痫发作或癫痫症和/或“感兴趣的健康状况或症状”或“感兴趣事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)；
·通过记录连续颅内EEG(iEEG)进行监测；
·以高时空分辨率监测非侵入性并持续跟踪这种脑活动；
·其中所述“感兴趣的事件”可以包括(但不限于)具有异质模式的血液动力学反应；
·其中所述“感兴趣的事件”可以包括(但不限于)颅内脑电图γ力的变化；
·其中所述“感兴趣的事件”可以包括(但不限于)脑电图或其它神经功能γ电力变化；
·其中所述“感兴趣的事件”可以包括(但不限于)局部血液动力学和神经活动之间的解耦；
·其中所述“感兴趣的事件”可以包括(但不限于)从双侧皮质局部区域演变的血液动力学变化；
·其中所述“感兴趣的事件”可以包括(但不限于)从丘脑局部区域演变的血液动力学变化；
·其中所述“感兴趣的事件”可以包括(但不限于)从丘脑和双侧皮质局部区域向整个大脑发展而来的血液动力学变化；
·其中所述“感兴趣的事件”可以包括(但不限于)从丘脑，双侧皮层到整个大脑的局部区域的任何组合发展而来的血液动力学变化；
·其中所述“感兴趣的事件”可以包括(但不限于)从整个大脑的任何区域演变的血液动力学变化；
·其中所述“感兴趣的事件”可以包括(但不限于)一般适用于癫痫发作和/或发病的“脑激活序列”的确定和/或检测；
·其中所述“感兴趣的事件”可以包括(但不限于)确定和/或检测“脑激活序列”，其中所述“脑激活序列”可以包括(但不限于)偶极子活性；
·其中所述“感兴趣的事件”可以包括(但不限于)确定和/或检测“脑激活序列”；其中所述“脑激活序列”可以包括(但不限于)相干性或相关联的相干互联；
·其中所述“感兴趣的事件”“确定”可以包括(但不限于)在线动态确定和/或先前分析或先前监视的记录；5354
-本发明还并入或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的发病或发生的功能，例如感兴趣的光谱事件的奇异或聚类；慢调制高频γ活动；神经网络动力学分析；任何“感兴趣的事件”之间的相互耦合，光谱带之间的交叉频率耦合；解剖定位，刺激活动；HFO的活动持续时间，HFO率；高频活动事件或事件集合作为认知的衡量标准；γ活动；高频振荡；预定频段区域的中值幅度与频谱功率中值频率；频率高于任何指定频率并低于任何指定频率的相对功率比；光谱边缘分析；功率谱的95％四分位数和26Hz以上20Hz以下的频率的相对功率比；波纹，快速波纹，混合事件；HFO群；跟踪早期血液动力学反应和/或与异质模式相关的其它测量；局部血液动力学和神经活动之间的去耦，和/或“生理中风”，以及相关的聚类和多变量分析，这里进一步概述：
-本发明进一步并入或实现了一个或多个“感兴趣的光谱事件”和/或“感兴趣的事件”和/或“生物标记”和/或“神经学”信号的在线“监测”和“测定”，结合自动在线处理能够通过与疾病相关的“感兴趣的光谱事件”的奇异或聚类来检测癫痫发作前兆，例如(但不限于)癫痫发作或癫痫症和/或“感兴趣的健康状况或症状”或“感兴趣事件/EOI”(根据本文档后面的缩写中详细说明的“EOI定义”)。
·其中所述“感兴趣事件”、“测定”，可以包括(但不限于)基于在颅内或EEG监测接触的组合中高频γ活动(在40-140Hz的附近或附近的光谱区域)的缓慢调制的脑兴奋性测量；
·其中所述“感兴趣的事件”、“确定”可以包括(但不限于)衡量网络动态；54
·其中所述“感兴趣的事件”、“确定”可以包括(但不限于)基于80-150Hz的脑兴奋性测量；
·其中所述“感兴趣事件”、“确定”可以包括(但不限于)基于1-125Hz的脑兴奋性测量；
·其中所述“感兴趣的事件”可以包括(但不限于)基于40-140Hz的脑兴奋性测量；
·其中所述“感兴趣的事件”可以包括(但不限于)任何“感兴趣的事件”和/或“感兴趣的光谱事件”和/或生物标记之间相互耦合的测量；
·其中所述“感兴趣事件”可以包括(但不限于)本文列出的光谱带之间的交叉频率耦合度量，任何“感兴趣的事件”和/或“感兴趣的光谱事件”和/或生物标记之间的相位耦合；
·其中所述“感兴趣事件”可以包括(但不限于)，测量高γ幅度和低频脑信号光谱带之间的交叉频率耦合，例如1-25Hz或围绕该光谱区域；
·其中所述“感兴趣事件”可以包括(但不限于)任意组合的测量，HFO内外尖峰事件的发生率，穗与HFO事件之间重叠，事件持续时间的尖峰，HFO的事件持续时间，计算出包含HFOs的尖峰百分比，比较掺入HFO的尖峰百分比，根据解剖学定位，刺激活动和/或与癫痫发作区的关系；
·其中所述“感兴趣的事件”可以包括(但不限于)将HFO率作为癫痫发作预测的量度；
·其中所述“感兴趣的事件”可以包括(但不限于)高频活动或集体活动的测量作为认知的衡量标准；
·其中所述“感兴趣的事件”可以包括(但不限于)高频活动事件或事件集合的测量，包括40Hz和150Hz之间的活动；
·其中所述“感兴趣的事件”可以包括(但不限于)高频活动测量，包括高频事件的活动或事件γ的集合(40-140Hz)；
·其中所述“感兴趣的事件”可以包括(但不限于)在100-500Hz或以下区域的高频振荡事件或事件集合的测量；
·其中所述“感兴趣的事件”可以包括(但不限于)在201和500Hz区域的高频振荡事件或事件集合的测量；55
·其中所述“感兴趣事件”可以包括(但不限于)在任何预定频段的中值幅带相对于跨任何预定频段的频谱功率中值频率，测量高频振荡事件或事件集合；
·其中所述“感兴趣事件”可以包括(但不限于)在8-30Hz中值幅度区域与频谱功率中值频率的区域，测量高频振荡事件或事件集合；
·其中所述“感兴趣事件”可以包括(但不限于)测量β频率范围功率与较宽频段的总功率的比率；
·其中所述“感兴趣事件”可以包括(但不限于)测量高频振荡事件或事件集合在201和500Hz的区域，作为认知功能的标记；55
·其中所述“感兴趣事件”可以包括(但不限于)基于光谱分析技术的测量，包括功率谱四分位数的百分比以及高于任何指定频率和低于任何指定频率的频率的相对功率比：55
·其中所述“感兴趣的事件”可以包括(但不限于)基于光谱的分析技术的测量，包括频谱边缘分析，功率谱的95％四分位数和26Hz以上且低于20Hz的频率的相对功率比；55
·其中所述“感兴趣事件”可以包括(但不限于)测量HFO簇类型的序列，群或组(例如但不限于(波纹，快速波纹和混合事件)可以根据时刻划分，检测和分类，适用于间断(癫痫发作之间)，前期(癫痫发作前)，发作(癫痫发作期间)和/或后期(癫痫发作后)的任何组合；
·其中所述“感兴趣事件”可以包括(但不限于)测量HFO类型的序列，群或组(例如但不限于波纹，快速波纹和混合事件)可以根据时刻划分，检测和分类，适用于根据间期(癫痫发作)，前期(癫痫发作前)，癫痫发作(癫痫发作期间)和/或后期(癫痫发作后)的率和/或序列，或HFO和/或涟波组的任何组合；
·其中所述“感兴趣事件”可以包括(但不限于)与波纹，快速波纹和混合频率事件的相对速率变化相关的HFO信号形态的患者特异性变化的测量；
·其中所述“感兴趣的事件”可以包括(但不限于)HFO和/或HFO群类型分布的测量(例如但不限于波纹，快速波纹和混合事件)；
·其中所述“感兴趣的事件”可以包括(但不限于)大脑活动中早期检测的量度；
·其中所述“感兴趣事件”可以包括(但不限于)术前，间期，后脑和脑动作的测绘，作为可能干预的起源和演变的标记；
·其中所述“感兴趣事件”可以包括(但不限于)测量跟踪早期血液动力学反应和/或与异质模式相关的其它测量，作为与脑水肿或间质性或后期或发作性癫痫样放电(IEDs)发病相关的前期，中期，后期和发作活动或“生理性”中风的标记；
·其中所述“感兴趣事件”可以包括(但不限于)测量跟踪局部血液动力学和神经活动之间去耦，作为与早期发作相关的前期，间歇，后期和发作活动或“生理中风”的标记；
-本发明还并入或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的发病或发生的功能，例如通过先前诊断过程确定的事件的协调组合中的任何一种或组合；高频神经活动预定解剖或功能性脑区；γ波段神经同步；双侧皮质和丘脑活动变化；血液动力学变化；参数组合；相干性相互关系；线性动态计算变化，以及相关的聚类和多变量分析，这里进一步概述：
·-本发明进一步结合或实现一个或多个“感兴趣的光谱事件”和/或“感兴趣的事件”和/或“生物标记”和/或“神经病学”信号的在线“检测”，结合自动在线处理，能够通过与神经系统或神经系统疾病相关的“感兴趣的光谱事件”，例如(但不限于)帕金森病，癫痫或癫痫发作(通用)的单个或多个群来检测癫痫发作前兆；
·其中“感兴趣的事件”可以包括(但不限于)通过先前的诊断过程确定的事件或协调的事件集合；
·其中“感兴趣的事件”可以包括(但不限于)高频神经活动(在40Hz和/或150Hz附近)，结合预定的解剖学，功能和/或时间事件的任何一种或组合；
·其中所述“感兴趣的事件”可以包括(但不限于)高频神经活动(在40Hz和/或150Hz附近)；
·其中“感兴趣的事件”可以包括(但不限于)任何事件的组合，结合预定的解剖学，功能和/或时间事件的任何一种或组合；
·其中所述“感兴趣的事件”可以包括(但不限于)γ波段(40Hz附近)的神经同步；56
·其中所述“利益事件”可以包括(但不限于)，测量跟踪从双侧皮层和丘脑的局部区域到整个大脑相关联或演变的“血液动力学”变化，作为局部发病与弥漫性发作的发病指标；
·其中所述“感兴趣的事件”可以包括(但不限于)，所述“血液动力学”变化的测量，可以使用任何参数组合进行测量，可以使用参数的任何组合来测量所述“血液动力学”变化的测量，包括超声，多普勒超声，红外线，PPT，脉搏信号，ECG信号，血压，脉波幅度，脉搏动脉压，血氧饱和度；
·其中所述“感兴趣的事件”可以包括(但不限于)与多个光谱带相对应的协调脑活动的协安排量；
·其中所述“感兴趣的事件”可以包括(但不限于)与多个相干相互关系相对应的协调脑活动的协安排量；
·其中所述“感兴趣的事件”可以包括(但不限于)与多个非线性动态计算变化相对应的协调脑活动的协安排量；
·其中所述“感兴趣的事件”可以包括(但不限于)与多个线性动态计算变化相对应的协调脑活动的协安排量；
-本发明还包括或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)具有通过结合表征和确定处理功能自动确定健康状况/疾病或感兴趣事件的发病或发生的功能，如非线性分析；线性分析；逐行信号变化；熵；复杂性分析；吸引子不相似；李亚普诺夫指数；相关维数；线性预测模型，以及相关的聚类和多变量分析，这里进一步概述：
·-本发明进一步包括或实现了在线“监测”，结合“感兴趣的事件”的自动“决定”和“跟踪”，适用于前兆或神经系统疾病的发生，包括(但不限于)癫痫或其它癫痫发作；
·其中“感兴趣的事件”可以包括(但不限于)“感兴趣的光谱事件”，“感兴趣的生物标记”，“神经病学事件”，“非线性分析”，“线性分析”；
·其中“感兴趣的事件”可以包括“事件集合”，“事件群”，“逐行信号变化”和/或“信号转换”的任何组合；
·其中“非线性分析”可以包括“熵”，“复杂性分析”，吸引子不相似性，李亚普诺夫指数和/或相关维度的任何组合；
·其中“非线性分析”可以包括“熵”，“复杂性分析”，吸引子不相似性，李亚普诺夫指数和/或相关维度的任何组合；
·其中可以使用线性预测模型来确定“感兴趣的事件”；
·其中“感兴趣的事件”可以使用自回归模型来确定；57
本发明提供了一种用于自动预测和/或诊断方法或装置主体可穿戴系统监测脑电图(EEG)的可穿戴系统，其具有信息数据网络和光谱表征，适用于神经障碍预测，发作和/或注意力缺陷/多动障碍(ADHD)的发生。
自动预测和/或诊断方法或主体可穿戴系统(例如但不限于手表，腕带，胸带，头带，前额传感器等，耳塞)并且还包括感测信号，获取数据，监测，存储，分析一个或多个脑电图(EEG)信号的方法。
所述方法或系统还包含信息数据网络(即，包括但不限于LAN，WAN，IP，WWW等)或信息电信功能(即，可以是无线移动设备，其它互联兼容的可穿戴设备或配套设备，其它可穿戴设备，无线传输，NAS，云计算服务等)。
在第一过程中，本发明包括经由可穿戴监测装置的一个或多个生理信号监测的主体/患者监测功能，其包括一个或多个EEG或其它生理监测传感器(即图45；图43，图46至图50，图52；图48；图49；图50；图51；图52；图53；图54；图45；)
___在第二过程中，本发明实现所监视信号的传感器信号处理(即加速度计的放大和/或滤波)；
___在第三过程中，本发明提供了信号或数据采集的一个或所监视信号；在第四过程中，本发明包括分析的任何一种或组合，包括(但不限于)以下任一项：
·-分析过程，包括以下任何附图或相关专利描述或正文中提出的过程，包括(但不限于)图57；图58；图59；图60；图61；图62；图63；图64；图65；图66；图67；图68；图69；图70；图71；图72；图73；图74；图75；图76；图77；图78；图79；图80；图81；图82；图83；
-自动分析的方法包括光谱表征，其中光谱表征可以包括以下任何一种或组合：
-FTT分析；
-包括相位特性的FFT输出；
-中值幅带，频谱功率中值频率；相对功率比，指定频率范围，频谱边缘分析；功率谱的95％四分位数和频率的相对功率比；
-光谱带的任何两个组合的比率(即，子δ(即>0.1Hz)，δ(即0.1-3.5Hz)，θ(即4.0-7.5Hz)，α(即8.0-13.0Hz)，β(即14.0-30.0Hz)，γ(即30.0-100.0Hz及以上)；
-计算任何光谱带(即子δ(即>0.1Hz)，δ(即0.1-3.5Hz)，θ(即4.0-7.5Hz)，α(即8.0-13.0Hz)，β(即14.0-30.0Hz)，γ(即30.0～100.0Hz及以上)；
-小波信号传输；
-θ/β比(TBR)；
-信号动态特性的表征(例如但不限于熵，香农熵，小波熵，复杂度分析变换等)；
-三维源定位和相关大脑激活或抑制测定相关的处理(即方法例如但不限于相干性，脑区域相互关系或连通性方面诸如偶极子，相干性，非线性动态/复杂性/熵相干性监测信号转换等)；
-光谱分析分割能够表征适用于疾病，健康状况和其它感兴趣事件的特定生物标记；
-非线性动态(NLDB)信号分析，如本文档其它地方所述；
-相干信号分析，如本文件其它地方描述；
在第五过程中，本发明提供了主体的疾病的预后或诊断，其中包括(但不限于)分析的任何一种或组合，包括上文和本文中的其它部分，实现生物标记表征，适用于主体/患者对神经系统，运动或肌肉系统或神经系统疾病预测，发作和/或发病的预后或诊断，包括以下任何一种或组合，老年痴呆症，注意力缺陷/多动障碍(ADHD)，癫痫症，帕金森病，痴呆症，抑郁症，亨廷顿舞蹈症，癫痫发作，自闭症，焦虑症和/或创伤性脑损伤(TBI)58,59和/或“感兴趣的健康状况或症状”或“感兴趣事件/EOI”(根据本文档后面的缩写中详细说明的“EOI定义”)。
在第六过程中，本发明实现信息传播，包括消息传递，事件通知和处理，日历通知和处理，健康社区管理和相关信息交换，用户选择或信息访问功能；
本发明提供了一种可穿戴系统，用于自动预测和/或诊断方法或设备主体可穿戴系统监测电生理(EEG)，其具有适用于神经障碍预测，发作和/或阿尔茨海默病发病率的信息数据联网和光谱表征
自动预测和/或诊断方法或主体可穿戴系统(例如但不限于手表，腕带，胸带，头带，前额传感器等，耳塞)并且还包括感测信号，获取数据，监视，存储，分析一个或多个电生理(EEG)信号的方法。
所述方法或系统还包括信息数据网络(即，包括但不限于LAN，WAN，IP，WWW等)或信息电信功能(即，可以是无线移动设备，其它互联兼容的可穿戴设备或配套设备，其它可穿戴设备，无线传输，NAS，云计算服务等)。
在第一过程中，本发明包括主体/患者监测功能，具有一个或多个生理信号监测，通过包含一个或多个EEG或其它生理监测传感器的可穿戴监测装置(即图45；图43，图46，图50，图52；图51；图52个；图53；图54；图45；)，本发明还包括可穿戴设备最小化的选项；
在第二过程中，本发明实现所监视信号的传感器信号处理(即加速度计的放大和/或滤波)；
在第三过程中，本发明提供了信号或数据采集的一个或所监视信号的；
在第四过程中，本发明包括分析的任何一种或组合，包括(但不限于)以下任一项：
所述方法或系统还包括自动分析的方法，包括一个或多个监测的信道的EEG信号表征，其中EEG信号表征可以包括以下任何一种或组合：
·-分析过程，包括以下任何附图或相关专利描述或正文中提出的过程，包括(但不限于)图57；图58；图59；图60；图61；图62；图63；图64；图65；图66；图67；图68；图69；图70；图71；图72；图73；图74；图75；图76；图77；图78；图79；图80；图81；图82；图83；
-监测和分析一个或多个EEG信道；
-基于心理/认知交互的计算机认知测试，
-基因测试；
-触觉和嗅觉测试；
-FTT分析；
-FFT输出包括相位特性；
-中值振幅带，频谱功率中值频率；相对功率比，指定频率范围，频谱边缘分析；功率谱的95％四分位数和频率的相对功率比；
-光谱带的任何两个组合的比率(即子δ(即>0.1Hz)，δ(即0.1-3.5Hz)，θ(即4.0-7.5Hz)，α(即8.0-13.0Hz)，β(即14.0-30.0Hz)，γ(即30.0-100.0Hz及以上)；
-计算任何光谱带(即子δ(即>0.1Hz)，δ(即0.1-3.5Hz)，θ(即4.0-7.5Hz)，α(即8.0-13.0Hz)，β(即14.0-30.0Hz)，γ(即30.0～100.0Hz及以上)；
-小波信号传输；
-θ/β比(TBR)；
-信号动态特性的表征(例如但不限于熵，香农熵，小波熵，复杂度分析变换等)；
-三维源定位和相关大脑激活或抑制测定相关的处理(即，方法例如但不限于相干性，脑区域相互关系或连通性方面，例如偶极子，相干性，非线性动态/复杂性/熵相干性监测信号转换等)；
-AEP评估，包括但不限于不匹配消极的注意力测试，其中对偏差与标准AEP刺激(通过听觉刺激)可以在一段时间内和/或与先前校准的参考结果和/或参考规范人口比较数据库相比较，针对逐步主体特异性结果的措施。
-本发明进一步提供遗传测试可以包括但不限于确定载脂蛋白E4的存在(保护脑细胞并且由三个基因为E2，E3和E4控制)。来自单亲家族的E4基因的遗传将阿尔茨海默病的风险提高到3倍，或者在双亲父母遗传14倍的情况下。
-本发明还提供了一种应用，位于移动设备或计算机程序上(例如但不限于无线移动设备和/或WAN，包括NAS或云计算服务的LAN)可以实现私人或个性化的健康管理(具有专业医疗保健“选择”监督功能)使用EEG监测，遗传测试结果，嗅探测试结果和/或认知交互测试结果的任何一种或组合。
-本发明还提供了一种应用，位于移动设备或计算机程序上(例如但不限于无线移动设备和/或WAN，包括NAS或云计算服务的LAN)可以进一步包括基于EEG监测，遗传测试结果，嗅探测试结果和/或认知交互测试结果的任何一种或组合的风险评估建模。
-本发明进一步提供了嗅觉测试结果可以包括一系列测试，例如(但不限于)快速嗅探和嗅闻气味测试，用于失去气味(潜在的预测测量阿尔茨海默病)，包括烟，丁香，草莓，皮革和柠檬。
在第五过程中，本发明提供了主体的疾病的预后或诊断，其中分析的任何一种或组合(但不限于)的所述组合，包括上文和本文中的其它内容，实现生物标记的表征适用于主体/患者对神经系统，运动或肌肉系统或神经系统疾病预测，发作和/或发病的预后或诊断，包括阿尔茨海默病，注意力缺陷/多动障碍(ADHD)，癫痫，帕金森病，痴呆，抑郁症，亨廷顿舞蹈症，癫痫发作，孤独症，焦虑症和/或创伤性脑损伤(TBI)中的任何一种或组合60,61
在第六过程中，本发明实现信息传播，包括消息传递，事件通知和处理，日历通知和处理，健康社区管理和相关信息交换，用户选择或信息访问功能；
融合睡眠和EEG事件跟踪系统
-本发明进一步包括或实现以下任何一种或任何组合：
·-本发明进一步包括或实现了汇聚在线监测睡眠和神经系统事件，具有群集/或类似分析和早期检测未决健康状况(如癫痫，帕金森病，阿尔茨海默病)，实现专业和消费者级的健康跟踪，管理和治疗
·本发明还包括或实现自动在线、离线“算法”，能够“确定”和/或通知大脑激活或“健康状况/状态和/或感兴趣的事件”(“聚类分析”或聚类)的同质组，是将一组对象分组的任务，使得相同组(称为集群)中的对象在其它组(集群)中彼此更相似(在某种意义上或另一方面)；本发明包括以下任何一种或组合：
·-药物管理或剂量测定包括药物分配器控制
·-治疗生物反馈控制包括无线或线连接刺激，
·-治疗生物反馈控制，包括磁刺激控制，
·-生物反馈治疗控制包括(但不限于)自动或手动药物分配或其它药物递送；
·其中所述“聚类分析”是指包括预定的标准或属性，表示任何(组)中的一组对象在其它组(集群)中更相似(在任何意义上)；
·其中所述“测定”包括(但不限于)统计“数据挖掘”，如“机器学习”，生物信息学，模式识别，信息检索和图像分析；
·其中所述“数据挖掘”算法可以包括(但不限于)使用预处理阶段的分析，实现以一种方式预先确定所述“数据挖掘”算法，其中可以基于先前的数据记录或更早的监视数据来建立目标“事件”或“集群”的集合，包括(但不限于)识别多变量数据集或感兴趣特征的方法；
·其中所述“数据挖掘”算法可以包括(但不限于)在没有先验假设的情况下分析数据的做法；
·其中所述“机器学习”算法可以包括(但不限于)方法，包括：聚类，决策树学习，关联规则学习，人工神经网络，贝叶斯网络，归纳逻辑编程，支持向量机，强化学习，表示学习，相似度和度量学习和/或稀疏字典学习；
·其中“机器学习”算法(包括但不限于)监督学习算法，无监督学习算法，半监督学习，转导或转换推理，强化学习，学习学习，发展学习，生成机器学习模型和/或区别性机器学习模型；
·其中“数据挖掘”算法可以包括(但不限于)处理和/或预处理技术，以及此类分析的方法或用途的示例(但不限于)，包括游戏，商业，科学和工程，医疗数据挖掘，空间数据挖掘，传感器数据挖掘，视觉数据挖掘，音乐数据挖掘，监控，模式挖掘，基于主体的数据挖掘和/或知识网格数据挖掘；
·其中所述“通知”包括(但不限于)数字，表格，图形信息和/或听觉，视觉和/或振动闹钟。
·其中所述“确定”包括(但不限于)预测和/或发病确定和/或发现的发生率；
·其中所述“健康状况/状态和/或感兴趣的事件”包括心理和/或心理状态的任何一种或组合；
·其中所述“健康状况和/或感兴趣的事件”包括(但不限于)健康状况的监测，跟踪，治疗或整体管理，适用于神经，神经系统和肌肉退行性疾病的神经系统疾病和/或健康状况以及感觉状态；
·其中所述“健康状况和/或感兴趣的事件”包括(但不限于)健康状况的监测，跟踪，治疗或整体管理，适用于神经，神经系统和肌肉退行性疾病的神经障碍和/或健康状况，以及感知状态和/或有害的状态适用于癫痫，癫痫发作，帕金森病，阿尔茨海默氏症，抑郁症和/或自闭症和/或根据“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(在本文后面的缩写中详细说明的“EOI定义”)；
·其中所述“健康状况和/或感兴趣的事件”包括(但不限于)监测，跟踪，治疗或整体管理个人的睡眠，睡眠行为障碍，神经病学，心脏病学，呼吸系统，神经，神经系统，肌肉系统，生理震颤，精神病学或其它生理功能方面；
·其中“健康状况和/或感兴趣的事件”包括(但不限于)两个或多个生理和/或心理参数或条件或状态之间的相互关系或相互作用；
·本发明还包含或实现：
·远程系统干预，包括手动或自动调整传感器，相关信号调节和/或相关分析算法的功能和方法。
本发明使得大脑的图集定义或区域映射自动地与心理和/或生理相关联，以使得使健康管理适用于健康状况的发作或事件，以使得实现最佳的个性化安全和/或准备和/或最小化健康或环境风险和/或协助个体的治疗或药物的相关优化和/或纳入消费者级系统警报，警告和/或信息援助或指导，同时实现远程消费者级别或专业级别的医疗保健援助或干预
·-本发明进一步并入或实现了一个系统，其中在消费者层面或专业层面持续监测，其中可以检测或追溯地确定感兴趣的健康状况，以使得不断增加所述系统的智能，从而增加学习和优化个人健康管理的功能
·-本发明进一步并入或实现了一个系统，其中在消费者层面或专业层面持续监测，其中可以检测或追溯地确定感兴趣的健康状况，以使得不断增加所述系统的智能，从而可以部署增加的学习和功能(例如但不限于人工智能)，以改进/优化检测，跟踪，发作和/或治疗(健康管理)确定个人的一般或特定感兴趣的健康状况或关注的时间或持续积累的个性化监控信息和数据。
·–其中所述“感兴趣或关心的个人特定健康状况的检测和确定”的测定可以包括但不限于特定的，最生理的机制，包括那些与心脏，呼吸，神经，肌肉，血液，心理学，睡眠，神经学和其它功能有关的因素与内在的相互关联。
·-其中所述关于“个人感兴趣或关心的特定健康状况的检测和确定”的信息可以包括但不限于在线监测或检测以下任何一种或组合：
·1)神经和/或神经系统和/或肌肉健康状况(即癫痫，帕金森氏老年痴呆症，自闭症等)；
·2)生理健康状况(即呼吸或呼吸衰竭或功能，心力衰竭或功能)，
·3)心理状态(睡眠/唤醒状态；无意识/意识深度，注意力水平，高频率，意识状态；
·4)本发明实现AEP监视和分析，包括奇异和MMN认知状态的测量，以及级别和/或镇静级别和/或意识级别的状态确定或状态或转换和/或注意和/或认知和/或认知障碍和/或意识和/或相关的应答性，基于使用听觉诱发电位(AEP)刺激的相关评估(即，MMN奇怪的听觉刺激试验范例包括标准和偏差的听觉刺激呈现给主体，例如但不限于)以及相应的监测和分析诱发神经反应，根据比较波形(即MMN)和/或诱发响应延迟，振幅，频谱，信号动态(即诸如熵，复杂度分析等非线性动态分析)特性和其它AEP响应特性。AEP的响应性和延迟反映注意力听觉刺激(即刺激的奇异变化，例如以偏差的音调随机地标记的标准时间的序列，随后主体通过AEP响应的评估改变的响应性或意识的测量)，范例(即奇异或变化是听觉刺激链)。
·5)事件类型(即主轴，K复合，唤醒，微觉醒，高频振荡(HF)，高频波纹，高频A型，高频B型等)，时间背景(即早发，迟发，实际事件)；4)脑或其它生物源定位，和/或
·6)在时间和/或解剖位置和/或空间位置或取向和/或空间动态方面的上下文中的任何两个生理或神经或成像的生物数据之间的相干性，相互关系，方差和/或关联
·为了改善或辅助治疗或诊断决策和相关的结果。
·-其中所述“个性化监控信息和数据的积累”可以一种方式进行管理，其中可以仅向个人和/或仅向由所述个人确定或指定的委托的可信实体提供安全和有限的访问
-本发明进一步包括或实现了监测或干预功能，适用于包括帕金森病或阿尔茨海默病在内的健康状况或其它感兴趣事件的发作，事件或预防，包括以下任何一种或组合：
-具有以下属性的任何组合的消费者或患者可穿戴或随身无线设备(携带或附带)：痴呆症分析仪-位置，跌倒/陀螺仪，具有家庭/护理者预先确定的正常位置或旅行和行为模式参数与实际移动跟踪-预测算法，基于与潜在的痴呆发作或事件相比较的正常或预定的行为或旅程(即您将旅行和道路交叉参数和边界作为标记或危险，通过相关的位置照顾者服务团队在线护理干预加上特殊手表与人沟通，并可以将他们送回家，打电话出租车或要求其它干预。
在本发明的一个实施方案中，趋势分析以及相关的图形，数字或其它结果，可以呈现突出显示神经系统的趋势(即随着时间的推移，帕金森病发病的潜在市场的变化)，肌肉疾病，例如个体移动，运动，行走，与臂运动和步行步幅的相互关系(即步伐，步行，速度，位置(即GPS和/或GSM和/或基于无线网络的测量)的利用)的流动性变化，陀螺仪重力方向相关，姿势位置和/或演习，例如交涉角落等，神经系统障碍神经性肌肉疾病如震颤分析指示帕金森氏病的发作或相关药物控制或要求)，睡眠行为障碍(因果关联或原发性)，例如REM与其它睡眠阶段的趋势或增加的紧张度，以及潜在地指示感兴趣的健康状况的病理和生理事件或感兴趣的其它组合。
-本发明还包括或实现“中风”(最早的健康状态发作预测)
-本发明进一步包括或实现了方法，在线(即在一组移动或可穿戴设备和/或NAS或其它LAN/WAN系统内或之外处理)或离线(即离线数据挖掘/预测分析)“监测和跟踪主体生理，心理和/或病理参数(变量)”，以使得确定与预测(即自动或计算机辅助)相关的最早可能的发作或中风，健康状况或其它感兴趣事件的发作，事件或预防，包括帕金森氏症，阿尔茨海默病和其它神经，肌肉，神经系统，神经肌肉和/或运动障碍/疾病，其中所述发明还包括以下任何一种或组合：
计算“基线或运行平均值”的方法；
其中所述“基线或运行平均值”方法可以(例如)包括具有预定数据周期的回归，平均或运行平均值，基于此可以计算出该“基线或运行平均值”。
所述“基线或运行平均值”分析可以通过自回归分析的方式进行，无需或不用模拟这种回归。此外，“基线或运行平均值”可以包括用于计算多个或仅一个所述“基线或运行平均值”的规定。多个计算选项可以包括计算“短期”以及“长期”“基线或运行平均值”的规定。
其中所述“短期”“基线或运行平均值”的时间段，可以取决于生理变量或感兴趣的事件的性质，可以短到几分之一秒，并且长到需要(通常为秒或分钟)，而所述“长期”“基线或运行平均值”可以根据需要计算。
其中“长期”“基线或运行平均值”通常可以按照小时，天数，月份和年份进行配置，适用于最早的趋势检测，适用于(例如)长期健康趋势，例如帕金森氏症在一段时间内的步态变化(手臂摆动同步或整体模式和行为的变化，因为它与运动或步骤或步幅相关(例如，检测到，例如本文其它地方覆盖的位置，定位，运动，传感器和监视)。
其中“长期”“基线或运行平均值”通常可以根据天数，月份和年份进行配置，适用于最早的趋势检测，适用于(例如)长期健康趋势，例如睡眠期间帕金森睡眠EMG幅度变化，基于更长的时间例如适用于原发性睡眠行为障碍(SBD)，如本文其它部分所述。
其中“长期”“基线或运行平均值”通常可以根据天数，月份和年份进行配置，适用于最早的趋势检测，适用于(例如)长期健康趋势，例如当前监测和相关多变量分析方法之间的比较(即，分析组合：a)信号动力学性质，包括线性与非线性动态信号表征)，和b)基于所述短期或“长期”“基线或运行平均值”对HFO或波纹的群或序列的特征进行先前监测和分析的结果。
其中所述“识别命令”可以包括与任何监测的生理参数或与两个或更多个被监测的生理参数相关联的参数的任何组合相关联的正常范围的确定；
其中所述“识别命令”可以包括适用于任何监测的生理参数中的任何一个或两个或多个的组合的正常值的安全裕度的确定；
如果可以将持续或最近被监测的生理变量与先前监测的数据或先前监测数据的一个或多个信道的分析进行比较，以使得当主体的生理或心理状态从任何一个或多个参数的安全边际变化时，识别时期或事件；
-本发明进一步结合或实现了安全边缘，正常或可接受的生理功能范围，通过自动方式定义和配置，
-本发明进一步包括或实现安全边际，正常或可接受的生理功能范围，阈值，适用于感兴趣的事件或健康状况的预测或发病或发生，通过信息访问的方式进行配置，专家，医护人员，医生或其它适当资质的人员认证过程，确保各种程度或级别的隐私和安全，根据发明专利或消费者级别的应用或用户相关要求，
其中在正常与异常生理参数测量或相关分析的安全，阈值和范围之间可以通过基于先前诊断数据或其它主体特定设置的自动方法
其中这些所述“设置”和自动方法可以进一步包括“学习或人工智能”，基于建立生理参数和多变量分析的组合，最有可能预测最早的健康状况或相关的“中风”；
其中所述“监测和跟踪主体的生理，心理和/或病理参数(变量)”参数，包括感兴趣的任何事件或健康状况，包括(但不限于)以下任何一种或组合(本文其它部分进一步详细说明)：声音监控；听诊器听诊传感器，监测和自动分析，分类，跟踪和检测功能；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；脉波分析(PWA)和脉波速度(PWV)监测分析功能；PWA和PWV传感器；脉波分析(PWA)传感器测量；冲击描；定位，位置和运动检测和监测；步态或运动跟踪和感兴趣的事件特征；运动和位置信息；EEG传感器和监测；光传感器和监控；呼吸带传感器和监测；EMG传感器和监控；GSR；心脏功能；睡眠指导系统；体积描记术血氧饱和度；脉冲瞬态振荡幅度测量；温度，能量消耗/新陈代谢监测(EM)作为替代卡路里燃烧测量；生理和/或睡眠和/或唤醒测量或标记；以及其它心理状态(即睡眠，醒来)(如本文中的这些相应标题下更详细地描述的，或者其它伯顿eHealth 2014，8月，AU临时申请)。
在本发明的一个实施例中，测量一个或组合的生理参数以及部署的相关分析变换以区分预定的(通过系统用户可配置的方式，通过主体的预诊断数据，通过自动学习功能，能够在增加与事件或事故相关的发作事件和状况的结果方面演变准确性，如感兴趣的发作，或通过规范人口数据库信息，或通过主体特定数据库信息或其任何组合)标准，适用于可能发生或非常早期预测感兴趣的事件或健康状况，包括检测HFO或波纹的特定群或其它特征(包括本文中标题图45中详细描述的任何一种或组合的参数。
进化与不断改进的自学专家系统或人工智能诊断或预后方法
所述“进化和不断改进”(具有持续或逐步检测感兴趣的事件和可能组合的更大特异性，和相关的多变量分析技术，包括蒙特卡罗交叉耦合分析与相关的准确性评估措测量(如序数比例尺度，包括Pk概率统计结果)关于癫痫诊断或预后的严重程度，和/或本发明的相关“自学或人工智能”持续自动或计算机辅助的“学习”能力的选项–即监视通道和/或监视传感器位置和/或采集参数和/或预采集信号处理(包括假象抑制，基线调整，过滤，鉴别或肌原性和神经源性信号之间的分离等)和/或采集后处理(包括假象抑制，基线调整，过滤，鉴别或肌原性和神经源性信号之间的分离等)的选择，根据与监测有关的目标(即诊断和预后目标)和要求(即约束或监测环境或非侵入性偏好)进行调整，可以根据聚合知识逐步进行微调(即，根据图78块2和5以及每个图79的知识聚合)精确性和诊断和预后结果相关性(即，如图45所示，根据块8最小化功能和根据块13持续评估和改进监测和分析参数)；
所述“进化和不断改进”多变量分析确定，为了提高预测精度和尽可能早的中风前兆确定，可以基于回归模型的排序，然后使用蒙特卡罗技术62进行包含1,000倍统计交叉验证的交叉验证，然后是使用最小和完整模型来确定最佳意识/无意识预测概率的程序(例如“进化和不断改进”的手段)；
在本发明的一个实施例中，细微的生理测量，例如Ph(即评估回流的24小时pH阻抗)，体温，心脏功能(衍生主动脉脉形，心率变异，心跳异常，血压等)，氧饱和度，气体交换参数(CO2)和/或任何其它测量，包括心脏功能，如上述那些(“监测和跟主体的生理，心理和/或病理参数(变量)”参数)可以在事件或感兴趣的健康状况的有症状前兆的背景下进行检查；
在本发明的一个实施例中，检测适用于健康状况或感兴趣事件的前兆或发病率，可以自动标记一个远程监控中心或个人，以提供“被监视主体所要求的干预”；
所述“被监视主体所要求的干预”可以通过分流处理，其中严重程度由在线监测参数，相关分析结果，背景病历和信息，背景历史的严重性以及感兴趣的健康状况和事件的频率，和/或主体响应警报的能力的任何组合来确定，旨在检查主体的反应和需要帮助(包括对远程监视中心或个人的自动对讲访问，例如在本发明的一个实施例中通过基于智能手机的手表)。“被监视主体所要求的干预”的进一步方法，可以包括自动护理人员，救护车，医护人员或其它护理人员警报和/或位置跟踪系统，通过手镯，手表，胸带或其它(本发明的一个实施例)连接到主体，以迅速地参加遇难或有风险的受监控主体；
-本发明进一步并入或实现在睡眠状态(即REM期)期间进行消耗性强直抑制的“长期”或“短期”检测，作为原发性睡眠行为障碍(AND)的潜在标记，作为帕金森氏病的早期发作标记。
-本发明进一步包括或实现进行不同步关系和/或其它异常(即，具有拐角机动的困难的步态)不行的“长期”或“短期”检测，作为原发性睡眠行为障碍(AND)的潜在标记，作为帕金森病的早期发病标记。
-本发明进一步结合或实现了不同步关系和/或其它异常(即，具有拐角动作的艰难步态和难度)行走的组合的“长期”或“短期”检测，以及在睡眠状态(即REM阶段)期间检测耗尽的强直抑制，作为原发性睡眠行为障碍(SBD)的潜在标记，作为帕金森病的早期发病标记。
视交叉上区域
-本发明进一步包含或实现了具有自动分析功能的穿戴性诊断或预后监测系统，适用于确定“健康状况/疾病或感兴趣事件”的发病或发病率，本发明还包括以下任何一种或组合：
-监控方法和设备可以包括通信接口，包括和一个或多个WAN，LAN，IP，NAS和/或云计算服务对等信息电信媒体或系统，以实现传输生理或环境监测数据和/或主体/患者信息交换和/或访问在线分析功能，能够补充当地的监测，分析，储存和/或适应症；
-确定“健康状况/疾病或感兴趣的事件”的发病或发病率，包括实现“自主测定神经系统预后或诊断的方法”或主体的神经系统的个人护理管理，和/或“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
-还包括以下任何一种或组合：
·-其中所述“感兴趣的事件”可以包括(但不限于)大脑区域，包括(但不限于)脑的视交叉上区域相关联的控制或互联区域(即但不限于图66)；
·-其中所述“感兴趣的事件”可以包括(但不限于)大脑区域，包括(但不限于)与脑相关的控制或互联区域(即但不限于图66)的任何一种或组合；
·视交叉上区域；
·意识的位置和作用；
·后脑和中脑：唤醒和睡眠至关重要；
·网状地层损伤：引起昏迷；
·前额皮质：对信号处理的有意识控制至关重要；
·视交叉上(SCN)核(生物钟)；
·丘脑(“意识切换”)；
·后扣带；和/或
·内侧顶叶皮质区；内侧基底前区；
·-其中所述“感兴趣事件”可以包括(但不限于)脑区包括(但不限于)由标准化绘图或图集定义的区域(即塔莱拉什图集；当前的地图集工具；哈佛全脑图集，MNI模板，SPM和国际脑图绘制联盟的标准模板；发展中人脑图集；所有功能包括布罗德曼地区，脑回，脑沟等)；
·–其中所述“感兴趣的事件”可以包括(但不限于)大脑区域包括脑的视交叉上区域相关联的控制或互联区域和/或诊断和/或治疗和/或神经或睡眠障碍的药物，例如睡眠延迟综合征；
·实时检测“感兴趣事件”；
·其中“感兴趣的事件”可以自动在线检测或实时检测，包括(即但不限于)事件，条件和/或属性示例，如图57；图58；图59；图60；图61；图62；图63；图64图65；图66；图67；图68；图69；图70图71；图72；图73；图74；图75；图76；图77；图78；图79；图80；图81；图82；图83；
·-其中所述“感兴趣的事件”可以在线定义和配置一个或多个预定的授权人员进行配置，包括(但不限于)科学，技术，医疗，专家，消费者，患者，护士和具有适当安全认证和访问权限的其它个人；
·-其中所述“感兴趣的事件”可以包括(但不限于)健康状况，神经障碍，和/或适用于神经，神经系统和肌肉退行性疾病的健康状况，以及感知状态和/或有害状态，适用于癫痫，癫痫发作，帕金森病，阿尔茨海默病，抑郁症和/或自闭症和/或“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
本发明还包括环境监测，其包括以下任何一种或组合：
声音监控；听诊器听诊传感器，监测和自动分析，分类，跟踪和检测功能；声学噪声消除系统；运动检测；REM睡眠行为障碍(RBD)；脉冲传感器集成手表，其它腕部穿戴装置(带或手镯)；脉波分析(PWA)和脉波速度(PWV)监测分析功能；PWA和PWV传感器；脉波分析(PWA)传感器测量；冲击描；定位，位置和运动检测和监测；步态或运动跟踪和感兴趣事件特征；运动和位置信息；EEG传感器和监测；光传感器和监控；呼吸带传感器和监测；EMG传感器和监控；GSR；心脏功能；心率；睡眠指导系统；体积描记术血氧饱和度；脉冲瞬态振荡幅度测量；温度；能量消耗/代谢监测(EM)作为替代卡路里燃烧测量；睡眠参数；生理和/或睡眠和/或唤醒标记；睡眠参数；睡眠结构措施；环境感知；“动态链接功能”；心理状态；快速眼动(REM)睡眠特征；分类睡眠障碍；选择睡眠障碍；睡梦状态；冥想状态；分离状态；麻醉状态；并且在本专利申请文件中的这里和其它地方进一步概述：
本发明进一步包括生理或环境监测和/或相关联的分析确定功能的任何一种或组合，任何环境感测包括(但不限于)以下的任何或任何组合：
环境传感(带闹钟或警报或指示灯或与移动设备相关的接口或消息，电子邮件，电话自动语音消息和其它信息或通信系统)，天气要素，风，湿度，温度，电离监测，电离烟雾闹钟，甲烷监测，有毒气体监测，有毒化学品监测，二氧化碳气体监测，甲烷气体监测，其它有毒气体，其它有毒化学物质和/或温度计，并且在本专利申请文件中的这里和其它地方进一步概述：
-本发明进一步包括或实现了任何环境感测；
本发明还包括任何事件，健康状况的任何组合，包括生理，病理，唤醒/睡眠状态，其它心理状态，诊断，预后，神经学监测和/或相关分析测定，包括(但不限于)或以下任何组合：
-“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文件后面的缩写表中的“EOI定义”)。
·-另外的脑图集或绘图(即塔莱拉什图集；当前图集工具；哈佛全脑图集，MNI模板，SPM标准模板和国际大脑映射联盟；发展人类大脑图；所有功能包括布罗德曼区域，脑回，脑沟等)定义(即脑的区域功能/认知或解剖学映射)可以自动关联唤醒/睡眠状态，心理和/或生理病理学，诊断和/或预后标记(图57；图58；图59；图60；图61；图62；图63；图64；图65；图66；图67；图68；图69；图70；图71；图72；图74；图75；图76；图77；图78；图79；图80；图81；图82；图83；
以使健康管理适用于健康状况的发作或事件，以使得实现最佳的个性化安全和/或准备和/或最小化健康或环境风险和/或辅助个体的治疗或药物的相关优化和/或结合消费者级系统警报，警告和/或信息协助或指导，同时实现远程消费者级别或专业级别的医疗保健援助或干预。
-本发明还包括或实现了一个系统，其中在消费者层面或专业层面持续监测，其中可以检测或追溯地确定感兴趣的健康状况，以不断增加所述系统的智能，从而增加学习和相应的有效性，精确度和功能来优化个人的健康管理(包括诊断，预后，发病机理，病理标记测定等)；
-本发明进一步包括或实现了一个系统，其中在消费者层面或专业层面持续监测，其中可以检测或追溯地确定感兴趣的健康状况，以不断增加所述系统的智能，从而增加学习和功能(例如但不限于人工智能)可以部署以改善/优化检测，跟踪，发作和/或治疗(健康管理)的测定，针对个体的一般或特定感兴趣或关注的健康状况，根据持续或不断积累的个性化监控信息和数据。
–其中对所述“感兴趣或关注的个体的特定健康状况的检测和确定”的所述测定可以包括但不限于特定的生理机制包括与心脏，呼吸，神经，肌肉，血液，心理学，睡眠，神经学和其它功能有关的因素与内在的相互关联；
–其中所述关于“个人感兴趣或关心的特定健康状况的检测和确定”的信息可以包括但不限于在线监控或检测以下任何组合：
1)神经病学的和/或神经系统的和/或肌肉健康的状况(即癫痫，帕金森氏老年痴呆症，自闭症等)；
2)生理健康状况(即呼吸或呼吸衰竭或功能，心力衰竭或功能)，
3)心理状态(睡眠/醒觉状态；无意识/意识深度，注意力水平，高频率，意识状态；；MMN；注意力；镇静深度；麻醉深度；)
4)事件类型(即主轴，K复合，觉醒，微觉醒，高频振荡(HF)，高频波纹，高频A型，高频B型等)，时间背景(即早发，迟发，实际事件)；4)脑或其它生物源定位，和/或
5)一致性，相互关系，方差和/或在时间背景中的任何两种生理或神经学或成像的生物数据之间的关联和/或解剖学位置和/或空间位置或取向和/或空间动态方面；
以改善或协助治疗或诊断决策及相关结果；
-其中所述“积累个性化监控信息和数据”可以某种方式进行管理，其中安全和有限的访问仅对个人可用，和/或仅通过计算机系统访问权限分配和/或相关联的计算机系统访问安全认证装置通过所述个人确定或指定的委托信任实体(即生物识别，密码，私钥，特殊生物特征数据相关密钥等)；
-其中所述“在线监测”可以包含以下任何组合：
·a)同步参数监测；
·b)相应状态确定；
·c)原始监测的生理或心理数据和/或患者信息和/或其它信息；
·d)唤醒/睡眠原始监测的生理或心理数据和/或患者信息和/或其它信息；
·e)神经元事件核心与主轴，k复合体，HFO，熵事件，事件状态框，事件状态注释；
·f)生理状态如生理事件关键主体/患者反应，事件状态框指示，事件状态注释指示；
·i)动态相互关系链接确定和指示；
·j)由感兴趣的单一事件或感兴趣的健康状况和/或感兴趣的单一事件或健康状况的集群定义的神经学空间动力学；
k)本发明进一步包括生理或环境监测的任何一种或组合或分析确定功能包括以下任何或任何组合：
-“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(在本文后面的缩写中详细说明的“EOI定义”)包括自动配置检测标准的方法(即根据自动相关唤醒/睡眠状态，心理和/或生理病理学，诊断和/或预后标记(图57；图58；图59；图60；图61；图62；图63；图64；图65；图66；图67；图68；图69；图70；图71；图72；73；图74；图75；图77；图78；图80；图82；图83；
-本发明进一步包括或实现了消费者级监视功能，适用于最先进的医疗和广泛接受的科学标准(“黄金标准”)参数监测，增强了独特的高依赖性消费者级网络数据可靠性功能，新颖的监控设备技术，改进的身体传感器技术以及分析方法和过程，以提供增强专业级消费者层面监控的方法。
-本发明进一步包括或实现了一种方法(即，实现连续监视结合健康状况事件测定，包括任何一种或组合，含同步视听，生理，诊断，预后，病理性质，健康状况或感兴趣的事件(即多点时间同步监测；MTM)，自适应生理体监测(APM)，自适应生理体监测(APM)，睡眠参数同步“动态数据交换”系统。
-本发明进一步并入或包含具有软件对象模块的高安全性和专用数据网关，能够以通用和界定的接口方式连接不同的信息和监控系统，同时将临床信息和数据与私人信息隔离开来，并包含旨在减轻安全性海滩的专用密钥和数据隔离技术，同时以有效的方式保持数据可访问性，以患者/主体为中心的授权和隐私约束，但使个人紧急健康专家能够适当地进入，本发明还包括以下任何一种或组合：
·美国睡眠医学院(AASM)或任何SCOPER评级分类方法(图76)，心脏病监测方法，温度监测，红外监测方法，健康管理无线连接综合耳塞监测(本文其它部分进一步详细介绍)。
·-本发明进一步并入或实现针对诊断条件的测量来根据不同生物标记或生物标记群/集合来定义，适用于调查，跟踪或健康管理感兴趣健康发生事件，包括以下任何组合：
·根据所述健康状况“相关事件”，一种破坏感兴趣的健康状况的早发或事件的结构化方法；
·其中所述健康状况可以涉及心脏，呼吸，神经，通气生理参数的任何组合；
·其中所述健康状况可以涉及心脏，呼吸，神经，通气生理标记和/或“事件”的任何组合；
·其中所述健康状况可以涉及所述“生物标记”和/或“事件”的一种或多种类型或事件的心脏，呼吸，神经，通气序列或模式的任何组合；
·其中所述健康状况可以涉及所述“生物标记”和/或“事件”的一种或多种类型或事件的心脏，呼吸，神经，通气序列或模式的任何组合；
其中所述事件模式包括群或不同的事件集合，其可以三维脑视图的方式报告或显示，具有视觉识别或验证事件或早期发现的不同健康状况，或(即图68；或更复杂的科学，医学或技术接口，如根据图45；图56；图57；图58；图59；图60；图61；图62；图63；图64图65图66；图67图69图70图71；图72；图73；图74)。
·其中所述事件模式包括在对应示例图中呈现的群或不同的事件集合(图68；或更复杂的科学，医疗或技术接口，如图45；图56；图57；图58；图59；图60；图61；图62；图63；图64图65图66；图67图69图70图71；图72；图73；图74)表明在线检测的任何组合：
1)生理条件(即癫痫，帕金森氏老年痴呆症，自闭症和/或“感兴趣的健康状况或症状”或“感兴趣事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
·2)心理状态(睡眠/醒觉；无意识/意识深度，注意力水平，状态高频，意识状态)；
·3)事件类型(即主轴，K复合体，觉醒，微觉醒，高频振荡(HF)，高频波纹，高频A型，高频型B等)时间背景(即早发，迟发，实际事件)；(图形布局主轴(LH功能数据)的温度-视图，3D切割旋转图像(RH图像显示)加上多导睡眠描记图或具有颜色编码条件的EEG显示(即，开始的癫痫群可以通过红色标记指示；通过橙色标记物发起帕金森病群等)代码为主轴，K复合体，唤醒)；睡眠/醒觉/意识深度的心理状态；注意力MMN等)；
·-其中所述“结构化方法”包括分析监控要求的方法，在性质方面例如(但不限于)系统的属性以监测生理参数，并检测和定义结构化方法的条件，为了建立和不断改进分析模型和监测生理，神经和/或心理参数的组合(参见块[29]自动分析模型确定)，以最有效地检测感兴趣的事件或健康状况。
附图说明
图75自动在线确定感兴趣的事件，包括适用于神经系统疾病发作或发生的唤醒或睡眠期生物标记，如帕金森(包括原发性SBD)，癫痫，抑郁症，自闭症和/或ADHD
块[1]主体/患者/消费者([1])通过一个或多个设备或传感器([2]，[3]，[4]，[5]，[6])监控，相关输出输入到监控接口[7](下文)。
[2]具有动态数据同步(DDS)的集成前额传感器；结合EEG，EOG，EMG眼动，眼睑运动
[3]常规PSG传感器/DDS；并入任何PSG参数
[4]其它患者穿戴系统/DDS；-即细长的或传感器集成的智能健康手表和/或其它手腕装置
[5]神经睡眠动态数据同步(NSDDS)
[6]治疗链接-即磁性或电脑刺激；药物治疗
[7]监控信号，质量接口检查，阻抗，放大，调理，数据采集，处理。然后将监测的生理参数或传感器输入到块[9]，[10]，[11]，[16]和块[20]。
[8]研究序列分析仪-实现趋势和其它多类研究分析技术。
-本发明进一步包含或实现了任何一种或组合，比较数据库[12]，参数配置[13]，参数配置聚类分析[13]，比较数据库聚类分析[12]，将在任何时间选择的时间段内部署，其中所述时间段可以指时间序列或先前研究的一系列(即比较参考数据或比较参数配置)。或者，研究序列分析仪可以基于更长的趋势(例如REM睡眠期间EMG幅度的变化(即适用于睡眠行为障碍；SBD))的挖掘数据的上下文中部署，使EMG振幅细微增加，可能会尽早确定可能发生帕金森病症状(例如)的趋势或倾向，为了治疗或改变更加严重的帕金森病的发作。
[9]自动运动/神经障碍确定
即结合线性(即光谱；回归；平均值；曲线下面积和其它分析类型)，非线性动态(即熵，香农)，复杂度，预测)和/或统计(即偏斜，峰度)，为了区分a)震颤；b)摇动；c)运动迟缓(即运动缓慢)；和/或d)运动障碍(即自愿运动减少)；相对于人为因素，背景噪音和其它不需要的移动或运动相关的信号。
[10]自动运动/神经障碍检测。即加速度传感器检测任何震颤；摇动；运动迟缓(即运动缓慢)；和/或运动障碍(即自愿运动减少)；非自愿运动)。
[11]计算患者状态包括睡眠/唤醒状态(即阶段包括阶段W，阶段N1(NREM 1)，阶段N2(NREM 2)，阶段N 3(NREM 3)，阶段R(REM))，意识，感知状态，唤醒状态，相关转变或其它心理状态。
[12]比较数据库-人口规范-个性化
[13]参数配置
[14]自发反应(SR)和诱发反应(SR)测定
[15]比较数据库聚类分析
跟踪事件或感兴趣的健康状况
[16]跟踪生理过程；健康状况，发病和发病率
[17]参数配置集群分析
-本发明进一步纳入或实现了神经，神经病学，睡眠/苏醒，肌肉，运动障碍的自动在线诊断或预后测定，其中根据主体/患者或健康工作者授权和特定目标的健康状况或感兴趣事件，可以基于目前监测的和以前监测的任何数据的数据挖掘进行额外的在线或离线分析；
-健康状况或感兴趣的事件可以被监测和分析，通过一个或多个生理信号(包括但不限于一个或多个EEG信道)可以根据参数配置的任何一种或组合进行分析(图75；[13])。
所述“参数配置”(图75；[13])或“比较数据”基础(图75；[12])可以包括检测或调整参数标准以检测参数中的任何组合，涵盖在本专利申请文件(图75说明)或根据小标题为：本发明比较数据库或参数配置参数的实施例。
“参数配置”(图75；[13])或“比较数据”基础(图75；[12])可以根据所需的在线分析和在线事件或健康状况确定在单个事件或条件基础上或在预定集群的背景中进行配置，其中不同事件的任何组合或不同事件的顺序/集合，可以通过本发明的自动分析提供来跟踪(图75；[16])。
-本发明进一步结合或实现了具有在线使用多变量或组合分析的患者/主体可穿戴的装置的一个或多个通道的EEG监测，包括任何处理阶段的组合序列，包括时空动态神经源定位分析至少结合了其它一些更多的分析过程，包括相干性，信号动态分析(即非线性动态分析，包括熵，复杂性分析等)熵信号动力学，光谱分析(根据图75；标题为：本发明比较数据库或参数配置参数的实施例)，相干性，脑连通性测量(即偶极子分析)。
在本发明的一个实施例中，主体/患者脑激活或失活的时空动态，可以用最小电极或少至3个EEG电极进行跟踪(即消费者或日常监测情况)，其中可以跟踪更广泛的趋势，例如神经能量的变化(包括但不限于)脑侧向化，前向化或半球形，半球形或正面实际脑对称等。
-本发明进一步包括并入或实现在线聚类分析[15；17]功能的患者/主体可穿戴设备的一个或多个通道的EEG监测，其基于实现在所定义或动态确定的感兴趣时间范围内表征事件或条件的序列或群。所述聚类分析可以通过比较基线状态来确定，例如确定为主体/患者个人数据或基于更广泛的群体规范或疾病状态数据库参考[12]。或者，可以通过参数配置[17]根据(例如仅)参数或标准在下面标题“本发明比较数据库或参数配置参数的实施例”中定义的集群分析来确定聚类分析。
-本发明进一步结合或实现任何诱发反应和/或自发事件被定义为标记，适用于感兴趣的预后或诊断监测事件或健康状况。
–其中诱发反应可以包括通过听觉，电，视觉，疼痛，嗅觉或基于精神过程的刺激诱发的任何事件。或者自发事件，例如(但不限于)神经事件，包括心轴尖峰，HFO，波纹，K-复合物，感兴趣的光谱带等，可以被描述和追踪作为诊断或预后事件或感兴趣的健康状况的标记(图75-[14]；图69；图70；图71)。
HMS结果确定和信息访问能力
块[16]跟踪感兴趣的事件或健康状况块[18]然后分析和确定此类事件或条件的属性何时超出或符合(如适用的情况)符合已建立的检测标准(即每个块[8]；[12]，[13]，[14]，[15]；[16]和/或[17])或预定阈值，工作范围或限制，在这种情况下，相应的系统输出被识别用于另外的主体/患者或健康护理者通知或警报块[28]。
因此，健康管理系统(HMS)的结果包括以下结果中的任何一种或组合，如上文[10]，[11]，[18]和/或[24]中所述；
以这种方式，主体/患者的健康状况或感兴趣事件的跟踪[16]和最终诊断或预后的测定(根据块[8]，[9]，[12]，[13]，[14]，[15]和/或[17]中概述的每个标准，数据库引用或参数)被确定[块26]，以使得能够向所述主体/患者或相关卫生工作者通报或报告(根据块28)。-其中确定“健康状况/疾病或感兴趣事件”的发病率或发病，包括实现“确定神经系统预后或诊断的自动方法”或对主体的神经系统，肌肉或运动系统的个人护理管理，和/或[18]；
[19]REM张力缺乏测定：根据EMG平均水平分析所有睡眠状态(块[20])。在MEG平均幅度水平超过在REM之外的睡眠状态期间测量的平均EMG的情况下，注意到该增加的百分比(即EMG幅度的百分比超过最大平均REM EMG水平)。如果EMG幅度增加的百分比超过任何以前的平均REM EMG水平(即，意味着EMG幅度超过先前REM状态的最大EMG平均阈值；根据块21)，则该状况被标记和确定(根据块26)为“睡眠行为障碍”(SBD)。
如果被标记的SBD附有报告验证没有其它条件联系到REM阶段增加EMG(即不安腿综合征，肌肉疼痛(即肌痛)，肌肉加工障碍(即纤维肌痛)，神经痛或其它已知会在REM睡眠期间增加EMG水平的疾病，则该状况将被标记为原发性SBD(根据块[19]，[22]，[24])，并且还指出帕金森病发作的潜在症状。类似地，如果不超过所述阈值(根据第[21]块)，则仍然可以应用更长的时基和数据挖掘分析，为了确定一段时间内或跨越一系列睡眠研究的EMG幅度是否正在趋向于这样的阈值水平(即通常当EMG平均水平超过其它睡眠阶段的EMG人类10-20％(根据块[20]，[23]和[21])，则该状况也将被标记为帕金森病发作或其它肌肉，神经或神经系统疾病发生或发作的潜在非常早期的标记。
[20]EMG水平测定：用于每个睡眠阶段和/或活动状态与非活动状态(根据穿戴或附着的运动检测系统，例如基于加速度计或其它运动传感器的系统)。
[21]REM无迟缓睡眠-如果是，则确定EMG的程度意味着高于前述平均EMG非REM睡眠阶段水平。即REM平均EMG水平高于先前平均EMG睡眠状态的百分比。如果EMG的水平大于阈值量(即，通常设定为比先前的睡眠状态EMG平均水平高10-20％)
[22]原发性与非原发性RBD。
[23]REM张力缺乏阈值：EMG睡眠行为障碍(AND)阈值-即10-20％REM EMG，与非REM睡眠阶段EMG SBD测定与其它原因的无迟缓REM睡眠(如不安腿综合征和/或肌肉疼痛(即肌痛)或肌肉处理障碍(即纤维肌痛)。
[24]原发性REM睡眠障碍测定
[25]本发明还包括本专利申请文件中以下子标题所涵盖的一系列兼容系统：1)普遍存在的监控系统功能2)便携式普遍存在的监控设备功能
[26]确定感兴趣的事件，包括唤醒或睡眠周期生物标记，适用于帕金森病，癫痫发作，抑郁症，自闭症，ADHD和/或“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
[27]平台服务，应用程序，设备，系统
[28]消息，报告，事件，日历，警报，通知。信息可以通过简单的用户/主体手腕安装的手镯或智能手表或移动无线通信设备进行传送(即图68；或更复杂的科学，医疗或技术接口，如图45；图56；图57；图58；图59；图60；图61；图62；图63；图64；图65；图66；图67；图69；图70；图71；图72；图73；图74所示)。
块[29]自动分析模型测定：-本发明进一步结合或实现了分析能力，其中自动化算法结合一种方法(即使用蒙特卡罗交叉分析和刀切分析技术，其中一系列或记录的监测会议或研究可以根据测定的定义或已知结果概率进行检查(即已知的发病事件或自闭症或其它已知事件或感兴趣的健康状况的严重发生的已知时期)基于最小或最大或中等模型(用于检测事件或健康状况或心理神经/心理感兴趣状态的监测参数或衍生变量的集合)。感兴趣的事件或分析类型(或分析类型的组合)可以包括神经睡眠或伴随的睡眠适应性专利申请(eHealth临时伯顿，2014年9月)所涵盖的分析类型和事件的任何组合。以这种方式，本发明通过将已监测参数的不同模型与已知诊断结果或事件进行比较，结合了自学或微调算法的方法。
其它定义或已知结果包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
[29]自动分析模型确定：配置事件或健康状况跟踪
本发明比较数据库或参数配置参数的实施例
(根据块[10],[11],[18]和/或[24]；[16]；块[8],[9],[12],[13],[14],[15]和/或[17]；[28])
本发明的一个实施例在此给出了自动特征。
本发明的自动在线特征和相关联的诊断和预后跟踪和检测能力的实施例，包括事件或感兴趣的任何一种或组合，包含下拉，振荡检测，γ活动检测，δ/慢波活动检测，θ活动检测，相位谱耦合因素，信号动力学检测，人工检测和减少或根除，生理事件检测，监测信号基线属性确定和阈值检测，检测，事件检测，EEG事件检测，健康状况确定，健康状况通知和多变量分析检测配置，这在下面的标题下进一步概述：1.光谱生物标记事件，2.信号动态检测；3.假象检测与减少或消除；4.生理事件检测；5.基线检测；6.事件检测；7.EEG事件检测；8.健康状况测定；9.健康状况通知；和/或10.多元分析检测配置。
[29]自动分析模型确定：1.光谱生物标记事件：
1.1光谱配置63
δ波-(0.1-3Hz)
θ波-(4-7Hz)
α波-(8-15Hz)
μ波-(7.5-12.5Hz)
SMR波-(12.5-15.5Hz)
β波-(16-31Hz)
γ波-(32-100Hz)
感觉运动节律(SMR)-同步电磁脑活动的振荡怠速节奏。EEG，MEG和ECoG记录在感觉运动皮层上的心轴上出现这种信号，通常频率范围为13至15Hz。
μ波是一种感觉运动节律，它是涉及大量神经元的电子脑活动的同步模式。这个信号与控制自愿运动的大脑活动有关，通常出现在9-11Hz的范围内，当身体静止时最为突出。虽然α波以相似的频率发生在头后部后方的静息视觉皮层上，但是在波动的皮层上，μ波在个体的耳朵之间的一条带上出现。
1.2短波活动
-可以配置此类别的1个或多个事件进行检测
-短波活动(ISA)(即通常<0.1Hz或围绕该光谱区域)；
1.3振荡检测配置
可以配置此类别的1个或多个事件进行检测
-高频振荡(HFO)(即70-250Hz范围，通常或在该光谱范围附近)；波纹(100-200Hz)；
-快速波纹(FR：250-600Hz范围；通常为250Hz至500Hz)；
其它集群特性适用于本地化与癫痫发作区有关的一个或多个事件(SOZ-与潜在的癫痫发作或感兴趣的癫痫事件有关)；
-选择信号参数设置基于1)电皮质(ECoG)或颅内EEG(iEEG)；2)头皮表面EEG电极；3)EEG皮质深度电极或深度微电极；
-以睡眠状态(通常为非rem阶段1；非REM阶段2；非REM阶段3；REM睡眠；唤醒；唤醒)为基础分类。
-检测和跟踪高频活动，包括40Hz频谱区域附近的低振幅活动(阿尔瓦拉多-罗哈斯等人，2014)64
-基于先前的诊断研究和基于高频活动的生物标记模板来确定感兴趣的HFO事件，包括250-500Hz区域周围的任何快速波纹；
-基于先前的诊断研究和基于高频活动的生物标记模板来确定感兴趣的HFO事件，包括250-500光谱区域周围的任何快速波纹，与先前确定的个体前颞叶和新皮质癫痫或其它相关健康状况确定诊断研究中癫痫样发生的癫痫发作相关；65
1.4γ活动检测
-高频活动，包括60-150Hz的γ振荡；66
-γ频段(40-120赫兹或在这个光谱范围内)皮层高频振荡的空间分布调制；67
1.5δ/慢波活动检测
-δ/慢波带(0.5-3Hz或该光谱范围附近)皮层频率振荡的空间分布调制；68
1.6θ活动检测
-在θ振荡频段(4-8Hz或在该光谱范围内)的皮层频率振荡的空间分布调制；69
1.7相位或光谱耦合因素
-缓慢皮层电位与高频光谱活动之间的耦合(包括但不限于HFO和HFO波纹或其它配置标准)；70
-高频子频段的频率耦合或相关性或相干性在γ范围内到低频；71
-跨频率耦合或相关或相干性跨越高频子频段到低频；
-检测低频节律相位之间的相互作用，例如(但不限于)δ/慢波和θ频段，因为它们与γ频率节奏的不同子带的振幅有关；72
-先前的分析(在线监测事件或“感兴趣的事件”的前兆)包括检查神经系统事件联合阶段的空间波动；73
-跨频率耦合测定通过统计分析不同频段之间的相互作用；74
-相对于快振荡相比振幅较慢；75
-测量δ(0.5-3Hz)或θ(3-8Hz)之间的耦合用于低频相，和低γ(LG：40-70Hz)或高γ(HG：70-140Hz或70-120Hz)用于高频振幅包络；76
-所述耦合测定，其中(但不限于)原始信号可以首先根据感兴趣的频段进行滤波，以及使用希尔伯特变换提取相位和幅度特性；77
-可以计算δ波段和θ波段以及低γ波段和高γ波段的瞬时相位和瞬时幅度包络值。
-持续，重复的瞬态增加，在高γ(在80-150Hz附近的光谱区域)振幅锁相到低频(在1-25Hz附近的光谱区域)发声节奏，在整个发病地区同步的多单元爆发；
-其中所述“感兴趣事件”可以包括(但不限于)本文列出的光谱带之间的交叉频率耦合，任何“感兴趣的事件”和/或感兴趣的光谱事件“和/或生物标记”之间的相位耦合的测量
-其中所述“数据挖掘”算法可以包括(但不限于)使用预处理阶段的分析，实现以一种方式预先确定所述“数据挖掘”算法，其中可以基于先前的数据记录或更早的监视数据来建立目标“事件”或“集群”的集合，包括(但不限于)识别多变量数据集或感兴趣特征的方法。
-其中所述“感兴趣的事件”可以包括(但不限于)本文列出的光谱带之间的交叉频率耦合和/或任何频谱和/或感兴趣生物标记事件之间的相位耦合的测量；
-其中所述“感兴趣的事件”可以包括(但不限于)测量高γ幅度和低频脑信号光谱带之间的交叉频率耦合，例如1-25Hz或围绕该光谱区域；
-在高γ幅度和低频之间(在1-25Hz附近的光谱区域)结合相干或交叉频率耦合的稳态高频振荡(HFO)；-其中所述“感兴趣的事件”可以包括(但不限于)局部血液动力学和神经活动之间的去耦；
-其中所述“感兴趣事件”可以包括(但不限于)跟踪局部血液动力学和神经活动之间的去耦的测量，作为与早期发作相关的前期，间隔，后期和发作活动或生理“中风”的标记；
[29]自动分析模型确定：2.信号动态检测
-感兴趣的生物标记的测定可以包括2个处理阶段，包括确定非线性动态信号评估的测量，结合另一个处理阶段，包括确定线性动态信号评估的测量，以确定最终的生物事件或兴趣的变化。例如，可以处理一个或多个EEG信道用于非线性动态信号的变化(即熵或复杂度分析)作为第一步和分析过程，然后确定光谱特征，作为第二处理步骤的一部分。这些处理步骤可以在空间动态源定位的上下文中进行，或者在分析一个或多个EEG信道的基础上进行。[DB：14250；DB1Jly14]15；
-感兴趣的生物标记的测定可以包括3个阶段的非线性动态信号评估测定测量，结合另一个处理阶段，包括确定线性动态信号评估的度量，然后是另外的处理阶段，包括统计测量的确定，以确定最终的生物事件或兴趣变化[DB：14250；DB1Jly14]15；
[29]自动分析模型确定：3.假象检测与减少或排除
眼睛运动或肌肉假象减少或消除；78
[29]自动分析模型确定：4.生理事件检测
-减少或消除眼睛运动或肌肉假象；79
[29]自动分析模型确定：5.基线检测
-可以配置此类别的1个或多个事件进行检测
-可以配置此类别的1个或多个事件进行检测
-感兴趣事件基线偏差(IBS；或直流电流偏移；0-500uV)；感兴趣预期事件基线偏差(IBS；或直接电流便宜；0-500uV)；常规频率活动(CFA-以帮助区分感兴趣事件的起始标记)；
[29]自动分析模型确定：6.事件检测
-可以配置此类别的1个或多个事件进行检测
-EEG峰检测；
-EEG主轴检测；
[29]自动分析模型确定：7.EEG事件检测
[29]自动分析模型确定：8.健康状况确定
-可以配置此类别的1个或多个健康状况事件进行检测
-健康状况事件可以通过选择上述选项中的任何一种或组合来配置，就感兴趣的健康状况事件的非常早发作，标准发作和事故而言。
-可编程健康状况可以包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
[29]自动分析模型确定：9.健康状况通知
-通知通过手机，第三方干预，注册更新，报告更新，GP电子邮件/短信/电话留言实施；专家GP电子邮件/短信/电话留言；家庭成员GP电子邮件/短信/电话留言；提名保健人员；提名的联络点GP电子邮件/短信/电话留言；救护车服务GP电子邮件/短信/电话留言；护理人员服务GP电子邮件/短信/电话留言；智能手表第三方电话对讲电话帮助；
[29]自动分析模型确定：10.多元分析检测配置
-选择上述参数和/或附加参数中的任何一种或组合，可以使用上述配置或单独配置的参数进行选择和称重，以定义感兴趣决定的组合分析事件。
感兴趣的频段可以通过8阶Butterworth前向-后向IIR滤波器(避免相位延迟和提高频率选择性)得到；80
数据采集采样率应优选大于每秒2000个样本并且信噪比监测能力应能够区分最小可能的HFO，其幅度可以是几微伏或更小。
图76eLifeMEDICS&eHealthMEDICS健康管理系统(HMS)。具有对象层的高度安全和私密的数据网关，能够连接不同的信息和监控系统，同时将临床信息和数据与私人信息隔离开来，并且包含旨在减轻黑客或其它安全风险因素的私人密钥和数据隔离技术。
[1]HMS传感器或监控设备/系统(SOMDI)接口
[2]HMS信息接口(即WAN，LAN，云计算服务，NAS，点对点等)
[3]不同的SOMDI传感器和/或监测临床/患者信息系统或应用程序
[4]不同的SOMDI传感器和/或监控消费者/主体信息系统或应用程序，不同的医疗监控临床/消费者信息系统或应用程序
[5]将物理和/或数据转换为标准化的HMS兼容格式(无线或有线)
[6]安全，隐私，真实性防火墙和询问层接口/适配器(无线或有线)
[7]通用SOMDI数据接口(软件)对象
[8]MMT；APM，HDCM，eHealthATLAS，eHealthHDCM，eHealthCAPA，eHealthIOT，在线动态数据交换；在线数据同步系统(即Somfit sleep&health tracking)；分析和全面披露在线分析和监测/感测(FDOA&M)系统
[9]AMD系统：监管和/或医疗机构合规研究管理：将标准和建议或要求转换为标准化格式，可通过一个或多个患者/主体信息交换，患者记录和信息系统，GP信息系统，检索，知识库，要求或监管国际学院，协会，政府健康保险实体，私人健康保险实体，监管机构等专门机构的建议或标准，在患者信息，诊断，预后，监测，安全，信息标准，信息隐私方面–即ASSM选取器；ASSM睡眠研究类型1–iv；ASA睡眠研究级别1-4；每种研究类型的医疗保险最低要求；医学睡眠学习要求等。
[10]自动模式确定(AMD)系统：预测和/或诊断数据挖掘授权和程序实现(即注册，安全认证，临床脚本，医疗或保健或健康组织授权和覆盖计划)
[11]离线或在线数据挖掘诊断或预后–(即本专利申请或所附专利(即，eHealthNEURO&eHealthSLEEP作品集或早期的eHealthNAS&ATLAS专利作品集(伯顿，2014b))所涵盖的任何分析实施例，目的或现有专利能力)
[12]日常维护和独立安全防范侵权，可以进行系统安全，侵权或侵权尝试的持续自动和独立测试
[13]生物识别和临床与患者信息数据分割/分层(即合并：a)通过语法数据表示访问信息的方法(即，没有揭示私人或机密信息的数据指针)；b)并入方法，分离(即物理位置和/或数据位置和/或地理位置的任何一种或组合)数据的存储或位置的任何一种或组合，与临床图像和/或临床数据和/或生理数据和/或临床诊断结果和/或预后结果以及/或患者信息和/或患者历史或其它个人或机密信息相关联。-本发明进一步结合或实现数据类型的任何一种或任何组合(即个体的生理记录，监测数据，医疗信息或数据，患者信息，患者病史以及与个体有关的任何信息)以及要分开存储的任何这些数据类型的存储位置，在物理位置和/或计算机和/或存储驱动器或计算机位置方面，并且还分别存储以增强数据安全性或隐私。即数据类型可以被分割，分离和/或分层以最小化未经授权的访问。例如，本发明防止将与个人相关的任何标识符信息与相应的医疗信息或与所述个人相关的数据相关联的概率最小化。c)结合生物识别数据安全性，将临床数据与患者信息数据分离(即包括专利(伯顿，2005；伯顿，2010；伯顿，2013a))。
[14]语法或数据指针管理/查找器系统数据库
[15]数据标识符“动物园”(发现者)和交叉转换系统。该系统能够处理具有所需监管和政府标准(或私人或专有标准-即私人健康保险公司)的国际电子卫生记录系统，适用于各种不同的主体/病人和数据记录，系统和其它数据或信息
[16]患者/主体/消费者信息数据存储库
[17]患者/主体/消费者成像数据存储库
[18]患者/主体/消费者生理和其它临床数据存储库
权利要求-eLifeNEURO/EPILEPSY-参考摘要，发明内容，附图，适用的权利要求部分或随后的分案申请。
专利标题：帕金森和其它神经病学，神经和肌肉障碍健康管理系统
专利内容
摘要
·而常规健康追踪器结合运动传感器在管理药物和检测退行性疾病的发生率方面是有帮助的，例如帕金森病，这种疾病的早期发作检测可能有助于早期干预，包括药物治疗，可能最终会延迟或甚至阻止帕金森综合征或痴呆症的进一步发展。-本发明进一步纳入或实现或有助于确定帕金森病的早期发作检测和治疗。特别地，本发明结合独特的患者穿戴的无线监测系统，能够进行非侵入性，连续的常规监测和相关分析技术，能够早期帕金森症状的确定，包括“原发性”快速眼动(REM或梦中睡眠)行为障碍(RBD)与突出的运动活动相结合，作为帕金森病发作的早期标记。
·主要权利要求包括：
·患者穿戴的无线监控系统能够进行非突出性的连续日常监控，并结合“睡眠监测”和“运动”参数
·自动“确定”rem行为障碍的方法，以及相关的“情境分析”能够得出细微的早期预警帕金森症状
·将所述“确定”和上下文分析作为治疗决策，递送，管理或管理过程的一部分的方法
发明内容
·本发明的要点是在诊断水平上实现消费者级别或夜间跟踪RBD，其能够检测其它潜在原因(如不宁腿综合征)，为了提供适用于检测早发性帕金森病的原发性SDB的有用的方法和装置。
·本发明进一步包含或实现连续的RBD确定，为了通过跟踪超过2个或更多夜晚的渐进或总体增长来检测最早的趋势或RBD的发作，因为它涉及REM阶段的EMG水平，适用于RBD。
·本发明包括一种方法，通过睡眠研究进行检测EMG睡眠研究水平，并通过睡眠阶段进行EMG睡眠阶段水平，以检测EMG的变化，适用于原发性SBD(早发型帕金森氏症的标志物)。
·其中所述方法检测EMG水平的变化，适用于原发性SBD(早发型帕金森氏症的标记)可以包括(但不限于)REM睡眠期间其它睡眠阶段相比确定EMG水平的细微增加；
·其中所述方法检测EMG水平的变化，适用于原发性SBD(早发型帕金森氏症的标记)可以包括(但不限于)基于渐变SBD REM阶段EMG水平的长期趋势分析确定REM睡眠期间EMG水平的细微增加；
·其中所述方法检测EMG水平的变化，适用于原发性SBD(早发型帕金森氏症的标记)可以包括(但不限于)原发性SBD的确定；
·其中所述检测EMG级别变化的方法，适用于原发性SBD(早发型帕金森氏症的标记)，可以包括(但不限于)包括对RBD的因果关系的分析；
·其中所述检测EMG级别变化的方法，适用于原发性SBD(早发型帕金森氏症的标记)，可以包括(但不限于)包括分析RBD的因素，例如(但不限于)不宁腿综合征；
·eHealthMEDICS PMS系统，可以分散地结合到患者穿戴的方法或在薄或“分布式传感器”(DS-eLifeWATCH)或“积分传感器”(IS-eLifeWATCH)范围内健康智能手表装置中，耦合到网络应用服务(NAS)或其它无线通信或云计算服务，以提供一些普遍存在的保健服务。
·具有专业和个性化健康解决方案的eHealthMEDICS平台的一个实施例，是为了跟踪神经，神经病学或肌肉疾病的发生或发病，如帕金森病和阿尔茨海默病；
·REM睡眠行为障碍(RBD)是一种睡眠障碍，其特征在于REM睡眠期间正常骨骼肌异常的丧失，伴随着梦中具有显著的运动活动。患有“原发性”RBD的患者已经显示出演变的神经变性疾病的早期临床表现；
·因此，显示“原发性”RBD的患者具有突出的运动活动，作为潜在候选人的主体/消费者的决定因素(或生物反馈标记；药物标记；药物施用；药物分散系统；标记等)为了实现与早期药物治疗相关的控制或信息，例如影响突触核蛋白病理生理学的那些，以延缓或预防神经变性疾病如帕金森综合征或痴呆症的发病81；
·-本发明进一步包括或实现个性化的智能健康监视系统，通过监测和评分睡眠阶段，特别是REM睡眠，以实现REM睡眠行为障碍(RBD)的常规，家庭确定和跟踪，伴随着突出的运动活动，其中睡眠参数包括EEG，EOG和EMG信号的任何组合可以使用一个或多个无线传感器进行监测；
·本发明提供报告功能，使得个体能够容易地访问与震颤或振动分析相关联的REM睡眠期，以跟踪个人指数，事件，趋势，适用于神经退行性疾病如帕金森综合征或痴呆的早发或发生；
·-本发明进一步包括结合了能够检测从心形柱状图或震颤到精神振动或运动的细小震动运动的传感器。这样的传感器可以包括能够检测移动或运动并产生与所述“移动或运动”相关联的信号或测量的任何膜或传感器；
·-本发明进一步包括或实现访问与“与所述运动或运动相关联的信号或测量”相关的所述信息，为了生成所述“信息”的直接访问“信息”或另外的“转换或传输(线性或非线性)”)，以使得将这样的“信息”与睡眠状态相关联，包括REM睡眠状态，以使得识别与rem行为障碍发生相关的生理性震颤的可能阶段。
·-本发明进一步结合或实现所述信息，在决策过程或控制过程中涉及“所述移动或运动相关联的信号或测量”或RBD，适用于优化适当药物治疗的管理，为了实现预定的结果，是在预先指定的睡眠或唤醒状态期间最小化RBD和/或震颤条件的任何组合的术语。
本发明还提供可编程的表面应用程序和可配置的显示和警报，例如，可以数字，图形或表格形式显示，以及也可以提醒您感兴趣或关注的响应，因为它涉及原发性“RBD”的过度或发生。
本发明能够进行自动分析，显示，警报，报告，报告分发或相关通知到预定目的地，基于RBD与突出运动活动的相关性(即，手臂和腿部运动之间的步行流动性和同步性(可以通过加速度计或其它方式通过光谱和其它形式的分析跟踪腿部和手臂进行检测)；
本发明的要点是实现监测快速眼动(REM)睡眠，通过监测直觉睡眠参数(即EEG，EMG，EOG)或肌肉，脑和眼睛活动的代理测量结合从梦中(REM)睡眠期间的精细震颤到劝告振动的分级测量，以诊断神经，神经系统或肌肉退行性疾病中的至少一种的潜在发生或发作。
-本发明进一步包括或实现逐步通过将所述精细震颤的范围，阈值和等级逐步超越振动的方法，为了提供甚至最轻微和不规则/自发发生的同步RBD震颤发生率的细微检测，作为能够对至少神经，神经系统或肌肉退行性疾病的发作进行个性化和私人检测的方法。
本发明包括一种方法，自动或通过计算机辅助调整范围或阈值水平的精细震颤，以及更突出的运动活动，根据线性(即光谱)或非线性(即熵/复杂度分析)或组合方法(即光谱熵)的使用，为了从受监控的数据引起潜在的或其它不明显的退化性神经，神经或肌肉疾病的迹象，由于不规则，或细微的外观，或生活变化事件(即早期治疗可以节省或改变生命健康和质量)。
-本发明还包括或实现了自动控制或药物使用，或者通过药物递送系统或药物分配器接近和指示进行自动给药，以能够实现最佳治疗的方式；
-本发明进一步包括或实现自动最早的自动通知或与自动确定感兴趣的事件或健康状况有关的指示；
-本发明进一步结合或实现提供自动或选择的医疗检查(即主体可以选择或授权通过医疗监督或保健服务进入)或根据需要进行次级医疗意见，涉及自动确定感兴趣的事件或健康状况；
-如果需要，本发明还包括或实现了提供自动干预；
-本发明进一步并入或实现提供自动干预，包括通过智能手表或其它手机接口(即GSM)功能的自动通信，涉及预防严重程度或高风险事件，对应于有关事件或健康状况(即发作)；
-本发明进一步并入或实现了一种方法，实现普遍存在的健康功能，结合“系统信息集成方法”(即监视，分析，存储，报告，指示，通知，消息，警报，地点或地理映射或路由动态信息交换和/或日历或其它安排应用程序动态信息交换接口中的任何一种或组合)和弹性或可扩展资源，能够被分配，为了保持方法不间断，连续和“确定性数据监视方法”，“监视方法”(即，方法包括监测人的生理，心理，病理状态的任何一种或组合，以实现诊断和/或预后特征和病理学确定疾病，疾病或其它调查兴趣或健康问题的事件，以及感测和监测任何环境因素)，本发明还包括以下任何一种或组合：
-本发明还包括“系统信息集成方法”包括(但不限于)任何一种或组合，含监控，分析，存储，报告，指示，通知，消息，警报，地点或地理映射或路由动态信息交换和/或日历或其它安排应用程序动态信息交换接口；
-本发明还包括“监视装置”包括(但不限于)对人的生理，心理，病理状态的任何组合进行任何组合监测，以实现诊断和/或预后特征和病理学确定疾病，疾病或其它兴趣或健康问题的事件，以及感测和监测任何环境因素，通过主体可穿戴的或其它与主体接近的装置，提供感测，监视，信息访问，指示或其它所述“系统信息集成方法”；
-本发明还包括“确定性数据监视装置”，包括本文件或其它专利申请中涵盖的一系列发明，子标题如“普遍存在的监控系统功能”和“普遍存在的监控功能”，本发明还包括以下任何一种或组合：
普遍存在的监控系统功能
·自动模式确定(AMD)系统(图83)；；10
·动态自适应高依赖连接管理(HDCM)系统(临时申请提交澳大利亚政府知识产权局澳大利亚6Mch14)；
·eHealthNAS功能(临时申请提交澳大利亚政府知识产权局澳大利亚6Mch14)；
·和eHealthAtlas功能(临时申请提交澳大利亚政府知识产权局澳大利亚6Mch14)；
·自适应生理体网络(APM)和NAS网关(本发明)；
·在线自动操作员复杂度(OCL)系统；10
·选择健康社区，专业医疗/科学社区，特殊的IT社区，私人链接或其它个人指定的社区或支持“选择加入”或“选择退出”功能(临时申请提交澳大利亚政府知识产权局澳大利亚6Mch14)；
·远程监视监控，紧急监测和介入监测或支持(救护车，护理人员，医护人员，RACV等)；
便携式普遍存在的监控设备功能
·集成传感器附件(ISA)，包括放大倍数扩张系统；10
·外部噪声检测和消除系统；10
·压敏电极激活(PSEA)；10
·集成体积描记波形(IRPO)系统(RFM 14255 WO 2011/017778)；
·在线自动信号质量评估系统(SQE)；10
·在线自动冗余电极替代(RES)系统；
·在线自动识别和频道特征(AICC)系统；10
·在线自动动态链接信号调节(DLSC)系统；10
·在线自动动态链接分析调节(DLAC)系统；10
·多点时间同步监测(MTM)(本发明)；
·自适应生理体监测(APM)系统(本发明)；
本发明还包括“监测方法”，包括(但不限于)生理或环境监测；
本发明还包括“监视装置”包括(但不限于)本地设备，基于网络，社区网络，更广泛的网络(即LAN，WAN等)或共享/访问资源，适用于本地监控设备或系统以及作为定义(即在隐私和安全性授权访问方面的区别以及互联性和通信兼容性)监视组设备或系统一部分的设备或系统。
-如果“共享/访问资源”包括任何本地其它系统资源(例如数据采集存储，缓存或缓存存储器，无线连接路径或重新路由以克服接收传输约束)，以实现所需的在线监控“最低标准”；
-其中所述“最低标准”包括访问和与其它系统或设备共享资源，被确定为个人主体或更广泛的网络或社区网络的一部分，根据数据带宽要求配置数据优先级，以及预定的连续监控/不间断在线监控或数据重组同步，延迟和确定性标准以及相关的本地和网络系统要求以及任何时间点的可用性；
本发明进一步包含或实现自动检测由REM睡眠无迟缓(抑制肌张力)的发生率定义的REM睡眠行为障碍(RBD)，适用于确定疾病或不良健康后遗症的事件或发作“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)，本发明包括(但不限于)的任何一种或组合：
其中所述“感兴趣的事件”可以包括(但不限于)自动在线和/或实时检测或确定帕金森病的前兆，包括(但不限于)REM睡眠行为障碍(RBD)的自动检测，由REM睡眠发生而定义，不伴有迟缓(抑制肌张力)，
-其中所述“无迟缓REM睡眠”可以通过在非快速眼动(REM)睡眠阶段和REM睡眠阶段期间比较(肌电图)指示肌肉张力的EMG信号来定义，以确定REM睡眠期间EMG活动的正常降低不明显的时期，以及EMG特征关联非REM与REM睡眠EMG符合预定范围，阈值和方差。例如，与非REM EMG幅度结果相比，REM EMG周期或片段超过某一幅度增加。
-其中所述“无迟缓REM睡眠”可以通过监视参数的任何组合来检测，包括运动传感器，EMG信号监测，其它睡眠参数；
-其中所述自动检测REM睡眠行为障碍(RBD)，是指监测，检测和/或记录运动和/或睡眠参数数据，以帮助医生或个人诊断和/或治疗和/或自动治疗和/或辅助手动药物和/或辅助药物管理或分配，适用于“运动障碍”，包括帕金森症颤抖，不宁腿综合征，肌张力障碍，威尔逊氏症和/或亨廷顿病的任何组合；
-其中所述运动障碍包括(但不限于)运动检测分析，能够检测与关键的帕金森病症状相关的运动的发生率或前兆，包括运动迟缓(即运动缓慢)和运动障碍(即自愿运动减少；非自愿运动)。
--本发明进一步并入或实现与药物分配器或售货系统的联动或接口(即搜索无线药物管理或分配系统和/或药物自动售货系统或管理系统和/或其它治疗处理
--本发明进一步并入或实现原发性SBD检测和震颤运动检测的组合以及与关键的帕金森病症状相关的其它运动，包括运动迟缓(即运动缓慢)和运动障碍(即减少的自愿运动；非自愿运动)被检测为帕金森病早发或发病的标记；
--本发明还包括或实现了所述运动或原发性SBD标记作为药物通知或指示系统的一部分被并入；
--本发明还包括或实现了所述运动或原发性SBD标记被并入治疗控制的确定，包括深部脑刺激；
--本发明还包括或实现了所述运动或原发性SBD标记被并入治疗控制的确定，包括磁力脑刺激；
运动，神经或神经障碍通过自动通知和/或感兴趣的视频段传播
本发明的另一方面是以实现指示癫痫发作或其它运动或神经障碍的发作或发生的自动运动检测特征，基于视频监视或运动检测的任何一种或组合(即，加速度计传感器监视)。
-其中所述运动和/或移动和/或其它感兴趣事件的任何一种或组合(EOI每个术语表)，可以根据对本发明的分析的配置的确定进行分析，以跟踪所述特性，适用于神经运动特征，适用于癫痫发作和/或帕金森氏症的发病或发生(即帕金森SBD；帕金森病，包括运动迟缓(即运动缓慢)和补充运动障碍的服务(即减少自愿运动，非自愿运动)或其它神经系统或神经系统疾病。
-本发明的另一方面是自动发送通知(即消息，电子邮件等)和/或传送视频片段(即电子邮件发送给所选择的个人或人们)或被监测的主体照片，用于神经或神经障碍的运动。
权利要求-专利标题：帕金森和其它神经病学，神经和恶性病症健康管理系统-参考摘要，发明内容，附图，适用的权利要求部分或随后的分案申请。
专利标题：自闭症(ASD)；亚斯伯格(ASP)；阅读障碍症；
发明背景(即ASD，ASP和其它神经发展或神经障碍)
据报道，近来儿童中的自闭症患病率已增加到每100名儿童中1名。
关于亚斯伯格综合征(ASP)是否应被定义为整体自闭症谱系障碍(ASD)的一个问题仍然是继续研究的课题。此外，ASD的日益普及以及需要实现非侵入性监测方法，如EEG，以及区分ASD和ASP之间的神经生理学差异的功能仍然是一个主要的现有技术之谜。
据报道，没有癫痫发作的自闭症谱系障碍(ASD)患儿癫痫样脑电图的发生率高于无ASD的患者(10-50％)。
ASD是一种神经发育障碍，病因仍然是一种谜。与这种疾病相关的行为功能障碍的特征在于社会和沟通缺陷以及限制兴趣或重复行为的存在。据报道，在ASD人口群体中，有5％～46％的患病率增加。
发明内容
27
-本发明进一步包含或实现监测两个或更多EEG(头皮监测的电子脑信号)，并自动部署一种分析所述信号的方法，以提高估计产生这种来源的脑的潜在区域的准确性；
通过提高“估计大脑产生这些来源的潜在区域”的准确性的方法，包括结合聚类算法，实现对个体/患者/主体特异性的诊断和/或预后信号特征。“估计大脑产生这些来源的潜在地区”的方法可以进一步纳入一个过程，其中个体的监测生理数据(包括但不限于“中风”状况(在本专利申请文件的其它部分概述)确定“感兴趣的事件”和/或“感兴趣的健康状况”可以包括定义或识别(自动或通过专家或其它口译辅助和/或确认或验证)。
-本发明进一步结合或包括，个人“感兴趣的事件”和/或“感兴趣的健康状况”特征可以包括一个过程，其中统计分析技术(如并入交叉验证，蒙特卡罗，刀切，因素分析确定，支持向量机(SVM)，部署在线上或离线数据挖掘环境中，建立最准确的聚类算法，包括对所述事件的最有效或精确的检测，基于监测的特定个体/患者/主体的独立或自动终点事件或健康状况事件确定(即特定主体/患者/个体的信号或多个踪迹数据，基于源估计和一系列分析过程(参见每个非线性，随机，确定性等的例子。(即根据图80中概述的分析格式，类型变化，专家系统，分类方法中的任何一种或组合)，集群算法确定并入和离线方面，包括(但不限于)，如结合交叉验证，蒙特卡罗，刀切，因素分析确定或支持向量机(SVM)。
其中聚类算法可以包括以下任何一种或组合，信号动态传输(非线性动态分析，例如但不限于复杂度或熵分析)，频域分析；相干性，相关性，偶极子分析或指示脑连通性的其它分析；统计分析(如但不限于)：
其中所述聚类分析成分和相关分析过程包括分析中的任何一种或组合：
-频谱分析包括随机，固定，线性，非线性(包括非线性动力学分析)类型中的任何一种或组合；
-确定性光谱分析包括静态，线性，非线性(包括非线性动力学分析)类型中的任何一种或组合；
-线性；
-非线性(包括非线性动态分析类型，如但不限于熵，复杂度分析等)；
-随机；
-确定性；
-静止的；
-相干性；
-模式识别，包括线性，非线性(包括非线性，动态分析)类型，随机，确定性和/或固定类型中的任何一种或组合；
-维格纳变换(时频分析)包括线性，非线性(包括非线性，动态分析)类型，随机，确定性和/或固定类型中的任何一种或组合；
-小波组成包括线性，非线性(包括非线性，动态分析)类型，随机，确定性和/或固定类型中的任何一种或组合；
-统计分析；8283
-本发明还包含或实现了一种方法，含自动和/或计算机辅助和/或在线和/或离线和/或数据挖掘的ASP与ASD生物标记特征信号，以及“感兴趣的事件”或感兴趣的健康状况的诊断或预后确定，本发明还包括以下特征或测定分析的任何一种或组合：
自动PCA分析
-第一过程，包括数据减少，通过集中于最重要的主成分分析(PCA)结果(即最高的信噪比波形结果)，以使得根据PCA输出产生相干因素的不分皂白的性质生成较小的数据集。
-第二过程，包括通过计算来自完整范围的EEG监测电极位置的相干输出的导出的数据结果的确定(频段，相关联的相干性，适用于所有电极组合，用于一系列参数变化，例如但不限于神经源重建和/或相关联的相干性测量；根据参数中的任何一种或组合，根据图64；图65；图67；图69)。
自动在线判别函数分析(DFA)
-第三过程，以检查源维度并降低潜在源位置的复杂性或数量(即提高神经源定位的识别精度)概率包括识别找到的最准确的因素(即基于定义经验证的ASD和/或ASP事件周期，通过计算相关的判别函数分析(DFA)结果，实现正常主体/患者(控制)与ASD主体/患者的典型神经生理学数据之间的可靠和显著差异化。
自动在线主成分分析(PCA)和独立成分分析(ICA)
-可选的第四过程，以检查源维度并降低潜在源位置的复杂性或数量(即提高神经源定位的识别精度)，包括部署PCA，可以首先应用于识别信噪比较高的信号，然后是独立成分分析(ICA)，作为提高神经源局部二极体定位(维度)确定和/或相干性确定的准确性的方法；
在线源本地化分析
-方法，改善电流密度重建(CDR；即EEG源定位)和偶极定位/维度，通过实施主成分分析(PCA)的第一过程，然后是独立成分分析(ICA)的第二个过程，然后是包括CDR、EEG源定位的第三过程；
一种旨在改善CDR的技术
-方法，在比可用的源信号有更多的传感器的情况下提供盲源分离确定，其中该方法可以包括(但不限于)进行两阶段过程，包括首先应用主成分分析(PCA)，随后应用独立成分分析(ICA)的大脑激活，适用于疾病或其它健康后遗症的发生或前兆，包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写表中详细说明的“EOI定义”)；
-PCA分析阶段的并入是增加后续ICA阶段的输入SNR，从而降低传感器的维度；
-其中ICA处理级用于将剩余的复合信号分离成它们各自独立的组件；
-其中信噪比大于1(>1SNR)的信号，可以使用PCA在更多的定义空间内进行隔离，首先要进一步指定感兴趣的信号的数量，作为ICA过程的一部分；32,84
建立唤醒/呼吸记录和在线CDR；COH跟踪
-分析睡眠监测参数(如EEG，EMG，EOG信号中的任何一种或组合)以计算睡眠呼吸记录；
-进行睡眠或唤醒监测的规定，其中向主体/患者呈现听觉刺激(例如但不限于7Hz双耳听觉刺激)；
-监测和确定主体/患者AEP反应的规定；
-用于计算定义数量的过去AEP响应的运行平均值或一些过去的AEP响应的规定，以使得计算所述AEP确定的预定的最小信号与噪声；
-确定AEP平均值的规定，为了比较，对比和解释睡眠和唤醒GM平均结果和这些唤醒和睡眠AEP信号测定的差异；
-使用标准化(科林；蒙特利尔研究所)的规定平均MRI 3D脑图像并分割脑干和小脑区域，以使得将实际的fEEG结果趋同，以使得能够突出感兴趣的深层皮层脑视图；
-使用sLORETA电流密度重建(CRD)，具有相关源相干性(COH)，其对应于感兴趣的睡眠和唤醒期间的每个相应的3分钟GM平均值；
-分析睡眠(第2阶段)与唤醒激活的规定，因为它涉及脑激活连通性，相干性，网络和整合特征，与皮层(CDR；分布)和偶极(局部)相干激活相关；
-比较，对比和解释睡眠与唤醒CDR和COH结果的规定32
自动在线相干性(COH)分析
-一个处理步骤基于先前确定的最佳诊断分类器的使用，通过分析一个或多个特定主体/患者/个体的研究(监测的EEG)来确定，以及计算的相关EEG谱相干数据，提供最精确的分类结果(适用于“感兴趣的事件”和/或“感兴趣的健康状况”)；
-其中来源维度的更大定义使用两级方法，如PCA，然后是ICA，可以在整个分析处理中部署任何阶段，作为改进偶极源定位精度和相关连通性的方法；
-一个过程，包括利用任何区别功能分析(DFA)基于预定的EEG相干性的DFA规则，作为诊断和/或预后过程的一部分，以使得根据ASD和/或ASP神经障碍类别来表征和确定主体的分类；
–其中任何所述特征和/或“感兴趣的事件”或“感兴趣的健康状况”，可以通过确定脑半球对称性或连通性基础上的减少或增加的相干性来部署(即左半球与右半球相比增加或减少的可识别活动(即横向化)，反之亦然)；
-其中任何所述特征和/或“感兴趣的事件”或“感兴趣的健康状况”，可以通过确定脑前(前)到后(后)脑能量或连通性对称基础的减小或增加的相干性来部署(即脑后方增加或减少的可辨别活动与前面相反，反之亦然，包括前向化)；
-其中任何所述特征和/或“感兴趣的事件”或“感兴趣的健康状况”，可以通过确定脑顶部(上/背)到底部(下/腹)脑能量或连通性对称基础上的减小或增加的相干性来部署(即脑后方增加或减少的可辨别活动与前面相反，反之亦然)；
-其中任何所述表征和/或“感兴趣的事件”或“感兴趣的健康状况”可以通过确定减少或增加的光谱相干性来部署；
-任何所述特征和/或“感兴趣的事件”或“感兴趣的健康状况”，可以通过确定减少或增加的信号动态分析(非线性动态分析包括(但不限于)熵和/或复杂度分析)来部署；
-其中相关的预后或诊断性“感兴趣的事件”或“感兴趣的健康状况”可以是信号特征和/或测定，适用于神经障碍，肌肉障碍和/或“感兴趣的健康状况或症状”或“感兴趣事件/EOI”的任何一种或组合(根据本文后面的缩写中详细说明的“EOI定义”)。
28EEG频谱相干性的稳定模式将儿童与自闭症与神经典型对照区分开来-大型病例对照研究842729
IED跟踪
-本发明还包括该功能，通过患者/主体穿戴的EEG传感器和/或适用于隔夜和白天研究的监测装置，监测EEG的至少1个或更多个通道，并跟踪先兆或间断或后期或发作性癫痫样放电(IED)，进一步选择实现半球对称性EEG特征(具有多个EEG通道监测)，作为自闭症谱系和其它神经系统，神经系统，肌肉，运动障碍的预后或诊断标记；
IEDs跟踪
-第一个过程，包括根据检测前期或间期或后期或发作性癫痫样放电(IED)的检测的一个或多个监测的EEG信号的特征；
-第二过程，包括睡眠阶段的确定，包括唤醒，REM睡眠和非REM睡眠；
-第三过程，包括索引确定，基于确定数量IED，根据阶段分类(即NREM对REM阶段)；
-第三过程，包括基于以下任何一种或组合的确定索引：
-监测个人睡眠阶段的每个期间(即30分钟或1小时等)的IED数量；
-唤醒阶段的每个周期(即30分钟周期或1小时周期等)的IED数量；
-非REM睡眠的每个周期(即30分钟周期或1小时周期等)的IED数量；
-REM睡眠的每个期间(即30分钟或1小时等)的IED数量；
-本发明提供了一种根据本专利申请文件中概述的任何事件或事件集群来定义事件周期的方法，包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
-感兴趣的事件或健康状况如图45进一步概述，自动诊断和预后EEG监测和分析系统结合最小化过程，实现专业和消费者级监测和自动分析测定；和/或根据“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
-本发明提供了一种方法，监测主体/患者并产生源定位，分割，头部建模(如边界元素模型(BEM)或现实模型，电流密度重建，相干性，偶极子模型和其它连通性测量结果(例如，根据实施例但不限于“权利要求–自闭症(ASD)；亚斯伯格症(ASP)；阅读障碍症-＝-参考摘要，发明内容，附图，适用的权利要求部分或随后的分案申请。
标题：eLifeNLDB非线性动态(NLDB)分析，具有自动确定选项和在线分布式处理选项，能够进行自发源定位，适用于消费者/患者的诊断或预后测定和/或生物反馈或治疗
用于在线和离线显示或指示目的，适用于闭眼或唤醒或其它“感兴趣的健康状况或症状”或“感兴趣的事件/意向书”(根据本文后面的缩写中详细说明了“EOI定义”)32
非线性动态时空神经系统或神经行为诊断和预后系统
-另外的过程，包括基于以下任何一种或组合的确定索引：
-在δ或θ和/或β或γ对α频段中的过度EEG频率活动；
-脑中一个或多个区域的异常低连通性；
-其中连通性可以包括减少多个脑区域之间的相干性，相关性，相位耦合，频率耦合和/或同步的任何一种或组合；
-另外的过程，其中与基于规范人口研究或疾病/无序人口研究组的正常大脑行为相比，大脑的前，后，上，下，左和/或右区域跟踪脑活动增加或减少；
-另外的过程，其中在光谱变化方面跟踪脑活动的增加或减少；
-另外的过程，其中基于规范人口研究或疾病/无序人群研究组，与正常大脑行为相比，在大脑的前，后，顶，底，左和/或右区域跟踪脑光谱和/或功率活动增加或减少；26
-其中检测出先前或间歇性或后期或发作性癫痫样放电(IEDs)包含以下任何或任何组合：
-通过识别瞬态信号，从背景中辨别尖峰波信号；
-检测尖峰波信号，其与尖峰信号相同，除了它们具有至少20ms但低于70ms的持续时间
-检测尖峰和慢波复信号，包括由跟随慢波的尖峰信号组成的模式(通常，慢波具有比尖峰信号更高的振幅)；
-检测多个尖峰和慢波复合，类似于尖峰和慢波复合，除了存在至少一个慢波相关联的至少2个尖峰；
-其中“感兴趣的事件”或“感兴趣的健康状况”的检测包括以下任何一种或组合：
-检测神经性自闭症或脑前或间质或后脑或癫痫样放电(IED)(生理状态或事件如癫痫发作，其它神经系统事件或“感兴趣的事件”或“感兴趣的健康状况”)标记，其特征在于检测EEG监测的穗波或尖波，并检测间歇性节奏δ活动；
-检测神经性自闭症或脑前或间质或后脑或癫痫样放电(IED)(生理状态或事件如癫痫发作，其它神经系统事件或“感兴趣的事件”或“感兴趣的健康状况”)标记，其特征在于检测EEG监测的尖峰波或尖锐波，并检测间歇性节奏δ活动，在预定的情况下具有活动优势(可配置为系统可调整参数的一部分)睡眠阶段(例如但不限于睡眠阶段或嗜睡状态的任何一种或组合)；
-根据时间和双侧颞脑区域的同步和/或独立性确定尖峰波；
-测定阵发性中度至高幅EEG节律活动；
-测定确定活动的脑区域；85
检测阈值
-另外的过程，包括阈值和/或正常功能水平和/或范围的确定，适用于“感兴趣事件”或“感兴趣状况”，其中这样的参数配置和/或阈值，工作范围和/或限制可以根据以下任何一种或组合的患者特异性或规范性数据(研究数据的先前研究或数据库)来定义：
-群集算法确定；
-信号动态传输(非线性动态分析，例如但不限于复杂度或熵分析)；
-频域分析；
-相干性、相关性，偶极子分析或指示脑连通性的其它分析；统计分析；
-根据每个时间段的事件特征，检测和/或确定的任何组合定义的索引(任何先前监测的时期，例如每小时的过去事件和/或任何会话或监测研究期间每小时的平均事件)；
-可以根据每个时间，每个睡眠阶段和/或每个阶段的事件的任何一种或组合来计算索引；
自闭症谱系障碍儿童过夜睡眠脑电图异常868788
-本发明还包括对计算机实现的方法的能力或部署，包括诊断和/或预后平台，有一种方法，通过与主体/患者可穿戴或邻近的生理或环境监控设备接口的移动无线连接或其它计算机网络连接的系统进行在线监测，该计算机实现的方法包括以下任何一种或组合：
一个计算机系统包含具有涉及一个或多个计算机程序的存储器存储功能的一个或多个进程，其可以由一个或多个进程执行，所述多个计算机程序中的一个包括指令或应用程序，以实现以下任何一种或组合：
本发明还包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
-大脑的一个或多个预定区域的非线性变量或变化(即，如图78所示的数据，包括根据块[6]至[11]的比较数据库)使用基于正常或基线条件的规范和/或疾病/病症群体群体数据，从中设定变化量或相关阈值的范围和/或限度，设定检测表征水平和/或感兴趣疾病/病症状况或感兴趣事件的严重程度)；
-其中变化或变量可以包括通过跟踪信号动态变化来识别的那些(包括但不限于熵或复杂度分析等非线性动态分析)特征，含主体/患者的监测的EEG通道的任何一种或组合)包括但不限于更复杂或更高密度的头皮和/或体电极感测放置位置；
-其中变化或变量可以包括通过跟踪信号动态变化来识别的那些(包括但不限于)光谱分析(即，减慢的平均频率，一个或多个频谱带的任何组合)特征，主体/患者的监测的EEG通道的任何一种或组合)包括但不限于更复杂或更高密度的头皮和/或体电极感测放置(回冲较高密度术语)；
-其中变化或变量可以包括通过跟踪信号动态变化来识别的那些(包括但不限于)相干性(即在跨过脑的一个或多个区域中的任何组合上的减少相干性的任何组合)特征，含主体/患者的被监测的EEG通道的任何一种或组合)包括但不限于更复杂或更高密度的头皮和/或体电极感测放置位置；
–其中相干性分析结合了一系列可调节的相干分析参数配置，可以包括设置多个阈值或可接受范围的功能，适用于相干性测定；
-其中所述相干性测定，可以从相干性计算数据集的交叉验证中导出，对应于与EEG传感器电极位置相关联的EEG传感器位置或相关联的源定位确定的任何组合；
-其中大脑激活的有效源定位区域的维数或大体积可以通过部署PCA和ICA分析来减少(另见本文其它部分的子标题自动在线主成分分析(PCA)和独立成分分析(ICA)中概述)以最小化感兴趣的信号的维度，基于可识别的大多数主要组件的信噪比，基于EEG电极信号。
-其中所述相干性处理包括用于实现源分析结果的方法，其能够指示一个EEG源波形的形状是否类似于另一个EEG源波形，但是在时间上移位；
-其中所述相干性处理包括用于实现源分析的方法，包括两个EEG源之间滞后的方向指示，由方向指示器证明(例如，不限于箭头-即指向后面的站点)；
-其中所述相干性处理可以被配置为固定或旋转偶极子；
-其中相干性分析包含一系列可调参数，包括(但不限于使用连续，时段和平均数据的任何一种或组合计算相干性；
-其中相干性分析包括一系列可调参数，包括(但不限于在两个或多个监视信号波形的任何一种或组合上计算的相干性)；
-其中相干性分析包含一系列可调参数，包括(但不限于在两个或多个监视信号波形的任何一种或组合上计算的相干性，其中可以调整或改变所述两个或更多个波形之间的时间关系；
-其中相干性分析确定可以包括计算所有这些2中的所有连接数(弧)的数量
–其中相干性分析包含某些频率范围(即可以在前面的过程中过滤以进行相干分析)
-其中相干性分析，可以生成作为任何波形或任何波形组合之间的最大重叠的滞后(时移)的输出值；
-其中相干性分析可以实现大于或等于定义的阈值[％]的相干值，基于大于或等于计算，存储或报告的定义的阈值百分比的相干值；
-其中所述变化或变量可以基于将所考虑的正常状态的第一状态与被认为是感兴趣的或预期状态的诊断事件的第二状态进行比较来确定；
-其中感兴趣事件可以包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(在本文后面的缩写中详细说明的“EOI定义”)88
附图说明
图80个人主体/患者-健康管理系统(HMS)[1]，包含监测目标的任何一种或组合。
权利要求–专利标题：自闭症(ASD)；亚斯伯格综合症(ASP)；阅读障碍症–参考摘要、发明内容、附图、适用的权利要求部分或后续分案申请。
专利标题：非线性动态分析(NDBA)，具有自发的自动在线分析选项
背景技术
摘要：近来，越来越清楚的是，那些细微的EEG生物标记，其中一些以前只能通过更具侵入性的方法获得，现在是可以获取的。然而，这些细微的EEG测量通常是使用常规监测过程中复杂、扩散和通常几乎无法识别的深层皮层或微小信号。
神经系统ER信号的熵分析已被证明是麻醉深度的标记，可以提供有用的脑分析工具(伯顿等人，2005-2010)。
特别是基于非线性动态(NLDB)分析，例如熵源定位技术组合快速平均技术(包括具有外生输入的自回归建模；ARX)，提供一种逐步跟踪变化的方法，以区分确定性或可预测的神经发生器。
发明内容
本发明提供了一种方法用于使脑或身体或其它生物样品成像(即MRI，PET，CT，超声，MEG等)，可视化或测量，方法包括(但不限于)以下任何一种或组合，a)自发EEG生物标记(即但不限于瞬时事件，阶段性事件，连续事件等)，b)诱发反应EEG测量基于与“感兴趣的自发事件”的动态联系而解决，或者被解析为运行平均值或运行自回归建模值(没有或具有外部输入功能作为产生更快的平均值的方法)c)神经源性测量(即EEG或脑成像测量)，d)肌原性测量(即EMG，肌肉运动等)，e)NLDB测量，f)源本地化措施，g)睡眠测量，h)生物钟测量，i)癫痫或其它癫痫发作测量，j)大脑连通性测量，k)光谱测量，l)红外反射率眼电测量，m)聚类分析集合/事件序列，n)任何一种或组合(但不限于聚类分析集合/事件序列方法，其中所述聚类分析集合/事件序列意味着进一步可以，包括配置或预定通过(但不限于)任何一种或组合的部署(同样在本文的其它地方更全面地详细描述)，通过部署包含算法主体/患者特定研究(ASL)系统的可穿戴设备最小化(WM)系统(即但不限于人工智能和/或专家系统分析)；
-本发明还包括对计算机实现方法的能力或部署，包括诊断和/或预后平台，有一种能够在线监控的方法，通过移动无线连接或其它计算机网络连接系统，与主体/患者可穿戴或邻近生理或环境监测装置接口；
-本发明进一步包括移动无线分布式分析(MDA)系统，实现本地可穿戴设备或移动设备系统，具有主体/患者分析或监测系统，通过远程互联处理功能进行补充(即云计算服务，网络应用服务，WAN，LAN，其它位于远程的计算机和处理资源)；
-本发明还包括具有一个或多个过程的装置系统和/或计算机系统，其中存储器存储功能涉及一个或多个计算机程序，其可以由一个或多个进程执行，更多计算机程序的一个，包括指令或应用程序，实现任何一种或组合；
(a.自发EEG生物标记)
-本发明还提供了表征和跟踪代表神经源的自发EEG测量的功能以及神经源生成解剖位置，适用于本文件其它部分进一步概述的任何感兴趣的事件，还包括(但不限于)包括定义和表征感兴趣的事件(即“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写表中详细说明的“EOI定义”)；
(a.i.EEG灌注标记)
-本发明进一步提供表征和跟踪代表皮质灌注的EEG灌注标记的功能，基于EEG光谱组成的解释，基于预定的特性，适用于基于关联的脑电频率组合变化(即，灌注水平或相关代谢的解释可以基于患者/主体特异性的测量(即图77；图78；图79；图80)或比较患者群体研究(即莱克特等人(1999))和/或相关数据库(即，根据图78)或EEG谱测量与人大脑皮质的潜在代谢活动之间的测量。例如，α谱带可以关联于灌注最显著的负偏相关。
(a.ii.EEG生物标记)
本发明还提供了表征和跟踪EEG阶段激活的功能，例如K-络合物，心轴，高频振荡(HFO)，高频波纹，α突发，是重要的预后和诊断生物标记(在“eLifeNEURO/EPILEPSY”部分和本文其它部分的专利说明书中，还详细描述了图45所示的生物标记和感兴趣的事件)。本发明提供了监测主体的一个或多个生理变量(包括但不限于一个或多个EEG信号)的方法，本发明进一步实现了确定神经发生器的起源(即脑解剖源定位)的方法。所述神经发生器可以包括大脑内的信号变化超过某个信号到噪比阈值，以使得将感兴趣的事件与背景噪声或不需要的信号区分开。这些感兴趣的信号可以包括信号变化基于信号的频谱组成，两个或多个信号之间的相干相互关系，两个或多个信号之间的相位关系，两个或多个信号之间的信号动态(例如但不限于复杂性，熵或其它非线性动态分析/NLDB)(根据例子，但不限于，图45；图66；图69；图70；图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)。
(a.iii.多维源定位(MSL)与HFOs，波纹和其它自发事件)
本发明进一步提供表征和跟踪EEG阶段生物标记(或所谓的“自发”事件或“感兴趣事件”)的功能，其能够识别与这些自发事件产生的神经源有关的重要信息。
例如，前额叶癫痫的前兆可以被标记为额叶HFO或感兴趣的波纹。然而，基于深层皮质起源(如病变)的癫痫可以用HFO或波纹事件标记，由于脑，颅骨皮肤和其它生理物质引起的这些深层皮层的衰减很大，因此EEG头皮表面记录可能不容易识别。此外，大脑基于各种身体功能，思维和其它大脑处理方面产生许多信号，进一步伪装或压倒了存在于周围信号和噪声中的几乎不可辨别的感兴趣的信号。因此，本发明还实现一个或多个分析源定位格式，并且比较源定位结果的该多个或任何单个分析格式的输出结果。本发明可以进一步基于源定位计算感兴趣信号的噪声阈值的概率或信号，基于信号的频谱组成，两个或更多个信号之间的相干相互关系，两个或多个信号之间的相位关系，两个或多个信号之间的信号动力学(例如但不限于复杂性，熵或其它非线性动态分析/NLDB)(根据实施例，但不限于图45；图66；图69；图70；图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)。例如，细微的深层皮质变化，例如在常规sLORETA电流密度源定位分析中现在明显的光谱EEG功率的α突发可能是显而易见的，当光谱结果和/或NDB和/或常规sLORETA电流密度源定位分析结果以一种方式进行比较和对比时，其中可以组合任何这些格式的信噪比或这些不同格式的组合(即回归或平均分析)。
以这种方式，本发明能够，例如，替换光谱组成的渐变值(适当缩放)或信号动态的渐变值(适当缩放的)的任何组合值(即但不限于复杂性，熵或其它非线性动态分析/NLDB)，在一个或多个EEG电极处监测的常规电流密度(或电压值)，作为计算基于EEG谱，信号动力学和/或常规方法(例如当前n＝密度源定位)的任何组合(但不限于)源定位结果的方法。
MSL系统可进一步提供实现信噪比和/或阈值调整功能的方法，例如，来“挑逗”出来或提取感兴趣的EEG信号，否则在其它信号或噪声之间不可辨别。这种实现信号噪声参数调整功能的手方法，包括根据与每个监测的EEG电极相关的线性度(即熵)将归一化值归因于NLDB变换信号。例如，通过基于最近监视的数据的表征，以形式或运行或连续计算分配连续计算的熵或复杂度值(即过去10秒，30秒，60秒，3分钟或其它分配的时间段；这样的过去时期也可以根据监测情况或需求一次动态分配或计算)。以这种方式，可以计算变换的NLDB时间序列(NLDBT)值，作为代表每个EEG电极的NLDB变换值的时间序列值。类似地，可以导出光谱动态时间序列(SDT)值。传统的信噪比计算方法可用于确定与感兴趣的信号相关的阈值。即超过某些阈值水平SDT可以指示例如感兴趣的α光谱突发。
类似地，超过某些阈值水平的NLDB可以指示例如α光谱或其它感兴趣的连续或自发事件。此外，主成分分析(PCA)和/或独立成分分析(ICA)也如图56至图78或图84至图94所示可以被计算，其中SDT，NLDBT和/或常规值的任何一种或组合，如电流密度测量可以被计算，作为一种方法抽出或提取“感兴趣的事件”，“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
使用本发明的方法，在源定位计算期间，这些SDT或NLDB值可以代替传统的电流，功率或电压幅值(即在sLORETA电流密度源定位计算中取代当前值的SDT或NLDBT值，例如)，从而实现大脑和/或SDT视图的各种NLDBV视图。这些观点可以包括识别感兴趣的自发或诱发事件，以及聚类分析预测或诊断“感兴趣的健康状况或症状”或“感兴趣事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
本发明的MSL系统可以进一步提供MSL参数调整功能的方法，例如，“挑逗”出来或提取感兴趣的EEG信号，否则在其它信号或噪声之间不可辨别。这种实现MSL参数调整功能的方法可以包括，例如，而在NLDBT确定的情况下，可以提供一种方法(即NLDBV时间序列分析时刻或时间段根据计算NLDB值的运行值。其它可调整的参数值可以包括NLDBV步进时间，表示计算每个NLDBV后的渐进步长。另一个NLDB参数调整可以包括复杂度或熵分析中的系数，例如，通过这种NLDB分析的灵敏度调整来确定NLDBV值的大小-即在复杂性分析的情况下，更敏感的NLDB分析变换可以基于“同步因素”。“同步因素”可以基于例如αEEG信号周期(峰和谷)的对齐方式，其中EEGα周期之间的相等间隔(例如)可以表示较低的复杂度或NLDBV，而αEEG信号周期(峰谷)的对准之间的中度差异可以由适度的NLDBV表示，并且EEGα周期的间隔或对准(或同步)的显著变化(例如)可能代表更大的复杂程度(度)或NLDBV。
a.iv)α半身像，K复合体，心轴-本发明追踪和识别不同阶段的EEG图案，包括那些出现在不同睡眠阶段的可辨别标记的那些。例如，通过检测变化(即例如但不限于NLDB/熵，光谱功率，相干性，脑连通性，偶极子建模等的任何一种或组合)，作为一种方法区分α突发，K复合物，EEG心轴，顶点波，EEG光谱特征或不同的相应睡眠或唤醒或嗜睡阶段或相位的来源的出现和/或定位。
(动态时空EEG连接(DSEC)表征)；
a.v.)癫痫样放电-本发明追踪和鉴定癫痫样放电，例如EEG监测的尖峰波或尖锐波，以及间歇节律性δ活动的检测，作为癫痫或其它癫痫发作或发病的标记(如本文件其它部分进一步概述)。
动态时空EEG连接(DSEC)表征-本发明跟踪和识别人脑的动态时空EEG连接(DSEC)表征，作为感兴趣事件的发生率或前兆的标记(即但不限于“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。例如，脑区域如脑皮层(TC)环的互联已被认为是不存在癫痫的标记。然而，现有技术中已经有这些测量被保留用于研究89。
为克服现有技术的限制，本发明提供了一种能够进行在线分析的方法，作为患者或消费者级可穿戴移动无线设备的一部分，其中一种监测，跟踪和确定人类大脑内连通性组合或群集的方法，适用于感兴趣的事件(即但不限于“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)可以实现。
这种监测，跟踪和确定人类大脑内连通性的组合或群集的方法，适用于感兴趣的事件包括：
1.第一预诊断/预后过程步骤包括定义和表征感兴趣的事件(即“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。所述感兴趣的事件可以(仅示例)，包括在监测(参见图75，显示癫痫监测并且包括根据块12-18的HFO，涟漪，光谱等的癫痫监测设置)易发癫痫或癫痫发作(意识失调)的癫痫患者的情况下，包括癫痫样放电(即尖峰和波浪)和/或其它方法时空EEG连通性动态测定适用于感兴趣的事件。这种时空EEG连通性动态测定适用于感兴趣的事件意味着包括本发明的功能，以一种方式来监测，获取，来源定位并产生与感兴趣自发事件相关的相干性或偶极模型结果，包括尖峰和波浪，HFO，心轴，K-复合物，α突发和其它感兴趣的事件，其中与所关注的这些事件相关的脑连通性的所述相干性和偶极测量，可以在时空背景下量化(根据这种事件的时间顺序，3维源局部出现感兴趣的事件)。以这种方式，聚类或聚集的相干性和/或偶极子模拟的大脑活动的所述表征可以与感兴趣的事件相关联。以这种方式，可以将这些大脑连接的集合或群集的这些示例或事件部署为比较或参考的基础，作为决策过程的一部分，涉及以更具体的方式识别和最终确定适用的或相关的(主体)癫痫前兆，从而更多的主体特异性准确和更敏感(即，实现适用于患者的最早可能的起始检测时间，从而允许患者准备自己或使自己安全或服用药物以避免更严重的健康恶化。此步骤包含监控最小化过程(图45)，其中确定针对最重要的生理通道和传感器位置的简化传感器，以使得能够实现适合于日常或日常的健康监测和管理的简化和实用的常规监测配置。
2.第二处理步骤包括建立参考数据库(即，根据图75，块12；还可以根据图78，工作空间)根据患者特异性的预诊断研究或其它监测的患者数据库和聚集的信息以产生相关知识，实现聚类或整合的相干性(即图77；图78；图79；图80)将数据库信息显示给知识聚合)，用于在线监测算法比较分析跟踪和描述当前和过去监测数据的检查，用于典型的前兆或感兴趣的事件的发生(即“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写表中为“EOI定义”)。感兴趣事件的数据库可以包括适用于检测特定主体感兴趣的在线事件的各种生物标记标准。这种感兴趣的事件的标准可以基于唤醒或睡眠状态来提供。例如，在某些睡眠状态下，癫痫可能更为主要，所以使得本发明能够通过唤醒或睡眠状态来定感兴趣的事件(即，阶段N1，N2，N3或REM)而且生物标记事件或生物标记群可以提供更具体的患者特异性和准确的预后或诊断功能。
3.一种第三处理步骤，包括监测，信号处理，获取和在线诊断或预后分析，其中所述“主体的在线诊断或预后分析”(参见图75，块1-7)。
4.在另外的处理步骤中，脑连通性的相干性和偶极测量(即图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)与感兴趣的事件相关联可以在意识状态或意识状态转变的背景下确定和量化，包括(但不限于)唤醒或睡眠状态；
5.在另外的处理步骤中，本发明实现一种方法诊断或预后监测跟踪在线时空EEG连接动态测定，适用于感兴趣的事件(即“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。监测，跟踪和确定人类大脑内的连接结构集合或集群的这种方法，适用于感兴趣的事件(根据第一过程步骤)包括比较或参考与前兆有关的典型事件或感兴趣事件的发生率(即“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”)(根据本文后面的缩写中详细说明的“EOI定义”)。
6.在另外的处理步骤中，本发明实现一种方法进行诊断或预后结合的或分离的睡眠监测和/或分析(在本文其它地方描述的措施)
7.在另外的方法步骤中，本发明实现了进行诊断和/或预后睡眠监测和/或分析的方法，其具有相互连接的治疗和/或药物和/或药物分配器系统生物反馈(生物反馈，和包括任何感兴趣的监测或分析事件，包括但不限于“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。治疗控制方法可以将关于这些所述感兴趣事件的信息并入治疗干预对主体/患者的决定或控制过程中，包括但不限于气道正压通气系统或无创通气系统。
8.在另外的处理步骤中，本发明实现主体或其它方能够警告和/或警报和/或通知信息或更新和访问，使诊断或预后通知或自动指示(即包括手表或其它健康装置警报，振动或视觉通知)到任何安全和授权的位置，或主体/患者可穿戴或移动设备系统；
9.在另外的方法步骤中，本发明实现了自动显示或开始适应症(即，以主体/患者接受或批准或授权为条件)或激活相关(即与预后或诊断事件或兴趣相关)或进一步描述，但不限于“健康状况或感兴趣的症状”或“感兴趣的事件/意向书”(根据本文后面的缩写中详细说明的“EOI定义”)，消息，电子邮件，其它信件，信息访问社会或私人健康网络，日历约会选项，提醒等，涉及健康管理或辅导或援助(救护车，家庭护理帮助，促使干预或任何形式的家人或朋友或照顾者的联系等)，医疗保健供应商(即用于备件或系统注意，服务或调整的治疗设备供应商；保健中心进行诊断或治疗或关注后续(即调整CPAP，APAP或NIPPV系统以最小化睡眠片段，RERA，TERA，SDB等)；
10.在另外的处理步骤中，本发明实现了包括第三方信息更新和访问的方法的自动指示，使得能够诊断或预测通知或者自动指示或报告给任何安全和授权的位置；
(b.诱发反应EEG测量)
-本发明还能够监测和跟踪主体/患者的诱发反应EEG测量，能够识别神经源以及神经源生成解剖学位置，其包括(但不限于)的任何一种或组合，如本文件其它地方对SR解释下所述。类似于诱发事件的诱发响应可以被解决为单个事件发生或通过平均与主体/患者刺激呈现(即音频，视觉，振动，温度，电，磁刺激等)同步的多个响应，其中多个事件的平均可以在另外的诱发响应或诱发事件处理之前改善信噪比特性；
(c.神经源性测量)
-本发明还能够进行监测和跟踪(包括主体/患者的神经学测量以及来源生成或解剖学位置，与单个和/或此类事件的群相关(包括肌原性和/或神经源性EOI的组合)，以及和/或包括(但不限于)以下任何一种或组合，适用于预后或诊断或“健康状况或感兴趣症状”或“感兴趣事件/EOI”(根据本文后面的缩写表中详细说明“EOI定义”，其中该事件可以包括SR，ER和/或CNT信号格式。
(d.肌源性测量)
-本发明还能够监测和跟踪主体/患者的肌原性测量(即EMG，张力缺乏等)以及源生成或解剖位置，与单个和/或此类事件的群相关(包括肌原性和/或神经源性EOI的组合)以及/或包括以下任何一种或组合，那些适用于预后或诊断或“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文件后面的缩写表中详细说明的“EOI定义”)，其中该事件可以包括SR，ER和/或CNT信号格式。
(e.非线性动态(NLDB)测量)
-本发明还能够监测和跟踪主体/患者的NLDB测量，以及源生成或解剖学位置，与单个和/或此类事件的群(包括肌原性和/或神经源性EOI的组合)相关联，以及/或包括(但不限于)适用于预后或诊断或“健康状况或感兴趣的症状”或“感兴趣事件/EOI”的任何一种或组合(在本文后面的缩写中详细说明的“EOI定义”)，其中这样的事件可以包括SR，ER和/或CNT信号格式。
NLDBV源本地化概述
为了清楚地说明本发明的内容，本发明包含NLDBV源资源定位，能够在线或离线计算，通过计算脑活化能的连续(CNT)来源，来自多个已知的EEG监测电极或经由成像数据(即，形成主体脑(或其它身体部位)的总体图像体素(图像空间)的任何数量或组合)。或者诱发电位(EP)，其中监测的数据涉及与外部(外源)产生的刺激或诱发反应(EP)相关的反应也能够实现。
另外，自发反应(SR)例如心轴，HFO，高频波纹，K-复合体，α-突发，尖峰和波癫痫样放电以及其它内部产生的(内源性)事件通过处理潜力(PCP)或由人体或脑部发起的其它事件也可以通过本发明来区分，如本文件其它部分所述。此外，本发明可以根据来自多个成像体素EP或CNT EEG的SR来源定位。
本发明当在多个CNT EEG监测电极位置在线的源定位时，可以产生能量分布的2或3维图，其中各种颜色和叠加的事件标记注释可以覆盖多种分析格式，以及能量形成和相关大小的任何一种或组合。
例如，可以监测和源本地化的能量形成包括光谱定位，NLDBV定位和/或常规电流密度重建(CDR)，例如使用sLORETA建模。
在最简单的第一代本发明，可以将所述成像体素或被监测的EEG位置(频道)的任何一种或组合转换为相似的表示情况，如常规CDR分析中所用，除了新的神经信号信道数据集之外，可以使用相似的数据采集分辨率来计算，作为原始或原始数据神经病学图像体素或CNT EEG或EP EEG数据集。在本发明的最简单的表现中，与数据采集速率相似的步骤(即以每秒5000个样本获得的数据，用于产生本发明的谱时间序列值(STV)主体/患者数据集的“步骤”时间参数配置或非线性动态数据库(NLDBV)主体/患者数据集可以设置为0.2ms)。在这个简单的例子中，本发明的STV或NLDBV数据集生成的“时刻”时间参数可以设置为1秒，提供合适的时基来捕获典型或预定义的(包括SR，ER CNT EOI，相干连通性，偶极子建模以及相关联的群，集合或序列-即不限于HFO，高频波纹心轴，K-络合物，α-突发，尖峰和波癫痫样放电，(即按照本文其它地方概述的配置，例如，对于每个相应的SE或EOI，HFO周期检测被配置为持续时间为10-200ms等)。
以这种方式，本发明可以生成经变换的2维或3维数据集。例如，NLDBV时间序列值(NLDBTV)数据集包括NLDBV的时间序列幅度，其可以由时域的第一数据维度表示(即基于与始发监视图像数据(即体素)或EEG数据(即EP EEG和/或CNT EEG)的数据处理延迟的时间同步的一些考虑的时间，适用于“步骤”和“时刻”参数配置的数据处理延迟，其施加相应的时间延迟)并且第二维度是计算NLDB值的大小(在本文的其它部分中描述)。
在本发明的另一个实施例中，NLDBV时间谱时间序列值(STV)数据集包括频谱信息的时间序列幅度，其可以由第一数据维度表示为时域，并且第二维度被计算NLDB值的大小(在本文的其它部分中描述)，而第三维度可以表示适用时间段内被监测数据的频段或频谱，在后面的STV示例中，频谱内容可以根据频段(即，频段的或近似的频段任何组合，δ/慢波(0.1-4Hz)，θ(4-8Hz)，α(8-12Hz)，β(12-30Hz)，低γ(30-70Hz)，和/或高γ(70-180Hz，纹波，HFO等)，例如(但不限于)示例(图45；图69)。STV数据集转换可以一种方式产生波形数据，其中可以将y轴显示指定为幅度和/或频谱内容(可能是单或双Y轴格式)，而x轴表示监视数据的时间。
因此，本发明通过将原始监视神经病学或生理源数据转换为包括变形变量(即NLDBTV或STV和/或组合NLDBTV和STV)的任何一种或组合的修订格式。
此外，基于该方法的本发明可以部署变换数据的替换，其中分析方法如任何一种或组合(即，仅示出呈现格式的示例图45到图94)图像数据视图或计算(即，仅示出呈现格式的示例图45，右侧行2)，功能数据视图(即，每个呈现格式图73；图61，第二个跟踪行向下)，ICA或PCA波形(即，仅示出呈现格式的示例图85左下方)，地形图脑或身体视图(即，仅示出呈现格式的示例图85左下方)，蝶形图数据计算或视图(即仅是呈现格式的示例，图85左上角)，分割计算或视图(即，仅示出呈现格式的示例图63,右图，图64，图66，图67)，头部建模计算或视图(即，仅示出呈现格式的示例图63，右图，图64,图66,图67)，源重建如CDR，sLORETA等(即，仅示出呈现格式的示例图63，右图，图64，图66，图67)，相干性计算或视图(即，仅示出呈现格式的示例图63，右图，图64，图66)，偶极模拟计算或视图(即，仅示出呈现格式的示例图67)，图形数据视图，流程或表格视图(即，仅示出呈现格式的示例图56；图57；图58；图59；图65；图68；图69；图70；图71；图72；图74)，噪声估计或信噪比计算或视图(即，仅示出呈现格式的示例图88；图92)，组合神经学和/或睡眠数据视图(即，仅示出呈现格式的示例图45；图56；图57；图58；图5；图60；图66；图68；图69；图70；图71；图94)，统计相干性数据计算或视图(即，仅示出呈现格式的示例图65；图69；图89；图90)。
另外，任何所述神经病学成像或EEG处理(即包括但不限于计算或视觉呈现的任何一种或组合，涉及但不限于STV，NLDBV或EEG时间序列值的任何一种或组合)可以被生成在同步和生物反馈(即，将预后或诊断结果的结果作为治疗装置的决策或控制过程的一部分来部署，包括磁刺激系统，药物分配器系统，药物管理系统，APAP，CPAP，PAP，NIPPV系统，PAP系统等。作为优化治疗或设定或建立治疗终点的方法。
(NLDBV或STV蝶形图)
在NLDBV或STV蝶形图的实施例中(即图63的左上方的每个呈现格式)本发明可以在SE检测的情况下自动检测任何感兴趣的事件，例如(例如仅)EEG睡眠梭状波(即通常由持续至少0.5秒的12-14Hz波组成，并且在丘脑的网状核的脑区域中产生)，其中可以手动标记或自动检测睡眠梭状波事件的起始，终点和中心点。以这种方式，可以在离散事件检测基础上或在更为综合的聚类分析确定的一部分中将踪迹检测为在线或离线。所述聚类分析确定可以包括事件中的任何一种或组合(即睡眠和/或神经学事件的任何一种或组合，包括但不限于心轴，K-复合物，HFO，波纹，顶点波，癫痫样放电尖峰和波事件，α波脉冲和波浪放电等)作为前兆或基于任何“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”的事件(根据本文后面的缩写中详细说明的“EOI定义”)。在该示例中，这些事件的自动在线源重建或重放可以与监视的主体/患者头部的当前图像3D显示可视化的相应位置的时间同步。此外，蝶形图可以提供多个或任何NLDVB，STV和/或常规EEG幅度对时间图(即，用于主轴事件的时间表示的x轴和用于主轴电压幅度的y轴)。可以呈现附加或单独的蝶形图，用于事件的光谱组成(即表示主轴事件持续时间的a轴，表示主轴事件的振幅/电压的y轴，表示主轴事件的频谱的z轴。在NLDBTV主轴事件蝶形图的情况下，x轴可以显示主轴事件的时间，而y轴可以显示主轴事件的复杂度或熵值(即参见本文件的其它部分，其中“步骤”和“时刻”转换过程能够产生常规EEG时间序列的替代值)。类似地，源重建事件将出现在主体/患者的3D重建可视化内，但是可以在NLDBTV，STV和/或EEG幅度时间序列中的任何一种或组合的上下文中检测和显示所述源本地化事件。此外，概率或置信水平(即主轴事件可以仅受经受皮质深度的影响的三个NLDVT，SVT或EEG振幅时间序列变换之一和所监视的ERG或图像体素的组成而可辨别。此外，以这种方式，本发明可以检测和跟踪以前不可辨认的事件，并因此提供优异的预后和诊断精度。
多重睡眠和神经病学动态数据交换(MS&NDDE)处理系统：
本发明可以结合MS&NDDE，其中分析处理技术的多个或组合(例如仅)可以实现在线或离线睡眠分析的一种方法(即根据图60，图61，图69，图70)，该方法可以根据事件的开始和结束时间以及传感器位置，实现跟踪和识别神经病学或生理事件(即睡眠/唤醒阶段，心轴，k-复合物，觉醒，REM，EMG张力缺失等)。该事件信息可以与第二神经系统处理系统动态交换。这个第二神经系统处理系统具有特定神经系统事件的先前知识，可以这种方式应用与第一处理系统数据和时间同步的源重建分析。以这种方式，可以呈现源本地化神经病学(即CDR，SEG，CNT，EP，sLORETA源重建模型，BEM或实际患者/主体图像头数据或其它头部模型，COH和/或偶极模型)和/或睡眠参数或事件(即睡眠/唤醒阶段，心轴，顶点波，k-复合物，觉醒，REM，EMG松懈等)的任何一种或组合。另外，第三过程或神经学或睡眠分析的一部分可以计算感兴趣的神经病学事件(即HFO，波纹，穗状和波型癫痫样放电，以及“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文后面的缩写中详细说明的“EOI定义”)。
可选地，可以部署多个处理系统的一个或任何组合以在任何时间点处理主体/患者的睡眠EOI，神经病学EOI和/或所述源定位信息。本发明进一步实现“补充分析”，“最小化分析”，“移动可穿戴设备能力”和/或“仿真分析或专家系统分析”功能(如其它地方进一步详细描述)的任何一种或组合。
聚类分析能够应用于组合神经病学和/或睡眠EOI的任何一种或组合，为了实现预测或诊断“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(根据本文后面的缩写表中详细说明的“EOI定义”)；包括(但不限于)综合症状，如睡眠延迟综合征，睡眠触发癫痫或SBD。
NLDBV COH
在本发明的实施例中，生成适用于生成统计和/或视觉的参数(即根据具有相同原始或原始数据示例的ARC，如图45；图60；图62；图63；图64所示，包括(但不限于时间相互关系(在NLDBV COH适用的数据集之间进行检查，用于COH–相干性存在，适用的数据参数可以根据光标选择或自动选择参数进行配置。例如在检测到的SR的情况下，可以根据SR的峰值幅度点的正负25％自动地配置相干性分析，其中落在该幅度范围内的任何其它脑源定位信号将被表示为相干连接数据。
本发明还能够进一步实现相干脑信号分析方法，其中考察时间相互关系，其中可以根据SR的峰值时间点的正负30％的比例配置“COH时间引导”和“COH滞后时间”参数，其中任何其它脑源性局限性信号落入选定的COH幅度范围内，以及SR总时间段的总SR时间和30％(COH滞后时间)的加30％(COH前置时间)，可以被表示为相干链接数据。此外，视觉相干弧可以根据COH中心幅度(即，中心光标选择)，COH最小幅度(即，正在计算源重建的感兴趣事件的左光标选择)进行注释。这可以显示为蝶形图，以使左，中和右可调光标可以选择所述感兴趣事件的实际开始，结束和峰值或主要兴趣点。
也可以为COH导联和滞后时间配置独立的光标或互锁光标，还可以配置加和减COH幅度范围和COH最大幅度(即右侧光标)参数。或者COH时间和幅度参数设置可以相对于独立参数设置而被链接到一组光标或自动设置。
本发明还实现可视化方向ARC可视化，表格，图形，统计度量，其中可以一种方式确定相干互联(ARC)的方向，其中可以根据“前进COH弧方向”参数配置或“反向COH弧方向”的参数配置以配置两个相互连接的大脑相干弧位置的表示。
在“前向COH弧方向”参数配置的情况下，根据“COH幅度范围”参数配置或“COH灵敏度参数”配置进行大脑激活限定(即COH互联弧可以根据光谱或NLDB(根据COH分析格式)“COH灵敏度参数”配置确定，其中例如根据灵敏度参数测量的任何脑激活区域。从时间方向性COH ARC角度来看，与COH互联关联的最早的脑激活区域可以被指定为相干互联(OLC)的始发位置，潜在的脑激活区被指定为相干互联(DLC)的目的地。当选择“反向COH弧方向”参数时，反向情况适用于ARC箭头COH方向性。
基于该实施例，并且从可视化的角度来看，在这种情况下，COH ARC可以具有位于OLC的箭头或COH ARC方向性指示，而非箭头端将被分配给DLC脑区域。
从STV的实施例，本发明实现了类似的方法，其中领先的或较早的COH STV脑激活区将被指定为无箭头的OLC，并且DLC被指定为COH ARC箭头。
这种相干链接数据类似地适用于包括NLDBTV，STV和/或监测的神经病学EEG(即sLORETA，CDR等，根据图45；图60；图62；图63；图64)或体素成像信号的转化分析形式的任何一种或组合。
NLDBVT处理实施例
(SE或ER感兴趣事件检测)
(NLDBVs计算)
>在另外的过程(或下一步骤)中，先前监视的时间序列数据跨越规定的时间(时刻)(基于时刻的参数设置和步骤调整在其它地方覆盖)进行复杂度分析转换或熵分析转换或光谱，随后进行熵分析转换(即香农熵分析)。特定的熵或复杂度值(NLDBV)可以根据NLDBV参数设置在连续的步骤中计算包括“NLDBV步”，“NLDBV时刻”，“NLDBV敏感度”(即其它地方的峰值和谷值信号复杂度规律性或方差)。
(对于每个连续的步骤和历元周期生成的数组)
>在另外的过程(或下一步骤)中，可以存储针对相应的“历元”时间段中的每个“步骤”计算的连续熵值(即存储在计算值阵列中的每个对应时间段的NLDB值的时间序列值，每个对应的时间段计算每个值)。
感兴趣的ER事件和NLDB EOI检测的(阈值幅度/度/电平)值
>本发明另外的(或下一步)NLDBVs可以被跟踪并与预定(或可选地动态计算的EOI阈值NLDBV值进行比较)其标记对应于感兴趣的信号周期的熵或复杂度的程度或幅度。重要的是适当或自动配置NLDBV。即本发明可以被配置为实现“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(在本文后面的缩写表中详细描述的“EOI定义”)的任何一种或组合。即HFO，波纹，心轴，癫痫样放电尖峰和波形放电，K复合体，心轴，α突发)。NLDBV EOI参数配置功能可以确保EOI是可辨别的，并且不会被过度跳过或减少。
(ER，SR，CNY EEG或其它神经或生理NLDB EOI检测的SNR值)
>本发明在另外的过程(或下一步)NLDBV中可以跟踪预定(或可选动态计算)EOISNR NLDBV值，其标记了信号的熵或复杂度的程度或幅度，用于应该标记为NLDBTV EOI开始或结束的每个连续的“步骤”和“期间”。
本发明能够配置EOI SNR NLDBTS参数，例如(但不限于)，最近监测的时期NLDBV(时间序列值或NLDBTV，从EEG电极信号或图像数据元素/体素导出)可以对任何数量的过去的NLDBV时期值进行分析和比较或对比(即信噪比方程的噪声分母(信号/噪声方程可以包括例如过去的平均NLDBV表示“10”“时刻”(或根据NLDBV SNR参数的配置)。在这种情况下，可以将NLDBV SNR阈值(即信号或EOI与背景噪声或不需要的信号之间的确定阈值)水平设置为(例如仅)为“2”(或“6db”)，其中“阈值”SNR值将被配置为跟踪感兴趣事件的信号，其中相应的NLDBV是过去“10”NLDBV时期的平均值的两倍幅度)。
基于这种情况(仅作为示例)，1秒的EEGα突发，属于NLDBV灵敏度设置(即，将“NLDBTV敏感度参数”设定为10％-或在复杂性的分析参数配置的情况下，峰值和谷值均不同步变化，或者以1/2循环时间段为10％以上，或者峰值到谷值(α信号)间隔间差异小于10％的值从平均间隔间峰值到谷值为相应的EOI计算。当EOI是完全重复的循环模式，例如由具有100％确定性或规则性或重复性质的信号发生器产生的正弦波或锯齿波或三角波，其它NLDB EOI参数配置设置可以是比例因子-即NLDB比例因子，或者在一个配置中将最大复杂度值(指数值)设置为“0”。相反，当计算的EOI或时期包括例如在粉红色或白色噪声的情况下的完全随机数据时，熵或复杂度指数值标度的下限可以被设置为“1”。
基于时期的NLDBV(E NLBV)与自发事件EOI NLDBV(SE EOI NLDBV)相对于诱发反应EOI NLDBV(或ER EOI NLDBV)。
本发明还实现连续的EEG监测信号NLDB分析变换包括(但不限于)的任何一种或组合：
a)E NLBV是指在一个时期，熵或复杂度值的计算，而
b)SP EOI NLDBV是指与自发事件EOI相关的熵或复杂度值的计算c)ER EOI NLDBV是指与诱发响应EOI相关的熵或复杂度值的计算；
此外，诱发反应(ER)EEG监测信号NLDB分析转化包括：
本发明还能实现a)ER SP EOI NLDBV，其包括熵或复杂度值的计算，因为它涉及在ER测试范例(例如AEP或MMN等)期间监测的自发事件EOI，和/或b)ER EOI NLDBV是指与ER测试范例(如AEP或MMN等)监测的诱发反应EOI相关的熵或复杂度值的计算。
自发事件(SE)EOI
本发明还能够进行自发事件(SE)的确定，从而可以通过识别事件的开始和结束来识别事件(即SR的起始点是NLDBV SNR超过阈值到NLDBV SNR不再超过阈值或SNR参数的时间点)。
NLDBV时期分类参数
本发明还能够实现“NLDBV时期分类参数”，例如，如果将该参数设置为50％，则大于等于50％超过NLDBV SNR或阈值的任何时期将被分类为NLDBV时期。
(NLDB CDR)
过程-NLDBTV SNR阈值标记感兴趣源本地化事件的测定：
>>本发明进一步实现在第一过程(或步骤)中使用NLDB CDR可以通过(例如仅)将“步骤参数”配置为1毫秒来计算，以使得为每个被监视的电极阵列计算NLDBV时间序列数据。索引和缩放的NLDBV可以在前一个时期的每1毫秒的步长中计算(根据前面描述)。
(f.源本地化措施)
本发明进一步实现源本地化测量，支持与EOI相关的标记和/或生理来源的预后或诊断鉴定或确定，包括实现NLDBTV，STV或常规神经学成像测量(即体素图像部分)或EEG激活测量(即EEG电流密度或电压电位)的方法的任何一种或组合，如“自动在线NLDB分析的实施例和具有同步睡眠/唤醒睡眠时相序列图的感兴趣确定的自发或诱发事件和单次或聚类分析或感兴趣的指示和/或生物反馈治疗功能的集合”的部分进一步概述，和/或在本文件其它部分的其它部分详细说明；
(g.睡眠测量)
-本发明进一步实现睡眠测量支持与EOI相关的标记和/或生理来源的预后或诊断鉴定或确定，包括实现NLDBTV，STV，ER和/或SR和/或常规神经学成像测量(即，体素图像部分)和/或EEG激活测量(即EEG电流密度或电压势)的方法的任何组合，在“生理和/或睡眠和/或唤醒标记”一节中进一步概述，和/或在本文件其它部分的其它部分详细说明；
(h.生物钟测量)
-本发明另外的生物钟测量能够与神经源生成解剖位置一起识别神经源，包括以下任何一种或组合(但不限于)：基于前向或反向方程的源定位(如本文其它部分所述)，EOI测定，NLDBTV，STV，SR，ER，ERs群，SR集群，光谱EOI，这些列出的任何EOI的互联性(即相干性和/或偶极序列和/或相关联的群，序列和/或整体)和/或神经学幅度，功率，形态信号或值；
(i.癫痫或其它发病测量)，
-本发明进一步实现癫痫或其它神经标记支持神经源或其它生理源和/或相关EOI的预后或诊断鉴定以及源重建或相关确定，包括实现NLDBTV，STV或常规神经学成像测量(即体素图像部分)或EEG激活测量(即EEG电流密度或电压电位)的方法的任何一种或组合，如其它部分所述，“[29]自动分析模式测定：1.光谱生物标记事件：”或“标题：eLifeNEURO/EPILEPSY”，“专利标题：自闭症谱系障碍(ASD)；亚斯伯格(ASP)；阅读障碍-参考摘要，发明内容，附图，适用的权利要求部分或随后的分案申请。
专利标题：具有自发自动在线分析选项的非线性动态分析(NDBA)”，和/或本文其它部分详述的其它部分；
(j.大脑连通性测量)
-本发明进一步实现脑连通性测量(即但不限于偶极模型或相干性测量)，支持神经源或其它生理源和/或相关EOI的预后或诊断鉴定以及源重建或相关确定，包括实现进行NDBDB，STV或常规神经学成像测量(即体素图像部分)或EEG激活测量(即EEG电流密度或电压电位)的方法的任何一种或组合，如其它部分所述，“[29]自动分析模式测定：1.光谱生物标记事件：”或“标题：eLifeNEURO/EPILEPSY”，“权利要求-专利标题：自闭症谱系障碍(ASD)；亚斯伯格(ASP)；阅读障碍-参考摘要，发明内容，附图，适用的权利要求部分或随后的分案申请。
专利标题：具有自发自动在线分析选项的非线性动态分析(NDBA)”，“权利要求-自闭症谱系障碍(ASD)；亚斯伯格(ASP)；阅读障碍-＝-参考摘要，发明内容，附图，适用的权利要求部分或随后的分案申请。
标题：eLifeNLDB非线性动态(NLDB)分析自动确定选项和在线分布式处理选项，能够进行自发源定位，适用于消费者/患者的诊断或预后测定和/或生物反馈或治疗。”本文和/或本文其它部分详述的其它部分；
(k.光谱测量)
-本发明还能够进行光谱测量，支持神经源或其它生理源和/或相关EOI的预后或诊断鉴定以及源重建或相关确定，包括实现NLDBTV，STV或常规神经学成像测量(即体素图像部分)或EEG激活测量(即EEG电流密度或电压电位)的方法的任何一种或组合，在“[29]自动分析模型确定：1.光谱生物标记事件：”或“标题：eLifeNEURO/EPILEPSY”的章节中进一步概述，权利要求-专利名称：自闭症(ASD)；亚斯伯格症候群(ASP)；阅读障碍症-参考摘要、发明内容、附图、适用的权利要求部分或随后的分案申请。
专利名称：具有自发自动在线分析选项的非线性动态分析(NDBA)”，
“权利要求–自闭症(ASD)；亚斯伯格症候群(ASP)；阅读障碍症-＝-参考摘要、发明内容、附图、适用的权利要求部分或随后的分案申请。
标题：eLifeNLDB非线性动态(NLDB)分析，具有自动确定选项和在线分布式处理选项，能够进行自发源定位，适用于消费者/患者的诊断或预后测定和/或生物反馈或治疗。”本文和/或其它章节详细说明了本文件中的内容；
(I.红外反射眼电测量)
-本发明还实现了红外反射率眼电，支持神经源或其它生理源和/或相关EOI的预后或诊断鉴定以及源重建或相关确定，包括实现NLDBTV，STV或常规神经学成像测量(即体素图像部分)或EEG激活测量(即EEG电流密度或电压电位)的方法的任何一种或组合，如“标题：eLifeALERT”和/或本文其它部分详细介绍的其它章节进一步概述；
(m.聚类分析或事件集合/序列)
>>脑连通性聚类(或整体或序列)分析(CABC；包括相干性，偶极子)，
-光谱自发事件源定位测量
-NLDB自发事件源定位测量
-与时空动态分析(SDA)相结合，
-NLDB源定位测量加上时空动态分析(SDA)，
[即基于聚类分析手段(即结合所述a至l项群组的任何一种或组合)适用于可辨别的“感兴趣事件”外观的时空外观生物标志物，包括但不限于，确定为适用于(但不限于)“感兴趣的健康状况或症状”或“感兴趣事件/EOI”(根据本文件后面的缩写表中详细说明的“EOI定义”)的前兆，其中该群组可以基于与在先主体-患者监测数据(即但不限于预诊断研究)和/或其它主体/患者特定信息和/或通过对相关人群数据库参考(还参见基于数据的图77；图78；图79；图80)的比较评估来确定]，
n)(可穿戴设备最小化(WM)系统)
-本发明包括一种方法来确定能够根据监测目标和适用于感兴趣事件(EOI，根据术语表)有效监测任何主体/患者的最小化监测配置；
(算法主体/患者特定研究(ASL)系统)
-本发明包括一种根据特定患者监测目标(图45；图75；图76；图77；图78；图79；图80)微调监测算法的方法，并适用于感兴趣事件“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(根据本文件后面的缩写表中详细说明的“EOI定义”)。
(移动无线分布式分析(MDA)系统)
-其中所述监测方法和装置可以并入通信接口，其中包括任何一个或多个广域网(WAN)、局域网(LAN)、因特网协议(IP)、网络应用服务(NAS)和/或云计算服务，以实现生理或环境监测数据的传输和/或主体/患者信息交换和/或访问能够支持本地监测、分析、存储和/或指示的在线分析功能；
权利要求：自闭症谱系障碍，阿斯伯格症候群，诵读困难＝参考摘要，说明书，附图，适用的权利要求部分或后续分案申请。
标题：eLife基于非线性动态(NLDB)分析，有自动判定形式和在线分布处理形式，具有自发源定位能力，可适用于诊断性或预断性判断，和/或消费者/患者的生物反馈或治疗。
发明内容
本发明包括具有自发自动在线分析形式的基于非线性动态(NLDB)分析，包括但不限于，分析神经生理的，认知的，心理/精神的，和/或其他生理障碍，器官衰竭或事故或健康状况，还包括自动判定形式和在线分布处理形式，具有自发源定位能力，可适用于诊断性或预断性判断，以及另外的消费者/患者的生物反馈和/或治疗形式，本发明还包括以下任何一种或其任意组合：
-对于一个或多个EEG监测的数据通道进行分析转化的应用方法；
-此处所述的分析转化包括(但不限于)一种具有非线性动态分析结果的信号动态特性的变化(即，但不限于熵，复杂性分析，双谱，FFT输出等。)，例如在以下这些事件中(但不限于)，麻醉深度的变化，意识状态，意识状态变化，癫痫发作，K-复合物、高频振荡、波纹、高频脉动，主轴，EEG顶点波动，EEG癫痫信号，EEG癫痫发作信号，EEG光谱爆炸或变化，EEG睡眠分段信号特性的改变与睡眠相关事件或障碍或活动有关，微觉醒，身体运动，睡眠呼吸障碍，睡眠呼吸紊乱，睡眠障碍，或其他活动，睡眠阶段或状态，不同的注意力程度，镇静程度，意识程度，嗜睡程度，警惕程度，自闭症谱系障碍以及不同的严重程度，帕金森氏病，痴呆症，阿尔茨海默症，抑郁症，以及其他事故或健康状况，或在心理或生理，心理障碍，器官衰竭或疾病(即，也可见于图75-图80；图55-图74；图84；图94)。
-从一个主体上快速在线监控EEG数据平均值的方法，所述方法包括但不限于以下这些方法：自动回归模型和使用外部输入功能计算平均值，目的是为了最小化所述在线监控EEG数据平均值的延迟，或进一步处理数据。
-将基于非线性动态(NLDB)分析应用于任一种或其任意组合的主体的监测的EEG信号的方法，所述方法可以熵或复杂度分析(以下举例但不限于)；
-其中所述的监测的EEG数据可以包括由一个外部刺激产生的诱发反应(例如但不限于对一个或两个主体耳朵的听觉刺激)；
-其中所述的监测的EEG数据可以包括用监测的EEG数据或其他生理数据定义任何事件，其中所述的事件可以被特定的信号振幅临界值或特征描述的方式检测，和/或可以被EEG信号的光谱特性定义的方式检测，和/或可以用被分析的EEG信号的非线性动态特性的超越预定义，范围，程度或变化的方式检测。
-其中，在基于非线性动态(NLDB)进行一系列诱发反应EEG波形的步骤1中(即，同步产生刺激信号，例如听觉刺激信号)可以通过平均一些连续的诱发EEG反应的方法得到平均值(人为现象可以被排除在外)，使用或不使用外部输入功能的所述自动回归模型可以被有效的利用；
-其中，在步骤2中，信号复杂性(或熵)的测定可以通过分析一个平均值的数据样本生成(举例但不限于)，其中(在一个例子中)一个平均值由256个样本点构成，(例如一个诱发反应覆盖0-120ms的后延迟区域，仅作为举例)对前次样品点的值减去每个连续样品点的值的计算可以建立“AEP平均微分(即，基于对一个AEP反应的平均数列的计算值)电压值”-即一个“平均波形的微分振幅版本”的生成。
-其中，在非线性动态分析的步骤3中，(即例如但不限于熵和复杂度分析)转换可以被应用于“平均波形的微分振幅版本”，作为生成对应于所述“平均波形的微分振幅版本”的测量值或索引值的一种方法；(在过程的第二步确定)。
-其中，这些部署可以生成：1)连续运行的AEP平均值，即所述步骤1；2)“平均波形的微分振幅版本”连续“运行的平均值”，即所述步骤2；3)非线性动态的测量或索引，即所述步骤3.
-其中，在步骤1中，连续平均可以包括对于过去监测的EEG数据的时间段和/或过去的诱发反应信号(包括任何范围的诱发反应、前刺激或后刺激信号值的可能性)，所述监测的EEG数据为任一种或其任意组合的主体监测的EEG或其他生理信号。
-其中，在步骤1中，连续平均可以对任何时间段进行分步计算，包括在连续的过去平均或过去数据计算之间的时间(即不限于1秒，2秒，10秒等)；
-其中，用这种方式，针对于任何监测的诱发反应或平均的系列诱发反应或连续步骤的诱发反应块的平均值的一个非线性的动态值或连续更新的值都可以被计算出来。
本发明还包括检测作为前体和/或伴有神经系统紊乱、意识和/或意识状态改变(癫痫、警觉、镇静和麻醉)和/或意识状态转换的神经发电机的结果的能力，伴随通过应用非线性动态分析转换得到的更具体的转换和状态，由此计算的非线性动态变化可以有比较和/或对比确定性与随机信号特性的能力，可以作为一个确认或突出事件或健康状况的预兆或分析的工具。举例，适用于大脑源(神经发电机)的信号规律性测量方法，例如与慢波(Delta)睡眠，睡眠梭状波，事件的发生和发作，神麻醉的“锯齿形”神经信号，高频振荡，高频脉冲，波纹，K-复合物，顶点波，光谱爆发，或EEG能量的变化，以及其他事件或健康状况有关的测量方法，可以使用这些新的基于非线性的准则检查到，也可以用基于非线性的空间动态因素检查到。当它作用于意识、睡眠、麻醉，以及更多令人费解的现代科学而奥秘的研究时，这些新的基于非线性的动态方式可以产生深远的影响。
本发明还使得所述非线性动态测定法可以被利用于测定治疗或治疗系统控制的决策矩阵的一部分，因此所述计算机控制可以包括但不限于行政，注药，用药推荐管理、磁刺激、电刺激、视觉或听觉反馈(与EEG分析结果相关联)或反馈，非侵入性正压通气或气道正压通气治疗，以及生物反馈部署的其他治疗；
通过源定位或基于非线性动态(NLDB)分析测定形式进行自发事件检测
本发明能够在处理步骤1中作为一个变量替代一个自发事件的测定，(即本发明可以检测变化(即例如但不限于预定义的阈值或范围(即，由于信号的规律性或确定性，一个EEG主轴，高频振荡，或高频波纹事件，比如，将会具有较低的复杂度或较低的熵(即这些事件的重复性或周期性的信号形态)，与主轴性能的不规则相对。相反的，事件的不规则形态的信号特性，例如K-复合物EEG事件或身体运动通常会导致信号复杂性的增加，因此具有更高的复杂度或熵值，其中所说的自发事件的测定可以用来与其他分析(即，光谱，相干性等)结合，或者仅仅作为额外的基于非线性动态处理步骤的一个脑激活事件的标识；
所述额外的基于非线性动态(NLDB)处理步骤可以联合或代替源定位计算被部署(即，举例但不限于生成脑激活值和对于一个或多个EEG监控信号采用基于非线性动态(NLDB)分析方法测定得到的大量数值)。此外，这些基于非线性动态(NLDB)测量方式和相关值或基于非线性动态(NLDB)分析测量方式可以使用正问题(例如，就正问题来说，在头脑内的值的大小和位置是可知的，但监测的EEG头皮数据(功能数据)是未知的)和逆问题(例如，就逆问题来说，监测的EEG头皮数据(功能数据)的大小和位置是可知的，但神经源或头脑内的来源时未知的)计算出。本发明基于非线性动态(NLDB)源定位能力包括以分布源和本地源为依据计算两个不同种类的源模型，所述分布源可以用电流密度分析法测定，所述本地源可以用偶极子分析拟合模型计算。
基于非线性动态(NLDB)分析转化包括通过非线性动态幅度(NLDM)的方式计算分布源，其中传统的电流密度计算方式可以被部署为一个可视化的源定位(即，非线性动态幅度(NLDM)取代传统的EEG振幅水平)，地形图(即，非线性动态幅度(NLDM)取代传统的EEG振幅水平，以及信噪比临界值用非线性动态信号幅度/水平展示)，以及PCA或ICA分析(即，非线性动态(NLD)信号幅度/水平(NLDSM)与非线性动态(NLD)噪声/背景信号幅度/水平(NLDNM)相比或NLDSM：NLDNM与传统信号相比或S：N相比)，除非非线性动态(NLD)水平/量级被替代为传统的电流因子。
本发明使非线性动态相干性的测定成为可能，使传统的EEG信号振幅被非线性动态幅度所替代，因此，非线性动态曲线(NLDA)的统计的或可视化的测定可以使用类似的滞后和超前的时间和范围程度处理(即，非线性动态幅度(NLDM)相对于传统的EEG源定位相干性计算中的修剪或振幅水平)。
本发明可以进行基于非线性动态(NLDB)分析转化的计算，包括通过非线性动态幅度(NLDM)计算分布源，结合用电流密度分析方法测定的传统分布源，以及用偶极子分析拟合模型计算的本地源，NLDBTV,STV,SR,ER,ER群组,SR群组,EOI谱,任意所列EOI(即，相干性，和/或偶极序列，和/或相关群组，序列和/或整体)和/或神经振幅，力量，形态信号或值的相互联系；
具体实施例和自动在线基于非线性动态分析和自发或诱发事件的同步睡眠时相序列图和单个或聚集分析或事件指示集合和/或生物反馈治疗能力
此申请包括一个拥有计算机实施方式的系统的多个发明，所述多个发明包括一个诊断和/或预测的平台，该平台使用通过一种移动无线连接系统或其他计算机网络连接系统实现在线监测的方法，连接到主体/患者的可穿戴的设备或邻近的生理设备或环境监控设备，该计算机实现的方式包括以下的任一个或任意组合的：
一个计算系统包括具有内存存储功能的一个或多个进程，涉及可以被一个或多个进程执行的一个或多个计算机程序，这一个或多个的计算机程序包括说明书或应用程序，可以实现以下任一个或任意组合的：
-一种使用在线移动无线监测形式监测主体/患者的方法包括一些配置更简单/更小的可穿戴的传感设备(即，参照图43；图46-图50；图52；图53；图54)，或更复杂的配置(即，参照图49；图51；图45)，适用于“事件或健康状况”，其中监测方式的确定可以监测的计算程序和设备的复杂性或最小化为依据(即；图1“监测目标”(即；图35)，分析变量(图45)，监测目标，监测参数的确定，检测设备的确定，监测的计算程序，以及相关分析变量的确定(图77；图79；图80；图81))；
-一种对主体进行刺激的方式(即通过耳塞进行听觉刺激，包括传统规格的娱乐耳塞，耳机或头戴式耳机；通过磁性线圈进行磁性刺激，电刺激，震动或其他运动或压力引起的刺激；温度或其他感觉或疼痛引起的刺激；所述刺激可以通过脑部应用系统进行附加或植入(即例如但不限于图43；图46；图50；图52；图48；图49；图50；图51；图52；图53；图54)。-信号处理的措施(即所述措施可以包括但不限于滤波、去噪和/或人为减少的信号处理)；
-结合信号分析的措施(即，但不限于，平均两个或更多反应作为一种增强噪音输出信号的措施，所述分析的措施可以包括一个具有反应信号具有时间同步的信号平均过程，在一定程度上，被其他反应平均的每个平均信号的开始和关联主体诱发反应产生的刺激生成信号时间同步。)
用早期监测的和平均的诱发反应的信号来分析最近平均的诱发反应的信号的措施，(所述措施包括确认监测的信号的时间序列，该监测的信号根据一个重新定义起止时间关于主体在监测下的进行诱发反应刺激信号计算平均得到)；
一种在大多数最近监测的平均的信号结果与早期监测的比较基线平均的信号之间的偏差的确定方式，其中确认偏差的方式可以是计算不匹配负波(MMN)；或标准偏差AEP测试范例(即，例如将一个诱发反应的标准列与一个异常“奇怪球”诱发反应列进行比较，或在最近监测的平均的诱发反应和之前监测的平均的诱发反应的基线之间的其他波形特征，频谱，线性和/或非线性信号动态变化)；
关联不匹配负波(MMN)，奇怪球或其他AEP测试范例作为一种测量一个主体的意识状态，意识转换，注意力，意识，警觉，认知障碍，任务的焦点，嗜睡，和/或其他心理或生理状态和/或健康状况和/或事件的措施(即但不限于以下任何一种或其任意组合：指示物和/或报告和/或警报和/或意识的通知和/或注意力和/或警戒状态等)；
识别信号或诱发反应和/或以分析为目的通过自然或刺激时间同步的方法进行平均的措施；
措施包括通过信号信噪比(SNR)确认事件的方式(即，例如但不限于，平均的SNR，固定点的SNR，固定单点的SNR/Fsp/F-test Fsp，+-差异估计SNR测量，或其他SNR方法，SNR包括(但不限于)振幅法，例如幅度大于背景信号的2倍或3倍以上的信号的确认)；
信噪比(SNR)方法部署于识别/确定事件时包括(但不限于)以下任何一种或其任意组合AEP测定信号差会导致不可靠的和不一致的结果，在线信噪比(SNR)使AEP记录质量在记录中得到评估和/或补偿/或提升，包括相对于会导致不可靠的和不一致的结果的差的AEP信号质量，例如(但不限于)在线信噪比(SNR)方法的使用可以使AEP记录质量得到评估，包括单点F-test Fsp 90；+-差异估计91SNR测量；
其中，用于识别事件的“自发或刺激的方法”，包括识别就预定义的一个或多个或任意组合的EEG多路信号(即，通过自动级别或系统用户确定的范围、阈值或正常与异常操作信号区域或操作)根据信号形态或模式识别(即，事件可以包括但不限于以下任何一种或其任意组合：肌电图(EMG)快速眼动(REM)睡眠(相比于其他睡眠阶段，其中指睡眠行为障碍的情况下(SBD)；K-复合物；EEG事件；EEG主轴事件；睡眠以及唤醒状态的频谱水平或属于或接近以下任何一种或其任意组合频段的比率：三角洲/慢波(0.1-4赫兹)，θ(4-8赫兹)，阿尔法(8-12赫兹)，β(12-30赫兹)，低伽玛(30-70赫兹)，和/或高伽玛(70-180赫兹))；
其中用来检测所述“事件”的分析可以包括任何一种或其任意组合的信号动态方法(即，包括但不限于非线性动态分析，例如熵、复杂性和其他非线性动力学分析方法)，其中非线性动态方式可以包括识别时间序列数据或数据段的光谱数据推导或超出或落在特定临界值外的时间序列测定方式；
-其中任何一种或其任意组合的事件都可以通过包括以下任何一种或其任意组合的分析措施测定：
a)非线性动态分析的检测：EEG监测的信号对“超出或落在某一设定的临界值外”时间序列数据的分析转化包括落在预定义的或设定的参数(即范围、阈值、变化等)以外的数据；
b)光谱分析的检测：EEG监测的信号对“超出或落在某一设定的临界值外”的时序数据的分析转化包括落在预定义的或设定的参数(即范围、阈值、变化等)以外的数据；
c)在两个或多个信号之间的相干性检测：EEG监测的信号对“超出或落在某一设定的临界值外”的时序数据的分析转化包括落在预定义的或设定的参数(即范围、阈值、变化等)以外的数据；
d)信号形态或信号图像特性的检测：EEG监测的信号对“超出或落在某一设定的临界值外”的时序数据的分析转化包括落在预定义的或设定的参数(即范围、阈值、变化等)以外的数据；
-对多个“事件”定义聚类分析特征的措施作为一种检测健康状况或事件集合的措施；
-时空动态表征的方法，包括自动或计算机辅助措施，用于识别单数的或平均的自发的和/或诱发的反应，其中，本发明进一步提供了一种统计方法(见附图以及相关描述，参考神经源定位、功能数据、地形图、影像资料，sLORETA、Dipole，相干性结果，相干性统计曲线和电流密度源定位，神经图显示的curry视觉和统计结果，参见样本(即，但不限于图45；图56；图57；图58；图59；图60；图61；图62；图63；图64，65；图66；图67；图68；图69；图70；图71；图72；图73；图74；图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)；
-时空动态表征方法，包括自动的或计算机辅助的方式，用于识别单数的或平均的自发和/或诱发的反应，本发明还提供了一种统计和可视化手段的方式(参见图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)。
时空动态表征方法，包括自动的或计算机辅助的方式，用于识别单数的或平均的自发和/或诱发的反应，本发明还提供了一种统计和可视化手段的方式，包括任一识别事件和/或平均事件和/或包括患者特异性或普遍性的头部模型，作为对识别的/判定的平均的或单数的自发或诱发反应事件的源定位的方式，和/或对源重建分析结果的头部模型分割的方式，和/或对源本地化结果的横截面可视化切割或解剖的方式，和/或突出显示集群或单个本地化事件的方式。(即，sLORETA电流密度重建(CDR)源定位分析转化，图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)
自动在线时间同步睡眠时相序列图和时空动态表征
(即但不限于图45；图56；图57；图58；图59；图60；图61；图62；图63；图64；图65；图66；图67；图68；图69；图70；图71；图72；图73；图74；图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)。
-包括任一自发的和/或诱发反应的事件的自动确认的方式，包括任何一种或其任意组合的入睡/觉醒睡眠时相序列图的自动在线时间同步测定方式(即，方式可以包括对监测的EEG,EOG,EMG睡眠参数的分析)；监测的时空动态的生理与神经的信号参数特性(即图69；图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)；
-比较不同状态的方式，例如在连续的步骤中(例如15次扫描/刺激事件)，用有使用平均扫描块的入睡阶段和苏醒周期(即自回归快速平均值或64次，128次，或256次，或512次扫描)来生成代表选定时间段的总平均数(举例，但不限于，使用带有步骤时间参数的重叠段来运行平均值，代表每个连续平均计算和块参数之间的时间，代表对每个连续步骤平均计算刺激所产生的平均诱发反应周期的数字。即一个1秒步骤和256个块参数可以去平均过去256个刺激诱发反应和已过去的/消逝的主体/患者的监测时间的每一秒；或者1个3分钟的块参数可以代表适用于已消逝的主体/患者的监测时间的过去3分钟的诱发反应的数字)；
-根据对于主体/患者监测结果的任何被定义的块或步骤周期的平均结果，比较和/或对比和/或演绎入睡、觉醒或其他意识状态或事件或健康周期的方式；
-部署标准化的(即，例如使用一个或多个来自于任何成像模式的平均成像，其中多模式的成像包括一个主体/患者的真实的组织结构和/或血管和/或功能和/或解剖结构和/或认知功能，或一个替代的主体/患者的脑部数据可以在任何时候被叠加作为受监测的主体/患者计算分析或可视化的部分)平均MRI 3D大脑图像和细分脑干和小脑区域的措施，目的是为了聚集真实的fEEG结果，从而加重深部脑皮质图像；
-生成计算电流密度重建的方式(CRD)sLORETA算法(即方式包括任何一种或其任意组合的自动、在线或其他通过云计算补充的服务，网络应用服务/NAS、LAN、WAN和其他无线链接信息和/或处理和/或辅助分析系统，作为一种生成具有相关源相干性的值方式，对应于睡眠和苏醒期或其他任何状态、事件或健康状况的每个相应的过去的监测阶段(即但不限于每段平均3分钟)；
-分析对于任何睡眠/嗜睡/无意识/注意力不集中的阶段或状态的方式(即，参见图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)的激活的方式，与唤醒/警觉/警惕/意识/注意/注意力以及其他阶段，或其他状态，或事件，或健康情况相对，因为它们与脑激活连接，相干性，网络系统和与两个皮质(CDR；分布)有关的整体特征，以及偶极子(本地化)相干性激活相关联；
-比较，对比和解释睡眠相对于觉醒CDR和COH结果的措施(即，参见图69；图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)；
-监测，分析，指示，报告，和/或储存大脑复杂信息的措施，例如与以下任何一种或其任意组合的睡眠，嗜睡，镇静，无意识，不注意，镇静有关联的阶段或状态，状态或阶段(即，图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)和其他状态或事件或健康状况的阶段有关，因为它们与脑激活连接，与意识或意识的状态改变有关；
本发明还提供了“健康状况或症状或事件/EOI”(对“EOI DEFINITION”在本文结尾处的缩略表中有详述)。
本发明还提供了一种结合分析的方法，作为确认和/或控制进程优化的一部分，优化对主体头颅施加的磁刺激的控制，使用以下任何一种或其任意组合的源定位，相干性分析，偶极子分析，基于非线性的动态分析，光谱分析(其中所述的分析覆盖了这篇文的其他地方)的进程方式，其中所述的处理可适用于和/或提供“健康状况或症状”或“事件/EOI”(“EOI的定义”在本文后面的缩写表中有详细说明)。
自动在线的基于非线性的动态分析的实施例和具有同步睡眠/唤醒超声图和单个或聚类分析或感兴趣的指示和/或生物反馈处理能力的集合确定的自发或诱发事件
此申请包括一些发明，包括具有计算机实施的方法的系统，该方法包括诊断和预测的平台，通过移动无线连接或连接到对象/患者穿戴式或邻近生理或环境监控设备的方法，所述计算机实施的方法包括以下任何一种或其任意组合的：
-包括一个或多个具有存储器存储能力的计算机系统，涉及一个或多个可由一个或多个进程执行的计算机程序，所述一个或多个计算机程序包括说明和应用程序，使以下任何一种或其任意组合成为可能：
-本发明还包括一个主体/患者可穿戴或可应用的设备，包括一个或多个用于监测和/或分析多个睡眠参数的生理传感器或电极。
-所述监测和/或分析多个睡眠参数包括(但不限于)任何一种或其任意组合的用一个单头传感器监测的一路或多路的EEG，EOG和/或EMG睡眠参数电生理信号；
-所述监测和/或分析多个睡眠参数包括(但不限于)任何一种或其任意组合的用一个单极前额传感器(例如但不限于图21，图25)监测的一个或多个睡眠参数电生理信号：
-主体/患者的姿态/位置监测传感器和确定方式(即，但不限于3轴加速度传感器)；
-主体/患者的环境光监测传感器和状态确定方式(即，但不限于光敏电阻)；
-主体/患者的呼吸声监测传感器和状态确定方式(即，但不限于麦克风传感器)；
-主体/患者的血氧饱和度监测传感器和状态确定方式(即，脉血氧计及相关输出)；
-主体/患者的气流监测传感器和状态确定方式；
-主体/患者的运动/加速度监测传感器和状态确定方式；
-主体/患者的心冲击描记监测传感器和状态确定方式；
所述“姿势/位置”监测传感器和确认方式包括(但不限于)多轴加速度监测和位置传感器，例如，但不限于，具有输出值分析和输出信息检测功能的3轴加速度传感器，用于确认患者位置；
所述“环境光”监测传感器和状态确定方式，包括(但不限于)光检测方式(即，但不限于)和环境光照条件下的光敏电阻；
所述“呼吸声”监测传感器和状态确定方式包括(但不限于)前额监测的可穿戴/可应用的带有用于监测呼吸气流的温度变化的指向主体鼻子或嘴巴的附加或嵌入的红外传感器的传感器带；
本前额传感器还包括自动和动态的睡眠参数数据交换，通过第二个可穿戴指示设备，使任一被监测的主体/患者的睡眠测量或睡眠指数和/或体质测量或体质指数和/或健康测量或健康指数成为可能；
其中“呼吸声”监测传感器和状态确定方式，包括(但不限于)前额监测的可穿戴/可应用的带有用于监测呼吸声的指向主体鼻子或嘴巴的附加或嵌入的麦克风的传感器带；
所述“血氧饱和度”监测传感器和状态确定方式，包括(但不限于)前额应用的反射脉血氧计(如主标题所详述：eLifeCHEST/eLifeSCOPE和副标题“脉血氧计”)；
所述“气流”监测传感器和状态确定方式，包括(但不限于)连接到用于主体/患者鼻子和/或嘴的气流吸入和呼出区域的传感器的下拉传感器(即，聚偏氟乙稀(PVDF)，热敏电阻，热电偶传感器材料或其它温感材料；
其中“运动/加速度”传感器方式，包括(但不限于)单轴加速度传感器系统；
其中前额可穿戴的/可应用的传感器带可以包括患者运动能力和/或运动特性加速计(即，一个或轴)信号监测和分析方式的能力(即，方式包括以下任何一种或其任意组合的，但不限于，一个光谱带分割，特定光谱带可以与一个或多个生理信号源关联，例如，但不限于以下任何一种或其任意组合的呼吸和/或运动和/或睡眠障碍，和/或睡眠不安，例如身体移动和翻动，和/或呼吸障碍)，和波形模式或信号形状特征的能力(即，方式包括包括以下任何一种或其任意组合的，但不限于，一个光谱带分割，特定光谱带可以与一个或多个生理信号源关联，例如，但不限于以下任何一种或其任意组合的呼吸和/或运动和/或睡眠障碍，和/或睡眠不安，例如身体移动和翻动，和/或呼吸障碍)，和/或其他呼吸或呼吸障碍特征的分析推导的能力；
所述“心冲击描记”监测传感器和状态确定方式，包括(但不限于)通过监测由心脏收缩和血液进入主动脉引起的身体运动进行心输出量的测量；
其中前额应用或附加的监测传感器设备和/或无线链接分析处理系统可以使监测的睡眠参数(EEG,EOG和/或EMG信号)优化和/或补偿，作为一种根据标准化的人类睡眠分期评分指南(例如由美国睡眠医学协会出版人类睡眠分期评分指南)和理想的信号特征或AASM推荐的电极位置补偿前额监测的睡眠参数的方式。
所需的补偿因子与前额监测的睡眠参数(EEG,EOG和/或EMG信号)相关联，目的是为了通过补偿频率来模仿AASM推荐的(即，F4-M1；C4-M1；O2-M2；，备份包括F3–M2；C3–M2；o1–M2)电极位置，本发明前额应用的传感器电极位置(即，例如(但不限于)前额位置)的相位和/或振幅最小化了(即，最小化分析和监测，信号处理，数据采集，事件识别，源定位标记，源定位，相干性确认，等。参见图45图75图76图77图78图79图80)配置，例如但不限于任意组合的EEG电极(即，前额传感带或前额带，即图2，图3，图4，图5，图10，图16，图21，图25)传感器位置(参见Fp1,Fp2,Fz,F6,F7等)；
所述EEG信号补偿效应可以适用于补偿在信号特性和分析之间不同测量路径的差异，例如主体阶段和状态的最相关的准确测定，(即，补偿例如但不限于以下任何一种或任意组合的差异：白脑病，灰脑病，外脑液，头皮，颅骨等)与典型的或主体/患者监测的特定信号，包括补偿信号幅度和/或相位和/或频谱方差(在标准EEG和/或EOG和/或EMG之间的电极监测位置，例如最佳电极位置)；
其中前额应用或附加的监测传感器设备和/或无线链接分析处理系统可以实现监测的睡眠参数的优化和/或补偿(EEG，EOG和/或EMG信号)，作为基于补偿最准确的神经源定位的补偿前额监测的睡眠参数的方式，无论使用的电极多少，目的是为了最准确地测定大脑信号能量或激活的变化；
其中“脑信号能量或激活的变化”的测定可以包括任何一种或其任意组合的EEG信号的不对称表征，包括左半球和右半球的测定，后脑和额脑的激活(AEP和/或连续脑电图分析转化)以及这种脑激活区的比例；
其中“脑信号能量或激活的转换”的测定可以包括任一种或任意组合的主体/患者大脑激活或失活的时空动态，可以跟踪最少的电极或少至3个EEG电极(即，消费者或日常的监测情况)，其中更广泛的趋势，例如能量的转移可以被跟踪(包括但不限于)脑侧向化，前向化或半球形，半球形或正面实际脑对称等。
其中前额应用或附加的监测传感器设备和/或无线链接分析处理系统可以包括以下任何一种或其任意组合：
-分析信号动态EEG信号特性包括非线性动态分析的确认(即，熵，复杂度等)；
-增强与ASD相关的左脑区域的功率；
-大脑激活和/或就大脑激活/能量/的左半球和右半球移动或连通而言的相干性信号变化(即，偶极子)，包括侧向化和/或前向化；
本发明包括了任何一种或其任意组合的诊断，预监测，或相关分析，或健康管理(即，事件或健康状况)，包括以下任何一种或其任意组合：
-其中，预兆或诊断的“事件”或“健康状况”可以是信号特性和/或信号测定，适用于任一种或任意组合的神经障碍，肌肉疾病，运动障碍，心理障碍，睡眠或睡眠障碍，睡眠呼吸障碍，心脏疾病，呼吸系统疾病，呼吸机疾病，血管疾病，神经行为障碍，神经障碍，包括(但不限于)TBI，ASD，ASP，阅读障碍，亨廷顿老年痴呆症，痴呆，癫痫症，ADHD和/或帕金森病，以及相关的预兆或发病健康状况(即任意组合的在一个事件或健康状况之前的生理变化)。
自动的在线基于非线性的动态(NLDB)分析的实施例，和通过同步入睡/觉醒睡眠时相序列图和单个或集群分析或事件的集合和/或生物反馈治疗能力进行自发或诱发的事件的测定的实施例
本发明提供了使任意组合的预兆的或诊断的NLDBTV,STV或传统神经成像方式的监测或跟踪成为可能的方式(即体素图像切片)，或脑电激活方式(即脑电电流密度或电压电位)，包括生成分割，边界元，CDR和相干性结果(图84；图86)(即，图69；实施例参见：图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)。
本发明提供了使任意组合的预兆的或诊断的NLDBTV,STV或传统神经成像方式的监测或跟踪成为可能的方式(即体素图像切片)，或脑电激活方式(即脑电电流密度或电压电位)，包括根据其中概述的例子进行来源重建：
头部模型(加载新的科林7Ag13BEM(3/3/14/12/10)BEM 10/13/15mm[1]9122x2195)
1.从参数目录的底部选择”源重建“图标
2.用鼠标选择“头部模型”和通过“头部模型”下拉目录选择“新科林7八月13EM3/3/14/12/10mm皮质层(120)3)，来设置头部几何形状
3.选择顶部图像屏幕“软磁盘，图谱，3D视图”(顶部显示数据菜单选项)
4.从左下角“对象面板”选择“3D视图”图标。
5.选择时关闭旧皮质表层
本发明提供了使任意组合的NLDBTV,STV或传统神经成像方式(即体素图像切片)，或脑电激活方式(即脑电电流密度或电压电位)成为可能的方式，包括根据其中概述的例子进行MAPS/PCA确认：
1.在参数面板底部的“MAPS”图标被激活，然后选择“MAPS/PCA”参数面板的“ICA”打钩框，相应的下拉菜单设置为“4”，随后将“显示的组件”设置为“4”。
2.然后选择参数面板底部的“源代码”图标，选择“偶极适配”参数条，然后选择“偶极类”下拉菜单选项“设定音乐”(多信号分类(音乐))，然后选择“多偶极子”下拉菜单为“4”，对应拥有事件4曼努埃尔研究3，3MIN GM AVE蝶形功能数据显示的4特性峰。
3.通过对应的勾选框选择“轮廓”和“图谱”。
4.“应用PCA/ICA过滤”参数。
本发明提供了使任意组合的预后的或诊断的NLDBTV,STV或传统神经成像方式的监测或跟踪成为可能的方式(即体素图像切片)，或脑电激活方式(即脑电电流密度或电压电位)，包括根据其中概述的例子进行电流密度(sLORETA)确认：
“电流密度”参数面板现已被选中。
使用鼠标选择“CDR Type”，通过下拉菜单加载“sLORETA”菜单选项。
“CDR偶极子类型”可以选择“OFF”。
本发明提供了使任意组合的预后的或诊断的NLDBTV,STV或传统神经成像方式的监测或跟踪成为可能的方式(即，体素图像切片)，或脑电激活方式(即，脑电电流密度或电压电位)，包括根据其中概述的例子进行源位置确认：
1.选择“源位置”参数面板，然后通过激活“使用”下拉菜单选择“新科林7八月13EM3/3/14/12/10mm皮质层(120)3mm”-这一步排除了小脑和大脑步骤(参见之前段)，同时从层流源结构返回到皮质渲染格式。
这是一个更高分辨率的皮质表层。已发现3mm-4mm是一个你能看到的从光滑表层到远离光滑表层的临界点。
2.选择“源类型”，然后通过下拉菜单选项选择“旋转”。
源相干(固定，电流)的测定
1.选择“源相干”参数面板，然后通过激活“相干性”下拉菜单选择“设定”菜单选项。相干固定偶极子包括在选定的时间范围内整合活动的时空源模型。与移动偶极子相比，它提高了信噪比(SNR)，从而提高了重建结果的稳定性。
2.设定源在那是因为它们基本上与皮质表层是正交的，它创造了形势，在这种形势下如果你位于皮质表层的不同位置你会得到对相关性分析非常重要的反转源活动。
3.选择“结果类型”下拉菜单选择“电流”菜单选项。
4.选择“零-延迟”下拉菜单选择“关”菜单选项。
5.在“剪辑下面”对话框中输入“50％”值。“剪辑下面”功能设定下方的临界值，强度低于剪辑临界值的源被排除在相干性分析之外。临界值是基于临界水平，临界水平是基于适用于源相干性分析的绝对最大源强度波形的百分比。
6.此系统可能会在这里返回一个信息，并警告计算机将会花费一段较长的时间。系统可能会发出“内存不足”的警告。这意味着，对于这个特别的分析，我将不得不改变模型。
7.如果显示此警告信息，一个选项是返回源位置，并且选择一个稍微不太密集的模型，例如选择到4/4。通过进行此操作，并且在结果完成后检查，你可以看到(从右下角的绿色时间栏)做这种相干性计算需要花费很长一段时间。
8.在下方的LHS对象面板图标底部选择“3D视图”。
9.突出“CDR”对象的选择(在“源结果”主对象下方)。
10.调整CDR“透明度”为“90％”(使相干性弧线可以作为实线可见，或不同程度的透明度直到线消失)。
11.选择“时间范围”对象为“电影”(在这里显示一个很好的峰值，指向右手图像屏幕，参见下方的第3个屏幕截图)。
12.突出“对CDR sLoreta的源相干性(固定)”菜单的LH对象面板。
13.设定“剪辑下面”为“50％”(如果从90％调整为50％，将会增加弧活动)。
14.如果需要，将“最小延迟“从“10.0ms”调整为“8.0ms”(如果从10.0ms调整为8ms，将会增加弧活动)。
本发明提供了使任意组合的预后的或诊断的NLDBTV,STV或传统神经成像方式的监测或跟踪成为可能的方式(即体素图像切片)，或脑电激活方式(即脑电电流密度或电压电位)，包括根据其中概述的例子进行源结果统计确认和调整皮肤对象图形确认：
1.选择位于左面板底部的“3D视图”图标。
2.选择令人愉快的皮肤，或在这个样本中，对应更高分辨率的皮肤目标文件：“新科林7八月13EM 3/3/14/12/10mm皮质层(10)3mm[1](50％)”。
3.转到左边的“对象”参数面板，突出“皮肤”参数，这样可以减少分录表的变化。
4.选择皮肤。转到左边的“对象”参数面板，突出“皮肤”参数，这样可以减少分录表的变化。如果这皮肤本身已经是在“50％”，我们调整它为“0％”的透明度，我们便看不清楚它。如果我们调整它为100％的透明度，我们可以看到它的一切。最佳的设置是“50％”透明度。
5.选择“3D视图”(参见数据选项卡的顶部(“Maps,3D视图”))来显示数据，这样当图像旋转时，它会真的旋转并且显示大脑的其他部分。你将会看到皮肤和图像转动)。
6.这样你可以切开皮肤，并突出“皮肤”对象，在主“源结果”对象下方的左面板中。
7.现在通过选择“三平面”来调整“剖面”到一个较低的对象表中。
8.如果光标设置地不太正确，可以返回“全部”(顶部显示屏幕选项卡)。
9.如果光标不能正确地到达右下方屏幕，将十字准线往下调，将覆盖面打开一点点。
10.再次选择顶部的数据显示选项“FD，Maps 3D”，然后翻转，使图像更专注于大脑。
本发明提供了能够使任意组合的对NLDBTV,STV或传统神经图像测量(即，体素图像切片)或EEG激活测量(即，EEG电流密度或电压电位)的预后的或诊断的监测和跟踪成为可能的方式，包括如下概述的调整电极对象图形确认：
1.电极可能会太亮，所以去电极。在下部对象面板中，将标记为“透明度”的电极性能”功能从“0％”变到“90％”，以使得电极强度降低。
2.将鼠标移动到“源结果”参数面板，突出“电极”参数文件，将“透明度”从“0％”变到“90％”，以使得电极强度降低。
3.电极可能会太亮，所以选择“源结果”主目录，突出“电极”。
4.现在保存参数配置，使这些设置可以被重新实现：即，保存为一个具有逻辑性的难忘的名字，例如：EVENT 4ALL 15_59_14to 17_13_50MLR Study 2Manuel 1Aug13ALLper265blk x 15stp x 133ch GM Avg 11Aug13X Parameters.SEG BEM CDR COH.cfg
本发明提供了能够使任意组合的对NLDBTV,STV或传统神经图像测量(即，体素图像切片)或EEG激活测量(即，EEG电流密度或电压电位)的预后的或诊断的监测和跟踪成为可能的方式，包括如下概述的CDR的生成和基于偶极子的相干性激活(图84)：
(偶极子COH回顾24十月十三)
当前的相干性是基于分布式源定位方法，同时，偶极子源定位是基于一个更集中的偶极子方法。
头部模型
1.从下拉菜单选择：(即，通过对一系列的预诊断图像扫描或一组图像，或基于其他疾病或正常患者的为参考数据的图像(可以被平均以产生一个更为典型的表现)的部署，使用一个图像头部模型来实现功能性的主体-特定大脑数据的更实际的叠加)。
偶极子参数
1.选择类型：音乐
2.用2，3或4试验
电流密度
1.选择sLORETA
源定位
1.通过对一系列的预诊断图像扫描或一组图像，或基于其他疾病或正常患者的为参考数据的图像(可以被平均以产生一个更为典型的表现)的部署，使用一个图像头部模型来实现功能性的主体-特定大脑数据的更实际的叠加
皮质层尺寸可以(仅仅是举例)设置为(120)3mm的尺寸。
2.选择类型：旋转源位置被设置为相对于固定的源位置是带有清晰CDR结果(左图)旋转，固定的源位置是CDR结果被隐藏(右图)，如图所示。
本发明提供了能够使任意组合的对NLDBTV,STV或传统神经图像测量(即体素图像切片)或EEG激活测量(即，EEG电流密度或电压电位)的预后的或诊断的监测和跟踪成为可能的方式，包括如下概述的源相干性：
选择类型：固定
选择结果类型(偶极子或电流)：偶极子(将实现偶极子之间的弧切换)
注意：MAPS(ICA)不重要；噪声估算自动化ok(前与后刺激方差SNR测量)
本发明提供了能够使任意组合的对NLDBTV,STV或传统神经图像测量(即体素图像切片)或EEG激活测量(即EEG电流密度或电压电位)的预后的或诊断的监测和跟踪成为可能的方式，包括配置细节研究事件2(即，参考图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)；
本发明提供了能够使任意组合的对NLDBTV,STV或传统神经图像测量(即，体素图像切片)或EEG激活测量(即，EEG电流密度或电压电位)的预后的或诊断的监测和跟踪成为可能的方式，包括配置细节研究事件3(图87图88图89)；
本发明提供了能够使任意组合的对NLDBTV,STV或传统神经图像测量(即，体素图像切片)或EEG激活测量(即，EEG电流密度或电压电位)的预后的或诊断的监测和跟踪成为可能的方式，包括配置细节：偶极子弧转换分析研究事件3(图81；图82；图83；图84-图94；)
当前的相干性是基于分布式源定位方法，同时，偶极子源定位是基于一个更集中的偶极子方法。
头部模型
从下拉菜单和可以被用来形成基础3维模型的图像数据库中选择，形成功能性EEG源定位的基础图像框架和相关的分析结果，例如相干性弧，偶极子等。
偶极子参数
选择类型：音乐
电流密度
选择sLORETA
使用：使用参考图像数据或主体-特定数据来实现主体-特定的功能性数据的更实际的叠加，以及相关的源定位和被模仿的相干性结果。皮质层参数可以设定为(120)3mm。
选择类型：旋转-建议固定在其中右图中所示的位置，该源位置被设置为相对于固定的源位置是带有清晰CDR结果(左图)旋转，固定的源位置是CDR结果被隐藏(右图)，如图所示。源相干性
1.选择类型：固定
2.选择结果类型(偶极子或电流)：偶极子(将实现偶极子之间的弧切换)
注意：MAPS(ICA)不重要；噪声估算自动化ok(前与后刺激方差SNR测量)
3个弧的变异显示：FD,MAPS,3D视图：底部；上方；相干对象50％剪辑；CDR剪辑低于0％；最小延迟：6.ms；120ms最大延迟；CDR透明度90％；电极透明度90％；对于CDR(sLORETA；100％转换)对象的源相干性(固定)ON；偶极子(3个固定音乐)对象ON；偶极子强度图标激活；自动噪声估算
3个弧的变异显示的确定：FD,MAPS,3D视图：底部；上方；相干对象50％剪辑；CDR剪辑低于0％；最小延迟：6.ms；120ms最大延迟；CDR透明度90％；电极透明度90％；对于CDR(sLORETA；100％转换)对象的源相干性(固定)ON；偶极子(3个固定音乐)对象ON；偶极子强度图标激活；自动噪声估算
本发明提供了可以使任意组合的对NLDBTV,STV或传统神经图像测量(即，体素图像切片)或EEG激活测量(即，EEG电流密度或电压电位)的预后的或诊断的监测和跟踪成为可能的方式，包括上述3个弧系列CDR COH的配置(参见图84-图94)；
发明内容
具有自发自动在线分析形式的基于非线性动态(NLDB)分析，包括但不限于，分析神经生理的，认知的，心理/精神的，和/或其他生理障碍，器官衰竭或事故或健康状况，还包括自动判定形式和在线分布处理形式，具有自发源定位能力，可适用于诊断性或预断性判断，以及另外的消费者/患者的生物反馈和/或治疗形式，本发明还包括以下任何一种或其任意组合：
对于一个或多个EEG监测的数据通道进行分析转化的应用方法；
其中所述的分析转化包括(但不限于)一种具有非线性动态分析结果的信号动态特性的变化(即，但不限于熵，复杂性分析，双谱，FFT输出等。)，例如在以下这些事件中(但不限于)，麻醉深度的变化，意识状态，意识状态变化，癫痫发作，K-复合物、高频振荡、波纹、高频脉动，主轴，EEG顶点波动，EEG癫痫信号，EEG癫痫发作信号，EEG光谱爆炸或变化，EEG睡眠分段信号特性的改变与睡眠相关事件或障碍或活动有关，微觉醒，身体运动，睡眠呼吸障碍，睡眠呼吸紊乱，睡眠障碍，或其他活动，睡眠阶段或状态，不同的注意力程度，镇静程度，意识程度，嗜睡程度，警惕程度，自闭症谱系障碍以及不同的严重程度，帕金森氏病，痴呆症，老年痴呆症，抑郁症，EOI，以及其他事故或健康状况，或在心理或生理，心理障碍，器官衰竭或疾病。(即，参见也仅作为举例，但不限于图75,；图77-图80)
-从一个主体上快速在线监控EEG数据平均值的方法，所述方法包括但不限于以下这些方法：自动回归模型和使用外部输入功能计算平均值，目的是为了最小化所述在线监控EEG数据平均值的延迟，或进一步处理数据。
-将基于非线性动态(NLDB)分析应用于任一种或其任意组合的主体的监测的EEG信号的方法，所述方法可以熵或复杂度分析(以下举例但不限于)；
其中所述的监测的EEG数据可以包括由一个外部刺激产生的诱发反应(例如但不限于对一个或两个主体耳朵的听觉刺激)；
其中所述的监测的EEG数据可以包括用监测的EEG数据或其他生理数据定义任何事件，其中所述的事件可以被特定的信号振幅临界值或特征描述的方式检测，和/或可以被EEG信号的光谱特性定义的方式检测，和/或可以用被分析的EEG信号的非线性动态特性的超越预定义，范围，程度或变化的方式检测。
通过组合的传感器和视频系统进行癫痫监测的方式(即，适用于通过连接或嵌入的摄像机或形成一个元素，或形成所述“前额带”的部分，或“前额条”或其他头部适用的或附加的传感器来监测EOI预兆、发病和事故，包括任意一个或其任意组合的可穿戴的监控设备或相关的系统，比如但不限于图1-图94)，其中的方式包括视频和生理或EEG信号的时间同步(包括但不限于MTM)，其中的无线数据连通可以提供传输视频数据到伴侣/兼容/互连设备或网络应用服务的方法。
第一步
-其中，在基于非线性动态(NLDB)进行一系列诱发反应EEG波形的步骤1中(即同步产生刺激信号，例如听觉刺激信号)可以通过平均一些连续的诱发EEG反应的方法得到平均值(人为假象可以被排除在外)，使用或不使用外部输入功能的所述自动回归模型可以被有效的利用；
第二步
-其中，在步骤2中，信号复杂性(或熵)的测定可以通过分析一个平均值的数据样本生成(例如但不限于)，其中(在一个例子中)一个平均值由256个样本点构成，(例如一个诱发反应覆盖0-120ms的后延迟区域，仅作为举例)对前次样品点的值减去每个连续样品点的值的计算可以建立“AEP平均微分(即基于对一个AEP反应的平均数列的计算值)电压值”-即一个“平均波形的微分振幅版本”的生成。
第三步
-其中，在非线性动态分析的步骤3中，(即例如但不限于熵和复杂度分析)转换可以被应用于“平均波形的微分振幅版本”，作为生成对应于所述“平均波形的微分振幅版本”的测量值或索引值的一种方法；(在过程的第二步确定)。
-其中，主体监测的自发反应或诱发反应的转化方式包括：1)连续运行的AEP平均值，即所述处理步骤1；2)“平均波形的微分振幅版本”连续“运行的平均值”，即所述处理步骤2；3)非线性动态的测量或索引，即所述处理步骤3.
-其中，在处理步骤1中，连续平均可以包括对于过去监测的EEG数据的时间段和/或过去的诱发反应信号(包括任何范围的诱发反应、前刺激或后刺激信号值的可能性)，所述监测的EEG数据为任一种或其任意组合的主体监测的EEG或其他生理信号；
-其中，在处理步骤1中，连续平均可以对任何时间段进行分步计算，包括在连续的过去平均或过去数据计算之间的时间(即，不限于1秒，2秒，10秒等)；
-因此，用这种方式，针对于任何监测的诱发反应或平均的系列诱发反应或连续步骤的诱发反应块的平均值的一个非线性的动态值或连续更新的值都可以被计算出来。
本发明还包括检测作为前体和/或伴有神经系统紊乱、意识和/或意识状态改变(癫痫、警觉、镇静和麻醉)和/或意识状态转换的神经发电机的结果的能力，伴随通过应用非线性动态分析转换得到的更具体的转换和状态，由此计算的非线性动态变化可以有比较和/或对比确定性与随机信号特性的能力，可以作为一个确认或突出事件或健康状况的预后或诊断的工具。
例如，适用于大脑源(神经发电机)的信号规律性测量方法，例如与慢波(Delta)睡眠，睡眠梭状波，事件的发生和发作，神麻醉的“锯齿形”神经信号，高频振荡，高频脉冲，波纹，K-复合体，顶点波，光谱爆发，或EEG能量的变化，以及其他事件或健康状况有关的测量方法，可以使用这些新的基于非线性的准则检查到，也可以用基于非线性的空间动态因素检查到。当它作用于意识、睡眠、麻醉，以及更多令人费解的现代科学而奥秘的研究时，这些新的基于非线性的动态方式可以产生深远的影响。
本发明还使得所述非线性动态测定法可以被利用于测定治疗或治疗系统控制的决策矩阵的一部分，因此所述计算机控制可以包括但不限于行政，注药，用药推荐管理、磁刺激、电刺激、视觉或听觉反馈(与EEG分析结果相关联)或反馈，非侵入性正压通气或气道正压通气治疗，以及生物反馈部署的其他治疗；
本发明可以在处理步骤1中作为一个变量替代一个自发事件的测定，(即本发明可以检测变化(即例如但不限于预定义的阈值或范围(即由于信号的规律性或确定性，一个EEG主轴，高频振荡，或高频波纹事件，比如，将会具有较低的复杂度或较低的熵(即这些事件的重复性或周期性的信号形态)，与睡眠梭状波性能的不规则相对。
相反的，事件的不规则形态的信号特性，例如K-复合物EEG事件或身体运动通常会导致信号复杂性的增加，因此具有更高的复杂度或熵值，其中所说的自发事件的测定可以用来与其他分析(即，光谱，相干性等)结合，或者仅仅作为额外的基于非线性动态处理步骤的一个脑激活事件的标识；
所述额外的基于非线性动态(NLDB)处理步骤可以联合或代替源定位计算被部署(即例如但不限于生成脑激活值和对于一个或多个EEG监控信号采用基于非线性动态(NLDB)分析方法测定得到的大量数值)。
此外，这些基于非线性动态(NLDB)测量方法和相关值或基于非线性动态(NLDB)分析测量方法可以使用正问题(例如，就正问题来说，在头脑内的值的大小和位置是可知的，但监测的EEG头皮数据(功能数据)是未知的)和逆问题(例如，就逆问题来说，监测的EEG头皮数据(功能数据)的大小和位置是可知的，但神经源或头脑内的来源时未知的)计算出。
本发明基于非线性动态(NLDB)源定位能力包括以分布源和本地源为依据计算两个不同种类的源模型，所述分布源可以用电流密度分析法测定，所述本地源可以用偶极子分析拟合模型测定。
基于非线性动态(NLDB)分析转化包括通过非线性动态幅度(NLDM)的方法计算分布源，其中传统的电流密度计算方法可以被部署为一个可视化的源定位(即，非线性动态幅度(NLDM)取代传统的EEG振幅水平)，地形图(即，非线性动态幅度(NLDM)取代传统的EEG振幅水平，以及信噪比阈值用非线性动态信号幅度/水平代表)，和PCA或ICA分析(即，非线性动态(NLD)信号幅度/水平(NLDSM)与非线性动态(NLD)噪声/背景信号幅度/水平(NLDNM)相比或NLDSM：NLDNM与传统信号相比或S：N比)，除非非线性动态(NLD)水平/量级被替代为传统的电流因子。
本发明使非线性动态相干性的测定成为可能，使传统的EEG信号振幅被非线性动态幅度所替代，因此，非线性动态曲线(NLDA)的统计的或可视化的测定可以使用类似的滞后和超前的程度事件和范围处理(即，非线性动态幅度(NLDM)相对于传统的EEG源定位相干性计算中的修剪或振幅水平)。
本发明可以进行基于非线性动态(NLDB)分析转化的计算，包括通过非线性动态幅度(NLDM)计算分布源，结合用电流密度分析方法测定的传统分布源，以及用偶极子分析拟合模型计算的本地源；
NLDBYT方法实施例
(SE或ER事件检测)
>在另外的过程中(或下一步中)，在一个确定的时间(基于时期的参数设置和其他地方的步骤调整)段(时期)内之前监测的时间系列数据，进行一端复杂性分析转换或熵分析转换或熵之后的谱分析转换(即，Shannon的熵分析)。尤其是熵或复杂性值(NLDBV)可以通过连续的步骤按照包括"NLDBV步骤"，"NLDBV时期","NLDBV敏感性"参数设置的NLDBV计算出来。
(针对每个连续步骤和时期生成的阵列)
>在另外的过程中(或下一步中)，在各自的“时期”时间段中的每个“步骤”计算得到的连续熵值可以被存储(即，对应每个时间段跨越的NLDB值的时间系列被存储在计算值的一个阵列中，其中每个值都已经被计算出)
(ER事件&NLDB EOI检测的(阈值幅度/程度/等级)值)
>在另外的过程中(或下一步中)，NLDBVs可以与一个预定义的(或可选地动态计算的)表示一个信号段的熵或复杂性的程度或级数的EOI临界的NLDBV值进行跟踪和比较。适当或自动地配置NLDBV是很重要的。即，本发明可以配置为使任何一种或其任意组合的“健康状况或症状”或“事件EOI”成为可能(参见在本文后面的缩写表中详细说明的“EOI定义”)。即，HFOs,K-复合物，主轴，α破裂)。NLDBV EOI参数配置功能确保EOI是可辨别的，不会过度，不会跳过或减少。
(ER事件&NLDB EOI检测的SNR值)
>在另外的过程中(或下一步中)，NLDBVs可以与一个预定义的(或可选地动态计算的)表示对于每个连续的“步骤”或“时间段”的信号的熵或复杂性的程度或级数的EOI SNRNLDBV值进行跟踪和比较，它应该被标记为一个NLDBTV EOI的起始和结束。
EOI SNR NLDBV参数可以，仅作为举例，依照与任何数量的过去的NLDBV时刻值(即信噪声比方程的噪声标准(信号/噪声-比如过去所说的“10”个时刻的(或如在NLDBV参数中所配置的)平均值))相比的当前时刻的NLDBV(即，信号)进行配置。在这种情况下，NLDBVSNR可以被设置为(仅作为举例)一个“2”的比率(或“6db”)，然后这个SNR值在当前时刻的NLDBV是过去“10”NLDBV时刻的平均值的两倍大小。
基于这种场景，一个属于NLDBV灵敏度设置的1秒的EEGα破裂
(即假设灵敏度设置为10％-或在复杂性分析参数配置的情况下，任何峰值和谷值不同步变化，或以1/2周期时间段为单位超10％，或峰到谷间的间隔变化值比相应EOI计算的峰到谷值之间的间隔的平均值少10％)。
其他NLDB EOI参数配置设置可以是比例因素--即当EOI是一个完全重复的循环模式时(例如一个由信号器生成的具有100％的确定性或规律性或重复性的正弦波或锯齿波或三角波)，NLDB比例因素或在一个配置中最大复杂度值(指标值)设置为“0”。相反地，当EOI或时刻在计算中包含完全随机数据(例如在粉色或白色噪声的情况下)时，熵或复杂度指标值的下限可以设置为“1”。
在本发明中提供了一种EOI检测和测定的方法，涉及(例如但不限于)癫痫-睡眠监测，例如检测睡眠-阶段变化或容易引起癫痫病发作的睡眠-事件(即顶点波，尖峰，K-复合物，主轴，HFO’s，波纹等)。此外，单个事件或集群，事件的集合和/或序列可以被确认和检测。这样的检测分析可以包括NLDB和任意组合的光谱，幅度，形态和幅度/频率方法，以信号事件的集群，事件的集合或事件的序列为依据。由于不同的信号特性通过这些独特的方法部署，一个或更多的这些方法的组合加上一个相关的“置信水平或概率因子确定”有可能提供更精确更灵敏的发病或发生率或神经混乱状态的标记，这些在之前是不能识别的。此外，可穿戴监测最小化系统的组合可以使这些方法被部署到常规基础，甚至是常规基础上的监测中心以外。
基于时刻的NLDBV(E NLBV)与自发事件EOI NLDBV(SE EOI NLDBV)与诱发反应EOINLDBV(或ER EOI NLDBV)。
正如名字所启示的连续EEG监测的信号NLDB分析转化包括：
a)E NLBV，指的是在一个时刻内的熵或复杂度值的计算，同时
b)SP EOI NLDBV，指的是与自发事件EOI有关的熵或复杂度值的计算，同时
c)ER EOI NLDBV，指的是与诱发事件EOI有关的熵或复杂度值的计算
此外，诱发反应(ER)EEG监测的信号NLDB分析转化包括：
本发明提供了a)ER SP NLDBV，指的是与一在ER测试例(例如AEP或MMN等)中EOI监测的自发事件有关的熵或复杂度值的计算；同时
b)ER EOI NLDBV，指的是与一在R测试例(例如AEP或MMN等)中EOI监测的诱发反应有关的熵或复杂度值的计算。
自发事件(SE)EOI
本发明提供了自发事件(SE)，事件的确认是通过确认事件的起始和结束(即，从SR起始的点NLDBV SNR超过临界值时，到点NLDBV SNR不再超过临界值或SNR参数时)
NLDBV时刻分类参数
如果“NLDBV时刻分类参数”设置为50％，则任一具有50％的时刻或大于该时刻超过NLDBV SNR或临界值的时刻，将会被分类为一个NLDBV时刻。
大脑精神状态或处理条件确认
-在主体的一系列自愿行为测试中(即，在测试TBI的情况下，主体会被要求用言语表达一个句子，计算一个方程，识别数字，识别图片或其他互动认知测试，这些互动认知测试具有一系列敏感但也非常广泛的方法，能够实现行为和/或大脑的激活反应(包括源定位和/或大脑反应或大脑激活与预诊断参照水平)，例如预测试或睡眠状态或其他状态和/或结合诱发反应同步结果(MMN,奇数球或相关的与认知测试例有关的内源性脑激活))，一个处理步骤可以计算相关性(参见例图84到图94)；
-例如，在一次大脑反应测试中，与应用刺激或思维范例有关，旨在刺激以下任一个或任意组合的神经生理学测试93：
>与复杂思考过程有关的额叶激活；
>与视觉过程有关的枕叶激活
>与触感和疼痛感过程有关的顶叶激活
>与听觉过程有关的颞叶激活
>与“意识切换”将信息从大脑传递到大脑的适当区域有关的丘脑激活；
>与语言产生有关的布罗卡区域激活
>与理解或与主体的听力理解相关的Wernicke区域激活
>与记忆过程有关的海马区域激活
>与恐惧调节有关的杏仁核激活
>与运动和平衡有关的小脑激活
>认知评估测试(CAS)例如(但不限于)CAS系列测试包括任一种或任意组合的计划规模，注意规模，同时性规模和/或连续性规模；94
>针对儿童的考夫曼评估系列；
>神经心理学测试任一种或任意组合种类的包括智力，记忆力，语言，执行能力，视觉空间，老年痴呆特性，和/或系列的评估多种神经心理学功能的测试；93
-其中，“记忆力”功能测试可以包括任一种或任意组合的(但不限于)加州语言学习测试，剑桥前瞻性记忆测试(CAMPROMPT)，记忆评估量表(MAS)，Rey听觉语言学习测试，Rivermead行为记忆测试，记忆和学习测试(TOMAL)，韦氏记忆量表(WMS)，记忆伪装测试(TOMM)；
-其中，“执行能力”测试可以包括任一种或任意组合的(但不限于)执行缺陷综合征行为评估(BADS)，中枢神经系统体征(简称芯电池)，(CPT)，受控口语联想测试(COWAT)，注意力的d2测试，Delis-Kaplan执行功能系统(D-KEFS)，数字警戒测试，图形流畅测试，Halstead类别测试，Hayling和Brixton测试，Kaplan Baycrest神经认知评估(KBNA)，Kaufman短神经心理学评估，起搏听觉串行加法测试(PASAT)，Rey-Osterrieth复合图，Ruff图形流畅性测试，Stroop任务，注意力变量测试(TOVA)，伦敦塔测试，Trailing测试(TMT)或Trails A&B，Wisconsin Card排除测试(WCST)，符号数字模式测试，日常注意力测试(TEA)；
>其中“视觉空间测试”功能测试可以包括任一种或任意组合的(但不限于)时钟测试，Hooper视觉组织任务(VOT)，Rey-Osterrieth复杂图形；和/或
>等。
在一个方法中本发明通过可穿戴设备例如眼镜，防护性的头饰，听觉响应的麦克风，眼睛视频反应或眼睛红外线反射反应，视觉生成屏幕或显示器或视觉监控(即，眼镜，面罩等)实现了视觉互动和/或反应测量；
在一个方法中本发明通过可穿戴的或环境测量设备例如眼镜，防护性的头饰，听觉响应的麦克风实现了听觉互动和/或反应测量；
在一个方法中本发明具有测量一个或多个EEG通道的能力(即，参见图45-图55)；
在一个方法中本发明具有实现任一AEP测试范例的能力，包括不匹配负波，奇数球反应或其他AEP范例；
在一个方法中本发明可以关联并表明一个自愿的(即，视觉测试)主体或强制的(即，ABR)测试例之间联系的值或方法，与相应的大脑激活或改变(即，源定位，相干性，CDR，偶极子等)相对，通常(即，图60-图71和图84-图94)使用例如主体/患者特性或人口数据基础和学习分析方法(即，图75-图80)；例如人工智能或专家系统分析，与此类测试密切相关，目的是为了将主体的认知能功能和大脑功能等同起来；
在一个方法中本发明具有大脑激活能力(即，参见例图84中显示的大脑活动的源定位和参照图86下方面板中显示的电流密度和源定位参数的配置)和/或大脑连通性(即，在图86右上角的“偶极子拟合”部分的偶极子参数配置和图91右上面板的图片示例；或参见图86的相干性配置)和/或基于任一种或任意组合的包括信号动态的分析的响应性(即，NLDB在图94或图74上列面板中的标号为11,15,14的非线性动态分析例；为3个右上方的波形图)或下方面板标示为14的是仅次于右边的下方面板)，光谱(即，参见图71中的神经光谱显示的例子或参见图69中的光谱EEG大脑信号图光谱睡眠显示)，生物标记物和EOI的检测(即，以图69下部面板显示的大脑活动的源定位为例，检测的事件可以在其中下部面板配置中选择，或在图71中显示“健康状况或症状”或“事件”的地方选择)(详见后面od文件的缩写部分)特征是随后为检测和指示检测，连通性分析(包括上述的相干性和/或偶极子分析，以及统计结果，如图85的下方面板中的大脑活动显示的源定位例子，显示了明显的大脑区域之间的弧)(即，两个半球，左半球，右半球，中间线，半球内，半球间等)。
附图说明
图84固定“源类型”与旋转“源定位”
图85平均“诱发”反应或自发事件原始数据波形显示(功能数据)
图86源定位包括对主体/患者特定的EEG信号建模，以及用一种典型MEG大脑模型进行的相关的分析(即，Colin新6八月13BEM(3/3/14/12/10)皮质层(120)3mm)，目的是为了(也可以对任一患者的特定的图像研究建模)分割我们的小脑和脑干。在这个例子中，本发明提供了“头部模型”选项，通过“头部模型”下拉菜单选择“新Colin 7Aug13BEM3/3/14/12/10mm皮质层(120)”。
图87输出结果包括以下结果：睡眠(EV2 3M GM AVE)；研究2；FD，地图，3D视图：bot；COG Obj修剪<50％；CDR Par修剪<43％；最小滞后10ms；100ms最大滞后；CDR转化90％；电极转化90％；；CDR(sLORETA)对象的SRC COH(固定)OFF
图88噪声估计(左)和参数配置选项(右)。
图89电流密度参数设置(左)，源参数定位设置(中间)和适用于电流密度重建(sLORETA)性能调整的源相干性的源相干性(固定)性能调整(右)
图90固定“源类型”与旋转“源定位”，使用相同的参数包括，FD，MAPS，3D视图；底部；前方；相干对象50％修剪；CDR修剪低于76％；最小滞后6.4ms；100ms最大滞后；CDR透明度90％；电极透明度90％；CDR(sLORETA)对象的SRC COH(固定)ON；偶极子(3个固定音乐)对象On；偶极子强度图标激活；
图91基线输出FD，与Manuel研究相一致的3D视图，在昏昏欲睡期间的2昏昏欲睡的3GM平均值，并且被丘脑与枕叶的相干性活动标志。具体地，输出演示来自于表7的配置值，对应于具有3个不同弧的基线偶极子CDR COG
图92噪声估计参数设置和结果(左)，和源相干性(3个固定音乐)属性
图93偶极子(左)，偶极子拟合(中间)和偶极子密度(右)参数配置
图94展示了分裂图的一个例子(模拟数据)，其中较低索引图上的红色箭头在X-轴上有一个箭头，它跟踪平均值的64个通道，并取决于中央光标所在的位置(如上述先前描述的取决于参数面板的ARX或传统的)
专利名称：痴呆/阿尔茨海默症/ASD/ASP
发明内容
(包括神经障碍，例如但不限于痴呆)95
本发明还包括或实现了一种计算机执行方法，包括一种诊断的和/或预后的平台，该平台使用通过一种移动无线连接系统或其他计算机网络连接系统实现在线监测的方法，连接到主体/患者的可穿戴的设备或邻近的生理设备或环境监控设备，该计算机实现的方法包括以下的任一个或任意组合的：
一种计算系统包括具有内存存储功能的一个或多个进程，涉及可以被一个或多个进程执行的一个或多个计算机程序，这一个或多个的计算机程序包括说明书或应用程序，可以实现以下任一个或任意组合的96：
-监测和分析目标确定(图80[8])
-所述预兆或诊断的“事件”或“健康状况”可以是适用于“健康状况或症状”或“事件/EOI”的信号描述或确定(参见在本文后面的缩写表中详细说明的“EOI定义”)
-系统学习和集成智能(图80[14])
自我学习或汇总知识/情报能力的方法(所述方法包括但不限于任一种或任意组合的AI，专家系统，等)
-区分功能分析特征设置分类(图80[8])
最有效分析的测定和表征的方法(例如，与最准确和最可靠的预后或诊断事件或健康状态有关，跨越一系列从简单到复杂的传感器和/或可穿戴的监控设备配置)，
通过(但不限于结合任一种或任意组合的两组判别分析(DFA)来产生规范变量，其中将加权/重点应用至输出的组合(至分析模型)得到的判别变量，可以最有效地区分两个单独的组(感兴趣的生物标志物事件与不感兴趣的背景信号)，其中所述的DFA分析可以由此提供特征的分类和相关的分析因子或适用于对感兴趣的事件或健康状况的预期诊断的类型，并且其中系统的准确性可以随着主体/患者特异性和/或基于研究或相关数据的参考人群数据和/或信息结果的增加而演变或聚合。此外，DFA分析结果的重要性可以通过统计测量展示出来(即，但不限于Wilk的近似λ法，例如但不限于Rao的)。其中，本发明的预兆值可以通过离开-一个-外部的过程并基于所述主体/患者至今所选的或全部的监测会话被估算，显示和/或报道出来，(例如Jackknifing技术)27
-严重认知功能障碍的分类大脑风险(图80[8])
本发明包括以定量的方式预测心理状态特性的能力，例如(但不限于对跨域一系列从轻度到慢性的脑疾病的诊断或预测，包括(但不限于)有危险的大脑，轻度认知障碍(MCI),无序健康状况，例如精神和/或神经行为障碍和/或神经障碍，精神和/或神经行为障碍和/或神经障碍的严重状态，以及超越无序健康状况的认知障碍(即，在“非痴呆认知障碍(CIND)”状况下的痴呆)在主体/患者任何时间下，通过定量有效提取的方法，通过分类因素和/或支持向量机(SVM)分类器和/或向量的方法(交叉验证手段(即，通过例如Monte-Carlo等97分析进行的1000倍或任何数量的折叠统计交叉验证))，分类的方法(适用于“监测目标”，“主体/患者特定个性化信息”，传感器维度冗余减少，监测装置最小化和/或感兴趣的健康状况或事件的最准确和最有效的分析参数或分析变量的确定)实现；
本发明还提供了确定适用的分析变量的方法(即，根据任一种或任意组合的确认最准确和最有效的适用于“监测目标”，“主体/患者特异性的个性化信息”，传感器维冗余减少，监控设备最小化和/或感兴趣的健康状况或事件，患者特异性或相关的感兴趣的生物标志物/事件/感兴趣的健康状况的分析参数或分析变量)，其中所述的方法包括任一种或任意组合的Monte-Carlo交叉验证，JacK-knife技术，和/或机器矢量，传感器复杂度和冗余度减小方法(即如所述的“-降维；-监测传感器配置(图80[6])；监控设备配置(图80[7])；监测的神经参数配置(图80[12])”)；
-本发明还包含或实现了两个或多个EEG(头皮监测的电脑信号)的监测，并且自动部署分析所述信号的方法，以便提高估计产生这种来源的大脑的潜在区域的准确性；
-检伤分类痴呆评估(图80[8])
-一种实现分类痴呆或其他神经退行性或神经障碍能够对跨域一系列从轻度到慢性的脑疾病的诊断或预测进行跟踪，评估，和/或报告的方法，所述脑疾病包括(但不限于)有危险的大脑，轻度认知障碍(MCI),痴呆，严重痴呆和非痴呆认知障碍(CIND)，所述确定痴呆严重程度的方法包括对过程的在线自动分析选项的部署，所述过程为包括临床/消费者评估量表的部署的一个过程，包括临床/消费者测试范例的另一个过程，和/或包括伴随相应的自动分析过程的在线的消费者/患者预后或诊断监测的另一个过程；
-所述自动过程分析可以包括以下任一种或任意组合的(即图76至图80；图45；图69；图71；图75；图45)，
-痴呆特征(图80[8])
-通过识别慢波活动的早发性痴呆EEG表征(即，在δ或θ频段或在这些光谱区域附近)；
-监测额叶(即，通过任一额叶EEG电极位置进行监测，包括任一种或任意组合的(但不限于)Fp1，Fp2，Fpz，AF7，AF8和/或其他脑区域)电极位置以及间歇性节律性δ活动的检测；
-聚集(图80[8])
其中，提高“估计产生这种来源的大脑的潜在区域”准确性的一种方法包括聚类算法的结合，实现对个体/患者/主体的诊断的或预后的信号表征特性。“估计产生这种来源的大脑的潜在区域”的方法可以进一步结合一个过程，其中一个个体监测的生理数据(包括但不限于“光环”条件(在本专利申请文件的其他地方概述))，“感兴趣的事件”和/或“感兴趣的健康状况”的确认可以包括定义或识别(自动地或通过专家或其他口译辅助和/或确认或验证)。
-汇总知识/情报(图80[14])
-如(图77；图78；图79；图80)概述的直观的或汇总的知识/情报，具有自动分析的选项(例如但不限于专家系统分析或人工智能)；
-维度确定
-监控传感器配置(图80[7])
-用于实现预后或诊断监测会话的EEG监控设备(耳机格式或一些可穿戴或可应用的监控设备或传感器系统)。即基于临床研究标准或监测研究所需的消费者便利水平，例如就监测传感器的数量或需要监测的生理通道的范围，或基于所需监测研究的科学或临床特性的复杂性而言的监测的简单性；即图45包括任一种或任意组合的EEG诊断的耳机设备，综合耳机，自动EEG在线监测分析和监控耳机最小化确定，简化的EEG诊断耳机设备，和/或相应的自动分析和相关的确定。
-监控设备配置(图80[7])
-脑电图(EEG)特征或其他神经系统监测系统和/或可穿戴设备和/或/设备神经参数维度的确定和随后的还原与自动分析的选项；
-脑电图(EEG)特征或其他生理监视系统和/或可穿戴设备和/或/设备神经参数维度的确定和随后的还原与自动分析的选项；
-监测的神经参数配置(图80[12])
-脑电图(EEG)其他生理监测神经参数维度的确定和随后的还原与自动分析的选项；
-脑电图(EEG)特征或其他生理监视系统和/或可穿戴设备和/或/设备神经参数维度的确定和随后的还原；
-监测分析功能配置(图80[8])
基于所选的分析参数维度确定的分析或转换或特征或因素和衍生结果的载体，和随后的还原；
-维度降低
-监控传感器配置(图80[6])
-通过关键的监测传感器，监控设备和相关配置，分析类型的分类和适用于感兴趣的事件或感兴趣的健康状况的关键特征表征的相关因素实现监测和分析目标，以此为依据，实现通过避免冗余，不必要或最不相关的传感器的方法对最小脑电图(EEG)监测传感器的确认；(即，耳机格式或一些可穿戴或可应用的监控设备或传感器系统)被需求以达到预定的性能要求(即，在监控传感器的数量或要监测的生理通道的范围的简单性或传感器和/或监控设备的复杂性与简单性)和随后的还原(但不限于图45的示例，包括任一种或任意组合的复杂EEG诊断耳机设备，综合耳机；自动EEG在线监测分析和监控耳机最小化确定，简化EEG诊断耳机设备和/或相应的自动分析和相关测定)
监控设备配置(图80[7])
-最小(EEG)神经监测系统的确定和/或可穿戴设备和/或/设备神经参数维度的确定和随后的还原与自动分析的选项；
-最小其它神经监测系统的确定和/或可穿戴设备和/或/设备神经参数维度的确定和随后的还原与自动分析的选项；
-监测神经参数配置(图80[12])
-最小EEG监测的神经参数维度的确定和随后的还原与自动分析的选项；
-最小其它神经监测参数维度的确定和随后的还原与自动分析的选项；
-监测分析功能配置(图80[12])
-基于所选的分析参数维度确定的最小分析或转化或特征或因素和衍生结果的载体的确定，和随后的还原；
-认知障碍评估与确定
本发明提供了一种评估和确定认知障碍严重性的方法，包括(但不限于)以下任一种或任意组合的利用：
-临床痴呆评分(CDR)量表的利用；
-老年抑郁量表(GDS)；
-缺血指数量表(HIS)；
认知功能结果的评估和确定
本发明提供了一种评估和确定认知功能结果的方法，包括(但不限于)以下任一种或任意组合的利用：
-日常生活的工具性活动(IDAL)；
-日常生活的基本活动(BDAL)；
早期痴呆阶段和/或痴呆严重程度的评估与评价
本发明提供了一种在临床实践中对早期痴呆阶段和/或痴呆严重程度的评估与评价的方法，包括(但不限于)以下任一种或任意组合的利用：
-蒙特利尔认知评估(MoCA)；
-简易精神状态检查(MMSE)；
-修订的Addenbrooke认知检查(ACE-R)；
认知能力评估
本发明提供了一种能够对主体认知能力进行评价的神经心理评估的方法，包括(但不限于)以下任一种或任意组合的利用：
-针对注意和执行功能的连线测试(TMT)；
-针对注意和执行功能的画钟测验(CDT)；
-针对建设实践检验的Rey Osterrieth图副本；
-针对语言测试的语音和语义流畅性标记测试；98
本发明还一种计算机执行方法，其中专家系统或与消费者/患者互动的机器学习能力(即，例如但不限于实施例图45，图75至图80)可以通过评估和/或分类估算和/或数据挖掘进程的方法实现，包括以下任一种或任意组合的：
-规则学习者(或规则归纳)(独立而治之的方法)；
-OneR；
-Ridor；
-PART；
-JRip(撕裂者)；
-决策表；
-结合规则；
-决策树(分而治之；各个击破的方法)
-J48(C4.5)；
-AD树；
-J48；
J48graft；
JRip；
-决策树桩；
-随机树；
-REP树；
-CAD树；
-LAD树；
-BF树；
-简易推车；
-有序类分类器；
-NNge；
-过滤分类器；
-数据挖掘；和/
-归纳算法；
-注意力和焦点跟踪
本发明还实现了可以通过根据反应，注意力或焦点来评估主体或回答者(观众/听众/用户)的方法，实现对感兴趣的事件或健康状况的严重性临床或数据诊断评估，范围跨越从轻微到慢性的损害，包括认知障碍；
所述方法可以包括(举例但不限于)在计算机显示屏幕上显示任一音频视频序列，同时记录观众的视觉和/或其它感官反应，根据以下任一个或任意组合的：
--表征主体的眼睛焦点，主体的眼睛注视参数与基于显示的音频或视频的实际关联性或相关性的方法，所述方法包括任一种或任意组合的包括面部，眼睛，眼睑，头部，身体，瞳孔和/或注视的感兴趣的事件或分析的方法；
--通过跟踪他们的头部运动或头部位置或观察者的相关反应参数与基于显示的音频或视频的实际关联性或相关性的途径表征主体的注意力或焦点的方法，所述方法包括任一种或任意组合的包括面部，眼睛，眼睑，头部，身体，瞳孔和/或注视的感兴趣的事件或分析的方法；
--每个eLifeCHEST/eLifeSCOPE和/或ElifeALERT部分的方法
-通过跟踪他们的眨眼或相关反应参数与基于显示的音频或视频的实际关联性或相关性的途径表征主体的注意力或焦点的方法，所述方法包括任一种或任意组合的包括面部，眼睛，眼睑，头部，身体，瞳孔和/或注视的感兴趣的事件或分析的方法，如eLifeALERT专利描述部分中进一步概述的；这里的x-链接到睡眠听诊器ElifeALERT专利部分；
--通过跟踪他们的身体运动或身体位置或相关反应参数与基于显示的音频或视频的实际关联性或相关性的途径表征主体的注意力或焦点的方法，所述方法包括任一种或任意组合的包括面部，眼睛，眼睑，头部，身体，瞳孔和/或注视的感兴趣的事件或分析的方法，如eLifeALERT专利描述部分中进一步概述的；这里的x-链接到睡眠听诊器ElifeALERT专利部分；
--表征一个主体的AEP反应与基于显示的音频或视频的实际关联性或相关性的方法，所述方法包括任一种或任意组合的(即例如任一种或任意组合的但不限于MMN，奇异球，对视听演示中的声音的大脑反应和/或，也例如本文子标题下包括“图46至图55；和/或图39至图43”所概述的)；
-表征一个主体的交互式用户界面与基于显示的音频或视频的实际关联性或相关性的方法，所述方法包括任一种或任意组合的手势，触摸屏界面，按钮激活，手指或任何其它身体肢体指向或响应，开关激活和其它操作界面方法；
--播放视听录像(二维或三维)和/或视频会议的方法，或其它交互式沟通方法，以及检查主体/个体的反应的方法，所述反应可以是眼球运动，检查反应的方法可以是通过视频和/或拍摄的方法(即图39至图43；图98至图99)，根据所述视听录像或视频会议的响应或同步，具有比较或对比的选项(即图77至图79)，这种对群体数据库的回应是为了在正常和异常的结果方面进行比较和对比；
--本发明进一步包括或实现了在主体的能力或焦点的范围，集中度，警觉性，认知参与能力，所述事件的正常特征的情况下(基于控制主体数据库，或结果和/或大脑风险，轻度认知障碍，中度认知障碍，主体的信息或生理/认知数据参考的严重认知功能障碍人群)，对于任一种或任意组合的例如主体的眼睛，瞳孔，眼睑，闭眼，眨眼，头部，眼睛注视，眼睛注意力，和/或AEP反应事件的视觉处理(例如但不限于在线MMN P300或其它EP响应作为注意力或警觉性的测量)。
--凭借眼睛或注视反应或其它结果(即图39至图43；图98至图99)得到的预诊断数据与任一认知测试(每个eLifeALERT部分)的特征
--对显示的信息进行观众反应的视觉评估
本发明实现了对显示的信息进行观众反应的视觉评估的方法，此方法包括以下任一个或任意组合的：
--提供一种通过计算机系统显示器(即，计算机平板电脑，无线移动设备，PC等)结合一个相机(即，内置于设备中或单独的)，从而实现用视频或幻灯片序列记录主体/观看者反应(根据观看者在(仅作为举例)多动或分心或平静的焦点时的面部反应，对显示视频的眨眼，身体反应)的方法。
--提供一种对观看者的关于视听显示器的响应或互动或行为特征(例如但不限于主体的眼睛，瞳孔，眼睑，闭眼，眨眼，头部，眼睛注视，眼睛注意力和/或AEP响应)的评估的方法。
--提供在音频或视频刺激或幻灯片序列与观看者的记录的音频和/或视频之间达到时间同步的方法(这些方法可以包括但不限于上述方法)。
--提供了另外的确定主体在注意力或焦点方面的表现结果的评估方法，因为它涉及到本发明的音频或视觉刺激序列(即，所述方法可以包括但不限于创建代表主体的观看行为，反应，位置或方向变化，观看区域等的视觉，图形(即，比如在一段时间内，一幅热图显示更大的强度，在那里目光或主体的焦点是最常见的)，统计数字(例如数字直方图展示主体的视觉或听觉或其它感官)或图形概述。基于主体的目光，眼睛方向，脸部方向，脸部运动，头部方向，头部运动，身体方向，身体运动，头部方向，头部运动，在任何时间点以及对应于视听序列。然后可以将这些结果与具有相似结果和统计度量的群体数据库进行比较，用来确认主体是否与显而易见的脑风险人群，轻度认知损伤人群，严重认知损伤人群或慢性认知障碍群组相关联，仅作为举例)，该音频或视觉刺激序列的评估任一主体反应或身体移动或面部反应或头部位置或眼睛位置或眼睛运动或眼睑运动或开眼状态之间关联的音频或视觉刺激序列，因为它涉及到在任何时间点的本发明的音频生成或显示。
--本发明提供了一种实现所显示的视频或音频可以与观看者的响应时间对其或时间同步的方法，目的是为了创建与每个评估对象相关联的比较注意力或注意力缺陷。
--提供一种跟踪眼睛凝视或焦点的方法，因为它涉及到显示的视频和映射视觉焦点或注视投影，即通过跟踪每个个体观看显示的视频的参与度或响应度的方法(即依据屏幕活动或视觉运动区域与主体经历和/或反应和/或相互作用和/或其它影响因素之间的相关或关联，包括但不限于，瞳孔变化，瞳孔注视方向，头部投影，身体运动或定位，身体或眼睛，或眼睑或面部或眼球或EOG或其它肢体运动震颤，急动，节奏稳定，平静，焦虑，紧张和或其它特征，与正常，低脑风险，轻度受损，严重受损或长期受损的脑疾病/影响/疾病和/或其它感兴趣的事件或感兴趣的健康状况相比较，实现了对主体反应的确定和适应。)
--维度和分析变量确定：
包括任一个或任意组合的传感器，监测，分析变换，广域，超集和子集(最小化维度，冗余消除和最终主体/患者特异性分析变量计算)变量确定，基于混合自动预后/诊断结果(HAPDO)的分析确定(图80[9；10；11；12])-
-本发明提供了一种计算机实现的方法，它可以实现对主体额的任何监测，诊断和/或预后，所述计算机实现的方法包括至少一个处理器，至少一个的计算机程序包括以下计算机指令：
-基于混合自动预后/诊断结果(HAPDO)的分析确定；
-基于混合自动预后/诊断结果(HAPDO)的分析确定包括至少一个任一或任意组合的生理和/或环境传感器；生理和/或环境传感器监测，生理和/或环境参数监测，生理和/或情境分析转换，包括任一个或任意组合的监测的参数来产生分析因子和/或分析特征和/或分析载体，病症/疾病特异性分析参数超集(DAPS)的分类。
-关于主体的至少两个或多个生理的和/或2个或多个精神状态和/或心理状态和/或行为状态的分析因子的参数和/或特征和/或载体(其中第一个状态可以被定义为正常，第二个状态可以被定义为患病和/或无序和/或受损和/或感兴趣的事件和/或感兴趣的健康状况)
-本基于混合自动预后/诊断结果(HAPDO)的分析发明还包括确定所选DAPS的方法，包括对分析参数的最有效或最适合的最大组合。所述DAPS包括分析类型和相关联的变量，配置和/或调整参数(即，分析变量)，依照以下这些因素，包括(但不限于)，任一个或任意组合的：1)“监测和分析目标确定”(在本专利申请文件的标题下方其它地方进一步详细说明)。
一种确定这种“选择的分析转换格式，类型和相关配置或参数”的方法，可以是通过矩阵或查找表格式或关系数据库的方法，该方法配置列有一系列具有潜在的预后或诊断的疾病或健康状况的一个栏位，具有最有效或相关的(基于正常临床数据和/或患者信息的病人专用数据库，和/或疾病/异常临床数据和/或患者信息的病人专用数据库，和/或正常和疾病/异常参考临床数据和/或患者信息群体数据库。
-分析参数的分类和确定(图80[8])
47
本发明提供了一种整合信息的方法(即，从广泛的监测信息转变成适用于主体/患者的知识)，该方法适用于对主体/患者的诊断和/或预后的“分析参数”的最有效和最精确的监测的确定，该“分析参数”(如本专利文件其它地方所述)(见图78)适用于与主体/患者特定的感兴趣的事件或感兴趣的健康状况有关的包括以下任一种或任意组合的分析过程，包括：
表征监视信号的周期或段的方法，(但不限于脑电图(EEG))，提供了监测数据(信号)的最准确的段或周期，适用于早发“光环”，“前体”和/或感兴趣的事件或感兴趣的健康后遗症(即，任一种或任意组合的(但不限于)状况；紊乱；功能障碍；认知障碍；和/或感兴趣的行为障碍；神经系统疾病，肌肉疾病，神经障碍；运动障碍精神障碍和/或心理障碍)；
-信号监控设备类型/配置/设备维度的数量；基于最大灵敏度，特异性，最小假错误和假阳性的最小化的分析变量冗余消除
其中表征或分类监视信号的周期或段的方法，包括任一种或任意组合的有质量或有效的特征提取方法，例如包括在维度预处理之前的预处理；
-分类技术(图80[8])
其中表征或分类监视信号的周期或段的方法，包括任一种或任意组合的人工智能和专家系统分析(见图77)方法，交叉验证方法(例如但不限于图77；图78)，或(仅作为举例)对离散小波包变换(DWPT)的最大的Lyapunov指数的确定的方法，和/或其它有质量或有效的特征提取方法，例如支持向量机(SVM)分类器和/或线性判别分析(LDA)技术(例如但不限于图77；图78；图80)；
-从信息到知识数据库的转变(图80[14])
这些患者特异性数据库参考，群体正常数据库参考，群体疾病/病症数据库参考的事件的数据库可以通过以下方法被建立：任一种或任意组合的专家系统/智能分析的方法(例如但不限于图78；图80)，整合知识的方法(例如但不限于图78；图80)，判别函数分析(例如但不限于图80)，线性鉴别分析(LDA)(例如但不限于图80)，支持向量机(SVM)分析(例如但不限于图80)和/或离散小波包变换(DWPT)的最大Lyapunov指数，和/或维度最小化/冗余减少((例如但不限于图80)。
-AEP，EEG，广范围的生理传感器，监测，相关分析变量(图80[9])
-其中的“传感器监测”可以包括任一种或任意组合的EEG电极传感器；
-其中的生理“参数监测”可以包括任一种或任意组合的持续性EEG和/或听觉诱发电位(AEP)监测；
其中“分析变量”可以包括(但不限于)任一种或任意组合的熵(包括近似熵，Shannon’s，小波熵等)，复杂度，光谱分析(包括功率比任一个或任意两个或多个组合的频谱带，双谱指数，FFT和相关输出小波等)，统计信号分析(即，但不限于峰度，偏度)，混沌，形态，基于模糊决策树的选择程序，和/或小波变换信号分析，相干性，源定位，源分割，统计弧，和其它计算源定位脑活动确定，事件或感兴趣的事件的检测，通过在EEG记录中的突然发作的前兆的方法，包括在当地领域(EEG)电位上自适应Weiner算法的部署；
在使用一个相同EEG信号的参考片段的连续EEG信号段上的使用基于小波的方法进行相似性分析的分析转化，颅内EEG分析的非线性过程的利用，监测的EEG信号的Lyapunov指数(LE)的变化的确定，时空EEG动态的研究，能量和EEG信号小波变换结果的结合，支持向量机(SVM)和EEG颅内信号的卷积网络的使用，以及EEG信号的相应自动回归(AR)模型的SVM分类器用法，结合任一种或任意组合的本专利中其它地方详述的分析类型(包括但不限于举例如(例如但不限于图77；图78；图80))，和/或这篇文的其它进一步详述，如健康神经和/或睡眠听诊器和/或如下概述的分析子标题；47矢量分析示例
-数据质量，降噪处理分析(图80[4])
本发明提供了一种方法(在人为现象，去噪的下方，或针对于处理背景或不需要的信号的其它部分有描述)，或分割监控数据和/或测量或评估监控数据的质量，在一定程度上，依据对本发明的性能的不利的影响，其中的对本发明的诊断或预后的准确性产生混淆或不利影响的信号可以被标记和/或根除和/或减少；
-其中适用于精度分析的信号质量可以包括任一种或任意组合的(但不限于)关于信噪比(SNR)的估计值的估算的噪声水平的确定(即，目的是为了创建临界值和可接受的信号质量范围，适用于可接受的或必须的精度分析，用于对最终的感兴趣的事件或感兴趣的健康状况的可接受的监测和相关分析变量的确定)：
--传感器加权；
--置信域；
--正则偶极；
--正则偶极扫描和/或
--电流密度重建；
-统计分析能力评估确定(SAPD)实现了超集和最小分析变量集/特征/载体和/或感兴趣的事件和健康状况和/或诊断或预后知识参考数据库(图80[13])
-统计分析能力评估确定(SAPD)实现了超级分析变量可以基于综合情报(图78)被确定。其中综合情报是指一大套传感器，监控设备或配置或可穿戴设备的确定，以及基于许多因素的相关联的分析变量，其中许多因素例如(包括但不限于)以下任一种或任意组合的：
ο阻止发明监控目标的用户或专家选择；
ο用户或专家选择的最大监控设备配置；
ο首选监控方法的用户或专家选择(SPMA)。即可以被制定一系列的初始的优先患者的穿戴式格式，传感器配置，监测传感器目标，生理监测目标，适用于初始更多的复杂广泛的调查性诊断监测(CIDM)合集与子集(即维度冗余减少)减少复杂性诊断监测(RCDM)合集(见图45)。
ο整合患者特异性知识。即基于患者特异性诊断监测结果，患者信息，患者记录，患者医生或患者专家输入信息(包括感兴趣的事件或健康状况的验证，或诊断或疾病的相关诊断或兴趣(即，对本发明范围界定或制定监测目标))；
ο整合基于群体的知识，即，基于群体规范和疾病临床数据和临床数据分析变量结果(即，基于特定的障碍或感兴趣的事件或健康状况诊断与预后)；
ο通过一系列监测和分析组合(即，监视参数，监视设备，监视设备配置和/或生理目标)，实现对连续分析，检查，更新对于一系列最复杂选项的最适用的分析变量的确定(即，CIDM)，适用于监测目标
ο任一种或任意组合的统计SAPD或其它分析方法的合并，包括(但不限于)多元逻辑回归，双变量相关性，接收者操作曲线的确定和分类计算，参照拟合优度准则，智能或专家系统确定(例如但不限于图77；图78；图80)，最小化确定(例如但不限于图77；图78；图80)；DFA，LDA，SVM，DWPT，交叉验证；熵，复杂度，光谱，统计信号分析，混沌，形态，基于模糊决策树的选择过程，和/或小波变换信号分析，相干性，源定位，源分割，统计弧和其它计算源定位脑活动确定；概率确定(包括但不限于Pk测量)，标准差(SD)测量；假阳性检出率；假阴性检测率(例如但不限于图77；图78；图80)；
ο通过数据维度最小化EEG，实现对最好的最大范围的模型的确定(即，基于与监控目标相关的传感器和分析冗余地减少)和/或其它生理参数监测和/或其它最小分析变量模型(即RCDM)。
33
本发明提供了任一个或任意组合的诊断，预后监测或相关的分析或以下任一种或任意组合的健康管理：
-其中预后或诊断的“感兴趣的事件”或“感兴趣的健康状况”可以是适用于“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”的信号表征和/或确定(参见本文后面的缩写表中的详述的“EOI定义”)
附图说明
图78预后和诊断知识数据库[6；7；8；9；10；11；12]，基于通过互联网/网络连接的[3]专家和主体/患者适用的信息源[1；4]对系统智能的转变[2；5]和汇总；
对患者监测的信息和其它患者(即记录等)信息[4]和专家信息[1]的当前的健康管理系统(HMS)发明的汇总的组合(例如适用于特定主体/患者的监测目标的感兴趣的事件或健康状况的验证)，可通过网络/互联网/LAN/WAN[3]进行访问。
数据库，专家和患者信息和/或临床数据的组合，可以实现最优预测模块[5](分析变量)和诊断模块[2](分析变量)的确定。
汇总信息(可以被转变为相关知识(图77；图78；图79))被存储和检索在相应的主体/患者特异性规范临床/消费者监控数据库[6]，主体/患者特异性疾病/病症/健康状况临床/消费者监测数据库[7]，主体/患者特异性规范与疾病/病症/健康状况临床/消费者信息数据库[8]，群体规范临床/消费者监控数据库[9]，群体疾病/病症/健康状况临床/消费者监测数据库[10]，群体规范与疾病/病症/健康状况临床/消费者信息数据库[11]中。
[12]数据库包括主体/患者特异性的和通用的或基于群体的具有相关分析变量的(即，图77到图80)疾病/障碍组)监控算法，以及基于演变成专家系统/人工智能过渡的优化的监控模式(即，从信息到基于知识的适用于广泛的数据挖掘，主体/患者特异性监测目标的分析变量，和适用于感兴趣的事件和健康状况的范围从最佳最小到完全的分析变量模型)。
本发明HMS系统的“监控目标”，随后的监测传感器维度冗余减少，和使用监控信号特征提取和相关“分析变量”确定(例如但不限于任一种或任意组合的专家系统或人工智能技术(图77))方法的“分析变量”“最小化”，都具有发展或不断提高健康监测和管理的准确性和有效性的能力。
最优信号特征集的“分类”或有来自广泛基础(每个对适用于人类疾病或障碍或其它心理，生理或精神状况的风险，轻度损伤或慢性状态的远程/基于Web的数据库和信息源的整体数据挖掘能力)的“分析变量”(即，包括任一种或任意组合的，但不限于，DFA，LDA，SVM，DWPT)的方法。
图79健康管理系统(HMS)信息到知识的转化方法。
本发明实施例包括一个健康管理系统，自动合并直观(即AI或专家系统)和汇总的信息，和/或具有专家援助信息可以转化为知识来支持消费者/患者特异性早发至轻度障碍和/或慢性诊断和预后健康跟踪，报告，警报，健康数据挖掘和最终增强的患者健康结果的功能。
图80包含任一个或任意组合的监控目标的个性化的主体/患者健康管理系统(HMS)[1]。
个性化的主体/患者特异性健康管理系统(HMS)[1]
本发明提供了任一种或任意组合的诊断，预后监测的或相关的分析或适用于健康后遗症(参见“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”(参见在本文后面的缩写表中详述的“EOI定义”))的健康管理，本发明还包括了任一种或任意组合的(但不限于)；
结合监测目标[2]。
-本发明还包括确定预后或诊断“感兴趣的事件”或“感兴趣的健康状况”的能力可以是适用于“感兴趣的健康状况或症状”或“感兴趣的事件/EOI”的信号表征和/或确定(参见在本文后面的缩写表中详述的“EOI定义”)
-这些目标可以由主体/用户定义，或可以为卫生工作者或其它护理人员提供帮助(即，“选择加入”)；
数据采集监控[3]
-本发明还包括数据采集监控，包括监控主体的生理变量和/或环境状况[3]；
人为假象消除[4]。
-本发明还包括人为假象和/或噪声或背景信号污染的确定和相关的减少和消除[4]。
维度和冗余减少或信号确定的最小化[5]。
-一般的生理维度最小化或更具体的维度最小化可以被部署。例如，在如通过麦克风的打鼾伴随窒息呼吸声的睡眠相关呼吸障碍的情况下，以及能够确认呼吸声停止的窒息检测，可以被适当地部署，同时也可以为个人提供最精简但有效的监测和跟踪解决方案。
在维度最小化的另一个更具体的例子中，依照确定监测和跟踪特定神经系统疾病所需的基本EEG位置(例如局限于特定个体的癫痫监测，可以涉及一个部署主成分分析(PCA)的预处理技术和ICA分析步骤。例如，(在本文的其它地方详述的每部分题目：“自闭症谱系障碍(asd)”)aspergers(asp)；诵读困难；)，一个包含部署PCA的进程可以被应用于第一个位置来识别具有较高SNR的信号，随后是独立成分分析(ICA)，作为提高神经源局部二极体定位(维度)确定和/或相干性测定的准确性的方法。
监测传感器维度最小化[6]
监测传感器要求确定-即维度最小化和冗余[6]。
本发明可以确定生理监测参数的要求，例如以下任一种或任意组合的(但不限于)：
-从一个或多个同时记录的AEP生理通道监测的ER参数(包括对注意力测量的内联MMN)；
-从一个或多个同时记录的疼痛临界值(即，热探针等)或电刺激电极测量监测的体感(SSEP)参数；
-从一个或多个同时记录的EEG通道监测的EEG参数；
-其它生理参数监测选项；
对一系列最小的传感器和监控模型以及相应的分析参数的确定(也可见监控最小化)
-也可见改进CDR和偶极定位/维度
-即，在传感器比可用的源信号更多的情况下，一种被设计用于提高CDR盲源分离问题的技术是用来进行一个两阶段的处理，包括第一阶段的应用主成分分析(PCA)，和之后的独立成分分析(ICA)的应用；；
-这里的PCA分析的应用的阶段，是用来增加后续ICA阶段的输入SNR，从而降低传感器的维度
-在这种方法中，ICA阶段是用来将剩余的复合信号分离为各自独立的组成部分
-即，在进一步将感兴趣的信号的数量指定为ICA过程数据最小化的一部分之前，在一个更确定的空间内，在第一个地方使用PCA将信号与>1SNR分离。
监控设备维度最小化[7]
基于监测参数，传感器和/或相关联的监控设备和/或环境传感器(即，空气质量或花粉等。基于可能的哮喘或其它相关的呼吸障碍的确定的污染监测)设备[7]的监控设备维度最小化。
本发明使监控设备能够被确定和/或配置，包括可穿戴的消费者(eLifeMEDICS)或专业的(eHealthMEDICS)或附近的监控传感器或生理监测系统，包括(但不限于)任一个或任意组合的：
-eLife神经；eLife神经/癫痫；自闭症谱系障碍(asd)；阿斯伯格(asp)；诵读困难；痴呆/阿尔茨海默氏症；som契合；elife表；elife芽；elife盒；多点时间同步监测(MTM)系统；elife睡眠；elife胸/elife范围(体操胸带)；自适应生理体网络(APM)和NAS网关；elife带(移动设备和集成传感器臂带)；elife多普勒；elife脉冲；生命运动；和/或elife警报；
分析分类[8]
本发明提供了任一种或任意组合的分析分类技术，能够根据检测感兴趣的事件或感兴趣的健康状况来确定最高概率，通过创建一系列从最简单(最小模型)到更复杂模型(即完整模型)的算法模型的方法，以分类和排列能够实现需求(即，例如但不限于被指定为健康管理(HMS)系统的“主体/患者个性化信息”(根据图80[1])“监测目标”(根据图80[2])的部分)的分析类型和变量为依据，本发明还包括以下任一种或任意组合的：
-从信息向知识数据库转变(图80[14])
-基于患者特异性数据库参考，群体正常数据库参考，群体疾病/病态数据库参考的时间的数据库的比较分析，可以通过任一种或任意组合的专家系统/智能分析(例如但不限于图77；图78；图80；图79)的方法被创建；；汇总知识(例如但不限于图77；图78；图80；图79)；
-交叉验证方法(例如但不限于图77；图78；图80；图79)；
-判别函数分析(DFA)(例如但不限于图77；图78；图80；图79)；
-线性鉴别分析(LDA)(例如但不限于图77；图78；图80；图79)；
-支持向量机(SVM)分析(例如但不限于图77；图78；图80；图79)；
-离散小波包变换(DWPT)的最大Lyapunov指数；
-维度最小化/冗余减少(例如但不限于图77；图78；图80；图79)；
-聚类分析-在本专利申请文件的其它地方进一步概述(例如但不限于图77；图78；图80；图79)
-数据挖掘-在本专利申请的其它地方进一步概述(例如但不限于图77；图78；图80；图79)；
基于广泛的监测分析变量确定[9]。
本发明提供了任一种或任意组合的分析类型和变量(即，分析参数配置)，具有在检测“感兴趣的事件或感兴趣的健康状况”方面确定最高概率的能力，适用于创建一系列从最简单(最小模型)到更复杂模型(即完整模型)的算法模型，以分类和排列能够实现需求(即，例如但不限于被指定为健康管理(HMS)系统的“主体/患者个性化信息”(根据图80[1])“监测目标”(根据图80[2])的部分)的分析类型和变量为依据，本发明还包括任一种或任意组合的本文中展示的分析类型或相关的图形和描述：
基于广泛的通用分析类[9]
本发明提供了基于广泛的分析类型和变量，包括任一种或任意组合的随机和/或静止和/或线性和/或确定性和/或非固定和/或非线性的光谱分析变量，和/或；
本发明提供了基于广泛的分析类型和变量，包括任一种或任意组合的随机和/或静止和/或线性和/或确定性和/或非固定和/或非线性的模式识别分析变量，和/或；
本发明提供了基于广泛的分析类型和变量，包括任一种或任意组合的随机和/或静止和/或线性和/或确定性和/或非固定和/或非线性的Wigner变换分析的动态分析变量，和/或；
本发明提供了基于广泛的分析类型和变量，包括任一种或任意组合的随机和/或静止和/或线性和/或确定性和/或非固定和/或非线性的小波分解分析的动态分析变量；
本发明提供了基于广泛的分析类型和变量，包括任一种或任意组合的随机和/或静止和/或线性和/或确定性和/或非固定和/或非线性的相干分解分析的动态分析变量；
-随机光谱分析包括任一种或任意组合的随机，平稳，线性，非线性(包括非线性动态分析)类型；
-确定性的光谱分析包括任一种或任意组合的固定，线性，非线性包括非线性动态分析)类型；
-离线或在线学习和持续的算法改进过程；
[10]超集主体/患者特异性监测和健康跟踪算法模型
大量生物标志物和感兴趣的事件被根据监测目标用各种分析类型进行检查，以确保相关健康状况得以检测。另外，分析变量的超集在最小化的监控配置确定之前提供了一个更广泛的范围或复杂的监测条件，使之更适用于日常或消费者层面的监控(即图45)。
-可以是基于预定义的感兴趣的事件或健康状况；即，针对麻醉监测-基本统计，光谱，复杂度，熵，混沌和形态信号分析，信号分析。AEP分析如小波变换，基于模糊决策树的选择程序。
-可以是基于对感兴趣的事件或健康状况的广泛的在线或离线数据挖掘。
基于感兴趣的事件或健康状况的分析超集选项，适用于预后和/或诊断前体或事件，适用于被患者特定的消费者自理登记(即，通过消费者/患者或保健人员或专家根据个人的病史或要求)或配置的目标，或专业的保健要求，或感兴趣的事件或健康状况
另外，这种分析超集可以通过临床或消费者的目的或应用来设定，(即，麻醉，健康，健身，睡眠，癫痫，TBI，痴呆症，帕金森病，阿尔茨海默病，自闭症谱系障碍，诵读困难，ADHD，生理或心理或病理过渡，监测参数开放数据挖掘健康状况跟踪或广泛关注的事件(即，选择疾病发作或可能的紧急情况以便尽早进行干预)。即，对于痴呆的脑电源定位(例如但不限于)电流密度重建分析，然后是源重建模型(例如但不限于包括分布式和本地源的任何两种不同类型的源模型(即，分布式源可以使用电流密度法找到，同时本地源可以通过偶极拟合分析计算出。此外，本发明提供了一系列不同的源模型，它们可以被部署来实现对源的性质做出不同的假设，其中，通常地，假设这些所述的源是小的，(sLORETA，MinimumNorm，SWARM，eLORETA，Lp Norm，L1Norm，)或与它们相邻的大脑信号强度相近(sLORETA)。此外，本发明还以提供一种或更多种的或任意组合的模型，以便于达到最好的适用于感兴趣的健康状况或事件的统计性能结果，基于复杂性或最小化(即“CIDM至RCDM选项”)和/或适用于期望监控格式和/或“分析变量”或应用程序(即“监控目标”)的监测维度。
即为了识别感兴趣的脑激活区域，适用于患者特异性诊断(“监测目标”)结果或疾病数据库或规范比较数据库)，在适用于感兴趣的疾病的特定区域，(即，相干性分析(即，为了识别感兴趣的脑连通性，例如(但不限于)皮质皮层或典型的痴呆皮层皮质下连接)激活或互联，EEG频率减缓区域，适用于患者特异性诊断结果或疾病数据库或规范比较数据库)，和/或非线性动态分析(即，通过分析减少作为不同的信号复杂度，例如但不限于以下分析：熵，多尺度熵，复杂度分析，第一Lyapunov指数(L1)，分形维数(FD)，过零间隔(ZCI)，Hojorth-Index等。)为常规线性方法提供附加方法(如光谱，Lempel-Ziv复杂度和/或中心趋势测量，向量分析47；
[11]子集主体/患者特异性监测和健康跟踪算法模型
子集算法模型是指特定分析类型的确定，相关参数配置，以及相关的生理变量和相关的监测传感器或传感器位置，适用于针对每个特定人员的最感兴趣的健康状况管理。
基于主体/患者特异性要求的专家输入，监测目标，信号维度和冗余减少，监控配置，分析分类的分析变量确定[12]
对于从复杂到最简单的监控配置算法模型的最新的分析变体范围[12]。
通过汇总信息和自学过程的方法(即，例如知识库的不断完善，如图77A)
通过比较专家评分或分析的方法，该方法是通过相干性分析结果协助本发明自动监测分析的微调来实现，目的是为了基于不断的信息聚合，结合连续的监测研究，增强预后和诊断结果来不断地改进推理工具翻译器的结果，如图77[D]。通过这种方法，本发明可以继续评估最有效的过程，能够对每个独立的个人以及他们的相关的“感兴趣的健康状况或症状”或“感兴趣的事件”有准确的预后和诊断结果(即，参见本文后面缩写部分的定义)。
统计性能评估确定[13]
分析统计
-统计分析包括双变量相关，多变量逻辑回归，分类计算，参照拟合优度准则和接收机工作曲线的测定。
排列和回归建模
-回归模型的排列，接着是结合了1,000倍的统计交叉验证的交叉验证，可以使用Monte Carlo技术实施，然后是基于专家用户的确定最佳预测模型的程序，和/或基于适用的诊断或预后的障碍/疾病的验证感兴趣的事件或健康状况的专家系统，使用最小和最全模型的概率。
专家系统和/或仿真分析确定[14]
-所述“感兴趣的事件或感兴趣的健康状况”可以包括“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(参见本文后面的缩写表中详述的“EOI定义”)
-任一种或任意组合的(但不限于)信号表征和/或确定，适用于任一种或任意组合的生理或心理或病理转变或“健康状况或感兴趣的症状”或“感兴趣的事件/EOI”(参见本文后面的缩写表中详述的“EOI定义”)；
从复杂到最简单的监控算法模型的统计性能评估[13]
统计性能评估作为一种创建从复杂到最简单范围的监控配置算法模型以及相关的监控设备配置，监控参数和相关的分析变量的性能评估的方法[13]。
专家系统和/或人工智能测定[14]。
专家系统和/或人工智能测定作为一种汇总各种信息输入的方法，目的是为了通过数据专家交叉验证，主体/患者获取的数据和/或环境传感器监测，数据库和其它来源(即，环境，天气，健康，疾病中心，WTO，和其它适用于主体/患者健康或福利的独立报告)的组合，实现持续的算法审查，分析和改进[14]。
本发明包括一种可以实现专家系统或人工智能的方法，所述方法包括检查对象/患者个性化信息，以及分析变量的统计性能结果[13]的能力[1]，用于监测最简单到更复杂模型的算法模型[12]。如图78所示，基于对系统智能的转变[2；5]和汇总，通过互联网/网络连接[3]的专家和主体/患者适用的信息来源[1；4]，预后和诊断知识数据库[6；7；8]通过增加的知识被创建和发展。
本发明还实现了对每个监测分析算法(范围从最小到全模型)的分析变量的微调和持续改进，基于不断评估和重新评估模型，参见图80块[1]到[14]。
●权利要求-痴呆/阿尔茨海默病/ASD/ASP-参考摘要，说明书，图，适用的权利要求部分或随后的分案申请。
●标题：神经认知管理系统
●背景神经认知管理系统
●大脑连通性序列测定
本发明提供了改变这些连接参数以及这些参数灵敏度的方法，可以在任一相关时刻，在某种程度上梳理细微的进程或粗糙的连接(即，其中一个相关时刻可以涉及事件相关的任务或刺激)(即，蝶形图的平均偏差或ERP信号或视听或相关行为认知任务挑战)。通过这种方法，本发明可以提供一个阶梯或连接顺序，包括刺激前或事件期(基线)直到刺激或事件发作，直到刺激或事件期结束，直到后刺激或事件期。
通过这种方法，偶极子的自动提取(参见示例性实施方法的描述)包括了从监测主体(图100，BOX C)到响应处理(图85；图88；图89；(图100，BOX D)，对事件和/或感兴趣的事件/EOI的特殊响应或内在处理(见术语表)和/或MIND ER(见术语表)(图100，BOX F，G，H)的过程；过程包括了头部建模(图86)，源重建(图84，图86)，建模头部的分割(图86)；源重建(SRC；图87)相干连通性(图87；图90)和/或偶极分析(图91；图92；图93)；以及相关的地形学，PCA和/或ICA结果或相关图(图94，左下图)，源重建图像视图(图94，右下图)，源重建图像的蝶形图视图(图94，右上角面板)，NLDB(熵)AEP/ER脑激活分析和/或AEP/ER差异脑激活和/或综合AEP/ER脑激活分析和/或AEP/ER潜伏期时间窗口分析(图94，中心左图-即光标可以定义开始，结束和峰值的脑激活期，用于源重建和/或相干性连接和/或偶极子建模输出)相干性ARC连接视觉效果(图94，左上图)或相干性ARC连接统计输出(图95，下图)。
此外，本发明可以聚集健康信息，使用诸如专家系统或人造智能之类的过程(图78；图77)以及组合这些聚集的信息(图79)，跨规范数据库或患者特定数据库，利用微调和/或诊断过程的自学(图100，BOX I；图77)，以便产生一种比较任何患者特异性数据与指定数据库(图78)的方法，从而实现在线比较的诊断或预后结果(图78)(即“医疗跟踪的Shazam”)。
本发明能够通过这些所述的“大脑分析信号处理与方法”(即，监控对象，响应处理，源重建，分割，相干性分析，NLDB处理，偶极子建模等)和方法，分析认知状态，检查认知行为水平，检查认知障碍水平，分析意识深度的转变或程度，检查精神和/或心理和/或睡意(即，昏睡对象的例子，参见图67)和/或睡眠和/或觉醒状态和/或意识状态变化(即，例如意识监测(参见图94，中心左面板-即光标可以定义开始，结束和峰值的脑激活期，用于源重建和/或相干性连接和/或偶极子建模输出))，在任一种或任意组合的特殊认知处理和连接过程(参见图100，BOX I)的上下文中，包括认知处理测序器(CPS)(见本文件其它部分的术语说明)；[34]认知编码系统(ccs)(见本文件其它部分的术语说明)；[35]认知处理测序器(CPS)(CPS)和/或分层神经病学处理(HNP)过程和/或认知编码系统(CCS)的神经学模拟建模(NSM)(见本文件其它部分的术语说明),[36]分析选项可作为任一种或任意组合的aep，erp和/或分析格式，和/或[22]多维大脑分析的部分。
本发明能够通过这些所述的“大脑分析信号处理与方法”的方法，分析认知状态，检查认知功能水平，检查认知障碍的水平，分析意识深度的转变或程度，检查精神和/或心理和/或睡意(即，昏睡对象的例子，参见图67)和/或睡眠和/或觉醒状态和/或意识状态变化(参见图94，中心左面板-即光标可以定义开始，结束和峰值的脑激活期，用于源重建和/或相干性连接和/或偶极子建模输出)，在以下任一种或任意组合的情况下：a)EEG和其它神经病学或精神状态的确定(图100，框f)，和/或b)EEG和其它神经病学和/或生理事件，活动或状态的确定。
本发明进一步可以确定大脑连接和/或激活顺序(即图100[33]；认知处理测序器(cps)和认知编码系统(ccs)-另见术语表)，因此，基于传感器的信号或基于时空动态(即，基于源重建的)的偶极子，和/或基于调整配置参数(即，与点击AEP测试例的峰值信号平均值相关联)的子集的相干性连接网络。
一个更复杂的演绎或大脑布线的所谓的“逆向工程”，可以通过使用更SOP精密古怪的或不匹配的消极性测试范例或相关的特殊视听任务达成(即，提示用户根据一个特定的挑战，例如记忆，数学，视觉识别或意识挑战，去激活开关或触摸屏)。
通过选择在事件或刺激之间的预事件或刺激时间间隔级联的时间间隔序列，使用临界值调查过程(即，一次改变一个变量，例如在每个例子中，变化最小滞后时间从7.3ms到45ms)(即图67演示了一个基于在3分钟昏睡状态下的AEP平均值的事件的例子，其中最小滞后时间(或考虑到计算的脑激活相干相互关系的时间窗口)显示为顶部面板为7.4ms，右上方为7.3ms，左下方为40ms，右下方为45ms)。以这种方法，(仅作为示例)，本发明可以跨越大脑的偶极连接弧，从而建立大脑连通性序列。
此外，同时，其中所示的例子适用于与事件相关的选定时间段或时间点(在每个图面板的左上角框显示，以及相应的独立分量分析光标指示，本发明可以提供变化其它参数例如例如ICA或PCA的信噪比阈值，COH剪辑值，CDR剪辑值，最小延迟时间，最大延迟时间，SCR类型和参数配置，CDR类型和参数配置，偶极子分析类型和参数配置，ICA或PCA参数配置和相关的信噪比阈值级别，以及相关的和潜在的信号滤波参数选项，和其它因素，以便在范围精细到课程的设置中“抽出”或提取连通性的措施。通过检查序列中偶极子和/或相干性发生率的存在的方法，大脑互连序列可以被推导出，其中的序列代表从刺激前或事件时间到刺激后或事件时间的时间点的渐进序列。
所述序列可以呈现这些状态，例如休息或活跃的认知状态，或与各种意识有关的或意识的改变的状态，或相关的转变。此外，可以将大脑连通性序列确定与一个主体的预诊断基线或比较值或与规范的或疾病控制的数据库相关的数据库相比较。通过这种方法，大脑连通性序列确定可以实现认知障碍严重程度或其它神经或认知障碍的诊断或预后。
脑监测，源重建，相干性和偶极子ERP分析例
在监测，信号处理，采集和AEP测试的分析，和旨在评估个人意识状态的测量协议方面，本发明的一个实施例在子标题“自动在线时间同步睡眠时相序列图和时空动态特征”下的“eLifeNLDB非线性动态(NLDB)分析，具有自动确定选项和在线分布式处理选项，能够进行自发源定位，适用于消费者/患者的诊断或预后测定和/或生物反馈或治疗”部分被进一步地描述，参考以下相关图和相关描述，(包括但不限于)任一种或任意组合的图56；图57；图58；图59；图60；图61；图62；图63；图64图65；图66；图67；图68；图69；图70图71；图72；图73；图74；图84；图85；图86；图87；图88；图89；图90；图91；图92；图93；图94)。
本发明的互连序列确定的部署，可以被运用到关于神经系统疾病或认知功能障碍的诊断和预后的一些实施例。
在一个另外的实施例中，本发明可以在本部分的其它地方描述的相对直接的点击测试和测量协议(即每个“自动在线时间同步化学图谱和时空动态特征”)方面，对照状态，转变和意识水平，无意识，睡眠，觉醒，昏睡或休息状态，来比较大脑连通性/互连性。患者特异性预诊断基线研究或基于更广泛的群体控制和无序或疾病数据库，可以使一系列神经或认知的状况或状态得以确定。
使用神经认知测试的大脑连通性序列精神分裂症评估例
在本发明的另一应用中，例如在以下这种精神分裂症的情况下，主体/患者在个人的幻觉与真实视觉接收方面可从个性化鉴定或指导中受益，通过检测与枕叶相关的脑干(与眼睛接收的光学信息相关的外源信息)与主要是内源性脑激活或连通性信息之间的不平衡的方法，大脑激活，连接模式和/或与脑干输入相关的表明真实的外源视觉刺激的大脑连通性序列可以被与幻觉区分开。
使用神经认知测试的大脑连通性序列TBI评估例(斯特鲁测验)
在一个实施例中，一个斯特鲁(即，或在本文后面的每个术语表的其它MIND ER测试)认知测试可以在一个被怀疑拥有脑损伤的运动员身上进行。被测试者可以有一个简单或更复杂的可穿戴的EEG监测头帽或附加的监控设备，随后呈现触摸屏显示挑战。主体可能会被要求挑战去选择一系列显示在屏幕上的单词的颜色(如颜色的名称)。试图去测试被测个体的认知功能，自愿和强制的ERP反应都可以结合用户的任务选择成为措施。首先，在自愿回应认知评估方面，用户选择的准确性和区分差异的能力(即，在屏幕上拼出的字与显示的字的颜色之间的不匹配)可以被确定。其次，强制的情况下，对应于用户选择正确颜色的挑战的标准和异常的神经病学反应，可以通过确定和检查以下任一种或任意组合的的方法被评估：a)ERP平均ERP目标或异常反应，b)ERP脑激活，c)ERP相关性，d)ERP偶极连接，e)ERP连贯性连接序列确定e)ERP偶极脑连接序列确定；f)预诊断或控件数据库和认知障碍经验数据之间的比较；g)基于渐进的(即如果，例如，任务间隔1秒，10ms的具有自动阈值包括切换配置参数的100个连续步骤(如其它地方所述)，可以被计算为相对较好的分辨率脑连接测序)时间序列，以一系列统计量表为依据，对应于从ERP事件前到ERP事件后的时间段的客观的统计分析(即图65的格式)。
本发明提供了在分类/非参数或参数的精细或过程间隔方面(无限的措施)，测量与任何ERP或AEP或ERP MIND相关(参见术语表)的空间动力学(在空间和时间内的大脑位置)连通性脑活动的能力，其中，任一种或任意组合的脑分析过程可以被部署，包括以下任一种或任意组合的：
a)本发明，可以通过这些所述“大脑分析信号处理与方法”(即，监测对象，响应处理，源重建，分割，相关性分析，NLDB处理，偶极子建模等。)和方法，分析认知状态，检查认知行为水平，检查认知障碍水平，分析意识深度的转变或程度，检查精神和/或心理和/或睡意(即，图67昏睡对象的例子)和/或睡眠和/或唤醒状态和/或意识的改变状态(即，例如意识监测(图94，中心左侧面板-即光标可以定义开始，结束和峰值的脑激活期，用于源重建和/或相干性连接和/或偶极子建模输出)，在任一种或任意组合的特殊认知处理和连接过程(参见图100，BOX I)的上下文中，包括认知处理测序器(CPS)(见本文件其它部分的术语说明)；[34]认知编码系统(ccs)(见本文件其它部分的术语说明)；[35]认知处理测序器(CPS)(CPS)和/或分层神经病学处理(HNP)过程和/或认知编码系统(CCS)的神经学模拟建模(NSM)(见本文件其它部分的术语说明),[36]分析选项可作为任一种或任意组合的aep，erp和/或分析格式，和/或[22]多维大脑分析的部分。
本发明能够通过这些所述的“大脑分析信号处理与方法”的方法，分析认知状态，检查认知功能水平，检查认知障碍的水平，分析意识深度的转变或程度，检查精神和/或心理和/或睡意(即昏睡对象的例子，参见图67)和/或睡眠和/或觉醒状态和/或意识状态变化(参见图94，中心左面板-即光标可以定义开始，结束和峰值的脑激活期，用于源重建和/或相干性连接和/或偶极子建模输出)，在以下任一种或任意组合的情况下：a)EEG和其它神经病学或精神状态的确定(图100，框f)，和/或b)EEG和其它神经病学和/或生理事件，活动或状态的确定。
本发明进一步可以确定大脑连接和/或激活顺序(即图100[33]；认知处理测序器(cps)和认知编码系统(ccs)-另见术语表)，因此，基于传感器的信号或基于时空动态(即，基于源重建的)的偶极子，和/或基于调整配置参数(即，与点击AEP测试例的峰值信号平均值相关联)的子集的相干性连接网络。
b)在另一方面，本发明实现了与在相干性或偶极连接区域之间延迟的互连时间范围相关的连通性相对应的大脑连通性序列扫描测量，
c)与基于确定的时间窗口或在相干性或偶极连接区域之间延迟的时间范围的互连性相对应的大脑连通性序列扫描测量，
d)与基于确定的窗口或在相干性或偶极连接区域之间大小范围的互连性相对应的大脑连通性序列扫描测量，
e)与基于确定的时间窗口或在相干性或偶极连接区域之间NLD信号属性范围的互连性相对应的大脑连通性序列扫描测量，
f)与基于确定的时间窗口或在相干性或偶极连接区域之间光谱信号特性范围的互连性相对应的大脑连通性序列扫描测量；
用于诊断，预后和精神状态确定的自动大脑连通性序列扫描仪
本发明提供了分析一个或多个神经病学信号的能力(即，包括任一个或任意组合的PSECT,PET,MRI,CAT,XRAY,MEG,EEG)，以确定与任一种或任意组合的意识状态或水平或意识改变或神经系统疾病或相关的严重程度或认知障碍或相关程度或认知能力或相关水平，或相关程度的行为障碍或人格障碍或相关的严重程度或程度或状态，以及相关联的意识转变意识或神经状态相关的大脑连通性序列(如本文其它部分所述的昏睡或睡眠与唤醒状态(即另见在子标题“自动在线时间同步睡眠和时空动态特征”“脑监测，源重建，相干性和偶极子ERP分析例”“使用神经认知测试的大脑连通性序列精神分裂症评估例”“使用神经认知测试的大脑连通性序列TBI评估例(斯特鲁测验)”下的潜在分析过程的扩展的细节)。
自动大脑连通性序列扫描仪治疗
本发明提供了一种可以实现“自动大脑连通性序列扫描仪治疗”的方法-即，同步监测的电Magstim正向和反向方程选项(即，包括任一种或任意组合的NFIR,SPECT,PET,MRI,CAT,XRAY,MEG,EEG)，具有瞄准脑外源(刺激)脑能量的能力，建立在连接顺序修改的基础上(即，增强行为，个性，情绪和其它心理或神经变化-即，使大脑激活的共鸣区域和使大脑失活的逻辑区域；被增强的计算区域和被抑制的情感区域；被增强的概念或想象区域和被抑制的逻辑或数学区域；被触发的用于抑郁症治疗的5-羟色胺生化发电机和/或等)；
潜在的EEG监测，电流密度重建，偶极子和相干性连通性分析，以及自动大脑连通性序列扫描仪治疗的实施例
在一个实施例中，本发明在第一个过程阶段实现了偶极子位置的计算(图101顶部左侧面板)，建立在高密度(133电极)的EEG记录的基础上，对应于电流密度重建(CDR)结果(图101顶部右侧面板)，与标准化和平均的MRI图像睡眠相结合。
本发明可以然后确定偶极子的计算，以及相关脑区的指征(即，根据和/或大脑的相关联的控制或互连区域(即，以及(但不限于)图66描述的位置，Talairach图表集；目前图表集工具；哈佛全脑图表集，MNI模板，用于脑图的SPM和国际联盟的标准模板；发展中人脑的图表集；包括Brodmann地区，Gyri，Sulci等的所有函数的选项)，在这个例子中，它似乎包含了丘脑区域(图101顶部左面板)。根据Thalamus区域，最重要的偶极子(RED)也似乎是集中的，这与有关有更深的睡眠阶段的丘脑激活的文献相一致。
本发明可以计算图像视图，例如左侧图像视图，其在本例子中强调了通常在睡眠期间，中枢和枕叶脑激活(图101的第二个左下面板)。
随后，本发明可以确定偶极位置，以及如3个偶极子所示的ARC输出表，其中一个偶极子位于前区，2个偶极子在前后/上下(上后脑)区域(图101下方面板)。
另外地，本发明使相干连接和连接相关联的输出表可以被呈现出来。
本发明还可以通过任一相干连接，偶极子连接或地形视图自动识别；如大脑顶视地形图序列或事件所显示，其在比较基准线(或预诊断参考研究)方面，与比较序列或感兴趣的事件有关，适用于认知障碍的诊断或预后或感兴趣的神经障碍。例如，图101的第二个右下面板，突出了41毫秒(TP41)AEOP组件的优势，位于颞区周围可能有助于额区脑激活的强调(图101顶部左面板的个3偶极子的前定位)。
本分析的下一个阶段或循环应当回顾源维度。考虑到有如此大量的表面信号被映射到如此少的偶极子结果上，它可能值得将多阶段PCA应用于ICA方法以最小化维度误差。
例如，PCA可以在一开始被应用来识别信噪比更高的信号，随后ICA分析用来提高偶极定位(维度)。
与所有的计算模型一样，模型的假设和校准可以极大地影响结果准确性和模型有用性。具体到本案例研究中，使用例如PCA然后ICA的两阶段的方法得到的更大的源维度的定义，在提高偶极源定位精度和相关连接措施方面是有必要的。
本发明还可以计算自动脑连贯序列分析，如在本文的其它地方标题“使用神经认知测试的大脑连通性序列精神分裂症评估例”“使用神经认知测试的大脑连通性序列TBI评估例(斯特鲁测验)”“用于诊断，预后和精神状态确定的自动大脑连通性序列扫描仪”下方的扩展。
在本发明的另一个方面，自动脑连通序列治疗分析的计算可以被同时地和/或随后地实现，如在本文的其它地方标题“自动大脑连通性序列扫描仪治疗”下方的另外的扩展。
TBI声明
用于认知障碍(即，自闭症，TBI，阿尔茨海默病和其它神经认知或行为障碍)评估的神经认知测量，可以被诸如以下因素混淆：住所，环境，周围环境或事变，或在认知评估之前的情况，或为认知评估做准备的情况。
例如，与一个AEP，ERP，任务或其它刺激的初步呈现相关的安置时间，可以通过个体的超敏感状态的方法被扭曲，由环境条件如欢呼或咆哮的人群引起肾上腺素激素冲过身体，或由非常事件的刺激(即，一个道路交通事故，爆炸等。引起这个测试。
在某些情况下，由于一个新出现的刺激的新鲜劲，由敏感的状态或焦点带来的一阵内啡肽神经递质的生成，创造了这样一个时刻，在这个时刻内，当被测试者解决或习惯了测试条件，相关的神经反应量值会升高，而在其它条件下，受到这个测试结果所需求的急速和时间的限制，在这种测试所需的时间内，习惯可能不明显。
本发明提供了一种在响应时间和响应程度方面测量个体的标准刺激(基线)与异常(刺激中奇异球变化)反应的方法，这样，通过使用“比例因子”的测量的方法，升高的习惯因子在一定程度上可以被减轻(即，以下任一种或任意组合的比例：1)受测试者对异常反应的反应度的测量，2)受测试者对目标反应的反应度的测量，3)在刺激发作和目标反应之间的时间的测量，4)刺激发作和异常反应之间的时间的测量，5)与这种“比例因子”相关联的光谱标记，6)与这样的“比例因子”相关联的，与受测试者的目标反应和/或个体反应度的比例相关联的信号动态标记(即，例如熵或信号复杂度的NLD测量)，7)连接标记(即，大脑激活/即，如本文其它地方详述的CDR，偶极或相干性)，8)与一致性或偶极连接区域之间的互连时间延迟的范围相关的连接相对应的大脑连通性序列扫描测量，9)与基于确定的时间窗口或在相干性或偶极连接区域之间延迟的时间范围的互连性相对应的大脑连通性序列扫描测量，10)与基于确定的窗口或在相干性或偶极连接区域之间大小范围的互连性相对应的大脑连通性序列扫描测量，11)与基于确定的时间窗口或在相干性或偶极连接区域之间NLD信号属性范围的互连性相对应的大脑连通性序列扫描测量，12)与基于确定的时间窗口或在相干性或偶极连接区域之间光谱信号特性范围的互连性相对应的大脑连通性序列扫描测量，13)如本文其它地方详述的偶极或相干性大脑连通性序列扫描测量，13)通过表征目标(异常刺激)反应和比较标准刺激反应的光谱特征的方法，14)通过表征目标(异常刺激)反应和将信号动态因子(即熵或信号复杂度的NLD测量)与标准刺激反应信号动态因子(即熵或信号复杂度NLD测量)相比较的方法)。
TBI/认知障碍管理的发明描述
创伤性脑损伤(TBI)患病率和
脑震荡的检测是至关重要的，因为即使轻度脑外伤也可能引发一系列不良神经系统事件，具有表现出明显的短期和长期神经认知障碍的风险99。此外，在从第一次受伤中恢复之前暴露于随后的脑震荡中，可能会导致所谓的“次级冲击”综合征，它会导致更严重的长期脑损伤，甚至死亡。所以，对第一次脑损伤的检测是关键，从而另外的损伤可以被避免。
重要但轻度的创伤性脑损伤或脑震荡的准确识别不是一件小事。例如，脑损伤的明显信号，如无意识，是可靠的标记，因为大规模研究已经表明，不到10％的脑震荡诊断为损伤的高中和大学橄榄球运动员，被报道为失去意识100。
美国疾病控制中心(CDC)报道，20％的报道为轻度创伤性脑损伤(TBI)的个体在原伤害的一年后持续经历脑震荡的影响或认知障碍101。基于这些因素，作为对脑损伤的发病率的结果，大约有1/5或大约6万名30万名学生运动员可能会表现出延后的认知障碍。所以，本发明提供了一个个性化手机和/或相关的认知治疗和/或评估管理选项。
常规神经影像学评估，例如MRI，CT或X射线脑电图(EEG)，适用于认知障碍(如创伤性脑损伤(TBI)，阿尔茨海默病和其它痴呆)测量和反应测试
同时，更多的宏观层面的脑损伤，如挫伤，出血，和其它更严重的创伤性脑损伤的明显信号，可以使用常规的神经成像技术来检测，如MRI，CT或X射线，轻度创伤性脑损伤(TBI)发生在一个神经元细胞体或微量级轴突上102；103；104。研究人员已经报道过，如果事件起始于过量神经递质的产生，轻度创伤性头部损伤会产生一个级联105。
本发明可以区分在轴突，树突，神经元和/或突触水平上(例如，会由于包括脑震荡的脑部损伤而受损，这些脑部损伤可能会导致这些纤维连接的切断)的连接和/或断开，通过区分在一点或一段时间和三维空间内(所述“脑激活”的解剖学来源)，在主体的CNS或脑内的例如一个或多个大脑激活(即基于EEG传感器的，或与EEG传感器相关联的源重构)位置之间的相干性连接的方法，其中所述的“区分”可以通过检查时间延迟来确定(即多个脑激活信号之间的滞后或超前的次数)，其中所述的脑激活信号可以指脑信号的变化，包括(传感器或源地址)功率，电压，电流，信号动态变化(即，熵和/或复杂度分析)，光谱，EOI(见术语表)，MIND ER(见术语表)，和/或MIND ER。另外，本发明还可以区分更长的
通过这种方法，本发明可以区分任一种或任意组合的连接或断开形态，相关因子的范围从非常快的光纤连接形态到感官形态(即听觉脑干，耳后肌反应，难点反应，强制性反应，抑制反应，传入反应，中等延迟听觉诱发电位信号(MLAEP)，长期延迟AEP，后期延迟AEP LLAEP，LoLAEP，奇数球反应，失配消极性，和/或其它AEP或ER信号)。
基于实验室与门诊或护理点的mTBI测量
本发明主要针对患者可穿戴设备或门诊测量的mTBI测量，以便于提高可及性，负担能力，及时性和最终的生活改善，和有效mTBI动态评估的时间节省的重要性。
在mTBI脑血流量测定的有效性方面，目前尚不存在争议，常规脑血流量测量包括基于实验室的SPECT和放射性同位素注射的结合使用的PET成像系统。另外地，具有专门的DTI分析的专门的MRI，可以被部署以评估细纤维(即血管或神经)的完整性。
其它TBI实验室神经病学评估方法包括用超导量子干涉设备[SQUIDs]记录的脑电图(MEG)活动的分析。
然而，这些方法是有侵入性的，访问和时间上的限制在常规的日常筛查中或用于预防目的时是有效的。
自动或手动的确定和/或适用于认知评估测试制度地自动或手动调整的适应和/或配置
因此，本发明的要点是呈现数量或认知和脑部评估测试，它们能够在特殊的测试环境方面在测试制度中被自动或手动地制定，这关键的评估以客观的方法为目标，建立在测试环境(即所需的非侵入级别，所需的测试时间，可疑伤害的严重性或类型)，以及混淆评估因素(方法包括将错误考虑在内，测量置信水平，混淆因素的影响，例如外部环境干扰，外部声音等)的基础上。其中，测量统计和分析结果(参见本文后面的术语表的MSO)和统计确定的置信水平或测量概率可以被计算出来(即测量精度统计和分析计算表(参见本文后面的术语表的MPSR))。
诱发电位和持续性EEG认知障碍如TBI，阿尔茨海默病和其它痴呆)测量和反应测试
此外，所述的“数量或认知和脑部评估测试”可疑包括以下任一种或任意组合的方法(即，脑电(EEG)监测和相关源定位(即，但不限于)例，参见图84，图85，图86，图89，图85，和/或相关连通性分析包括(但不限于)相干性或偶极子分析(即，但不限于在图91中右侧面板和右下方面板的偶极子的例子)，以及相关统计结果(即，但不限于参考和/或与包括(但不限于)图91右下方面板，图87下方面板的连通性分析相关的例子)，轴突运输的方法，和建立在头部受伤事件发生后进行后续跟踪和监测的基础上的其它神经细胞相关的认知障碍，包括[A]目标多维(脑，生物化学，血管)和多功能(SR，ER，外源性事件，内源性事件或状态&相关转变)评估，图100，[BOX A]，包括[A2]AV和用户交互(即行为，记忆，注意力)刺激/测试，[A3]ER怪球/MMN测量，[A4]听觉诱发电位测量，[A4]听觉诱发电位测量，[A5]脑电图(EEG)测量，[A8]电流密度重建测量，[A9]连通相干性(COH)或偶极/DP测量，[A11]ER/MMN；CB互连COH和DP序列解码器测量，[A12]电极间皮肤阻抗测量，[A13]TCD测量和/或[A14]护理点生化试验测量，以及相关的块[f]EEG和其它神经系统或精神状态确定，块[g]EEG和其它神经系统和/或生理事件，活动或状态确定，块[h]特殊认知处理和连接过程。
包括例如ImPACT和CogSport的商业部署测试的主观认知评估方法，缺乏科学验证106，当用作一个更全面的测试制度的一部分时，的确有一些优点107，但需要依据报告的关注和限制谨慎使用108-111。
无论如何，如本发明所示，主观行为测试和/或客观神经认知测试，可以形成一个整体适应性测试例的一个整体元素
涉及认知障碍(包括TBI，阿尔茨海默病和其它痴呆)测量和反应的化学微观评估
本发明提供了一种对生理或认知参数测量和/或分析的方法，适用于作为脑损伤或认知缺陷/损伤(即，由脑震荡或压力波或给主体的大脑施加过度力量的其它事件引起)的后果的生理变化的确定，其中所述的方法包括任一种或任意组合的生化指标评估，或包括以下任一种或任意组合的变化：
a)对包括谷氨酸在内的兴奋性递质对N-甲基-D-天冬氨酸(NMDA)受体的结合特性的变化的评估和确定，可以导致，因此，这种离子变化可以引发一系列急性和亚急性有害的生物细胞反应。
b)葡萄糖或胰岛素水平变化(即，快速或显著变化)的评估和/或跟踪和/或相关确定；
c)主体的钠-钾(Na+-K+)水平变化(即，快速或显著变化)的评估和/或跟踪和/或相关确定；即，糖代谢急剧上升(即检测葡萄糖或胰岛素水平的快速或显著变化)可以作为主体钠-钾(Na+-K+)生理泵机制额外运用的后果而被触发，通过促进三磷酸腺苷(ATP)的产生的方法来尝试恢复失神经膜(脑损伤后)。
d)通过与葡萄糖，胰岛素，葡萄糖或胰岛素水平的钠-钾(Na+-K+)(即分级，快速或显著变化)和/或，包括对N-甲基-D-天冬氨酸(NMDA)受体的谷氨酸在内的兴奋性递质相关的任一个或任意组合的方法，对测量或相关变化或相关反应或“超代谢”反应的评估和/或跟踪和/或相关确定；
当相关的葡萄糖需求与供给之间的差异驱动着巨大的细胞能量困境时，相应的“高代谢”可能会发生在在脑血流量减少的情况下。因此，所产生的脑能量缺乏可能会导致准备和后震荡脆弱性的大脑缺乏，特别容易发生第次级脑损伤的情况112。
e)其中所述的测量可以包括护理点检测设备直接(即，直接扫描流体样品)或间接(即，通过设计用于反应或突出感兴趣测量的化学浸渍测试条，其中所述的突出可以是能够被扫描/检测/分析/确定的测试条的颜色变化或其它化学反应)地取样包括任一种或任意组合的尿液，汗水，血液，眼泪，间质液，唾液在内的体液；
血管/灌注认知障碍(包括TBI，阿尔茨海默病和其它痴呆)的测量和反应
本发明提供了一种用于生理或认知参数的测量和/或分析的方法，适用于作为脑损伤或认知缺陷/损伤(即，由脑震荡或压力波或给主体的大脑施加过度力量的其它事件引起)的后果的脑血流量或血管变化的确定，其中所述的方法(即参考下面的TCD测量)包括任一种或任意组合的与脑震荡血管相关的脑血流量的减少的评估，或能够以走路的方法实施的脑血流量测量的评估(即，方法包括便携式救护车，路边，战场，紧急场所，运动场，床边和其它流动或可穿戴的监控解决方案，避免依赖于更繁琐或固定的基础设施设备研究，来确认脑震荡和mTBI对血流的弥漫作用，例如使用单正电子发射计算机断层扫描或SPECT113，正电子发射断层扫描或PET114，或动脉自旋标记灌注功能磁共振成像或fMRI115)，适用于脑血流量或血管测量或包括以下任一种或任意组合的相关变化的测量和/或评估：
-其中所述的“门诊方法”包括(但不限于)任一种或任意组合的TCD，TCCD，三维视图重建(3D)经颅多普勒测量，确定和/或相关跟踪；
轴突运输认知障碍评估(包括TBI，阿尔茨海默病和其它痴呆)
本发明提供了一种对生理或认知参数测量和/或分析的方法，适用于轴突运输和作为脑损伤和认知障碍/损伤的结果的其它神经细胞相关的认知障碍或变化的确定(即，由脑震荡或压力波或给主体的大脑施加过度力量的其它事件引起)，其中所述的方法()包括任一种或任意组合的轴突运输和能够以走路的方法实施的其它神经细胞相关的认知障碍中断的评估(即，脑电(EEG)监测和相关源定位(即，但不限于)图84，图85，图86，图89，图85的样例，和/或包括(但不限于)相干性或偶极分析(即，但不限于图91最右侧面板和右下方面板上的偶极示例)以及相关统计结果(即，但不限于依据和/或与之相关的包括(但不限于)图91右下方面板，图87下方面板在内的连通性分析的示例)在内的相关连接分析)，适用于轴突运输和其它神经细胞相关的认知障碍测量或包括以下任一种或任意组合的相关变化的测量和/或评估：
a)轴突运输和其它神经细胞相关的认知障碍测量方法(即，任一种或任意组合的认知障碍或脑损伤评估测试，参见上方图84至图85的评估测试)；116
b)轴突运输的方法，和建立在头部受伤事件发生后进行后续跟踪和监测的基础上的其它神经细胞相关的认知障碍，包括[A]目标多维(脑，生物化学，血管)和多功能(SR，ER，外源性事件，内源性事件或状态&相关转变)评估，图100，[BOX A]，包括[A2]AV和用户交互(即行为，记忆，注意力)刺激/测试，[A3]ER怪球/MMN测量，[A4]听觉诱发电位测量，[A4]听觉诱发电位测量，[A5]脑电图(EEG)测量，[A8]电流密度重建测量，[A9]连通相干性(COH)或偶极/DP测量，[A11]ER/MMN；CB互连COH和DP序列解码器测量，[A12]电极间皮肤阻抗测量，[A13]TCD测量和/或[A14]护理点生化试验测量，以及相关的块[f]EEG和其它神经系统或精神状态确定，块[g]EEG和其它神经系统和/或生理事件，活动或状态确定，块[h]特殊认知处理和连接过程。
c)适用于胼胝体和在扣带脑区的空间动力特性的评估的产生测试和测量范例的方法，其中所述的方法可以包括(但不限于)产生一个刺激并评估随后的源局部脑活动，以及包括(但不限于)EEG监测和相关源定位(即，但不限于)参考图84，图85，图86，图89，图85的样例在内的时空大脑分析，和/或包括(但不限于)相干性和偶极分析(即，但不限于图91最右侧面板和右下方面板上的偶极示例)在内的相关连通性分析，以及相关统计结果(即，但不限于依据和/或与之相关的包括(但不限于)图91右下方面板，图87下方面板在内的连通性分析的示例)AEP或面向各种脑区脑激活评估的磁刺激；
d)对轴突损伤进行评估的方法，该轴突损伤在胼胝体和扣带中最显著，包括基于替代测量的神经丝脱磷酸化(即，任一种或任意组合的认知障碍或脑损伤评估测试，参见上方图84至图85的评估测试)；
e)评估在轴突运输和电导中的缺陷的方法，以及评估淀粉样蛋白前体蛋白的积累的方法(也适用于测试阿尔茨海默氏症和表现出认知障碍或损伤的症状的其它神经系统疾病)；
f)分布皮层连接和交流所需的轴突结构的破坏(即，任一种或任意组合的认知障碍或脑损伤评估测试，参见上方图84至图85的评估测试)；
g)弥漫性轴索损伤(DAI)117；118；119；
h)以化学评估为依据，评估伴有轻度创伤性头部损伤的淀粉样蛋白前体蛋白的方法(即，包括化学浸渍在内的体液的生物化学成分的直接扫描(可选择化学反应化学染料编码或替代测量)(即，任一种或任意组合的认知障碍或脑损伤评估测试，参见上方图84至图85的评估测试)；
i)评估轴突纤维束损伤的敏感性的方法，包括替代测量(即，任一种或任意组合的认知障碍或脑损伤评估测试，参见上方图84至图85的评估测试)120；
j)关联轴突损伤和神经心理测试上的妥协表现的方法包括替代测量(即，任一种或任意组合的认知障碍或脑损伤评估测试，参见上方图84至图85的评估测试)。
主观症状自我评估，和适用于神经系统疾病如阿尔茨海默病和其它痴呆的认知障碍报告，以及如mTBI或TBI的大脑损伤评估或反应测试
本发明包括一系列主观评估能力，相对于主要是强制测量的生理测试或生物标志物，它主要的关键是依赖于用户/患者的合作。
所述的“主观评估”报告能力包括主体/患者相关的脑损伤，或其它潜在的认知障碍因果关系，例如头痛，眩晕，恶心，睡眠问题，注意力，视觉焦点，视觉跟踪等的强度和频率的确认和记录。
在评估例如记忆功能或注意焦点的神经认知表现方面，本发明包含了各种各样的可以手动或自动地适应(即，所需评估标准(如评估环境，情况，条件，设备和其它适用的测试要求)的自动确定)测试配置和调整的测试(即，测试配置可以被修改，以及测试结果可以被提交给用户进行验证。即，受到测试的非强制性评估速度要求的限制，评估结果的置信水平或概率或准确性的任何后续影响可以被自动确定和显示，从而可以让用户从预配置的或手动配置的测试设置范围中选择，以及存储适用于系统用户或主体或患者的特殊测试要求的设置)，在测试顺序，测试复杂度，测试精密度，测试准确度，测试结果置信水平方面，适用于如阿尔茨海默病和其它痴呆症的神经系统疾病，以及如mTBI或TBI的脑损伤的评估或反应测试，本发明还包括了以下任一种或任意组合的：
1)根据环境因素(即，嘈杂的橄榄球场)进行配置和调整，
2)根据测试环境(即，在橄榄球椭圆形的边界或附近)进行配置和调整，
3)根据非侵入性程度(即，触摸屏眼睛对手的跟踪，能够直接进行电机控制和灵活测量)进行配置和调整，
4)根据测试的精度与速度进行配置和调整，
5)根据基于对测试结果从低到高的联合统计概率(仅作举例)测量的测试精度(即，联合概率分析)进行配置和调整，
6)根据多维测量需求以及相应的联合概率分析或结果准确度或相关测试的概率因子(即，EEG,EP,TCD,自我报告，EEG和/或EP客观的神经认知表现或行为评估，血液检查)时间段进行配置和调整，
7)根据测试的关键性质(即，主体头晕，无意识，脚上摇晃等)进行配置和调整，
8)根据测试6可用的测试资源，测试分析和报告可用的分析资源进行配置和调整，
9)根据对测试报告可用的测试设备进行配置和调整，该测试设备可以进行神经认知任务评估测试，包括各种程度的脆弱性或易感性的评估测试，在暴露于主观自我解释与依靠个人的意愿对测试或测试电池的反应有关的其它错误方面。
10)根据测试顺序进行配置和调整，
11)根据困难程度或每个具有相关准确性和相关结果概率的分别测试进行配置和调整，
12)根据测试的粗糙度-即，从MTBI到更严重的TBI范围的测试的程度或严重程度，进行配置和调整，
13)根据短期或长期的后续评估制度(即，事件或疑似事件后的即时TBI测试，或旨在通过认知管理评估进行后续跟进和跟随的更长或中期评估测试)进行配置和调整，
14)根据认知治疗模式(即，大脑指导或练习，Mag刺激治疗，视觉情绪指导(即压力管理，关系，睡眠诱导等。))进行配置和调整，
15)根据自动化，个性化的手机和/或相互关联的认知治疗和/或评估和相关的健康管理选项进行配置和调整。
神经认知任务或刺激反应评估和报告适用于神经系统疾病例如如阿尔茨海默病和其它痴呆症的认知障碍，以及如mTBI或TBI的脑损伤的评估或反应测试
本发明实现了一系列自我报告和认知评估测试，以及进行包括神经认知任务评估在内的行为或认知表现结果评估的相关过程，涵盖了诸如注意力和记忆测试等方面，以及一系列测试，例如任一种或任意组合的在标题“eLife神经/主体特异性脑电(EEG)监测最小化”的以下标题部分中进一步描述的测试：“智力评估”“记忆评估”“语言评估”“执行功能评估”“视觉空间评估”“痴呆特异性评估”“用于神经心理功能评估的一系列测试”；测试包括在标题“痴呆症/阿尔茨海默病/ASD/ASP”的以下标题部分中进一步描述的测试：“认知障碍评估和确定”“认知功能结果的评估和确定”“早期痴呆阶段和/或痴呆严重性的评估与评价”“认知表现评估”“规则学习(规则归纳)(变治法)”“决策树(分治法)注意力和焦点跟踪”和/或“观察者对显示信息的反应的视觉评估”
脑电图(EEG)监测认知障碍，适用于如阿尔茨海默病和其它痴呆症的神经系统疾病，以及如mTBI或TBI的脑损伤的评估或反应测试
脑电图(EEG)监测认知障碍，适用于如阿尔茨海默病和其它痴呆症的神经系统疾病，以及如mTBI或TBI的脑损伤的评估或反应测试
本发明实现了EEG监控范围从简化的流线型可穿戴设备监控选项(即，图1左下方；图46，图47，图48，图49，图50，图52，图54)到更复杂更精密的监控选项(即，图55，图51)。
另外，通过主体可穿戴监控设备最小化的方法(即，图45参考块8的最小化能力，以及参考块13的监测和分析参数的持续评估和改进)，更长时间或跟进神经认知监测评估和持续监测是有可能的。
本发明还实现了“不断发展和不断改进”(通过对发生的事进行持续的或渐进性的检查，和对可能的组合的更大的特异性，和相关的多变量分析技术，例如通过在线或离线自动或手动分析的方法，例如对MonteCarlo交叉耦合分析结果的比较分析(即基于信号动态的组合的或任一的对监控信号的分析(例如NLD结果，光谱，空间动态，源定位激活趋势及其变化，连通性，例如相干性和/或偶数和/或统计测量，对癫痫诊断或预后严重程度的相关准确性评估测量(例如顺序量表测量，包括Pk概率统计结果)，和/或本发明相关“自学或人工智能”持续的自动的或计算机辅助的“学习”能力的选项-即，监测通道和/或监控传感器位置和/或采集参数和/或预采集信号处理(包括人为现象抑制，基线调整，过滤，鉴别或肌源性和神经源性信号之间的分离等)和/或采集后处理(包括人为现象抑制，基线调整，过滤，鉴别或肌源性和神经源性信号之间的分离等)的选择，根据与监测相关的目标(即诊断和预后目标)和需求(即限制或监测环境或非侵入性的偏好)进行调整，可以基于聚合的知识(即参见图78块2和5以及参见图79的知识的聚集)的准确性和诊断和预后结果的相关性来进行逐步微调(即参见图45，块8的最小化能力，和监测的持续评估和改进，和块13的分析参数))；
本发明包括了一种监测，处理分析一个或多个通道的连续自发性EEG或听觉诱发电位(AEP)EEG信号的方法，其中诱发反应电位可以被分析以便于产生代表脑损伤的定量EEG(QEEG)EEG测量121。另外，本发明可以计算测量指示的与诸如痴呆的TBI神经系统疾病有关的认知缺陷，其中所述的方法可以区分任一种或任意组合的神经功能障碍的标志物，包括认知解离122或神经系统凝聚力的减少以及诸如前向性的影响因素123,124。这样的变化随后产生了神经地形中心，时间序列的转移，和脑电频谱组成上更普遍的变化，以上可以被本发明监测和确认，通过源定位，地形脑激活功率或振幅分析，相干性和/或偶极子分析的方法，在图中的实施例以及相关描述中有提供(即图55左下方面板显示了：呈现峰值信号脑激活中心的地形脑激活图的独立分量分析；图55右下方面板显示了：源相干偶极子计算；图69可视化脑分析以及图70对感兴趣事件的确定和跟踪，作为对认知障碍生物标志物测量方法；图71谱分析和其它生物标志物测定和跟踪的例子；图85左下方面板主成分分析和相关用于中心确定的大脑激活地形图；图85右下方面板显示了：表明大脑区域某些地方连通性明显不足的源相干性(连通性)分析(即，由于TBI引起的两个半球，左半球，右半球，半球内，半球间中线，或其它认知或脑连通功能障碍或损伤导致；图56NLDB/熵，差分，快速在线AEP或自发事件监测和/或分析技术(即，具有外部建模输入功能的自回归分析，能够生成平均9次点击8秒在线的AEP测试例，仅作为举例)和/或加上脑能量和相关连接(即偶极子；相干性)。
本发明提供了频谱监测功能，因此，符合功能认知125,126的较高的EEG频谱可以被跟踪。能够表现出警觉性的低频(1-15Hz)频谱比例，和在201到500Hz的范围内的高频率，可以被作为认知功能和/或能力的标记而被监控和跟踪到127。
一系列的认知任务可以通过本发明伴随手机显示的方法进行，因此，128高频EEG(HFE)带宽(即，使用C3-C4电极放置，范围从100至475赫兹)可以在认知任务期间被监测。然后，监测的EEG可以用来进行离散傅里叶变换(DFT)，以这种方法来实现将结果分割成DFT光谱分量。所述光谱分量可以包括诸如以下频段：低频段(LFB；1-15Hz)，中间(IFB；16-50Hz)，高频段1(HFB1；51-100Hz)，高频段2(HFB2；101-200Hz)和高频段3(HFB3；201-500Hz)。指示认知功能的标记可以被跟踪，包括跨越高频(HFB3；201-500Hz)的0.25光谱功率比例。
ERP监测认知障碍，适用于诸如阿尔茨海默氏症和其它痴呆的神经障碍，以及如mTBI或TBI的脑损伤的评估或反应测试
本发明实现对ERP的监测和分析，适用于认知和脑损伤的标志物，包括位于灰质中的锥体细胞的兴奋性突触后电位(EPSP)的同步激活129。
本发明ERP监控和信号分析可以分解下层振幅和ERP波形峰值和谷值以及潜伏值(从刺激开始)的相关信号形态，以便于从数学上和统计上计算测量指示的同步活跃的神经元的数量，感官受体上突触延迟的数量，神经纤维传导的次数，以及突触效应因子的数量130，因此，跟随头部损伤(如脑震荡)或与神经系统疾病(即痴呆，ASD等)相关联，这些ERP信号方面可能会受到影响。
EEG自发任务或刺激表现任务认知障碍评估，适用于诸如阿尔茨海默氏症和其它痴呆的神经系统疾病，以及诸如mTBI或TBI的脑损伤
-请参阅eLifeMOTION部分的眼动跟踪。
EEG持续任务或刺激表现和监测任务认知障碍评估，适用于诸如阿尔茨海默氏症和其它痴呆的神经系统疾病，以及诸如mTBI或TBI的脑损伤
EEG持续任务或刺激表现和监测任务认知障碍评估，适用于诸如阿尔茨海默氏症和其它痴呆的神经系统疾病，以及诸如mTBI或TBI的脑损伤
-请参阅eLifeMOTION部分的眼动跟踪。
ERP连续任务或刺激表现和认知障碍评估的监测，适用于诸如阿尔茨海默氏症和其它痴呆的神经系统疾病，以及诸如mTBI或TBI的脑损伤
本发明提供了对应于认知表现任务(例如，用户/患者在任务挑战时触摸屏界面-即，通过通过键盘输入一个数字序列或通过在显示屏幕上按下适当的彩色按钮来选择一系列颜色)的ERP测量以及相应的ERP波形的监测，从而实现峰值，谷值，幅度和刺激发病伴随的延迟的测量。例如，本发明可以提示用户/病人对任务做出回应，例如每当屏幕上显示一个红色圆圈(异常或目标刺激任务)时，就会有一个激活反应按钮的需求。在这个例子中，每第8圈，第9圈，第10圈或第11圈(通常随机化以减少主体的预期，因此需要主体更高程度的注意力来完成任务，从而提供一种实现更敏感的意识测试的方法，涉及计算相应的对目标与标准刺激任务的ERP反应的延迟和振幅)可以被显示出来，而其它每一圈可以是蓝色(标准刺激任务)，从而呈现出所谓的奇怪任务序列。在本发明的另一个实施例中，可以通过使对应的ERP(在这种情况下听觉诱发反应)能够被监控的方法，将听觉刺激呈现给主体(即，通过耳塞或耳机产生一系列诸如点击或音调点的声音)。类似于视觉奇怪球的任务，一个标准和异常(即，两个不同的音调)的刺激可以被呈现，相应的ERP波形幅度，波谷，峰值以及相关联的延迟可以被分析。这种分析可以比较标准和异常的AEP反应，以及标准和异常反应之间的差异或比例可以代表任何时间点主体的意识或注意力的程度。本发明还可以将异常/目标ERP反应与标准ERP反应的消极性进行比较(即，通过从异常反应中扣除目标，反之亦然，或实行所谓的不匹配的消极性确定)，作为注意力或意识的衡量标准。通常地，一些标准和异常反应会被平均以便于计算一个信号时，通过提供ERP平均值的信噪比(SNR)的方法，提高注意力和意识计算的准确性。
为了让主体/患者成功地完成奇怪球任务(即，或者回应视觉任务，或者表现出对音频奇怪球刺激的意识)，主体/患者必须保持不断的注意和警觉。在测试过程中，EEG被监测以记录对应于每个任务(即，在视觉挑战的例子中)或刺激(AEP)的ERP信号。一个准确的识别(即，触摸屏激活，或通过相应于视觉标准与异常/目标刺激的按钮激活，或听觉标准与目标/异常AEP刺激的注意和辨别)或对目标刺激的反应(视觉刺激)，会引起称为P300的皮层反应，如其名，它通常会在刺激开始后约300ms出现，呈正极性(基于头皮电极记录蒙太奇)131。
以这种方法，本发明可以通过P300的ERP响应确定来检测，产生一个显示认知过程的神经电反应测量，适用于注意力的分配和即时记忆过程的激活132，提供了在不同刺激之间的主体/患者的注意和辨别的测量方法133。
以这种方法，本发明能够在一个10分钟的测试阶段，跟随可疑的脑损伤事件，在几乎任何地方和任何时间，实现便携，稳健，客观的测量的部署或注意力和神经认知识别技巧。
ERP持续任务或刺激表现，和适用于诸如阿尔茨海默氏症和其它痴呆的神经系统疾病，以及诸如mTBI或TBI的脑损伤的认知障碍评估的监测--自动分析能力
本发明克服了以往技术发展水平的自动化ERP分析方法的繁琐复杂的性质(持续地耗费时间，受限于高技术和合格的人员，超出日常使用的范围，如老人，儿童，运动或路边事故以及相关的动态认知评估需求)，以及依赖以往技术发展水平的手动和/或手记和/或视觉评分技术的相关限制(即，适用于ERP评估的ERP波形峰值或谷值的识别)，包括评估的麻烦，复杂，高代价和/或高相互评分依赖的性质。特别地，本发明提供了一种先进的，自动化的和基于目标的分析过程，它包含ERP波形的数学分析，以便于在表征SNR和/或光谱和/或NLD反应特征和/或目标与标准反应的变化方面，提取任一种或任意组合的与ERP波形的峰，谷的振幅，延迟和形态，以及相关的错配消极性，ERP波形的验证有关的信息。
ERP在线信号质量验证能力
本发明可以结合质量和信号验证进行自动ERP信噪比(SNR)测量，以便于排除模糊或错误的数据，否则或降低相关的测量(即，最小的ERP信号小于背景噪声两倍则通常会被排除)。
这些方法可以包括(但不限于)单点F检验(Fsp)信噪比测量，提供了一种在线质量评估方法，通过增强的SNR推导135。虽然AEP信号质量标准的存在还没有被广泛地接受，但是研究人员已经报道了最小的AEP信号是噪音水平的大小的两倍。
EEG和/或ERP连续任务或刺激表现，和适用于诸如阿尔茨海默氏症和其它痴呆的神经系统疾病，以及诸如mTBI或TBI的脑损伤的认知障碍评估的相关连接确定选项(即，相干性和/或偶极模型)的监测--自动分析能力
本发明提供了磁性脑电图和/或脑电图(和/或其它脑成像模式，包括CAT，MRI，PET等)成像和/或诱发反应电位连续任务或刺激导向(即，与刺激开始同步的反应测量)的能力，通过用于相关联的确定另一选项进行监测(即，与连接趋势或变化的连续监测相关，或与刺激或任务事件相关)，作为一种脑功能变化的测量方法，脑功能变化诸如：脑外伤引起的脑血流量的减少136，或通过大脑白质时轴突运输的损伤137；138；139；140；141，以及与方向障碍，注意力或焦点障碍，或更具体的记忆功能有关的常见症状。以这种方法，本发明包括了一种通过确定EEG相干性来评估皮层区域之间的连通性的方法。例如，本发明在图67中，演示了本发明可以自动地定位搜索然后敏感度搜索临界值状态的能力。
就连接灵敏度的自动表征而言，本发明可以横跨一系列参数配置来确定精确的灵敏度和与相关参数，这些参数与脑连通性有关，包括任一个或任意组合的偶极和/或相干参数，偶极和/或相干参数包括(但不限于)相干限幅电平，电流密度重建限幅电平，最小延迟时间，最大延迟时间，源相干类型(即固定，移动，旋转等)，电流密度重建类型(例如但不限于本例中的sLORETA)，偶极数，ICA组合数，CPA分量数，序列或ICA和/或PCA分析，相关联的ICA SRN参数，相关联的SNR PCA参数等。
就连接灵敏度的自动表征而言，本发明可以横跨一系列参数配置来确定精确的灵敏度和与相关参数，这些参数与脑连通性有关，包括任一个或任意组合的监测的EEG和/或ERP传感器对。
以这种方法，本发明可以自动地表征个体连通性的临界值和位置，并将其与功能失调的与正常的认知实证研究的比较等级或诊断前的主体主体特异性结果相比较，以便于计算认知障碍的诊断或预后，以及相关严重程度的分级测量。
一个比较研究或通过认知障碍测定对主体/患者进行在线监测的例子，可以部署，例如，对EEG和/或ERP监控信号的自动或手动的相干参数配置(即参见图86左上方面板和右上方面板的相干参数示例)，和/或对EEG和/或ERP监控信号的自动或手动的偶极参数配置(即参见图86左上方面板和右上方面板的偶极参数示例)。
本发明的实施例包括诸如在任意组合的应用监测电极对间检测到的EEG或ERP活动的偶极模型(即，图84显示了在左上方面板中从多个电极监测的ERP信号的蝶形图，与在左下方面板显示的相关ICA和地形图，在右侧面板视觉上呈现的偶极位置和相干弧，以及在下表中呈现的相干性的客观相关统计结果在大脑列出的地区是显而易见的，以及基于诸如限幅电平，最小延迟时间，最大延迟时间，最小距离的各种阈值参数，依据sLORETA的例子适用于电流密度重建(CDR)分析，以及ICA的独立选择和图92中相关的噪声估计或SNR参数。在这个例子中，除蝶形图以外的133个通道和相关的计算平均值，可以1对或更多对地与2个或更多个被监视的EEG/ERP信号通道相关联，以便于计算偶极视觉分析(根据图55右上方面板)或偶极子统计分析(根据图55右下方面板)和/或与任一或任意组合的所述对相关的偶极建模)，从而能够基于多个，空间分离的神经源之间的共享大脑活动142，实现相位同步的测量，在视觉建模(即，参见图85中的例子，显示了一个处于昏睡状态的人被明显的丘脑对枕骨相干性活动所标记)数学计算(例如但不限于图56的NLDB/熵，差分，快速在线AEP或自发事件监测和/或分析技术(即，具有外部建模输入功能的自回归分析，能够生成平均9次点击8秒在线的AEP测试例，仅作为示例，以及本专利文的相关描述部分所呈现的分析选项))和/或统计相干性(即，参见与85的下方面板)或偶极建模(即，参见图91右侧面板显示了一个深蓝色，淡蓝色，绿色的3个偶极子与偶极连接弧相互连接的例子)方面被呈现出来。监测的EEG或ERP脑信号可以被信号影响(即，过滤和放大)，采集，然后经历从时域(即，时间序列数据)到频域的分析变换，在一定程度上保持振幅(幅度)和相位信息与原始监控的信号相关，这样，本发明可以提取和检测明显的在受调查的主体/患者的脑损伤事件之后的皮层连接的变化(即适用于轻度至严重等级的创伤性脑损伤或认知障碍/缺陷的评估)。
本发明使这种ERP和/或EEG连接测量方法可以被部署为一种无线连接的可穿戴的EEG监测装置的一部分，它可以被包含在头部保护设备内(即图54显示了典型的头部保护系统，可以穿戴在脚部，手部或几乎任何球运动中，结合一个附加的[4]无线监控系统[4]，它提供了本发明的在线或远程分析能力，进一步结合附加的EEG/ERP监控电极[5]，[6]，[7]，[8]，以及进一步结合内置扬声器或耳机(即，传感器位置被设计为朝向主体的耳朵，在电极的上面和中心到[1]和[9])从而在任何时间点向主体/运动员呈现听觉刺激或表现评估任务)，或部署为一个简化的(即图46，图47，图48，图49，图50，图53)或最小化的(即图45[8]的最小化功能)或可配置的(即图52)移动的，无线互联(即LAN，WAN，IP，WWW，基于云端的软件服务，NAS等)的可穿戴监控设备或更复杂(即图51，图55)更精密的可穿戴监控设备，包括内置扬声器或耳塞的选项，作为将ERP听觉刺激当做计算EEG和/或ERP和/或任务导向基础的方法(即，口头命令和或面罩产生的视觉提示，在测试主体/患者在体育或其它职业期间或与体育或其它职业关联的期间，作为本发明所描述的一个临床或预防性筛查过程)。
本发明实现比较相干性阈值的比率或其它测量的计算(诸如可视化或统计学计算的脑互连链接/弧的相干性活动的范围或级别是可辨别的)，其中所述的比率可以包括(但不限于)阈值相干性测量的确定，建立在将目标刺激的反应或适用于非目标刺激的任务反应阈值或对主体/患者任何时间点任何地点的任务反应相比较的基础上(即，通过利用无线连接至可穿戴监控设备或诸如云服务，NAS，WAN，LAN，IP，WWW计算机互连服务等软件服务的方法)。
为了实现疑似脑损伤和/或相关严重性的程度的诊断或预后，本发明可以，在基于与相对非脑震荡或认知受损的主体(包括不同程度的严重性以及样本群体分层格式，例如如年龄，性别，病史考虑，预诊断评估，平均人群测量，认知障碍或损伤等的分级群体测量)相关的规范群体数据或建立的经验数据的基础上，监测，分析，测量和评估个体的大脑连通性因素(即，与比较正常或分级对比疾病/病症严重性数据库相比，一定程度的互连联系或活动的临界值是可辨别的)。
本发明权利要求包括：
-发明可以结合神经源定位与联合治疗(靶向脑治疗)的神经靶能量分配(即，使用诸如前向方程源重建技术进行磁性，电和/或超声刺激或靶向治疗)，具有测量内源性以及同步(即，生物反馈模式结合在线因果管理能力指示)刺激(外源性)脑状态，转变，神经认知脑讯问/任务/挑战的选项(包括AV，AEP，ERP)，包括相关联的互连序列，以及激活或抑制。
TBI声明
对认知障碍(即自闭症，TBI，阿尔茨海默病和其它神经认知或行为障碍)评估的神经认知测量，可以被居民，环境，周围环境或事件或认知评估前或通向认知评估时的环境等因素所混淆。
例如，与一个AEP，ERP，任务或其它刺激的初步呈现有关的建立时间可能会被扭曲，由于个人的过敏状态，诸如欢呼或咆哮的人群的环境因素导致的肾上腺素激素冲过身体，或因为非常事件的刺激(即道路交通事故，爆炸等)。导致这个测试。
在某些情况下，由于新呈现的刺激物的新奇性导致的敏感状态或焦点造成的一批内啡肽神经递质的产生，会产生这样一个阶段：当主体在测试安排下或习惯了测试条件，相关的神经反应幅度会升高，而在其它条件下，受到这个测试结果所需求的急速和时间的限制，在这种测试所需的时间内，习惯可能不明显。
本发明提供了一种在响应时间和响应程度方面测量个体的标准刺激(基线)与异常(刺激中奇异球变化)反应的方法，这样，通过使用“比例因子”的测量的方法，升高的习惯因子在一定程度上可以被减轻(即，以下任一种或任意组合的比例：1)受测试者对异常反应的反应度的测量，2)受测试者对目标反应的反应度的测量，3)在刺激发作和目标反应之间的时间的测量，4)刺激发作和异常反应之间的时间的测量，5)与这种“比例因子”相关联的光谱标记，6)与这样的“比例因子”相关联的，与受测试者的目标反应和/或个体反应度的比例相关联的信号动态标记(即，例如熵或信号复杂度的NLD测量)，7)连接标记(即，大脑激活/即，如本文其它地方详述的CDR，偶极或相干性)，8)与一致性或偶极连接区域之间的互连时间延迟的范围相关的连接相对应的大脑连通性序列扫描测量，9)与基于确定的时间窗口或在相干性或偶极连接区域之间延迟的时间范围的互连性相对应的大脑连通性序列扫描测量，10)与基于确定的窗口或在相干性或偶极连接区域之间大小范围的互连性相对应的大脑连通性序列扫描测量，11)与基于确定的时间窗口或在相干性或偶极连接区域之间NLD信号属性范围的互连性相对应的大脑连通性序列扫描测量，12)与基于确定的时间窗口或在相干性或偶极连接区域之间光谱信号特性范围的互连性相对应的大脑连通性序列扫描测量；
图片描述神经认知管理系统
在本发明的一个实施例中，可以包含一个或多个测试装置来实现客观评估，以包括一系列独立或非独立的多维(脑，生化，血管)和多功能(SR，ER，外生事件，内源性事件或状态及相关转换)测量能力的一个或多个测试装置为依据，如图100BOX A所示，BOX A测试协议和参数设置通过一系列预先配置的测试方案自动确定,并根据box b系统配置器进行设置。配置器BOX B还基于一个或多个BOX A测量装置，其范围从神经系统事件到相关行为测试，包括记忆挑战，数学任务，视觉跟踪练习，触摸屏手势之间的协调评估和视觉跟踪和选择挑战，以及一些适用于主体认知状态的结构(即源局部脑激活)和功能方面的认知评估(也可见于本文后部的术语表，事件相关的多维综合神经认知测定(MIND)下方的实施例)。本发明的另一方面是使系统用户能够确定测试限制(例如，速度与精确度)，然后根据这些因素选择一组测试。以这种方法，根据这些因素的一系列测试集群可以提交给系统用户进行选择，或者系统用户可以选择其首选的预配置测试集群或者默认的系统测试配置(出厂默认，或之前针对特定的测试要求或应用部署的目的做的设置)。如(AA)所示，信号质量管理框一个连结，可以实现对监测环境条件和其它影响信号质量的因素所需求的信号状况，伪影抑制，电极定位指导或自动重新定位的调整。
系统已经依据BOX B配置好，然后用户可以依据BOX C选择(或者根据特定测试要求和具体应用部署目的来预先配置)以利用本发明的患者可穿戴设备最小化(wm)监测系统，或任一适应和生物反馈系统选项。本发明的其它方面提供可穿戴设备最小化功能，以实现针对主题监测目标的最小化可穿戴的发音格式，其中自动建模分析功能是基于依据图45块[8]；[12]的监测表现结果指标(即，使用Pk和其它统计学测量方法；能够通过将结果测量与指示认知水平或意识深度的标记相关联的方法区分意识或认知的水平)。本发明的其它方面还包括适应能力(参见块8A，8B，8C，以及块8E的生物反馈治疗能力)。另外地，BOX B强调了本发明结合测量精度统计和分析计算器(MPSR)系统的能力[参见盒B块4A]。
BOX[D]ER,AEP和/或EEG信号处理和/或评估，提供与事件相关的反应(ER)推导以及持续脑电图处理结果。此外，根据完成本文进一步概述的一系列措施(参见部子标题：eLifeALERT，仅供参考)，以及诸如眼睛跟踪和认知反应的组合分析结果，可以评估眼睛，头部，脸部和身体运动或方向或位置细节来确定个体认知障碍，脑损伤或表现能力的水平。
BOX[E]信号质量管理框实现验证[方框11]信号质量能够在线持续监控和调整，以便于检测子标准测量条件(即劣化或不可接受的信噪比特性)，并在可能和适当的情况下自动补偿不良信号状况，否则通知系统用户(连同关于问题和对策的暗示或提示)，以及记录错误条件作为结果报告和系统错误或置信水平确定的一部分。通过包括SNR确定以及刺激特性的光谱识别技术进行的刺激连接的自动跟踪，当相关错误明显或需要注意时，可以被部署以纠正或指导校正或通知系统用户。
BOX[F]提供了适用于EEG和其它神经病学EOI或精神状态测定的分析能力。
BOX[G]提供了EEG和其它神经病学EOI和/或生理事件，活动或状态确定的分析能力。包括基于非线性动态(NLDB)的诱发反应或连续的EEG处理能力(如标题“具有自发自动在线分析选项的非线性动态分析(NDBA)”部分进一步描述，在标题“自动在线nldb分析的实施例，和用同步睡眠/唤醒超声图像进行的发或诱发感兴趣事件的确定，和一或聚类分析或感兴趣的事件集合指示，和/或生物反馈处理能力”的下方)。
在BOX[H]中，本发明提供了特殊的认知处理和连接过程，包括任一种或任意组合主体特异性和/或规范比较的预后或诊断数据，参考BOXH，块[21]；多维大脑分析包括任一种或任意组合的(但不限于)跨功能诱发反应关联，生理方面，运动技能方面，神经学连通性(即EEG和/或AEP和/或ER信号或反应)，脑能量激活(即EEG和/或AEP和/或ER信号或反应)，自发反应，事件相关反应，意识，记忆和其它认知测试或挑战，行为和/或脑激活反应，认知评估测试(CAS)，记忆功能测试，执行功能测试，视觉空间测试[BOX H，块22]，以及其它测试例如那些术语MIND ER定义中所概述的，脑/CNS变化，或脑/CNS状态，或脑/CNS转换的计算，确定，评估和报告短与长时间和/或解剖学分离的认知障碍或脑损伤和/或与脑功能相关的延迟方面，比较或自校准/参考过程[BOX H，块22]；认知编码系统(CCS)/BOXH，第23章(另见术语表)；认知，心理，神经和/或心理状态和/或相关转变确定，BOX H,块[24]；神经系统疾病/病症或相关转变确定BOXH，块[25]；使用一系列标准化的测试来“思考”统计结果评估(在标准化测试方面，参考和调整论文db结论，包括任一种或任意组合的(但不限于)对认知/TBI评估的一系列标准化的测试)[BOX H，块27]，测量统计和分析结果(MSO)BOX H块27(另见术语表)；分层脑特征[BOX H，块27]；“思考”主体特异性/个性化统计绩效评估[BOXH，块28]包括任一种或任意组合的基于多个脑部位置或感兴趣区域以及总脑评估选项的认知测试(即挑战，任务和/或刺激)[BOX H，块29]；认知测试BOX H块[29]；大脑原理图分解BOX H块[30]；认知处理定序器(CPS)的模拟或建模BOXH，块35(另见术语表)；分析选项可用作任一种或任意组合的AEP,ERP,和/或分析格式的一部分BOX H块[36]；分层神经病学处理(HNP)(另见术语表描述，本文的其它部分)BOX H块[37]；警觉性测试(详见“eLifeALERT”)，超声或眼压测量和/或TCD测试，如“eLifeDOPPLER”部分另外的概述BOX H块[38]。
本发明的另一方面是算法自学能力BOX[I]。
发明的另一方面是测量精度评估(MPE)系统BOX[J]。
图100
图100大脑原理图分解，基于从解剖纤维/轴向或传感器感觉/神经激活到具有分布式或嵌入式处理决定的高阶处理关联的时间分割，适用于ER，SR，认知障碍或表现，脑损伤和相关联的连通性或不连通性，以及相关网络，以及脑状态，神经障碍或疾病以及相关转化或分级测量。发明结合了“MIND”自动连接临界值(任一源局部区域之间的时间相互关系(即电流密度sLORETA))，基于在适用(即适用于ERP或脑激活或检测的连接弧或偶极子)范围的连接配置参数之间进行切换，以便于展现范围可辨别的弧或连接(基于与目的地相关的延迟区域的连接方向和基于源的较早的激活区域)
>>根据测试要求相适应(手动或自动)的MIND评估系统测试选择和序列(即AIM，精度，速度，设备等)
>>根据测试AIMS相适应的MIND评估系统测试选择和序列，并通过手动选择预配置的测试方案，或通过自动扫描和检测可用的测试和测量系统，或通过符合测试要求的T&M系统的配置。
[A]目标多维(脑，生化，血管)和多功能(SR，ER，外生事件，内源事件或状态及相关转换)评估。
块[A2]-AV和用户互动(即行为，记忆，注意)刺激/测试
块[A3]–ERP奇怪球挑战
块[A4]-辅助刺激
块[A5]–EEG测量
块[A8]-电流密度重建测量
块[A9}–连接相干性(COH)测量
块[A11]-ERP/MMN互连COH和DP序列解码器测量
块[A12]-ERP/MMN；CB互连COH和DP序列解码器测量，如本文这些标题下方其它地方所描述的：“脑监测，源重建，相干性和偶极ERP分析例”，“使用神经认知测试脑连通性精神分裂症评估例”，“使用神经认知测试(斯特鲁普测试)脑连通性TBI评估例”，用于诊断，预后和精神状态测定的自动脑连通序列扫描仪”和/或“自动脑连通序列扫描仪治疗”。
块[A13]–TCD测量
块[A14]-护理生化测试测量的点(即体液，包括间质液，尿液，唾液，汗水，眼泪等)
[B]系统配置器
>>本发明适用于如任何单一测量或测量方法无法提供对个人认知障碍或表现状态的彻底或充分描述方面。
[2]主体/患者/用户
监测和测试评估目标和/或广泛的或特殊的跟踪和趋势选择。
-用于多维集成神经认知(MIND)系统的用户界面。结合配置功能(即向导)，可根据用户偏好，可用设备等简化和直观地建立测试方案。
本发明提供了认知状态或损伤或转化的客观多维评估，其中这种方法包括手动或自动根据特定测试情况配置相关测试范例的方法，因此，本发明还包括以下以下任一种或任意组合的：
-其中根据具体测试情况进行配置的方法，可以被任一种或任意组合的诸如所需的非侵入性或不引人注意的测量要求因素确定(即，如果评估是基于路边的，则目标的行为评估可能需要受限于一系列旨在评估认知障碍的程度的语言问题或挑战)。根据其它伤害或这一阶段的伤害类型，评估可能需要神经干预来预测临床严重性，例如过高的颅内压的确定，通过在脑缺血(TIBI)经颅多普勒血流分级中对脉搏指数或溶栓进行路边经颅多普勒测量的方法(持续灌注的确定或在脑血管周围的残留流量，后者因为脑震荡发生后颅内压升高，在流动特性方面会被抑制或钝化)。
-如果在另一个例子中，一个学童已经，或者被怀疑头部被碰撞到，例如在一个在体育事件中，则他有必要完成所有从[块A2]到[块A14]的所有测试，因为环境不太重要的性质，以及也是由于确保小孩不会受到第次级突然的大脑损伤，潜在反应或相关复发的重要性。
-其中所述的认知状态或障碍或转变的多维评估，可以包括以下任一种或任意组合的：
-块[A2]到块[A14]；
-目标行为和表现认知评估[块A]；
AV和用户交互(块A2)；
-目标神经生理诱发反应评估(即，MMN或奇怪球AEP范例)[块A3]；
-听觉刺激[块A4]；
-目标神经生理学连续脑电图评估；
●即，信号动态，源重建脑活动；时空动态，连通性(例如，相干性或偶极和/或相关的动态测序和分布脑功能重建；光谱表征；其它感兴趣的事件/EOI确定和表征[块5]；)
-目标经颅多普勒血管测量认知功能障碍评估
●即，任一种或任意组合的测量：在创伤性脑损伤的情况下的经颅多普勒颅内高压，轻微头部受伤后的脑自动调节，脉搏指数，和/或对神经或认知测试/挑战的血管反应[块A13]；
-目标生理化学变化评估或与认知功能障碍特别是TBI有关的转变的评估。
●体液点护理测试，其中化学反应试纸应用于尿液，尿液，泪液，间质液，汗液，血液等。可以产生化学反应和缔合反应和化学上的颜色改变，通过对需要分析的体液样品进行自动，扫描，确定和诊断。
●例如，本发明可以包括一个点护理测试(例如，化学浸渍试纸)或直接分析血液，尿液，组织液和/或排汗(即，手表或其它可穿戴装置)来实现对升高的蛋白水平的测试(即，与脑脊液相关，例如)存在于主体血液，间质液，尿液或其它体液中，它可以揭示一个人是否遭受脑震荡[块A14]；
[1]学习类型选择(用于系统模式设置；配置参数，选择f学习目标/目标；自动或手动测试模块选择)
-本发明可以根据具体测试情况配置神经认知和神经学测试范例。
-本发明包含能够确定测试模块选择的模型选择(即，参见图100，包括以下任一种或任意组合的测试模块：块[2],[3],[4],[5],[8],[9],[10],[11],[12],[13],[14],其可以被集成在单个测量装置中或通过其它方法的无线互连，以便实现多维度的聚合测量，包括适用于神经或认知障碍的诊断或预后的生理和/或认知和/或神经和/或血管测量)。
在本发明的一个方面，系统用户可以根据诸如速度和/或精度和/或复杂度的方面突出测量协议，从而这些方面的属性可以迭代和集成的方法自动调整。
在本发明的一个示例中，自动和交互模式选择的本发明可以调整测量精度水平，测量复杂程度，测量模块或测试类型，测试速度，以及系统将自动响应相应的选件测试模块，传感器或可穿戴监控配置的指示，测试速度(每个测试和整个过程所需的时间)，通过一个测量配置器模块。
在本发明的另一方面，这个测量配置器模块可以编排一系列专用测试配置，或提供一个出厂默认测试配置选项库。
-基于测试要求，测试环境，测试环境，测试速度或时间限制，测试精度要求等，手动或自动测试配置器
基于测试要求，测试环境，测试环境，测试速度或时间限制，测试精度要求等，手动或自动测试配置器.
-本发明还包括提供一种按照用户要求配置测试协议的方法，主题默认或自动配置(即，基于主动或部署的测试设备或相关配置参数的识别)。以这种方法，本发明可以被手动地配置(即根据适用的选项或范围选择每个参数配置)；也可以通过范围或预配置或出厂默认测试协议，结合扫描可用的测试设备和相关参数范围，被自动地配置；或通过配置工具被配置(例如，一个旨在配置阶段指导用户的软件向导)。
一个设置选项或配置参数的例子(但不限于)，包括任一种或任意组合的用户测试需求，测试目标(即，认知或神经障碍诊断或预后目的或要求的特定类型或范围)，测试速度需求或评估过程的时间限制和/或测试结果/报告，测试准确性和/或评估置信水平要求，测试环境(即，救护车测试，重症监护检查，医生一般实践测试，根据健康因素进行核查以继续或停止进行足球或球赛直播)，测试情况(即现场，场外，法院考试，医疗中心，医院，救护车，紧急情况等)，可用的或需要被部署的测试设备(即，血液检查，TCD，大脑连通性扫描测序器，测试设备配置，测试精度要求，测试速度要求或测试时间限制，包括考虑到错误，测量置信水平，混淆因素的影响，例如外部环境干扰，外部声音等)。
[3]主动测试模块扫描和/或评估协议-ER图106块2-14和/或任一ERMIND(多维综合神经认知测定)MIND测试(见本文中的术语表)或任意组合的测试，和/或任一测试报告任一故障或校准问题。
[4]根据任一的用户选择，自动配置或测试协议选项库来建立适当的测试模块和协议。
块[4]：
例如，本发明能够对影响/改变脑功能的证据进行测试，无论是其具有或不具有有效的基线数据集，具体到诊断前的主体(待测)数据。尤其是，针对于没有可用的对许多一般患者人群或被测试主体的前或后诊断测量数据，本发明可以产生许多认知和/或生理测量比(即基于任一“测量或分析和检测或表征过程”或EOI(参见术语表))，在本专利文件的其它地方有呈现，以及任一种或任意组合的在本专利文件的其它地方呈现的“测量或分析和检测或表征过程“或EOI(每个术语表)”。
>>本发明通过一些统计方法来评估和衡量任务或挑战的遵守情况，这些统计方法包括一个或多个不同“测量方法”的组合(即，任一和/或任何变化的测试，基于(例但不限于)块[2]到[14])。此外，任意组合的所述“测量方法”可以作为一个基于统计方法的组合结果测量方法被计算(包括但不限于)，任一种或任意组合的实现独立的(即概率统计)，非独立的(联合概率统计)和/或不同或变异的数据集样本(即，使用引导统计技术，例如MonteCarlo分析或Jackknife技术)，如本文其它部分所述的详细介绍统计方法，联合概率，自举，Jackknife和蒙特卡罗技术。
即一个例子中，多维评估的测试途径，可能包括ER(奇怪球和MMN)；AEP(点击)，对主体的眼睛跟踪与视觉呈现，透皮阻抗评估；眼睛和手的反应追踪；头追踪；凝视追踪；手部运动和眼睛运动(即，视觉呈现之间的同步或相互关系，用户界面触摸屏或特殊开关激活和眼睛注视或运动分析；头部运动；使用带有EEG/ER集成耳机的TCD测量；TDC；组合电极EEG和透皮阻抗测量；血液检测测量，以及用于头部和注视确定的热定型安装相机，和单独的眼睛跟踪耳机安装相机(即，从额头延伸到跟踪眼睛运动))。
[4A]精度统计确定-概率和置信水平确定
-本发明可以自动计算一个或多个认知评估模块和相关的配置参数的累积精度(参见标题“神经网络管理系统”下方部分详述的例子，在子标题“统计测试统计评估”下)
-[4A]概率准确度和置信水平的确定：
-也可见于文件术语表后面：“测量精度统计与分析计算(MPSR)系统”
统计评估与认知障碍结果确定的置信度或概率水平
●根据确定认知障碍诊断的概率水平，通过计算一个或多个顺序的生理或认知测试证明是阳性的的概率。以这种方法，涉及一个或多个序列测试的排列和组合可以依据多维度测试范例被计算出来，该多维度测试范例的范围是从最简单的交互式触摸屏挑战到更复杂的听觉诱发电位注意或意识测试范例，或经颅多普勒搏动指数测定(即，评估轻微头部受伤之后的轻微脑损伤脑自动调节之后的脑自动调节)或包括与脑损伤相关的脑脊液血液中升高的蛋白质的护理点测试。[块4A]；
[块4和4A]；-测试模块选择，参数配置，测试定序器和整体实验控制器
-综合(对所有的测试模块和相关参数配置)自动测试精度测定。本发明包括一种自动(可选择手动干预)确定最佳测试模块的“方法”。
例如，任一种或任意组合的测试模块，如(但不限于)图100的块2到块14，可以作为一个集成设备被配置，或经由多个设备之间的网络或其它互连被配置，以这样的方法，根据适用的测试要求，目标，测试环境和测试精度要求，测试的顺序和类型以及诸如参数配置(即，EEG/ER监测传感器的复杂性和数量)等因素可以被确定。
由于它与测试类型有关，EEG/ER与同时存在的经颅多普勒(TCD)作为本发明独特的一部分，具有结合TCD探头和通过一个或多个可穿戴的头戴式设备进行自动跟踪(探头的伺服定位或光束位置，以尽量减少准确有效的部署所需求的技术支持和培训)的功能，该可穿戴的头戴式设备包括任一种或任意组合的EEG/ER传感器和监测能力，和/或听觉刺激能力，和/或视觉显示或刺激能力。另外，组合的TCD和EEG/ER传感器，监测和评估过程可以补充血液检测能力。
其中，在这个例子中，所述的“自动(手动干预选项)确定最佳测试模块的方法”可以包括聚集不同的测试，以一种集体测试结果比任何单一或单维度测试更为准确和可靠的方法(即，只有EEG和/或ER反应测试)。
这种组合聚合认知测试结果的方法，可以结合基于组合或排列统计的方法，由此可以将任何系列和/或同时测试结果数量进行汇总，以产生总体优越的测量精度。
重要地，没有单一的生理维度它本身可以描述或有效地评估与微创外伤性脑损伤(mTBI)或TBI相关的复杂性质和不同的生理影响。
在一个方面，本发明实现了一种以提供整体优异的结果评估的方法来聚合一些独立和/或依赖的或相互关联的测试的方法。不是真正独立的事件联合概率的一种方法。
[块4和4A]；-MIND测试组合和置换确定和配置模块
本发明提供了一种认知障碍评估结果(即，预计的置信水平)的测量精度确定的方法，其基于测试标准作为相关因素。即，基于：
-特定测试测量方法的组合和排列；
-在多维度和多方法测量方法之间依赖与独立关系的性质；
-特定测试方案；
-相关的置信水平；
-与每个测试和测量过程有关的配置参数
-与T&M相关的信号质量(即，好，平均，差)。
[块4和4A]；-自动或手动选择测试格式数据集组织配置，包括统计准确的置信度
即测试类型，刺激类型和测试序列(即，参见块[5-14]的测试A到J；刺激[1]到[3])并且与独立的测试测量方法和依赖的测试测量方法有关。
依赖的群组
S2→B→D→E参见块[3；6；8；9]
S2→B→D→F参见块[3；6；8；9]
S2→B→D→G参见块[3；6；8；11]
S2→B→D→H参见块[3；6；8；12]
>独立的群组2
测试I参见块[13]
>独立的群组3
测试J参见块[14]
[块4和4A]；-
神经认知统计分析能力
多维综合神经认知系统
本发明包括了一种方法，该方法通过与一个或多个认知表现标志相关的测量数据集的方法，集成(即一个或多个测量系统之间的无线，数据访问，物理有线接入，或其它)一个或多个独立或依赖的测量设备(即唾液，尿液，泪滴，出汗，间质液等的分离点化学分析)。
本发明的测量精度统计和分析计算(MPSR)系统(另见本文后面部分的每个术语表)提高了神经认知评估准确率，通过排列143，144和组合145因素146-148以及组合任一或组合的多模态测试系统监控(即神经生理监测器结合血液生化分析点结合TCD监测)，多维度监控(即TCD和神经系统)，多功能监控(即不同的生理和神经功能)等方面的能力，从而生成自适应多变量27,149和/或独立的评估测试和制度。
本发明可以部署重叠估计和引导(通常用于估计诸如均值或方差的统计量的分布，而不使用使用正态理论，如z统计，t统计重采样统计技术)，以便于处理方差和偏差估计150。Bootstrap方法适用于大多数随机数量，包括方差和平均值的确定，例如在本发明的示例中，一系列目标和非目标事件相关的反应是测量方法，并且这两组回应中的每一组都随机分配给相应的目标和非目标反应组，然后分析这两组反应之间的差异或差异43。与基于评估数据符合正态分布前提的参数统计分析相反，本发明可以使用自举方法分析ER方差(即非目标与目标反应)(不要假设“正常”的统计分布，并且为ER数据比较提供准确的概率。例如，特别是适用于单个主体/患者统计数据时，本发明可以包括用于于ER测量的随机化统计。
>>本发明可以被部署为III类(从属于FDA预批准)或II类(FDA510K等效批准，其中测试结果需要技术人员的解释)。
[C]患者可穿戴设备最小化(WM)监测系统，适应和生物反馈系统
(另见图45“可穿戴设备监控(WM)系统)。
[8]主体/患者/用户
[5]可穿戴监控设备的要求等
[6]最小化可穿戴监控设备最小化方法要求等
[8A]自动刺激适应-本发明的一个方面是根据环境条件和/或刺激产生的反应适应刺激(即信噪比)。例如，在背景噪权利要求显的情况下，可以部署噪声消除以消除或最小化背景噪声的影响，不然会使主题从AEP刺激中分心。同样地，刺激参数，例如声音组成的刺激信号，可以被调整以便通过环境声音“切割”。“切割”环境声音可以实现，例如，通过将刺激的光谱范围调整为与背景噪音有区别或不同的方法来实现。
另外，呈现对象刺激的振幅和光谱特征可以被调整以便于优化被测对象响应信号的信噪比特性。
[8B]自动监测传感器适配–本发明的一个方面是基于伺服控制传感器或电极位置来适配传感器，其中所述的适用于对象的传感器位置和/或角度可以根据监测信号的最佳信噪比从而被调整(即小电机施加给主体皮肤表面和传感器或电极之间额外的压力，以便自动提高信噪比特性。)
[8C]自动监测探头适配–本发明的一个方面是基于伺服控制传感器或电极位置适配TCD探针，血液样本探针，电刺激器或其它测量系统探针，其中所述的适用于对象的传感器位置和/或角度可以根据监测信号的最佳信噪比从而被调整(即，小电机施加给主体皮肤表面和传感器或电极之间额外的压力，以便自动提高信噪比特性。)
[8E]生物反馈治疗包括靶向脑刺激或抑制能力，以及脑连通序列刺激，其依据是任一种或任意组合的分析反馈或信息，包括EEG，ERP，AEP，MMN，CDR，COH，偶极子，脑连通性测序等。
[8D]多维度(脑生化(即脊髓液检测等)，血管，行为神经学)和多功能的SR，ER，外生事件，内生事件或状态及相关转变，参见块[2]至[14]，参见图片其它地方题为“根据测试要求相适应(手动或自动)的MIND评估系统测试选择和序列(即AIM，精度，速度，设备等)”。
[D]ER，AEP和/或EEG信号处理和/或评估
[9]脑/CNS信号处理，采集和后采集分析(EEG，ERP，ER，AEP，状态，转换)；基于传感器或源重建的(EOI，信号和/或反应)分析
BOX[D]ER，AEP和/或EEG信号处理和/或评估提供了患者(E：左上面板)监测神经信号预处理和后采集过滤，数据采集，和刺激测试协议配置[BOX D，9；块参见前置放大器和刺激(STIM)系统，电极通道配置和位置设置，boxes 5；4；2],然后是监测EEG[BOX D；块6]，以及同步监控，和对诱发反应(ER)监测时序精确的事件时间确定，因为它与记录的神经学数据有关[BOX D；块7]。BOX[D]解决了在过滤，时代变换，基线校正，人工制品拒绝和时域(或频域)平均值中的诱发反应，如分别的BOX D相应标记的块所示。ER决议指在平均或回归建模的波形特性方面解决任何与事件有关或诱发的反应(根据每个BOX D中心右面板的例子所显示，平均刺激信号参考刺激发作(0ms x轴标记)显示了所有的脑波偏转)，包括奇怪球，视听挑战或任务，MMN等(如术语表ER MIND示例中的另外的扩展)。其它ER处理能力包括交叉功能事件的推导，包括相关刺激或视听和其它事件或任务/挑战可以根据BOX D块8和9被确定，以便于提供对主体在手(或手指手势或选择)或其它生理运动要求之间的跟踪或灵敏度的评估(基于任务或挑战，例如(但不限于)词汇MIND ER示例)。另外，按照在本文中进一步概述的完整的测量范围(参见部子标题：eLifeALERT，仅供参考)，可以对眼睛，头部，脸部和身体运动或方向或位置细节，以及组合分析结果，如眼睛跟踪和认知反应进行评估，以便于确定个体水平的认知障碍，脑损伤或表现能力。本发明可以依据决定或主体的反应进一步计算一系列的分析结果，其中所述的结果以下任一种或任意组合的：a)三维(3D)视图和表明X-轴刺激反应期和y轴响应幅度和进行测试的z轴周期的结果(参见BOX D,块25,34和图形结果参见38,46或47下方面板)，b)频谱(即FFT)监测信号特性的功率或幅度谱(参见BOXD，块21,31和下图45)，c)ABR，MLAEP长延迟AEP延迟AEP，MMN，奇异球，特殊事件(唤醒，身体运动或其它神经或生理运动反应(参见BOX D,块19)，d)AEP差异或综合结果(参见BOX D,块20,图MLAEP+Diff)，e)双频或其它连续EEG信号处理结果，例如光谱或NLD或相干性(图(参见BOX D,块33,图BIS INDEX)。
[E]信号质量管理
[11]自动和/或手动测试验证，验证和信号补偿(即对过度的人为假象，基线偏移的自动跟踪和抑制，对背景电或声等噪音(即背景生理噪音，环境噪音)的抑制)。
信号验证
本发明提供了对于由不良(不可接受)的AEP或ER信号质量造成的会导致不可靠和不一致的AEP监测结果的数据进行确定和减少和/或补偿和/或忽视的能力。本发明可以部署在线信号对噪声的测量(即例如单点(Fsp)处的F值)，以便于确定平均目标或非目标刺激反应的适当或最佳数字，以便于提供最佳信噪比测量(即大于6db)，但同时能在任何给定的评估期间内，通过提供尽可能多的对脑/CNS变化的顺序渐进式的测量的方法，保留时间序列连接信息。以这种方法，本发明即实现了对反应变化的测量(即每个渐进的或运转的平均反应变化)，又实现了对应于相干性或偶极连接测量的渐进步骤，以便于在评估测试期间，确定相关的渐进连接测序(即接线序列或脑连接示意图)。
[12]自动AEP居住补偿和背景噪声消除
[13]自动刺激验证和断开警报/通知
块[13]刺激检测；不需要的背景噪声和失真抑制(块8A的界面(即，刺激适配可以修改刺激参数，以在需要的地方改善对噪声的反应信号)
本发明提供了一种方法(即基于将原始刺激表现的信噪比(SNR)与有争议的或不需要的背景噪声或失真的信噪比(SNR)相比较。例如，通过表征在真实刺激和/或相关事件与不需要的信号类型之间的光谱关联，实际的刺激反应可以被从不需要的背景噪声或失真信号中描述出来。另外，基于刺激或时间反应与刺激或事件发生时机相关或同步的性质，真实刺激和/或相关事件与不需要的信号类型可以通过关联这两个信号组之间的时序关系来区分。
本发明提供了一种方法(即通过监控背景或不需要的或环境的噪音，例如来自测试环境或拥挤的体育场所等的噪音，以这种方法，不必要的噪音，例如其可以通过单独的麦克风记录，可以相位调节幅度进行调整，其中不想要的信号与想要的信号不同相(即，180度相移)，这样信号消除或“归零效应”可以实现从而抑制不必要的噪音并强调有用信号或反应)。以这种方法，最有效的SNR可以实现以便于增强刺激(即声音)呈现和不想要的信号抑制的划分(即改善刺激音频反应与不需要的背景干扰或噪声)，提高对受测试者AEP或ER神经认知评估的准确性或有效性(即ER和/或AEP和/或异常与目标反应性和/或MMN和/或P300的确定)。
本发明包括了一种自动补偿与AEP或ER测试方案相关的居住或定居定因素的方法(即依据在个体倾向于变得更敏感并因此对AER或ER测试方案反应敏感(神经认知)的定居或居住期间，典型性的水平上升，新颖的刺激表现量可以得到补偿)。
[14]数据质量，完整性，验证，验证评估
[14A]自动或手动校准-本发明的一个方面是实现对刺激和/或ER挑战或任务的调整，以便于优化反应测量的可靠性和准确性，例如框图[8A]，[8B]和[8C]下的详细描述。本发明校准包括自动或手动校准功能(即自动挑战/任务需求以及信号表征，其中任务需求可以包括睁开眼睛，闭上眼睛，眨眼，或对眼睛运动和眨眼的扫描，基线眼，脑，生理信号特征的扫描，同时测量相应的反映和相关的生理信号特征)。
[F]EEG和其它神经系统或精神状态的确定
[G]EEG和其它神经和/或生理事件，活动或状态确定
评估回应；任务；挑战；生理和心理，神经状态；状态转变
-本发明可以包括适应性测试评估，能够基于检测到的大脑功能缺陷区域自动建立评估协议；以及测序测试来隔离断开连接-
本发明可以包括任一种或任意组合的对神经状态和/或疾病和/或损伤的刺激和/或挑战和/或连续跟踪(即，轴突评估直到PCP脑功能)，依据任一的自发事件，自发状态，诱发反应，任务或挑战响应性或跟踪(运动反应，神经学时空动态以及分割处理和/或连通性分布(即，序列，脑信息流，脑[处理分布，脑事件同步，等。另见专利页8：1参考)。
-认知，生理和运动反应评估分析和测量的结果参考依据
-本发明的另一个的方面是提供任一个或任意组合的会话内主体特异性参考数据库；会话间主体特异性参考数据库；规范主体特异性参考数据库(即，基于主体年龄，性别，医疗背景等)；管制和/或疾病和/或病症数据库；自校准参考(即仅作为举例，两个或多个依赖的或独立的生理和/或神经因素的比例，例如对视觉目标的眼睛跟踪的百分比精度相对于对作为奇数球AEP测试例的一部分的偏差反应的响应性程度)；自适应或自校准参考(仅作为举例)初始测试过程可以建立一个基线，从这个基线开始认知或反应测量可以随后进行，以便于避免来自于以前的评估会话的预诊断主体特异性基线的需求(不总是能得到，并且这种依赖可能会限制本发明的有用性)。
-本发明进一步实现了将分析格式应用于相同的数据集，以便于提取与主体潜在神经信号相关的不同信息。例如能够描述潜在的信号动态的分析，包括(但不限于)非线性动态分析，如熵，NLD，信号复杂性可以被应用。此外，可以应用更常规的线性信号动态分析，例如光谱分析或时域频率分析，以及相干性或连通性分析，以便于将认知障碍，认知表现，神经系统疾病和脑损伤方面有关的潜在信号特异性特征提取出来。这些脑损伤方面通常可以包括感兴趣的事件生物标志物(即，例如在本文后面的术语表中的扩展)或事件相关反应的分析(即，视觉或运动反应或AEP或ER等)。本发明的进一步分析方面包括时间序列的部署和/或模式分析和/或信号形态分析，这些可以扩展潜在神经信号的描述。此外，本发明的另一方面是实现对应于一段时间和/或对应于分级变化或转变或绝对状态定义的序列或渐进分析变化，因为它涉及以下任一种或任意组合的状态，包括意识，认知障碍，认知表现，神经障碍，与任务或挑战有关的反应，与任何类型的刺激有关的反应；以及其它精神状态。此外，本发明的一个方面是，通过制作一个示意图或一系列的原理图(即，代表连续的时间步骤)以实现示意图叠加表示(即，相干连接和/或偶极连接的序列)对比(即，其中与规范数据集的某些差异或不同可以标记感兴趣的障碍或认知障碍)或比较(趋势信息可以，比如，提供神经疾病插图的指示标记，神经疾病包括TBI，mTBI，阿尔茨海默氏症，帕金森病，痴呆等症状)的方法，呈现这样的精神状态或相关联的转变。此外，在认知障碍或意识状态变化作为另外的诊断或预后标记的背景下，以及在AEP或ER反应和/或这些反应的基本波形分量(即，Na，P100，P300，MMN等)方面，本发明可以分析延迟反应。以这种方法，本发明可以产生诊断和/或预后图，特征信号“指纹”和/或生物标志物。
[F]EEG和其它神经系统或精神状态测定
[17]内源性自发事件相关或生物标志物相关反应检测/推导
[18]外源性自发事件相关或生物标志物相关反应检测/推导
[G]EEG和其它神经系统和/或生理事件，活动或状态确定
[19]EEG激活确定自发反应或生物标记相关检测/推导/EP/AEP/ER监测
例如自发性反应测量的例子，请根据标题“NLDBVT过程实施例”参阅本文的其它部分
例如自发或诱发的兴趣事件确定的例子，请根据标题“自动在线nldb分析的实施例，和用同步睡眠/唤醒超声图像进行的发或诱发感兴趣事件的确定，和一或聚类分析或感兴趣的事件集合指示，和/或生物反馈处理能力”参阅本文的其它部分。
[20]生理反应确定(外源性和/或内源性)EEG激活
[H]特殊认知处理和连接过程
[21]主体特异性和/或规范比较的预后或诊断数据参考
-本发明可以在认知能力，认知缺陷，解剖脑损伤方面纳入当前测试结果的比较评估数据(即，本发明可以对本发明的连通性或不连续性进行分类(即，例如，基于与以前监测数据的比较，基于以前的会话间监控数据，基于会话内监控数据，基于规范人口数据，基于疾病数据库或神经障碍数据库)；
本发明可以监测和计算涉及与测试序列相对应的时间段或时间周期的脑/CNS状态(即，奇怪球和/或MMN技术，包括散布于一个或多个偏差刺激或挑战的一个或多个偏差)包括以下任一种或任意组合的：
-周期性(即，基于任何方法的分组或平均，包括平均或统计分析方法，例如随机或非随机抽样方法组合的排列和/或组合)；
-基于与任务/挑战或刺激的序列或命令相关的信息，根据计算逐步变化，以这种方法，与任务/挑战和/或刺激信息的渐进序列相关联的脑连接的渐进序列可以被确定，以及与任何一系列任务/挑战或刺激目标或非目标事件相关联的整体或平均变化可以被确定；
-本发明的另一方面是允许短期到长期数据视图的趋势，以及某些临界值或工作范围超出安全工作范围或可接受的限度的通知或信息分布。
[22]本发明的多维脑分析可以包括意识状态和程度的测量，以及相关转换，包括(例如)一系列对应于听觉诱发反应(即可以评估注意力或意识的奇怪球和/或MMN测试协议)，AEP(即连续的听觉点击测量)的测量和/或与任一种或任意组合的ER心理认知评估测试分散或分开测试的测量(参见本文其它部分的术语表扩展的细节)；
本发明提供了监测主体/患者的能力，以及确定以下任一种或任意组合的：
-跨功能诱发反应关联-而常规系统通常基于例如听觉奇怪球刺激测试协议的单一刺激格式之间的关系评估所谓的自发状态，或具体的刺激反应，或意识或注意力测量的状态，本发明提供了一种评估对多个刺激和/或主体挑战或任务事件的多个生理和/或认知反应的方法。以这种方法，本发明可以增加反应直接与认知或脑损伤的测量与碰巧或偶然的测量或混杂因素相关联的概率。
例如，主体可能会被呈现一个视觉任务(即，橙色正方形出现后尽快在位置上触摸电脑显示屏。以这种方法，橙色方块可以呈现在屏幕的极端位置的不同颜色和形状的物体中。以一种成熟的方法可以提高解读或跟踪橙色方块的程度，该方法是引入干扰物或其它非目标物体直到选择错误率为50％以上(相当于当一个人翻转硬币时的机会)，然后将这个测量方法与规范数据或患者特定的预校准或基线诊断数据进行比较以便于提供对个人认知能力的评估(仅作为举例)。此外，本发明可以系统地改变参数，例如速度目标(即橙色正方形)和牵引器或非目标对象，以便于梳理和提炼脑的在认知功能方面的不同解剖区域，从而使本发明能够在确定潜在的神经断裂(即由于脑震荡而)或不连通性方面，瞄准解剖区以及最有问题的大脑功能区域，以及大脑的功能处理，例如手的运动灵活性之间的对准或跟踪，并且眼睛能够同步以便于跟踪并激活可接受或正常可操作范围内的视觉目标。另外的认知测试可能是在听到相对于非目标或干扰声音的一个特定目标声音后激活开关或屏幕按钮(使用AEP或MMN奇怪球测试协议)。以这种方法，视觉跟踪，激活开关或屏幕按钮以及同步的运动反应时间(即屏幕可能会显示目标格式，这样个人的任务可以是基于测试期间提供的目标和相关干扰物的类型，选择靶心或目标的中心作为一种对听觉注意力，手和眼睛之间的运动同步以及不同程度的认知难度的测量方法，概率因子提高了系统的精度
本发明，通过组合与置换相关的以统计结果为基础的测量，和多个测量尺寸以及常规的重复测试和随机化统计测定的组合，实现更具体地确定个体的解剖，脑功能，运动灵巧性和/或生理生物学标记结果，适用于与潜在或已知的认知障碍或脑损伤相关的评估，本发明包括了任一种或任意组合的组合和/或单独的多维测量方法，例如(但不限于)：
>生理方面–即，脉搏变化和/或脉冲瞬态时间作为应对高挑战或压力/压力任务的一种血压的替代测量方法和/或透皮电导率/电偶皮肤电阻和/或运动跟踪(例如加速度计)和/或位置跟踪(例如陀螺仪)和/或定位跟踪(例如GSM或GPS)；
>运动技能方面，例如头部位置，眼睛注视和反应性，手指激活精度和反应性，手位精度选择之间的跟踪和同步或对准；
>神经连接(即EEG和/或AEP，和/或ER信号或反应)，例如源定位和与源定位相关的相干连通性分析，和相干性(即多个脑信号激活之间的短纤维连接滞后时间/时间相互关系，例如0至8毫秒，以及更长的依情况而定的处理关联，例如8毫秒至500毫秒；或甚至更难的局部组的神经元，例如所谓的50至150毫秒的子类别；或甚至其它连接类别，例如抑制，ABR，快速延迟，中间延迟，长延迟等，从而实现多时间映射，排序(在本文的其它地方有讨论)和和连通性脑评估。通过将大脑激活区域与脑图进行比较，例如(但不限于)在图66中详述的功能和/或解剖脑/CNS位置，标准图集；当前图集工具；哈佛全脑图集，MNI模板，SPM和国际脑图绘制联盟的标准模板；发展中人脑图集；所有功能包括Brodmann地区，Gyri，Sulci等。脑功能和解剖学关联可以被确定，从而可以基于规范和/或专题和/或自学，查明并报告连通性和不连通性的确定(在其它地方有被讨论，基于专家和/或人工系统，使用信息知识与信息聚合，规则解释等)。
>脑能激活(即EEG和/或AEP，和/或ER信号或反应)依据特定的已知脑区的源定位，在解剖或功能基础上激活(类似于上述神经连接脑图，例如(但不限于)图66中详述的功能和/或解剖脑/CNS位置)；
以这种方法，非常清楚和快速地对主体进行多种不同的认知和生理功能的测试，以便于评估手跟踪视觉检测的运动技能或大脑和眼睛的意识，以及对(例如)一个奇怪球听觉序列的听觉反应，以便于评估这些相互关联的跨功能生理和认知方面必须在一定的可接受范围内运作(例如，基于预诊断或规范数据)，以便于使个人在脑损伤的风险方面被评估为可接受的。此外，本发明可以重新测试不同的顺序，但包括相似或新的组合的生理和/或认知功能或反应性和/或协调或相互关系测量，以便于迅速对TBI提供一个极简单和高度准确性的评估(超出传统的单一方法或不能评估每个本发明的多维和跨功能相互关系的方法)。
>自发反应(即，内源性类型例如主轴，HFO，波纹，K-络合物，顶点波，尖峰等。)在本文其它部分的标题下有详述，标题为“标题：具有自动确定选项和在线分布式处理选项的eLifeNLDB非线性动态(NLDB)分析，能够进行适用于消费者/患者的诊断或预后测定和/或生物反馈或治疗的自发源定位”；参见标题“具有源定位和/或NLDB确定选项的自发事件检测”部分。
>事件相关反应(即，例如本文标题下的其它部分另外的详述的任务或挑战事件，包括以下任一种或任意组合的：
事件相关电位ERP(即，可以包括对诸如意识，记忆等认知测试或挑战的任务的大脑反应测量(在本文件以下这些标题下方其它地方的斯特鲁普和其它测试：“智力评估”，“记忆评估”，“语言评估”，“执行功能评估”，“视觉空间评估”，“痴呆特异性评估”，“对神经心理功能评估的一系列测试”；”“认知障碍评估与确定”，“认知功能结果评估与确定”，“早期痴呆阶段和/或痴呆严重程度评估与评价”，“认知表现评估”；“规则学习者(或规则诱导)(分治法)-注意力和焦点跟踪”和/或“-观察者对显示信息的反应性的视觉评估”)
-主体可能会被要求用言语表达一个句子，进行一个方程，识别数字，识别图片或其它交互式认知测试，这些测试能够实现一系列敏感但也非常广泛的测量方法，能够实现行为和/或脑激活反应(包括源定位和/或脑反应或激活与预诊断或其它数据库规范参考水平)，例如预测试或测试状态或其它状态和/或结合诱发反应的同步结果(MMN，奇怪球或涉及与认知测试例相关的内源性脑激活)
-与应用刺激或思维范式相关的大脑反应的测试，可以被设计用来激活任一种或任意组合的神经心理测试，包括以下任一种或任意组合的93：
i)与复杂的思维过程相关额叶激活；
ii)与视觉处理相关枕叶激活；
iii)与触觉或疼痛感觉过程相关的顶叶激活；
iv)与听觉处理相关的颞叶激活；；
v)与“意识切换”将信息从大脑传递到大脑的适当区域有关的丘脑激活；
vi)与语言产生相关的布罗卡区域激活；
vii)与理解或有关主体听力的领悟相关的韦尼克区域激活；
viii)与记忆过程相关的海马区域激活；
ix)与恐惧调节有关的杏仁核激活；
x)与运动和平衡有关的小脑激活；
xi)认知评估测试(CAS)例如(但不限于)CAS系列测试包括任一种或任意组合的计划规模，注意规模，同时性规模和/或连续性规模；94
xii)针对儿童的考夫曼评估系列；
xiii)神经心理学测试任一种或任意组合种类的包括智力，记忆力，语言，执行能力，视觉空间，老年痴呆特性，和/或系列的评估多种神经心理学功能的测试；93
xiv)“记忆力”功能测试可以包括任一种或任意组合的(但不限于)加州语言学习测试，剑桥前瞻性记忆测试(CAMPROMPT)，记忆评估量表(MAS)，Rey听觉语言学习测试，Rivermead行为记忆测试，记忆和学习测试(TOMAL)，韦氏记忆量表(WMS)，记忆伪装测试(TOMM)；
xv)“执行能力”测试可以包括任一种或任意组合的(但不限于)执行缺陷综合征行为评估(BADS)，中枢神经系统体征(简称芯电池)，(CPT)，受控口语联想测试(COWAT)，注意力的d2测试，Delis-Kaplan执行功能系统(D-KEFS)，数字警戒测试，图形流畅测试，Halstead类别测试，Hayling和Brixton测试，Kaplan Baycrest神经认知评估(KBNA)，Kaufman短神经心理学评估，起搏听觉串行加法测试(PASAT)，Rey-Osterrieth复合图，Ruff图形流畅性测试，Stroop任务，注意力变量测试(TOVA)，伦敦塔测试，Trailing测试(TMT)或Trails A&B，Wisconsin Card排除测试(WCST)，符号数字模式测试，日常注意力测试(TEA)；
xvi)“视觉空间测试”功能测试可以包括任一种或任意组合的(但不限于)时钟测试，Hooper视觉组织任务(VOT)，Rey-Osterrieth复杂图形；和/或其它认知评估；
-本发明实现了对EOI的确定(如本文的术语部分中进一步详细描述)和/或包括(但不限于)对刺激事件和/或ERs主轴，HFO，波纹，K复合体，顶点波，尖峰的确定；
>自动EEG健康状况表征和最佳参数；测定分析(图45)
-通过对相关先兆发作条件，发病预测，生理或神经状态的变化或感兴趣的相关转变的进行检测的方法，本发明能够确定感兴趣的神经系统疾病，以及这些疾病的最早可能的检测，如图45中的进一步描述，以及相应的图形描述。
-本发明能够确定意识或意识状态的改变或相关的转变(即如示例所详述的，根据运行快速ARX AEP(听觉点击刺激反应)平均值和较慢的256扫描AEP平均值(听觉点击刺激反应)的意识深度，使用一种或组合的AEP分析类型，包括包括差分AEP分析和/或NLDB或熵AEP分析(参见图56的图片，或参见图57结构化故障分析的生理和神经相关变量或功能，或图58中症状与影响与生理变量与生理指标的测定与相关的生物标志物的例子，或参见图59中与本发明在线监测能力相关的并适用于单一事件事件集合或预后或诊断生物标志物的分析或事件)；
>依据常规分组或平均技术处理关于脑/CNS变化的信息，并依此计算脑/CNS变化，或脑/CNS状态，或脑/CNS转变(即，传统上平均目标和非目标，以便于计算脑/CNS对目标与非目标的反应或标准刺激或任务与奇怪的或偏差的反应之间的变化(即，经常遵从80：20的配给量，在这里呈现的标准刺激与偏差刺激之间的比例约为80/20-或甚至是5倍的刺激(但经常通过改变以最小化预期，并创建一个更随机的测量方法与预期反应的测量方法。尤其是现有的技术发展水平趋向于主要关注或强调组合或分组不同的目标或非目标或标准或偏差(即，奇怪球或MMN测试制度)反应；
>脑/CNS变化(同时保留适当的信噪比测量标准(即，通过这样的方法：依据信号测量的强度比背景噪声或不想要的信号和失真信号大很多，从而确保信噪比测量方法总是正确的。
确定，评估和报告短与长时间，和/或解剖分离的认知障碍或脑损伤和/或与脑功能相关的延迟方面
-本发明的另一方面是评估长距离与短距离的大脑连接或断开，例如与剪切或轴突纤维作为脑损伤的一种结果的大脑连接或断开。例如，本发明可以部署具体的ER(包括MMN，奇怪球或视觉的和运动的任务/挑战)或AEP测试方案，其中具体的测试是用来测试较长的大脑连接，例如涉及大脑的枕骨区域与数学计算相结合的同步可视化，涉及额叶与相干连通性评估结合的同步可视化，可以通过长轴突纤维被剪断的方法实现，或经过脑损伤事件断裂的轴突以这种方法出现，在减少的连通性(相干性)或大脑前部和后部之间减少的连通性方面，以及额叶和枕部脑区和记忆功能区域例如将信息从身体传递到适当的脑区域的海马区或丘脑区之间的中间连接，也涉及意识。本发明的一个方面是提供一个在相干脑信号和脑功能特异性测试方案(即，ER，奇怪球，MMN，AEP视听任务/挑战)之间分段检查不同组合的时间延迟的平均数，能够查询短时间延迟与较长连接路径。例如，这种方法包括检查相干脑信号之间的短时间延迟(即，可设置0至8ms，但可以配置任一范围)以及相干脑信号之间的较长时间延迟(即，可设置8至50ms，但可以配置任一范围)。此外，本发明可以在与任何多个相干信号延迟范围相关联的脑连通性值(即，相干性)内的任一个或任意组合的脑信号相干点之间进行比较。例如，在第一处理步骤中，可以确定在较低延迟范围内(即，脑相干信号之间0至8ms)的任何连接点组合之间的相干性，而在第二处理步骤中，可以确定在较高延迟范围内(即，脑相干信号之间0至50ms)的连接点的任何组合之间的相干性，并且在第三处理步骤中，这两个连通性测量之间的比例可以作为长到短连通性的标记进行比较(即，在通常是长轴突纤维被剪切的损伤之后，短到长连通率测量的比率通常可以根据脑损伤的严重程度而降低)。
-本发明的另一方面是在ER，AEP，奇怪球，MMN的背景下，检查大脑的处理延迟以及大脑的时空动态相干性的相关处理高峰以及波谷。(即，自动或手动地配置相干性分析来识别波形峰值与脑响应波谷之间的相干性，以便于检查和描述与认知缺陷或脑损伤相关的脑/CNS变化)。
-实现本发明的另一方面是实现一个ER挑战/任务(即例如有互动挑战的电脑键盘-例如激活开关或屏幕位置的命令以响应某些视觉线索)和/或奇怪球或MMN ER刺激测试的序列的生成，其中测试的序列是旨在以结构化和有序的方法测试大脑不同的功能方面，其中另一个选择是验证任何产生不合格结果的特定测试，以便于特意验证此类结果。这种方法提供了一种适应性测试制度格式可以大大提高在关键结果测量可能会导致不太准确或误导的结果的情况下评估的准确性。以这种方法，本发明不仅基于多个功能方面，而且基于大脑结构上或位置上的区域(即测试可以是以结构来测试左与右，反之亦然，以及侧向，前向，额叶与枕叶激活，丘脑活动(意识转换)，皮层-丘脑相互关系等。以这种方法，本发明不仅提供了能够测试位置或区域相互关系(连通性)的一系列测试，而且提供了连通性序列，较长距离与短距离大脑连接或断开，大脑的解剖连接测试方面(即例如，与脑损伤相关的前部剪切轴向连接的检测)，(即通过检查轴向或纤维连接，使用小于2或3ms因子的分段连通性相互关系，如剪切的轴突纤维可以通过检测相关的脑连接缺失来检测)，连接序列的不同级别或粗糙度(即通过对光谱，相干性，信号动态和/或时空动态的分层分析)。此外，本发明可以利用电池进行适应性测试，和/或不同测试方案的序列因此能够提供完整的大脑报告，以及区域和互联或区域CNS/脑报告以及常规的整体或整体脑/CNS方法。
比较或自校准/参考过程
-因此，本发明可以根据任何比较或自我校准/参考过程来参考所述脑变化/CNS，该过程包括以下任一种或任意组合的：
-自动监测和诊断或预后评估算法可穿戴设备的确定和最小化，在图45块8中进一步详述；
-本发明的另一方面是，自动监测和诊断或预后评估算法精度细化，从图80块10的最大或超集模型到图80块11详述的最小或子集监控的参数和相关的分析过程。
-本发明的另一方面是，动监测和诊断或预后自学(即参见图77推理工具块D或图77工作区C的专家系统)，或人工智能自学(即如本文标题“不断进步和不断改进自学专家系统或人工智能诊断或预后过程”下方其它部分所讨论的)，根据图78预测模块块2或图78诊断模块块5，或如图79所示的从知识到相关知识的聚合。
本发明的另一方面是，根据由受到评估的主体或代表主体的系统用户填写的问卷，提供测试方案和评估过程和报告的定制，其中所述的影响测试协议和/或测量过程和/或报告格式的问卷信息，可以包括以前的脑震荡日志，日记或历史，以及以前的神经系统疾病，用药史和可能影响被评估个人的认知状态和测试需求的其它因素；
本发明的另一方面是，进行与药物或其它治疗相关的短期或长期评估，其中，根据一次或多次分级或单剂量事件，脑/CNS根据药物给药而变化。
[23]认知障碍或表现确定反应监测推导ERP/EP/AEP/ER
-参见认知编码系统(CCS)(见本文其它部分的术语表)。
[24]认知，心理，神经和/或心理状态和/或相关转变确定。
[25]神经系统疾病/紊乱或相关转变确定
[27]使用标准化的一系列测试进行“MIND”统计结果评估(在标准化测试方面，参考和适应论文DB的结论)
-另见文术语表的后面：“测量统计和分析结果(MSO)”。
用于认知/TBI评估的标准测量系列33
>本发明包括了一种分层AEP测量的能力，能够根据诸如感官类型，认知反应，ABR，PAMR，习惯，折射和传入测量，以及MMN和其它PCP相关测量的方面，区分反应源，分类，以及相关表征，适用于区分相关认知/TBI测量。
>本发明的另一方面是包括一系列稳态或渐变的认知变化测量，以及短暂或自发的神经或生理事件，和短期认知状态变化测量和/或表现测量，包括(例如但不限于)基于跨越意识丧失或脑/CNS状态变化的2样本t检验分离测量，转变和/或表现测量，快速斜率脑/CNS状态，转换和/或表现测量，过渡时间(TT)脑/CNS状态，转变和/或表现测量以及其它测量，例如平均SD意识状态分离测量，分类和接收器工作特性(AROC)测量，一组PK相关性测量，事件和认知和/或意识状态检测测量，量化反应曲线评估，包括计算线性回归统计分析，单变量，多变量和二值逻辑统计的量化响应曲线评估，作为描述意识状态和EEG或AEP/ER认知测量之间的联系的一种方法。
本发明可以包括任一种或任意组合的快速斜率认知或结合有绝对TT检测的意识状态t检验TT分离测量，来有效地描述与认知状态相关的动态波动，并作为反应能力的指标。33
为了评估对挑战或刺激的反应，本发明可以包含任意组合的现代的(熵)或传统的(差异化；整合)AEP分析类型，以便于随时评估脑/CNS的变化或具体到任一评估测试(例如，任一种或任意组合的如术语表所示的ER MIND测试)。
分层脑特征33
>本发明基于ABR，MLAEP，SLAEP调查结果发现可能存在监测以分层方法排列的更全面的反应衍生集合的可能性，其中包括外周活动的肌原性PAMR测量，代表耳蜗受体的感官ABR改变，对应于刺激变化的神经源性传入和难以控制的幅度/延迟特性，和代表记忆痕迹的最终处理可能的电位(例如MMN)，和决策处理，涉及外科手术进行时发生的召回期间。
>本发明通过实现诱发电位分级刺激生成，来实现在伺服控制的刺激物优化过程中AEP反应的同时跟踪。刺激优化可以包括速率，强度，标准/偏差比，刺激物形状和刺激物光谱参数的调整。以这种方法，本发明能够基于具体的认知状态或相关的反应测量，生成不同的刺激格式。刺激格式可以包括标准/偏差刺激序列，点击，颤抖，啁啾，音调，语音和专门的音频序列。
诱发反应测试方案可以包括诱发早期延迟反应(如PAMR)作为外周活动的标志，ABR信号质量和刺激连接状态，或包括标准/偏差MMN测试范例的认知特异性序列，可以实现认知障碍，认知表现和/或相关的大脑意识或注意力的确定。
>AEP分层分析将复合ER信号分解为与认知障碍，表现或相关的脑损伤，注意力或意识相关的独立信息渠道。分层分析能力包括分类和表征反应的能力，所述反应包括ABR强制性的感官反应，区分诱发的周边测量的能力，和通过(例如)描绘N1效应与更高的脑MMN之间的涉及长期术中记忆巩固的脑功能变化的方法，获得更高水平的取决于电位(PCP)测量的AEP处理的能力。
本发明可包括任一种或任意组合的能够描绘AEP，ER或SR反应的方法，该方法是依据生理来源，并由来自耳蜗的受体电位，起源于CNS内的声神经或神经群体的神经电位，以及从颈部和头部肌肉的激活产生的肌原性电位组成(包括PAMR)。即一种确定PAMR信号和/或相关肌肉张力或反应性的方法是使用主动PAMR测量，因此本发明使用响亮的声音故意刺激PAMR，然后从PAMR反应来测量一个协同因素或敏感因素，其可以与随后的AEP或ER测量结合使用来补偿测试期间的实际刺激影响--以这种方法，例如一个被周围声音分散的测试，例如在一个比赛的日子里作为现场体育测试的一部分，相对于主要或仅仅是认知障碍因素，可以从一定程度的来自于背景人群或场地噪声的ER,AEP或SR破坏或干扰中受益。
此外，本发明可以包括任一种或任意组合的能够根据延迟描绘听觉反应的类别的方法，听觉反应的类别包括第一个ABR，MLAEP，SLAEP和LLAEP反应。这些反应代表感官或神经源，范围从快速强制神经和其它感官功能到潜在的处理关联电位。用于测量指示耳蜗感觉功能的听觉通路的完整性的第一耳蜗和第八神经(0到5ms)和快速脑干(ABR；2-20ms)，之后的反应，如MLAEP(10-100ms)，SLAEP(50-300ms)和LLAEP(150-1000ms)反应，分别涉及难以治疗的和更高的处理关联电位33。
本发明的另一方面是根据不同群体或水平或脑/CNS连接或处理的确定，部署方法(例如波形分析或潜伏期分析)来梳理或描绘ER和/或AEP处理反应，包括(但不限于)成群的强制性反应，传入和应急处理AEP反应和/或认知敏感测量。通过将适应，折射和传入测量，以及MMN和其它PCP相关测量进行显而易见的分类来整理或分类感官与轴突和认知反应，以此，本发明可以区分大脑内的各种通信和/或处理层，并因此评估与脑损伤，药物治疗或认知表现和障碍有关的测量的变化。这些所谓的不同层可以被部署为大脑“测序”和“脑激活”确定过程的一部分，在本文件的其它地方有述。
>本发明实现了对SLAEP反应组(在额皮质和相关区域内产生)的监测，并且这些可以被表征和分类为P1，N1，P2，N2和其它SLAEP反应分类。本发明可以产生具有少至30至50次刺激呈现的SLAEP适当波形151。为了应对刺激水平的迅速变化，本发明可以从一个静止的状态表征所有三个N1子组件，作为个人意识或警觉性和整体认知障碍或表现的一个标志152,153。
>本发明从安静的背景中产生刺激(即，使用声学噪声消除技术)，或产生连续刺激音调的变化，以便于唤起主体的N1反应波形。即，作为对注意力触发的回应，可以生成至少一个N1子组件，包括代表与感官分析器的信息相关的初始读数的处理153,154。
>本发明可以跟踪N1反应作为内存跟踪形式的标记，并且该反应的引出和随后的波形相减可以进行测量，对应于涉及确定主体决策过程的皮质过程，因为它与识别刺激变化有关。
>本发明可以监测和检测N1的存在，对应于刺激呈现，提供刺激到达听觉皮层的生理证据。以这种方法，本发明的“N1”测量可以反映听觉刺激的存在，并提供听觉辨别的标记153,155,156。本发明还可以部署这些测量作为刺激存在的标志，以便于提供在线验证功能(即，最小化诸如背景噪声或不相关的自发响应等混杂测量因素)。
>本发明可以跟踪N1变化作为以下这两者的标记：1)巴特勒效应所显示的不耐受或感官变化157，和2)处理关联电位或不公正的刺激变更153,158,159。可以测量巴特勒效应以便于补偿与重复刺激相关的混淆的测量，从而，N1振幅在频率或其它刺激参数的变化之后基本恢复或重新出现160,161。即，不起反应期间的一个增长(刺激间期；ISI)可以产生N1-P2振幅的增长。被称为“N1效应”或“管家效应”的效应不应该被误认为MMN，它们具有相似的延迟范围，但在处理关联电位上与Butler效应相反。本发明描述了N1效应(Butler)与MMN(MMN可以反映PCP测量)，作为在存在N1效应反应上区分MMN意识测量的一种方法(N1效应涉及不一定反映高阶认知或意识状态的神经传入变化)，即，刺激间期期间或所谓的不起反应期间的一个增长，已经被显示在N1-P2振幅上产生了一个增长，由于被认为是负责产生这些反应的潜在神经元的恢复效应。
>本发明自动跟踪和补偿耐受性的评估测量和随后的与刺激频率的变化相关的AEP反应振幅153,162，强度和153其它刺激参数.相反地，本发明跟踪并补偿N1振幅，该N1振幅已被显示由于明显的重复刺激带来更高耐受性而衰减163,164。即，随着刺激的变化，第二刺激已呈现被归因于最显著的反应振幅衰减。
[28]“MIND”主体特异性/个性化统计表现评估(另见专利的其它地方，最小化评估过程和自学(人工智能/专家系统性能和信息聚合过程)
本发明使得系统用户能够激活“自动测试评估格式，或手动选择先前配置的具体测试”，或实现了配置测试，使得与测试或刺激相关的至少一个测试或挑战在时间与位置上关联并同步的能力(即被测试对象的反应或更具体地对应于刺激，挑战或任务测试的时空脑动态，以特定的脑功能方面受到测试的挑战的方法被指出，并且，与脑功能反应相关的大脑源定位或大脑成像区域被指出(即，在某个特定的时间或实例中，作为大脑的区域或点或系列或点或区域)，以便于在大脑空间位置中以及起始任务，挑战或刺激测试的时间关系中进行相关事件的调查。
代表获取脑部监测或成像的神经信号的数据集，可以通过以下任一种或任意组合的方法被调查：1)个人事件数据集表征，2)一系列“事件”的表征，“多个事件之间的比较”；
其中所述的“事件”是指对刺激，挑战或任务的任一反应(即参见例子(但不限于)认知测试，包括在“ERP MIND”下的后端文中列出的术语表)。
其中所说的“多个事件之间的比较”包括以下任一种或任意组合的：1)任何两个或多个事件或被监视事件的任何组合，例如相对于标准反应(即，更重复或常规的刺激或挑战)的偏差或奇怪球反应(即由于偏离标准或更常规的刺激或任务挑战而产生的新的反应)，其中所述的事件被组合而成(即任何数量的标准事件可以被组合而成，任何数量的异常或奇怪球反应可以被组合(即仅作为举例，组合包括不同类型的回归分析或平均)回归；2)任何2个或多个监控事件或监控事件的任何组合，例如从信号通道或电极信号监测的事件(例如，但不限于，在源本地化之前)；3)基于基于源定位分析转换的基于数据集的任何2个或更多个事件(即例如，但不限于，在源本地化之后)；4)先前列举的情况1)到4)包括至少一个基线数据例(即基线数据可以包括任一种或任意组合的数据库引用包括：a)规范和/或对照和/或疾病和/或主体特异性的预诊断数据库或数据集，而不根据主体/患者的样本分层(即性别，年龄，病史等)；b)自校准数据，从而来自测试会话的数据的第一部分可以部署为认知评估结果的校准基础；c)认知结果之间的任何比例或比较，可以被建立以作为测试的一部分，从而实现自校准(即两种测量方法之间的相对标记；即眼睛反应跟踪测量方法(即通过构建或分离摄像机跟踪相关的眼睛测量，在本文标题“eLifeALERT”下方其它地方有详述，以及包括(但不限于)如眼睛，面部，身体和头部的移动或定位，位置或方向和/或视野的跨度，以及眼睑速度或速度特征，睁眼或闭眼的跨度的测量方法，以及其它适用于定义对应于刺激，挑战，任务或其它驾驶员或职业行为和认知方面的眼睛，眼睑，头部，脸部或身体的位置或运动的测量方法。
以这种方式，可以比较多种认知和/或其它生理反应或测量，以便于产生第三个测量，作为基于比较值或比值的结果测量，从而产生与认知结果或其它生理结果测量相关的指标，不依赖于绝对或校准的测量。
即表示对一个特定的以前配置的测试协议的测试动或手动的选择是可能的。精度，测试速度，测试复杂度等测试要求的测试评估标准，可以根据用户选择的标准进行自动计算。以这种方法，未知参数可以根据用户选择的标准自动调整。即，如果要求最高的准确度，将建议多维测试格式，并且认知评估的数据集可以被构造以查看大脑上许多的脑功能和位置，以评估解剖学(即，脑震荡之后，在大脑的正面和后面或在左半球和右半球之间的纤维剪切(仅作为举例)可以通过利用涵盖这些脑功能区域的心理挑战的认知测试来测试。通过将本发明配置为结合这样的测试，然后是源本地化，然后是相干性或偶极子分析，本发明可以将主体对挑战的反应性进行比较(即，带有触摸屏界面挑战，如视频游戏挑战，的视讯显示器)--如果某些记忆或警觉性测试的相干性或连通性似乎降低了，则本发明可以进一步侧重于大脑的这些区域或功能缺陷，并且使用该主体特异性自适应过程来验证或交叉检查这些测量次数以增加认知测量的整体敏感性。
[29]结合全脑评估选项，基于多个脑位置或区域的认知测试(即挑战，任务和/或刺激)。即可以配置评估测试或挑战和/或刺激协议，以使得根据受这些任务或挑战和/或刺激方案影响或正常影响的脑位置或区域，激活特定的脑功能并查看相应的反应。以这种方法，大脑连通性，相干性，偶极子，连接处理序列，处理网络，过程映射，互连网络映射，连接示意图(即如本文件后面的术语表中所述，以及相关的辩护；认知处理定序器(BPS)；认知编码系统(CCS)；分层神经病学处理(HNP)；偶极子建模，相干性分析，相干性连通性分析)和其它大脑功能方面的灵敏度和特异性，可以在脑损伤的情况下根据特定连接或不连通性进行分类(即，使用任一种或任意组合的“总脑”，“整体脑”，“互联脑”，“排序大脑”，逻辑流脑“和/或”分布式处理大脑“调查方法进行更有效的适用于预后或诊断(即EOI，包括神经系统疾病，损伤，脑震荡或障碍)，认知(障碍或表现)的测量和诊断，否则脑连接纤维或轴突会断开。相反地，传统的单维或特定连接与复合组合方法风险，过度简化或泛化脑功能明显的复杂性以及相关的有效测量方法。
-在本发明的一个方面，可以基于CDR fEET和标准化MRI图像数据的集合来计算相干弧活动(图101(右上面板))，(在这个例子中，在睡眠期(第2阶段)期间计算)，以便于突出丘脑和枕叶大脑皮层区域神经互连的优势。
-在本发明的一个方面，可以基于CDR fEET和标准化MRI图像数据的集合来计算相干弧活动(图101，中心-左面板)，(在这个例子中，在WAKE期间计算)，以便于突出丘脑和额叶大脑皮层区域神经互连的优势165。
-在本发明的一个方面，可以基于高密度(133电极)函数EEG记录来计算偶极位置(图101(左上图面板)，(在这个例子中，结合标准化和平均的MRI图像)，从而可以根据电流密度重建(CDR)脑激活结果呈现唤醒或睡眠阶段(图101(右上面板)。
-在本发明的一个方面，可以计算偶极计算，例如在这里计算的偶极似乎包含了丘脑区域(图101(左上面板))，在这个例子中，最重要的偶极子((图101右上角偶极子))也似乎是根据丘脑区集中的，这与文献将丘脑激活与睡眠深度相关联相一致。在这个例子中，左侧图像视图强调了睡眠中典型的中枢和枕叶脑活化(图101(中左面板))。
-在本发明的一个方面，偶极子可以与ARC输出表一起计算，在此示例中显示了3个偶极子，其中1个位于前区，2个在前后/上下(上后脑)位，图101(下面板)。
-如本发明的一个实施例所示，大脑顶视图MAPS如图101所示(中右面板)，以41毫秒(TP41)AEOP组件为主，位于颞区周围的区域被突出显示为潜在的贡献因素，因为它涉及前额区脑激活的重点(即，根据图101的3偶极子的前部定位(左上面板)。
-本发明可以基于自动(或手动调整)和自校准技术(即使用ICA和/或PCA技术预览数据以识别神经兴趣的主要波形或信号分量)，定位脑激活，偶极子和相干性，可以根据对应于任务，挑战或刺激的脑活动反应，确定感兴趣的大脑激活，并且确定将这种脑激活与眼睑，眼睛运动，眼睛注视，眼睑加速度和/或速度特征，头部运动，面部或头部注视以及其它眼睛或警戒测量相关或相关联的选项，在“eLifeALERT”一节中有概述，作为本专利说明文件的一部分。-对于本案例研究，图101使用两阶段方法对源维度进行定义，例如PCA与ICA可以部署为自动(或可选手动)预处理数据阶段的一部分，以便于提高偶极源定位精度及相关连接测量。例如，考虑到通常可以将大量的表面信号映射到如此少的偶极子结果中，本发明可以通过将多阶段PCA应用于ICA方法来最小化维度误差，从而进行自动预处理(在确定脑源重建，相干性和/或偶极分析之前)数据。以这种方法，本发明可以自动应用PCA。
-例如，首先应用PCA来识别信噪比更高的信号，然后是ICA分析，以改善Dipole本地化(维数)165
本发明的另一方面相对于传统的较小维方法(即全脑或一般指数)是，在某些仅使用传感器相关的信号(与源重建数据相比)来分析特定来源的大脑激活的情况下，脑的诊断或评估是可能的，否则这些激活可能被表面信号所淹没。例如，一些更关键的脑结构如丘脑(也称为“意识”开关)，丘脑可以提供与主体的意识状态相关的更深层的皮质信息，从“整体脑”(平均或广泛的分析)方法的角度考虑，相对于可以在任何结构或功能性脑区域考虑整个脑的本发明的能力，它并不明显或者显而易见，但同时可以将特殊的麸皮活动区域本地化不明显，无源本地化(即使是粗糙的源本地化)分析。
以这种方法，本发明可以普及一系列大脑测试，每个人以特定的方法查看大脑，从而可以检查大脑特定区域的连通性。例如，本发明可以部署一系列交互式的步骤(即刺激，任务，挑战)，从而使每个步骤都记录在结果中，以便无需单独或小组的测试即可进行分析，通过源定位脑活动跟踪的方法，使用每个测试可以设计来减轻或抑制某些结构和功能区域或大脑的方面的知识，实现以上功能。因此，本发明包括一种全脑测量的方法，以及对脑局部功能或结构区域的评估。
本发明的这种方法有助于防止任何发展的或普遍的全脑或整体脑评估方法丢失或压倒性的更深的皮层或更细微的测量，因为丢失这些信息可能会危及在对主体对脑损伤或神经障碍的认知和脑功能状态的综合评估的背景下至关重要的细微但关键的脑功能或脑损伤方面的确定。
本发明的监测和信号分析过程的一个例子，包括脑源重建分析，某些脑区段的包含或排除作为源重建分析的一部分，示例或电流密度和sLORETA源重建分析，以及相干处理，偶极子建模和在本文中图84至图94中呈现的相干连通弧的确定，以及相应的图形描述。
[30]基于从解剖纤维/轴向或传感器感觉/神经激活到具有分布式或嵌入式处理决定的高阶处理关联的时间分割的大脑原理图分解，适用于ER，SR，认知障碍或表现，脑损伤和相关，连接或不连通以及相关网络，以及脑状态，神经系统疾病或疾病和相关转变或分级测量。
图101本发明的实施例，神经认知状态的客观评价，能够确定大脑连通性测序的基础分析。
从该高密度函数EEG记录计算的偶极位置(左上面板)的一个实施例，与标准化和平均的对应于电流密度重建(CDR)结果(右上面板)脑激活的MRI图像睡眠相融合，在典型的睡眠期间(第二左下面板)；脑顶视图地形MAPS(第二右下面板)；每个左上面板的3个偶极子，偶极子计算和ARC输出表(下面板)。
[33][34]认知处理序列(CPS)和认证编码系统(CCS)-另见术语表。左上方显示对应于代表昏睡状态的3分钟周期的连续AEP波形的蝶形图叠加(基于发明在线(或离线)同步睡眠/唤醒和/或意识状态和/或改变的意识状态的确定)，结合认知障碍和/或表现评估确定。
覆盖的块代表连接序列确定的本发明方面，从而可以在视觉，统计学，分析，视觉，图形或数字方面检查时间或周期或时间的连续点，以便于模拟数据示例中适用的渐进序列变化(基于真实的实验生理记录和分析)，在顶层块上显示了第一个处理步骤是大脑连接时间序列的开始。该第一处理步骤示例呈现当前密度重建(CDR)视图(图85右侧面板)，适用于，相应的功能性AEP EEG波形叠加为一个蝴蝶的前3分钟(图85左上方面板)，相干ARCS覆盖计算的电流密度源重建(图85右面板)，以及相应的相干ARC输出表(图85下面板)，和独立成分分析(如图85左下图所示的ICA与地形叠加地图)。随后的重叠框，每个表示连续的时间段(本例中为3分钟)，以及相关的心理状态(即，睡眠，唤醒，意识或无意识，意识等级等)。作为整体的序列可以一种类型的脑电路图覆盖来表示，显示大脑连接数据作为时间函数的渐进变化和序列或流程(即，可以部署多层和彩色编码或线条注释，以便于表示代表纤维互连的不同相干延迟，例如0-2ms，直到听觉脑干反应(ABR)和中间延迟听觉诱发电位(MLAEP)，慢延迟AEP(SLAEP)或长延迟听觉诱发电位(LLAEP))，以便于提供本发明的大脑连通性测序能力。
本发明的另一方面实现了基于大脑连接时间窗口的分割，来确定这样的脑连通性序列，其中时间窗口是随着时间的推移参考或与刺激(或根据视觉或音频视觉测试协议的任务，事件或挑战)开始同步(即，a)0-3毫秒以分析与脑电信号向突触间隙向下移动的轴突纤维相关的相干性或其它形式的连通性，以及通过从其它神经元接收这些信号的树突纤维，分析通过突触间隙传播到下一个神经元的信号；因此本发明可以在微创外伤性脑损伤或更严重的脑震荡事件的情况下检查与这种纤维的剪切相关联的连通性和不连通性，b)第一个耳蜗和第八个神经(0到5毫秒)，c)用于测量耳蜗感官功能听觉通路完整性的快速脑干(ABR；2-20米)，d)之后的反应，如MLAEP(10-100ms)，e)SLAEP(50-300ms)，f)分别与难以治疗的和更高的处理关联电位有关联的LLAEP(150-1000ms)反应，g)传入响应，h)N1-效应，i)特殊反应测量，如P1/P50中期延迟AEP和惊恐反应(SR)，除了预脉冲抑制测量，如N40电位；精神分裂症和其它在听觉P1和N1不耐受等方面的神经功能障碍外，本发明可以部署该测量方法作为一种对认知敏感性的认知意识的测量方法；
本发明包括编码脑序列的方法，以这种方法，特定任务，思维过程，刺激反应，挑战或任务反应或任一自发事件相关的外源或内源序列(并行和/或串行和/或同时和/或连续)可以用标准化的编码系统来表示，从而使得正常或功能障碍的大脑过程能够在主体间和跨主体的研究(监测会话)的基础上进行评估和比较。
例如，在一个实施例中，一个发展的大脑序列可以是对应于针对目标300ms斯特鲁意识ER协议的代码，其包括左半球额叶(10-20ms；7个互连相干链/ARCS)到中央脑区域(90-110ms；20ARCS)，枕叶左叶(130-150ms；10ARCS)到额叶到左侧(150-170ms；30ARCS)；本发明的该脑代码测序器可以表示为代码序列，包括左半球额叶(10-20ms；7ARCS)到中央脑区(90-110ms；20ARCS)&左前叶(130-150ms；10ARCS)到左前半叶(250-350ms；100ARCS)到左顶叶(350-400ms；50ARCS)。此外，本发明可以将该序列与可接受的ARC和相干延迟范围进行比较，以便于在认知表现或认知障碍的程度方面提供一定程度的可接受的变化。认知脑代码序列比较可以是依据随着时间的推移，被评估个人的变化。此外，认知脑代码序列比较可以是依据规范数据参考或被测对象的预诊断数据。
细微的大脑序列可为对应于300ms斯特鲁意识ER协议反应的代码，可以包括更具体的结构(解剖)脑区，例如海马区或丘脑区或视交叉上核(生物钟)区域(仅作为举例)或任何脑图集或映射区域。
以这种方法，本发明为一系列测试产生事件或刺激(即，本文件术语表中的MINDER)，以一种可以呈现刺激来评估区域大脑连接，更长距离脑连接和整个大脑的任一脑连接的方法，以便于评估(例如)脑损伤的程度和分类，例如脑震荡，TBI或微TBI之后的剪切枝晶或轴突纤维。在这个例子中，连续3分钟的连续刺激平均值，随后是电流密度重建分析，随后是相干性分析，然后相干ARCS(图85下面板)CDR的数值表示已经在21分钟的监测会话中计算了7个连续3分钟的时间(即n＝3分钟(m))。
尽管该示例适合于跟踪觉醒到昏昏欲睡到入睡和各种睡眠阶段变化的连接序列，能够破译适用于单个事件的脑代码序列的其它较短序列也是可能的。例如，在图85顶部左侧面板的蝶形图可以根据CDR，相干性和输出ARCS每个连续10ms进行分析(例如)，以便于检查适用于预刺激到结束的脑连通性和编码序列
在这个实施例中，可以在平均的AEP波形中部署3分钟的平均周期(例如10毫秒，连续10秒的连续时间段)，以便于检查适用于单个事件的大脑连通性和编码序列(即，在此示例中，10ms预刺激，120ms后刺激)。
作为本发明的一个实施例，以下代表脑叶&大脑神经学示意图覆盖范例的其它特殊脑区域；
表A1
基于源重建振幅的脑测序器(此实施例基于(仅作为示例但不限于)sLORETA电流密度源重建(CDR sLORETA)，随后是相干分析(COH))
时间序列 FL FR TL TR PL PR OL OR T H A
t＝t0 3 2 3 3 2 2 2 2 1 1 .5
t＝t0+n 4 3 3.5 3.5 6 3 6 3 1.5 1.7 2
t＝t0+2n 6 5 3 3 6 2 6 4 2 2 3
t＝t0+3n 8 6 4 4 7 5 7 5 3 2.1 5
注1：t0表示脑激活序列的开始时间，而(t＝0+3n)表示该特定实例脑序列的结束时间。
注2：n表示对应于连续数据采样序列的时间段。
注3：在这个例子中，麸皮激活量已被归一化，因此“10”表示脑激活功率的最大值，而“0”表示最小的脑激活功率。
注4：虽然上表是基于大脑激活的序列，也可以基于其它分析格式导出类似的序列，包括以下任一种或任意组合的分析：
-随机光谱分析，包括任一种或任意组合的随机的，固定的，线性，非线性(包括非线性动态分析)类型；
-确定性光谱分析，包括任一种或任意组合固定的，线性，非线性(包括非线性动态分析)类型；
-线性；
-非线性(包括非线性动态分析类型，例如但不限于熵，复杂度分析等)；
-随机的；
-确定性的；
-固定的；
-相干性；
-模式识别，包括任一种或任意组合的线性，非线性(包括非线性，动态分析)类型；随机的，确定的和/或固定的类型；
-Wigner变换(时频分析)，包括任一种或任意组合的线性，非线性(包括非线性，动态分析)类型，随机的，确定的和/或固定的类型；
-小波组成，包括任一种或任意组合的线性，非线性(包括非线性，动态分析)类型，随机的，确定的和/或固定的类型；和/或统计分析格式；
注5：表缩写：
正面左(FL)
正面(FR)
时间左(TL)
时间权限TR)
左派(PL)
右派PR)
左前叶(OL)
枕头右OR)
丘脑CT)
海马(CH)
杏仁核(CA)
注6：大脑序列编码格式可以用以下字符串表示：
CDR(sLORETA)>COH>t0：FL-3；FR-2；TL-3；TR-3；PL-2；PR-2；OL-2；OR-2；T-1；H-1；A-.5
CDR(sLORETA)>COH>t0：FL-4；FR-3；TL-3.5；TR-3.5；PL-6；PR-3；OL-6；OR-3；T-1.5；H-1.7；A-2
-并且对于每个后续的“n”时间步长，可以重复该方法。
注7：大脑测序器编码格式可以结合NLDB分析，NLDB分析可以应用于传统的平均AEP或ER信号，在这种情况下，可以将每个连续的平均(或运行的平均)事件周期分配给相关的熵或复杂度计算值，而不是传统的平均功率激活值(参见注6的例子)。下面代表了大脑序列编码格式的可能的NLDB版本的例子：
CDR(sLORETA)>COH>NLDB t0：FL-1；FR-2；TL-1；TR-4；PL-3；PR-1；OL-2；OR-3；T-2；H-2；A-.7
CDR(sLORETA)>COH>NLDB t0：FL-2；FR-3；TL-4；TR-3；PL-2；PR-2；OL-5；OR-2；T-3；H-3；A-.9
-并且对于每个后续的“n”时间步长，可以重复该方法。
[35]认知处理测序器(CPS)和/或分层神经病学处理(HNP)过程和/或认知编码系统(CCS)的神经学模拟建模(NSM)(见本文其它部分的术语表)。
本发明包括可视化SR；RS；NLDB；CPS；CCS；也称为认知处理测序器(CPS；另见本文后面的术语表)
-其中，任意组合的刺激，挑战和/或挑战(包括但不限于任一种或任意组合的本文其它地方提供的词汇MIND ER列表中的例子)都可以根据相应的反应进行评估，在反应时间方面，任一反应和敏捷度评估之间的相互关系，和/或反应和/或任一相关反应之间的跟踪(即，对任一种或任意组合视觉响应的反应，例如眼睛位置，注视位置，眼睛跟踪，头部跟踪或相互关系跟踪，包括运动反应，例如手指开关或触摸屏或手势；运动技能或反应，如手，身体，头部或肢体运动(包括通过非接触或接触传感器系统检测到的那些反应)。
换言之，任何时间段或其它任一反应与原始事件或刺激之间的关联，可以被用来对类似的事件或响应类型以及不同的事件或响应类型进行评估(即手部运动的跟踪和视觉追踪中的灵巧技能和认真选择闪烁或移动的触摸屏目标)。本发明可以评估许多不同神经或生理方面之间的相关性和相互关系或关联(即多维度-例如根据单一或相关的刺激和/或任务，跟踪和测量脑ER反应，运动手运动，认知决策和眼睛跟踪的反应性)。
本发明的另一方面实现了多维神经和生理反应之间的跟踪和相互关系关联可以在不同程度的刺激偏差，脑测序器进程的刻度范围方面得以表现。
[35]认知处理测序器(CPS)和/或分层神经病学处理(HNP)过程和/或认知编码系统(CCS)的神经学模拟建模(NSM)(见本文其它部分的术语表)。
[36]分析选项可用作任一种或任意组合的AEP，ERP和/或根据标题“eLife神经/主体特异性脑电监测最小化。适应-通用加TBI，自闭症，抑郁/反馈，癫痫HFO；光环”部分的分析格式。
“分析选项可用作任一种或任意组合的AEP，ERP和/或分析格式32”，涵盖任一种或任意组合的(但不限于)方面，参见子标题，包括包括AEP/ERP数据预处理，基本信号处理和数据格式化，主要AEP/ERP数据转换，次级AEP/ERP数据转换，组合分析，基于统计学的联合概率测量精度确定，和/或原始AEP或AER波形的数学主要分析，包括任何数学衍生和/或统计学导出的结果。
[37]分层神经病学处理(HNP)(另见本文其它地方的术语表描述)。
[38]警觉性测试(详见“eLifeALERT”一节)，超声或眼压测量和/或在标题“eLife多普勒”部分详述的TCD测试。BOX H块27的测量统计和分析结果(MSO)(另见术语表)
I.算法自学能力
块32-监控算法自学或主体微调(即图77，图78和/或图79的专家系统和/或人造智能实例)
J.测量精度评估(MPE)系统
[31]测量精度评估(MPE)系统(另见文件术语表后面的“MPE”)。
[31]测量精度评估(MPE)系统(另见文件术语表后面的“MPE”)。
-MIND评估结果测量/报告
图101
图101本发明实施例，神经认知状态的客观评价基础分析，从中可以确定脑连贯性测序。
TBI专利温度
>>>在第一过程中，可以根据一个或多个数据采集需要神经和/或生理反应来计算数据集(即对应于，但不限于，目标或异常事件响应的反应，包括单一或多个结合的神经和/或生理反应)。
>>在第二过程中，可以基于比较数据集来计算数据集(即，对应于，但不限于，非目标或标准事件响应的反应)，包括单一或多个组合的神经和/或生理反应。
>>>在后续过程中，附加数据集(即，对应于，但不限于，具有不同偏离程度的非目标或标准事件的反应，以便于评估与一系列细微到极端的目标或异常事件反应相关联的一系列反应，作为一种更好地了解个体的认知或神经状态，表现或功能障碍的方法)。
>>>在另外的过程中，对应于目标/异常和/非目标/标准事件反应(即，神经/脑/CNS和/或其它生理类型)的一系列目标/异常和/非目标/标准事件，可以被以单一或组合的(如平均或回归建模)格式进行分析，以便于评估比较的生理和/或脑/CNS/神经变化，作为各自的刺激和/或任务和/或挑战的结果。
>>>在另外的过程中，可以在连续事件代表的情况下，在相应的时间序列大脑激活和连通性进展的情况下，分析连续的事件(即生理和/或脑/CNS/神经反应和由一个或多个相应的刺激和/或任务和/或挑战引起的相关变化(即，生理和/或脑/CNS/神经反应和由一个或多个相应的刺激和/或任务和/或挑战引起的相关变化)。此外，可以分析由一个或多个相应的刺激和/或任务和/或挑战引起的分组或组合的反应(即，平均的连续响应或平均或同步反应的信号)和相关联的改变。
>>>在另外的过程中，可以在与刺激，任务或挑战以及相应的大脑激活和/或连接变化相关的一系列事件的情况下分析单一反应。
>>>为了分析不同数据集的差异或特征(即与目标刺激相关的反应分组和与非目标刺激相关的反应分组)和/或为了表征分组(即平均或回归建模)反应的任一特定数据集，可以部署一些个人的或组合的分析方法，其中的分析方法可以包括任一种或任意组合的聚类分析组成，并且相关的分析进程可以包括以下任一种或任意组合的：
-随机光谱分析，包括任一种或任意组合的随机的，固定的，线性，非线性(包括非线性动力学分析)类型；
-确定性光谱分析，包括任一种或任意组合的固定的，线性，非线性(包括非线性动力学分析)类型；
-线性的；
-非线性的(包括非线性动态分析类型，例如但不限于熵，复杂度分析等)；
-随机的；
-确定性的；
-静止的；
-相干性；
-模式识别，包括任一种或任意组合的固定的线性，非线性(包括非线性，动态分析)类型，随机的，确定的和/或固定的类型；
-Wigner变换(时频分析)，包括任一种或任意组合的固定的线性，非线性(包括非线性，动态分析)类型，随机的，确定的和/或固定的类型；
-小波组成，包括任一种或任意组合的固定的线性，非线性(包括非线性，动态分析)类型，随机的，确定的和/或固定的类型；
-统计分析，和/或
-NLDB；
>>>为了分析目标(偏差)和非目标(标准)响应之间的变化或差异(即包括确定主体对刺激反应敏感性程度的分级或二进制分析方法)，在本专利文献中进一步概述了许多分析方法，包括任一种或任意组合的BOX[F]，提供适用于EEG和其它神经系统或精神状态测定的分析能力。
BOX[G]提供了EEG和其它神经病学EOI和/或生理事件，活动或状态确定的分析能力。包括基于非线性动态(NLDB)的诱发反应或连续的EEG处理能力(如标题“具有自发自动在线分析选项的非线性动态分析(NDBA)”部分进一步描述，在标题“自动在线nldb分析的实施例，和用同步睡眠/唤醒超声图像进行的发或诱发感兴趣事件的确定，和一或聚类分析或感兴趣的事件集合指示，和/或生物反馈处理能力”的下方)。
在BOX[H]中，本发明提供了特殊的认知处理和连接过程，包括任一种或任意组合主体特异性和/或规范比较的预后或诊断数据，参考BOXH，块[21]；多维大脑分析包括任一种或任意组合的(但不限于)跨功能诱发反应关联，生理方面，运动技能方面，神经学连通性(即EEG和/或AEP和/或ER信号或反应)，脑能量激活(即EEG和/或AEP和/或ER信号或反应)，自发反应，事件相关反应，意识，记忆和其它认知测试或挑战，行为和/或脑激活反应，认知评估测试(CAS)，记忆功能测试，执行功能测试，视觉空间测试[BOX H，块22]，以及其它测试例如那些术语MIND ER定义中所概述的，脑/CNS变化，或脑/CNS状态，或脑/CNS转换的计算，确定，评估和报告短与长时间和/或解剖学分离的认知障碍或脑损伤和/或与脑功能相关的延迟方面，比较或自校准/参考过程[BOX H，块22]；认知编码系统(CCS)/BOXH，第23章(另见术语表)；认知，心理，神经和/或心理状态和/或相关转变确定，BOX H,块[24]；神经系统疾病/病症或相关转变确定BOXH，块[25]；使用一系列标准化的测试来“思考”统计结果评估(在标准化测试方面，参考和调整论文db结论，包括任一种或任意组合的(但不限于)对认知/TBI评估的一系列标准化的测试)[BOX H，块27]，测量统计和分析结果(MSO)BOX H块27(另见术语表)；分层脑特征[BOX H，块27]；“思考”主体特异性/个性化统计绩效评估[BOXH，块28]包括任一种或任意组合的基于多个脑部位置或感兴趣区域以及总脑评估选项的认知测试(即挑战，任务和/或刺激)[BOX H，块29]；认知测试BOX H块[29]；大脑原理图分解BOX H块[30]；认知处理定序器(CPS)的模拟或建模BOXH，块35(另见术语表)；分析选项可用作任一种或任意组合的AEP,ERP,和/或分析格式的一部分BOX H块[36]；分层神经病学处理(HNP)(另见术语表描述，本文的其它部分)BOX H块[37]；警觉性测试(详见“eLifeALERT”)，超声或眼压测量和/或TCD测试，如“eLifeDOPPLER”部分另外的概述BOX H块[38]。
总结 在线TBI预后和/或诊断系统
本发明的TBI预后和/或诊断组包括：
>至少一个事件生成方面，
>监控方面，分析方面，
>报告或显示方面，
>以及用于评估序列和/或稳态的一系列仪器和/或方法，和/或一系列转变，和/或对于大脑和/或中枢神经系统和/或认知和/或连通性的平行(同步)的变化(改变)，和/或互连和/或排序和/或传输(即无调性的或感官的直到取决于高阶处理的)，以及相关的生理，神经，运动和/或其它外源性内源性活性或反应
本发明还包括：
>事件生成被呈现给主体作为刺激(即包括任一种或任意组合的听觉，视觉，电，磁，热，压力或振动和/或其它刺激)和/或任务(即，激活开关，手势，运动，触摸屏选择或手势，对音频的确认或反应，对视频的确认或反应)和/或挑战生成能力，其中，在以上所述的生成之间的时间信息包括保留精确的时间信息，从而任一随后的生理或神经反应可以在与起始刺激或任务或挑战事件的精确时间关系的背景下进行分析；
>监控系统，包括任一种或任意组合的可穿戴设备(例如图46至图55显示的一系列的例子(但不限于)简单到复杂的可穿戴监控设备选项，以及依据具有最小化确定块8的图45可穿戴设备最小化能力，和自我评估和块[11]，[12]和[13]相应的自学能力)，或独立设备或iPad或计算机触摸板等，或传感器联动系统(即通过传感器跟踪运动或运动的敏捷度)。
>其中所述的事件生成方面包括产生和呈现给被测试对象至少一个或任何组合的刺激，任务或挑战事件的能力；
>其中所述的监测方面包括监测，信号处理，获取和分析至少一种生理或神经信号的能力；
>EEG，EP，成像(即，基于体素的分析)；
>自发事件过程；
>事件相关过程；
>数字，参数，非参数，图形，视觉和/或听觉结果测量；
以及关于对称或激活或抑制脑激活和/或连通性的图谱组合；
>ER
>AEP
>MIND
>MIND ER
累积测试的统计评估
>本发明包括组合多个独立的或依赖的认知测试的方法，以便于产生比任何一单一测试更准确的测量。
此外，本发明能以综合的方法部署多个不同的多维生理认知测试，因此，独立测试在改进的测量精度方面具有累积的结果。
>本发明的另一方面是，实现多维的生理和/或行为的组合认知评估方法，包括任一种或任意组合的(例如但不仅限于)ER，EEG，TCD，行为测试。此外，这些测试的结果如TCD和ER可以被视为是独立的，并因此具有累积的认知测试准确性。
>例如，在本发明的案例中，本发明的血管痉挛测试(测试A)结合神经学测试(测试B-10分钟ER奇怪球音频刺激和/或奇怪球视听刺激和挑战)进行，然后在测试A和B被认为是独立的基础上，则该测试序列或同步测试例具有累积精度。
>在本发明包括了一个设有转录多普勒(TCD)传感器与神经测试传感器相结合的头部，并且该TCD测试被认为具有40％的认知缺陷预测精度，而神经测试被认为具有70％的精度的情况下，那么累积精度是82％(即，错误的几率是0.3x 0.6＝0.18，因此正确的几率是0.82)，这比任一个单独的测量具有更大的精度(即，TCD 40％或神经病学70％)。
>在本发明的另一方面，一个集成的(互连和/或相同或组合的测量设备和/或用于增强脑损伤和/或认知障碍(例如与包括TBI，mTBI，阿尔茨海默氏症，痴呆等在内的神经病学障碍有关)的结果精确测量的统计累积测量方法)，包括以下任一种或任意组合的：
>本发明可以包括血液检测测量，例如利用能够检测脊髓液存在的化学嵌入测试条作为脑损伤的标志物。如果(例如)该测试在脑损伤或认知测量方面产生了一个60％的准确度，那么当该血液测试与上述ER和TCD实例结合时，得到正确结果准确度的最终概率可以被认为是92.8％(0.6x0.3x0.4＝0.072或错误结果的几率是7.2％或正确结果的几率是92.8％)。
>本发明可以顺序地或同时地(即，使用其它测试如TCD血管痉挛和/或ER奇异球范例来进行测量)部署血管反应测量。例如，TCD ER“血管反应”测量是与刺激或挑战/任务测试范例相关的循环测量的变化。这些“血管反应”标记可以作为超声检查和/或TCD对神经系统ER反应测试的反应进行测量。换一种说法，大脑循环需求通过突触活动增强，突触活动又相应地通过ER刺激(听觉和/或视觉和/或身体，如用手挤压或疼痛反应等)或认知挑战反应激活(例如但不限于本文后面的术语表的MIND ER示例)。如果(例如)该测试在脑损伤或认知测量方面产生了一个70％的准确度，那么当该血液测试与上述ER和TCD实例结合时，得到正确结果准确度的最终概率可以被认为是97.84％(0.6x0.3x0.4x0.3＝0.0216或错误结果的几率是2.16％或正确结果的几率是97.84％)。
>本发明可以顺序地或同时地(即，使用其它测试测量，例如EEG时空动态激活(即，ER奇怪球测试方案中整个额叶EEG能量增加的测量(比方说5到10分钟的测试)以及与一个或多个组合的奇怪球异常(目标)反应相关联的增加的活化的测量-即，对应于听觉和/或视觉和/或身体的反应，如用手挤压或疼痛反应等，或与认知挑战反应相关的结果反应(即，例如但不限于本文后面的术语表的MIND ER示例)。如果(例如)在通过适当的联合概率统计原理来纠正依赖性之后，这个EEG时空动态测试在脑损伤或认知测量方面产生一个70％的准确度，那么当该测试与上述ER和TCD实例结合时，得到正确结果准确度的最终概率可以被认为是97.84％(0.6x0.3x0.4x0.3x0.3＝0.00648％或错误结果的几率是0.648％或正确结果的几率是99.352％)。
熵意识水平确定
>本发明可以顺序地或同时地从AEP(即图56)的事件相关的(即，对应于听觉和/或视觉或其它)刺激NLDB测量中计算，作为一种基于传感器和/或源重建测量的脑损伤或认知障碍的测量方法，其中是时空动态测量方法。例如，整个额叶EEG和/或AEP的测量和/或在ER奇怪球测试协议期间ER基于NLDB分析的测量变化(比方说5到10分钟的测试)，以及与一个或多个组合的奇怪球异常(目标)反应相关联的变化的NLDB分析的测量-即，对应于NLDB分析对听觉和/或视觉和/或身体的反应的变化，例如如用手挤压或疼痛反应等，或与认知挑战反应相关的NLDB反应变化(即，例如但不限于本文后面的术语表的MIND ER示例)。如果(例如)在通过适当的联合概率统计原理来纠正依赖性之后，这个NLDB EEG和/或NLDB时空动态测试在脑损伤或认知测量方面产生一个70％的准确度，那么当该测试与上述ER和TCD实例结合时，得到正确结果准确度的最终概率可以被认为是99.81％(0.6x0.3x0.4x0.3x0.3x0.3)＝0.00194％或错误结果的几率是0.194％或正确结果的几率是99.81％)。
>注意：与所有这些准确度确定结果一样，本发明根据准确度测量的参数或非参数，自动地考虑了期望的测量类型。例如，如果一个非参数测量包括了一个4级分类量表，正常认知状态，轻度认知障碍，中度认知障碍，用户部署或要求的严重认知障碍，则本发明将考虑到这些因素来计算个体和累积测量精度(精度概率的机会)。
>神经学测试：在上面的例子中，神经学测试可以包括，将听觉奇怪球刺激表现进行比较，将目标或奇数球反应与非目标反应进行比较，作为基于对奇怪球刺激偏差的注意力或警觉性/意识的认知测量。
>TCD测试：本发明的另一方面包括具有一个或多个可自动或手动定位(通过手动定位选项，并且其中的头部支架是供最佳定位，使用一系列本地化的位置和附属(即，围绕在前后头部血管测量区域))的TCD探头的头部可穿戴式支架系统，作为一个促进优化和优质应用的低专业技能或最低限度的培训要求，本发明还包括任何一种的(但不限于)；
>>作为所述集成或TCD特定头部可穿戴式支架系统的一部分，用于通过耳机，耳机，扬声器等的听觉刺激演示，以及用于监测产生的听觉刺激神经反应的多个EEG电极；
>>作为所述集成或TCD特定头部可穿戴式支架系统的一部分，可以部署本地或远程指导系统，来实现最低技术人员能够应用最佳TCD测量，该最佳TCD测量具有，例如，准确跟踪前循环血管和/或后循环血管和/或内循环血管和/或其它威利斯圈循环血管和/或任一头部循环血管/或对于轻度，中度和重度血管痉挛(VSP)的任一血管的发生率的能力。
>>>>这种引导系统的一个实施例可以包括(但不限于)具有一个或多个可以使用手动引导定位选项进行自动或手动定位的TCD探头的头部可穿戴式支架系统，其中的头部支架使用发光二极管(LED)(即，绿色照明二极管用于强或可接受的TCD信号，橙色LED照明用于边缘TCD信号，以及红色LED照明用于不可接受的TCD信号的监测)，供最佳定位，使用一系列本地化的位置和附属(即，围绕在前后头部血管测量区域)。此外，视觉显示屏幕可以实现类似的功能。在一个自动的头部可穿戴式支架系统中，TCD探头可以包括伺服(即，TCD测量信号与噪声和位置之间的生物反馈以及TCD测量探头的最佳成像角度)控制。例如，通过TCD探头或TCD光束/定位和/或探头物理位置的电机定位和完全旋转的“x轴”(从左到右，反之亦然)，“y轴”(从上到下，反之亦然)和“z轴”(从前到后，反之亦然)的最佳成像角度，TCD探针可以进行光束控制和/或物理重新定位，以及随时随地纵向和纬度定位，以便最佳TCD监测。
>>>>在本发明的一个方面，TCD测量方法可以测量脑动脉血管痉挛(VSP)和颅内高压(道路交通事故或与战斗有关的创伤性脑损伤(TBI)的共同结果)166-169。
>报道显示，近三分之一的美军作战士兵具有战时创伤性脑损伤，其有发生重大并发症的风险，包括收缩血管以及脑肿胀。TCD超声波检查法是监测血管临床结果的一个较简单(对比血管造影法，MRI或X线成像)和较不突出的程序，例如对于血管状况可能受到不利影响的TBI患者。
本发明可以通过跟踪和表征超过临界值(如果当测量值大于200厘米/秒)的血管速度测量，来测量和评估疑似TBI的主体，TCD确定的创伤后脑血管痉挛的发生率，作为脑损伤和/或相关的认知障碍的标记。
>>>本发明可以跟踪前循环血管和/或后循环血管和/或内循环血管和/或其它威利斯圈循环血管和/或任一头部循环血管/或对于轻度，中度和重度血管痉挛(VSP)的任一血管。
不同的多维或依赖的认知测量的组合统计分析
本发明包括使用联合概率分析技术(例如组合的TCD和神经学测量的其它地方详述的示例)来组合独立的认知测量的方法，以及使用其它方法(例如联合概率依赖校正方法)来组合被认为不真正独立的认知测量的方法147。
随机的与次序依赖的(即排列)与组合统计确定
在本发明的另一方面，在增强的测量结果精度方面，可以通过利用测量结果聚合，整合(即，参见BOX A图100)多个测试系统并统计达到极点。
>>>排列(AEP反应。具体命令)随机样本：在本发明的一个示例实施例中，在目标条件和非目标条件之间计算的反应差异可以在一个过程中被计算出来，从而可以基于零假设来设计单个主体测试协议，即所述目标和非目标之间的差异对相应的反应没有可测量的结果(即，对听觉目标与非目标反应的神经反应)。个体的踪迹可以被随机分配给两组结果反应，包括非目标反应组和目标反应组。以这种方法，被交换的目标和被交换的非目标组之间允许的差异可以计算如下：
在每秒6.8次听觉刺激(非目标-147ms间刺激间期)与奇怪球刺激(目标散布的音调每个都会随机分配9,10,11个脉冲或平均每10次刺激)的情况下。
在本发明的该示例实施例中，可以部署250次试验，在10个非目标点击中，随机但平均有1个异常音调目标，包括118秒。在这种情况下，目标试验的总数为25次(共250次试验中的10次)，而非目标的数量是(250个总试验中的10个中的9个)。因此，相应的排列数可以计算为：总排列次数(250！)除以非目标试验排列(225！)乘以目标试验排列(25！)或250！/225！X 25！；
这可以表示为：
2.567061100172e+59/1.5511210043331e+25＝1.6561684517239e+34次可能的排列，从而导致最大的概率为1.6561684517239e+34，或者换句话说是错误的几率为1/1.6561684517239e+34。
初始专利申请权利要求系列
注意：在文顶部从somfit概述重复，从而本节可以被删除并用“参考在文顶部的somfit概述
部分a)至dd)”替换
标题：Somfit
该应用程序提供了许多方法和设备发明，通过以下方法，包含或实现通信接口(包括一个或多个可穿戴设备，WAN，LAN，IP，NAS和/或云计算服务)：传感，监控，跟踪，存储和/或分析任一种或任意组合的主体的生理参数，病理状况，心理状态，觉醒，睡眠，活动，健身，健康，其它有知觉的状态，相关的转变，和/或神经学参数，包括自动确定健康状况/疾病或感兴趣事件的预测，发病或发病率的能力，通过对处理能力或组合或集群或整体进行结合表征和确定的方法实现，适用于以下任一种或任意组合的；
a)一个患者可穿戴的睡眠，健身，健康，有知觉的状态监控设备(Somfit)；
b)一个电子模块(Somfit；图1RHS，[1]和[7])，结合多设备(图1RHS，[8]，[5])可互换电子模块和/或自动动态在线数据交换的相关信息，能够实现睡眠，健康和健身测量和指示器显示功能，包括一个或多个光检测和应用额头电生理睡眠参数(EEG，EOG和EMG)监测能力，以及测量方法或包括(但不限于)睡眠效率(SE)，睡眠后醒来(WASO)的相关指标；
c)对任一种或任意组合的唤醒和睡眠事件，测量，状态或健康和环境条件，进行传感，监控和分析，
d)一个电子模块(Somfit；图1RHS，[1]和[7])，包括任一种或任意组合的传感，监控和分析能力，
e)所述“电子模块”(Somfit)包括在多个可穿戴健康或环境监控设备之间互换的方法；
f)所述电子模块，其可以附着或应用于主体的前额，或附着或穿在另一个可穿戴的主体位置(即，手腕或智能手表)图1RHS，[8]，[5])；
g)一“前额应用的传感器”并入至少一个双极前额电生理信号(图4；[8]，[9]，[10]，[11]，[12])；
h)一“前额应用的传感器”，包括可一个重复使用的传感器；
i))一“前额应用的传感器”，包括一次性的传感器；
j)一“前额应用的传感器”，包括一具有或不具有部分或全部圆周头带的传感器(图4；[13])；
k)一“前额应用的传感器”，包括在传感器的一侧具有自粘表面和嵌入式自凝胶化电生理电极，从而所述电极可通过取下背纸而被暴露；
l)一“前额应用的传感器”，包括所述前额应用的传感器的非电极侧，包括与所述“电子模块”或包含或保持所述“电子模块”的设备连接的装置(图4；[7])；
m)一“前额应用的传感器”，所述“前额应用的传感器”可以监测至少一个前额睡眠参数信号，包括任一种或任意组合的EEG,EOG和EMG；
n)主体应用的前额传感器的部署，与第二可穿戴的通信/指示器设备互连性结合，能够监测原理睡眠参数(EEG，EOG，EMG)，通过治疗设备或其它形式的干预，实现对跟踪和管理一系列睡眠和唤醒事件或障碍，包括选择相应的测量方法；
o)兼容和互连的伴侣患者穿戴设备的部署(即，主体穿戴或关联；放置声音监测或环境监控设备(Burton 2014AU Prov.App.Mch14))，进一步实现了对唤醒或睡眠及相关呼吸障碍的监测和自动跟踪。一组兼容(即，无线通信和信息)设备之间的信息，(即，如本文其它部分所述；eLifeWATCH(图5,[5]),eLifeWRIST(图5,[8])；eLifeCHEST(图5,[4])；eLifeEXG(图23),eLifeNEURO(图4,[2]))其可以在一个或多个所述设备之间自动动态地交换数据，实现对任意组合的测量或相关指数进行确定和相关的指示；
p)所述“测量或相关指数”可以包括任一种或任意组合的健身，健康和/或睡眠参数(个性化睡眠质量，效率/SE，睡眠后醒来/WASO，深度睡眠身体恢复期，REM睡眠脑恢复期，睡眠进程跟踪，睡眠质量进展，睡眠日志，相比较的群体或个性化睡眠功能，睡眠负债，睡眠障碍，呼吸障碍，睡眠障碍因果关系以及相应的睡眠改善提示或建议，睡眠体系，睡眠结构，睡眠片段化等)。
q)somnilink系统的部署，包括用于接口信号的互联网或其它无线或互连装置，或来自于Soffit系统与医疗或诊断设备(IOS)的衍生测量，因此Somfit可以形成生物反馈(闭环或其它结合Somfit测量方法的控制，作为负责控制治疗管理的决策过程的一部分)。所述治疗控制可以包括睡眠治疗设备，例如口腔调节系统，患者定位装置或培训者，PAP，NIPPV和其它设备。所述治疗控制可以包括放松或冥想视觉输出或控制(即，按摩椅控制)或音乐或房间照明或视频或3D投影等)。所述治疗控制可以包括磁或电刺激设备。
r)Somnisync系统包括一种在两个或多个可穿戴设备或相关联的移动无线通信设备或计算机系统之间实现睡眠参数或其它健康或健身参数的“动态数据交换”的方法。
s)所述“动态数据交换”可以实现手腕或其它可穿戴设备的睡眠和/或健身和/或其它健康状况或状态的个性化管理；
t)动态数据交换可以经由两个或更多个可穿戴设备之间的无线互连，实现一种睡眠监控参数数据和/或相关联的睡眠测量能够自动显示在可穿戴显示设备上的方法，例如手机(图1，LHS，[8])，智能手表(图1，RHS，[5])，手腕手镯(图1RHS，[8])或其它可穿戴系统；
u)动态数据交换可以经由两个或更多个可穿戴设备之间的无线互连，实现一种睡眠监控参数数据和/或相关联的睡眠测量能够自动显示在可穿戴显示设备上的方法，例如手机(图1，LHS，[8])，智能手表(图1，RHS，[5])，手腕手镯(图1RHS，[8])或其它可穿戴系统；
v)一种电子监控(应用的前额EEG，EOG，EMG监测部分)，例如，将电子模块从前额应用的传感器和设备上去除，并将电子模块转移到可穿戴的腕部设备上，增加常规的白天手腕计步器或基于运动的健身设备的睡眠测量。
w)Somnilink前额应用的，腕部设备(即，手表或手镯)或其它可穿戴的或可连接的设备，可以包括一种检测房间或环境光线条件的方法(即，这种方法包括对国际可接受的标准睡眠指标(如睡眠效率或唤醒后睡眠)必不可少的光依赖电阻器或其它光学传感器)。光传感器的输出信息可以被连接到在线和自动测量，适用于睡眠测量，例如睡眠效率，唤醒后睡眠，睡眠时间，REM睡眠(在睡眠期间)，深度睡眠(在睡眠期间)，非REM睡眠等。这些所述光检测传感器衍生的测量方法可以作为另一个可穿戴设备的一部分显示，以提供对一个主体睡眠功能和表现的瞬时测量或指标。这些睡眠测量可以与其它健身测量一起显示(如加速度计和/或运动传感器和/或计步器传感器测量)，以便于通过可穿戴信息指示设备(例如手表或手镯)或其它主体可穿戴或可连接设备，提供适用于所述主体的睡眠和健身跟踪能力。
x)系统自动计算主体的睡眠内和睡眠间进程及相关结果及相关信息(疾病，测量，指标，睡眠质量或严重程度及相关疾病或疑虑)。本发明能够使用信息分类方法来提取这些信息(即，分类手段可以包括信息传播过程，其中这种过程符合预定义(即，但不限于，经验性的先前的数据研究，规范的或疾病/障碍状态群体数据或研究)，或动态地(即，但不限于，基于先前监视或感觉到的信息的确定和/或适应和/或调整)计算用户访问权限和权限，涵盖角色，资格，安全性和隐私方面，以及适当的用户界面和信息访问或信息内容复杂性级别)
y)本发明可以自动计算和建议主体，当他们应该或需要额外的睡眠时，睡眠的质量，基于持续跟踪和计算主体持续的睡眠跟踪结果的改进建议，以及这些结果相较于主体的正常睡眠需求或相较于规范群体数据库，本发明包括了参考所述数据库的方法。
z)本发明可以结合自我评估来部署问卷调查或睡眠调查，例如经过验证的睡眠量表或验证的睡意量表，以便于建立与主体的正常水平或指标相对应的一组标准(即，REM睡眠，睡眠时间，深度睡眠，唤醒指数，AH呼吸指数，RERA指数，整体睡眠质量和/或睡眠剥夺状态)，使主体或主体的健康护理人员增强信息访问，以改善睡眠管理。另一种方法是，将这些信息与当前的睡眠间睡眠进度报告或相关趋势进行比较，以便于根据这些结果和主体或相关健康护理人员提示的建议来建立建议(比较这样的信息的方法，包括参考主体的个人模型，或与建立的所述个人调查评估一样睡眠，和持续校准相关“标准”，以及与患者规范数据库进行比较)。
aa)本发明实现了根据用户需要唤醒与唤醒期间最小不利影响的睡眠周期，时钟或闹钟系统或其它时钟或闹钟系统的睡眠阶段连接同步能够选择用于唤醒的最佳闹钟时间(即，避免在深度睡眠期间醒来，睡眠恢复时间更长，如果REM睡眠阶段的预测或事件接近，则可以在不影响整体睡眠或唤醒时间需求的情况下实现较少的破坏性觉醒)
bb)本发明提供了一种最小的配置，包括一种能够监测大脑信号，能够连续监测睡眠参数(EEG，EOG，EMG)和自动在线处理以实现睡眠阶段确定的单一头带传感器(Somfit)(即，REM，非REM阶段1，非REM阶段2，非REM阶段3和阶段1)。
cc)本发明还包括通过一系列其它可选的传感器(包括任一种或任意组合的RIP，PVDF，压电或其它胸部和/或腹部皮带；鼻套管传感器；气流传感器)，监测室内光检测(即LDR)和/或呼吸声(即打鼾)监测和/或睡眠呼吸暂停监测的选项。
dd)本发明还提供使单个传感器条带包含嵌入式反射式血氧传感器(具有LDR的LED)的选项，其中血氧传感器可以附着或嵌入前额传感器，提供体积描记法和血氧饱和度检测与相关输出(包括任一种或任意组合的PTT，脉波振荡自主神经标志物阻塞性呼吸暂停，脉波幅度，脉搏动脉压)。其中其它传感器可以包括“下拉”(即，连接到Somfit)气流传感器(即PVDF，热耦合器，热敏电阻，鼻插管等)，因此所述传感器能够监测睡眠呼吸障碍，呼吸暂停，呼吸不足，混合性呼吸暂停/呼吸不足。
Somfit生物反馈治疗应用的头部传感器系统
ee)专利：Somfit智能传感器接口模块
本发明包括可穿戴应用的传感器系统，包括一个或多个监测电生理电极的头部或前额应用的传感器(包括能够监测和/或传递刺激信号的组合或分离的电极)，本发明还包括以下任一种或任意组合的：
-一个附属或独立的部件，包括监控系统；
-一个附属或独立的部件，包括能够产生至少一个刺激信号的刺激系统；
-所述监控系统包括能够监测至少一个电生理信号的“电子模块”；
-所述监控系统能够同时发射至少一个刺激信号；
-所述监控系统可以结合分析能力(即，通过有线网络或基于云的计算和/或其它互连处理能力对设备和/或辅助处理进行机上或整体处理)
-所述刺激信号可以包括电和/或磁和/或听觉信号；
-所述电生理传感器可以结合对主体产生电刺激的能力(即，前额和/或面部和/或头部)；
-所述电生理传感器和/或单独的传感器可以对主体产生一个刺激信号(即，前额和/或面部和/或头部)；
-所述刺激信号可以用于对主体进行治疗的目的；
-所述治疗可以用于与偏头痛和/或头痛管理和/或血管管理和/或脑激活和/或神经障碍管理相关的治疗的目的(包括，仅作举例，焦虑，抑郁，帕金森病，阿尔茨海默病等)；
-所述刺激可以由所述监控系统确定和产生；
-因此本发明可以结合电生理监测传感器，或单独附加的能够对主体产生一个电刺激的能力(即，前额或头部)，来达到通过这种刺激引起神经反应的目的，
-因此本发明可以结合血管测量传感器的能力；
-其中血管测量能力可以包括TCD传感器和监测能力，和/或眼压测量监测和/或血管压力或运动监测，如本文件其它部分所述；
-因此本发明可以结合对主体的电刺激(即，前额)以达到ER刺激的目的，并且因此导致ER可以与起始电刺激同步，以评估大脑受刺激区域的反应性；
-结合可以计算得到的电刺激的源定位的处理，以便于评估脑刺激来源或相关时空动态测量；
-结合处理能力使得监视的反应能够与对主体的所述电和/或听觉和/或磁刺激(即，前额)同步，以达到ER刺激可以与电刺激同步的目的，以便于评估大脑受刺激区域的反应性，以便于在对刺激的监测和处理反应与所产生的刺激的生成或性质之间提供生物反馈，作为一种实现所需反应效果的方法(即，脑信号激活变化；增强的额叶左和/或右脑信号激活；抑制；抑制的额叶左和/或右脑信号激活；抑制；血管信号激活变化；增强的额叶左和/或右血管信号激活；抑制；抑制的额叶左和/或右血管信号激活；将源定位特征改为优选源定位脑活动特征，以达到某一状态的焦点，放松，冥想或睡眠阶段等)；
互连波束形成能力来优化无线互联能力
ff)本发明的另一方面是提供一种波束形成能力，因为它涉及无线互连接收和/或传输，以本发明和互连系统之间的传输路径为重点，以便于在任何时间或任何地点将来自本发明的监测环境中的其它无关或不需要的噪声源的干扰减至最小。
综合耳机ER评估能力
gg)本发明的另一方面是结合本发明的时间同步能力以便利用传统的移动设备(手机，iPad，触摸屏设备，平板电脑等)，从而使得本发明能够以所述刺激和所产生的脑电波或其它产生的反应可以被测量并与原始刺激时序同步的方法，在耳机或耳塞内叠加听觉刺激。以这种方法，本发明还可以利用现有的娱乐节目或有目的的听觉信号作为刺激信号，并且对所得到的反应进行同步监测，随后可以根据个人的反应和/或警觉性和/或意识的确定在任一时间点处理这样的响应(即ER和/或AEP信号)。例如，在一个实施例中，本发明可以作为现有音乐轨道或视听体验的一部分插入或叠加，设计用于测试个人在任何时间点的反应的特殊音频和/或视觉刺激。此外，本发明可以提供常规的AEP，MMN或奇怪球听觉或视听测试(例如，示例中的术语表MIND ER中的进一步示例)。
Somfit结合包络跟随器呼吸和其它声音处理能力
hh)本发明的另一方面是结合设计用于产生包络跟随器能力的机上(即，附于本发明Somfit监测系统或其一部分)处理能力，以便于最小化存储和无线功能，否则需要适应监测或呼吸和/或其它声音。本发明的另一方面是实现校准声音功能(手动或自动程序)，例如使用一个在主体嘴或鼻子和位置之间指定距离的与本发明的监控系统相关联的工厂校准(即Somfit)，此处，主体的打鼾程度或其它呼吸声或其它呼吸声音特征如哮喘干啰音，咳嗽，杂音(即也可见于本专利文档其它地方列出的其它呼吸声障碍)。
用于检测健康或精神状况变化的Somfit阻抗监测
ii)本发明的另一方面是提供一种测量多个电极之间的阻抗的方法，其通过在第一步中的第一电生理电极发出小的适用于主体皮肤的恒定电流信号，然后在第二步骤中测量第二电生理电极之间的电压，从而确定两个所述电生理电极之间的阻抗。因此，第一和第二所述电极之间测量的阻抗可以表示主体的电流皮肤电阻。因此，跟踪或监测所述阻抗测量可用作确定主体的出汗或焦虑。因此，阻抗的监测可用于确定主体的睡眠/唤醒周期。因此，阻抗的测量可用于确定主体的一系列生理或心理状况或状态。其中，所述恒定电流可以在任何时间或任何顺序从第一或第二电生理电极发射。其中，通过使所述第一和第二电生理电极的极化最小化或相关联的接口或与主体测量相关的连接和所述第一和第二电生理电极的方法，实现所述恒定电流在所述第一和第二电生理电极之间切换。此外，本发明可以结合这种在多个电极或传感器之间切换常数或其它电流或电压或任何能量因子的方法，以便于最小化电极偏移或极化效应，否则会恶化信号监控质量或信号监控条件。本发明的另一方面是将这种电流皮肤电阻和/或皮肤应用的阻抗测量与诸如EEG，EOG，EMG，身体或表面皮肤温度，ECG，眼压测量，TCD和/或其他生理信号或条件的其他信号(即，如术语表所概述的EOI或其他电生理信号和相关测量，例如任一种或任意组合的包括PWA，PAT，PTT，脉冲输出的体积描记测量法)，作为一种确定癫痫发作或其他潜在不良健康后遗症的发病条件的方法。
术语表-首字母缩略词，缩略语，定义，作为专利说明书的一部分

Claims (11)

1.一种可穿戴的监控系统，位于邻近主体的一个或多个身体位置，包括邻近头部的至少一个电极或传感器以通过板上处理或辅助处理任何大脑变量或肌肉信号或眼球运动信号进行监控和/或分析，所述系统包括以下任一种或其任意组合：
a)通用的和/或可互换的或可交换的能力，其中，部分或整个系统分布在用于部署的至少两个位置之间，如健身或健康跟踪或环境跟踪系统中的任一个或其组合和睡眠监测系统；或者
b)作为主体部分而不需要压力附接到所述主体的头部或依赖于部分或全部围带或其他附接方法的能力，以使得在所述电极和/或传感器之间实现适当的连接接口；或者
c)调节或提供睡眠分期分析的能力，从而睡眠参数可在至少20或30秒持续时间的渐进时刻中被分析，以使得跨越该时期的脑信号、肌肉信号和/或眼球运动信号的相关性能提供足够的信息以及对个体睡眠和唤醒状态改变的有效的和有意义的响应，从而实现有意义的在线(接近或相对实时)睡眠进展状态或报告或离线报告；或者
d)实现健身或健康跟踪或环境系统以及睡眠监测系统的实际状态或到目前为止的状态或在任何时候的状态用于个体针对任何比较者在渐进的结果、定义期的结果和/或趋势期的结果方面的能力；
e)信息监控和分析相结合的能力，用于一个或多个显示器之间的或位于远处的或其它可穿戴设备的自动动态的在线数据交换，致使睡眠、健康和健身改进，或其它时段测量或分析总结或跟踪的能力，且为数据趋势目的，从而跨昼夜地实现无缝的或连续的或不间断的短期或长期监控和分析。
2.根据权利要求1所述的监控系统，其特征在于，包括任何渐进的或在线的或离线的分析或报告，其包括以下任一种或其任意组合：
具有相关分析的连续脑电图监测，能够确定时间点和基于时间点的睡眠阶段或睡眠结构或睡眠事件，或者睡眠质量或睡眠测量或指标，入睡后醒来(WASO)，呼吸事件相关的唤醒(RERA)，治疗事件相关的唤醒(TERA)，呼吸暂停/呼吸困难指数(AHI)，睡眠障碍指数(SDI)，呼吸障碍指数(RDI)，睡眠片段，每个睡眠阶段的百分比和数量，总睡眠时间(TST)，睡眠呼吸困难，睡眠延迟综合征延迟因素，残留的日间嗜睡(RDS)，觉醒指数(AI)；
从而，所述时间点的确定包括在20到30秒的范围的时间块内分割数据。
3.根据权利要求1所述的监控系统，其特征在于，还包括辅助处理能力，其中所述的基于时间点的睡眠阶段确定包括：本地(微处理器或DSP系统形成监控传感器或设备的一部分)和/或可用的通信介质,网络或其它互连选项，包括：同步地与附加或补充通信网络、系统或其它互连选项互联，所述互连选项例如为WWW，IP，LAN，WAN，补充/伴随监控/感测或计算系统，SAAS，包括云计算服务或NAS，或者点对点连接。
4.根据权利要求1所述的监控系统，其特征在于，所述系统包括以下任一种或其任意组合：在多个可穿戴的健康或环境监控设备之间实现系统的或系统的一部分或各部分的互换的磁性的、机械的或其它联锁装置。
5.根据权利要求1所述的监控系统，其特征在于，所述监控系统位于主体的前额附近或者戴在另一身体部位上，包括以下任一种：
a)一前额应用的传感器，结合至少一个双极前额电生理信号(图4；[8]，[9]，[10]，[11]，[12])；
b)一前额应用的传感器，包括可重复使用的传感器；
c)一前额应用的传感器，包括一次性的传感器；
d)一前额应用的传感器，包括具有或不具有部分或全部圆周头带的传感器(图4；[13])；
e)一前额应用的传感器，包括在传感器的一侧具有自粘表面和嵌入式自凝胶化电生理电极，从而所述电极可通过取下背纸而被暴露；或者
f)一前额应用的传感器，在所述前额应用的传感器的非电极侧，包括与所述电子模块连接的装置或包含或保持所述电子模块的设备(图4；[7])。
6.根据权利要求1所述的监控系统，其特征在于，所述监控系统的“通用的和/或可互换的或可交换的”能力包括：
所述监控系统或所述监控系统的一部分能被安装在主体头部附近用于监测睡眠期，以及放置在任何空间的其它地方或者佩戴在主体的手腕、手臂或主体的身体的其它区域用于唤醒或非睡眠监测期。
7.根据权利要求1所述的监控系统，其特征在于，所述监控系统的“作为主体部分而不需要压力附接”的能力包括：
一自粘式传感装置，用于连接监控系统和接口以及监控电极到主体，以便能够监测任何EEG，EMG和/或EOG信号。
8.根据权利要求1所述的监控系统，其特征在于，所述监控系统的“调节或提供睡眠分期分析”的能力包括：
以每个20或30秒的时间段可被分析的方式实现持续监测EEG，EMG和/或EOG信号，以便将EEG信号特征(如EEG光谱分布，以及振幅或频率幅度的功率，和/或半周期振幅分析，唤醒，非REM(NR)阶段1，NR阶段2，NR阶段3快速眼动(REM)睡眠)与EOG信号特征(如唤醒与REM的眼动指示)以及EMG特征(如通过唤醒，非REM(NR)阶段1，NR阶段2，NR阶段3快速眼动(REM)睡眠阶段的最低REM水平或逐渐降低的水平的肌肉张力指示)相关联，以及根据美国睡眠医学学会(AASM)制定的准则分配各种唤醒和睡眠阶段。
9.根据权利要求1所述的监控系统，其特征在于，所述监控系统的“实现健身或健康跟踪或环境系统以及睡眠监测系统”的能力包括：
实现监测睡眠信号，适用于生物钟测定和昼夜节律健康管理的信号，以及指示的信号或活动或运动或健身训练，基于信号监测和变量分析，包括以下任一种或其任意组合：脑信号电极(脑电图；EEG)；肌张力电极(肌电图；EMG)；REM检测和睡眠阶段测定；自粘式易于复位的佩戴舒适的应用的传感器；血氧计，测量包括血氧饱和度水平和/或相关联的结果在内的数据(即心率，体积描记法，PPT测定，脉搏动脉压，脉搏波振幅等中的任何一种)；高灵敏度3轴加速度计和3轴陀螺仪，能够检测位置，步幅，跑步，步行，骑行，跌落，步行或跨步流畅性，步行或跨步对称性，神经肌肉震颤，或者其它相关联的运动或运动特性，步态或步行稳定性，行程，步态，步行与其它运动特性；慢跑，奔跑，坐，倚靠，跌倒，不稳定运动，跌落，绊倒，突然动作或抽搐，异常运动，异常的犹豫或缓慢或异常运动特性(即指示危险或事件或关注的位置)，环境光检测，用于呼吸声、鼾声检测和房间声音的麦克风；室温；地理卫星定位系统，以及分析，能够确定以区分外部可接受的方面或预定阈值或安全工作范围。
10.根据权利要求1所述的监控系统，其特征在于，所述监控系统的“信息监控和分析相结合用于自动动态的在线数据交换”的能力包括：
实现所述监控系统和其它移动或可穿戴系统或互联系统之间的互连和联接，以使得接口监测数据或相关分析结果用于部署兼容的系统和应用，能够分析和/或显示和/或呈现和/或传播主体的信息的长期(天，周，月，年)或短期(秒，小时)监控时段，所述主体的信息包括睡眠，唤醒，昼夜节律，健康，活动跟踪和/或管理。
11.根据权利要求9所述的监控系统，其特征在于，所述“昼夜节律健康管理”通过适应多变量分析的方式结合了生物周期(昼夜节律)的确定，实现了一个或多个监测的生理数据通道(即以下任一种或其任意组合：体温，环境温度，环境光，EEG，EMG，脉搏，ECG，HRV，PTT，血压，身体位置，呼吸，血氧饱和度，运动等)和/或纳入昼夜节律确定主体的睡眠分期和其它有益的事件或分析结果，和/或其它信息，如工作、社交、旅游等时间表或议程，和/或睡眠时间，时钟时间，闹钟时间，日程安排，通知和相关目标或者睡眠倾向与睡眠时间之间的最佳匹配相关的辅导或指导，以最大限度地提高睡眠效率和质量(如最大限度地减少睡眠延迟综合征，失眠，睡眠剥夺)。
CN201680015981.4A 2015-01-06 2016-01-06 移动式可穿戴的监控系统 Pending CN107438398A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110143011.5A CN112998649A (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统
CN202110144473.9A CN112998650B (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
AU2015900015A AU2015900015A0 (en) 2015-01-06 EHealth&Life SLEEP & NEURO mobile wearable monitoring & analysis systems
AU2015900015 2015-01-06
PCT/IB2016/050042 WO2016110804A1 (en) 2015-01-06 2016-01-06 Mobile wearable monitoring systems

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202110144473.9A Division CN112998650B (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统
CN202110143011.5A Division CN112998649A (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统

Publications (1)

Publication Number Publication Date
CN107438398A true CN107438398A (zh) 2017-12-05

Family

ID=55182507

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110143011.5A Pending CN112998649A (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统
CN201680015981.4A Pending CN107438398A (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统
CN202110144473.9A Active CN112998650B (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110143011.5A Pending CN112998649A (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202110144473.9A Active CN112998650B (zh) 2015-01-06 2016-01-06 移动式可穿戴的监控系统

Country Status (7)

Country Link
EP (4) EP4523734A3 (zh)
JP (4) JP7421262B2 (zh)
KR (5) KR102400268B1 (zh)
CN (3) CN112998649A (zh)
AU (4) AU2016205850B2 (zh)
CA (5) CA2968645C (zh)
WO (1) WO2016110804A1 (zh)

Cited By (220)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107948827A (zh) * 2017-12-25 2018-04-20 广州市尊浪电器有限公司 一种具有叫醒功能的音箱
CN107993709A (zh) * 2017-12-07 2018-05-04 广东岭南职业技术学院 一种学生军事训练监控装置
CN107992896A (zh) * 2017-12-13 2018-05-04 东南大学 一种基于眼动追踪技术的科学概念评测方法
CN108197564A (zh) * 2017-12-29 2018-06-22 复旦大学附属中山医院 一种画钟试验的评估系统及方法
CN108211132A (zh) * 2018-02-09 2018-06-29 深圳市慧智生命科技有限公司 一种人体生物节律调节装置
CN108245192A (zh) * 2018-01-25 2018-07-06 韩艳萍 一种超声科组合式检查诊断装置
CN108363652A (zh) * 2018-01-15 2018-08-03 广东小天才科技有限公司 电子设备的使用监控方法、装置、设备及存储介质
CN108389456A (zh) * 2018-02-09 2018-08-10 中国人民解放军陆军军医大学 高原环境模拟装置系统
CN108511050A (zh) * 2018-02-12 2018-09-07 苏州佳世达电通有限公司 口扫机、口扫系统及口扫机的控制方法
CN108670297A (zh) * 2018-04-19 2018-10-19 上海大学 基于多模态经颅超声的帕金森病辅助诊断系统及方法
CN108784703A (zh) * 2018-07-05 2018-11-13 西南石油大学 一种中老年人可穿戴式呼吸监测方法
CN108814557A (zh) * 2018-05-03 2018-11-16 朱苏东 一种麻醉科用测痛仪装置
CN108986754A (zh) * 2018-07-16 2018-12-11 江苏大丰和顺电子有限公司 一种电竞显示专用控制系统
CN109009028A (zh) * 2018-08-31 2018-12-18 江苏盖睿健康科技有限公司 一种反映人体疲劳程度的穿戴式设备
CN109028455A (zh) * 2018-05-24 2018-12-18 上海与德科技有限公司 一种可燃气体泄漏的处理方法、装置、设备及存储介质
CN109009102A (zh) * 2018-08-10 2018-12-18 中南大学 一种基于脑电图深度学习的辅助诊断方法及系统
CN109019137A (zh) * 2017-06-08 2018-12-18 江苏云瑞新型材料科技有限公司 一种用于绕线的可升降转盘装置
CN109121108A (zh) * 2018-08-01 2019-01-01 佛山市苔藓云链科技有限公司 一种基于物联网的感知控制系统
CN109151669A (zh) * 2018-09-30 2019-01-04 Oppo广东移动通信有限公司 耳机控制方法、装置、电子设备以及存储介质
CN109157231A (zh) * 2018-10-24 2019-01-08 阿呆科技（北京）有限公司 基于情绪刺激任务的便携式多通道抑郁倾向评估系统
CN109199410A (zh) * 2018-06-28 2019-01-15 浙江大学 一种基于眼部运动的言语认知评估方法
CN109224173A (zh) * 2018-08-22 2019-01-18 贵州省人民医院 一种多功能临床麻醉科用辅助麻醉装置
CN109243569A (zh) * 2018-06-29 2019-01-18 苏州大学 基于大脑信息识别被试自发想象物体位移方位的识别方法
CN109273078A (zh) * 2018-10-30 2019-01-25 贵州医科大学附属医院 一种踝足康复牵引控制系统及方法
CN109326355A (zh) * 2018-08-16 2019-02-12 浙江树人学院 一种消防员呼吸声音监测耳机及其身体状态评估方法
CN109325294A (zh) * 2018-09-25 2019-02-12 云南电网有限责任公司电力科学研究院 一种火电机组空气预热器性能状态的证据表征构建方法
CN109381176A (zh) * 2018-09-25 2019-02-26 广州军区广州总医院 基于物联网的可穿戴全导心电监测系统及装置
CN109529197A (zh) * 2018-11-07 2019-03-29 航天信息股份有限公司 一种具有预防治疗老年痴呆症效果的物联网帽子
CN109567819A (zh) * 2018-11-28 2019-04-05 合肥工业大学 一种基于pvdf传感器阵列的可穿戴式装置
CN109567807A (zh) * 2019-01-30 2019-04-05 林若骐 一种基于物联网的重症病人监测系统
CN109640402A (zh) * 2018-12-19 2019-04-16 安徽创品工业设计有限公司 一种基于穿戴设备的智能加热恒温系统
CN109671130A (zh) * 2018-12-27 2019-04-23 华北电力大学（保定） 利用稀疏测量数据重建内窥式光声层析图像的方法及系统
CN109771927A (zh) * 2019-01-30 2019-05-21 重庆工程职业技术学院 一种防作弊的定向越野比赛系统及应用方法
CN109781180A (zh) * 2019-01-28 2019-05-21 上海与德通讯技术有限公司 监护方法、装置、头戴结构、终端及存储介质
CN109820488A (zh) * 2019-04-03 2019-05-31 潍坊歌尔电子有限公司 心电监测设备和心电监测系统
CN109875543A (zh) * 2019-02-01 2019-06-14 电子科技大学 用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置
CN109947817A (zh) * 2019-03-01 2019-06-28 武汉达梦数据库有限公司 一种基于关联图谱的六度空间关系分析方法及系统
CN109961018A (zh) * 2019-02-27 2019-07-02 易念科技（深圳）有限公司 脑电信号分析方法、系统及终端设备
CN110084168A (zh) * 2019-04-22 2019-08-02 中国科学院自动化研究所 一种主动目标识别方法及装置
CN110083920A (zh) * 2019-04-23 2019-08-02 西南交通大学 一种地震作用下非比例阻尼结构随机响应的分析方法
CN110101384A (zh) * 2019-04-22 2019-08-09 自然资源部第一海洋研究所 用于复杂网络的功能性网络分析系统及分析方法
CN110101375A (zh) * 2019-05-09 2019-08-09 上海交通大学医学院附属新华医院 一种重症监护数据采集和预警系统
CN110174855A (zh) * 2018-02-21 2019-08-27 凯柏精密机械(嘉兴)有限公司 量仪数据收集设备与方法
CN110191259A (zh) * 2018-02-23 2019-08-30 欧姆龙株式会社 传感器系统、信息处理装置、传感器管理方法
CN110236535A (zh) * 2019-05-23 2019-09-17 昌乐县人民医院 一种基于精神监测分析的智能辅助给药装置
CN110261131A (zh) * 2019-06-21 2019-09-20 北京迈格威科技有限公司 汽车模拟驾驶舱图像数据处理方法及装置
CN110269304A (zh) * 2018-03-15 2019-09-24 杭州海康威视数字技术股份有限公司 安全帽、佩戴状态检测方法及装置、计算机可读存储介质
CN110309712A (zh) * 2019-05-21 2019-10-08 华为技术有限公司 一种运动类型识别方法及终端设备
TWI674129B (zh) * 2018-11-22 2019-10-11 慈濟學校財團法人慈濟大學 感官刺激輔助裝置
CN110327015A (zh) * 2019-05-09 2019-10-15 哈尔滨医科大学 一种用于认知功能检测和动态监测的系统及方法
CN110418307A (zh) * 2018-04-26 2019-11-05 华为技术有限公司 一种用于无线通信的方法、装置
CN110427769A (zh) * 2019-08-12 2019-11-08 重庆大学 基于智能看护系统面向用户活动模式隐私保护实施方法
CN110443798A (zh) * 2018-12-25 2019-11-12 电子科技大学 一种基于磁共振图像的自闭症检测方法、装置及系统
CN110432873A (zh) * 2019-07-29 2019-11-12 湖南文理学院 一种基于运动状态的生理信息采集装置
CN110460944A (zh) * 2018-05-08 2019-11-15 奥迪康医疗有限公司 可植入双振动器听力系统
CN110448779A (zh) * 2019-07-10 2019-11-15 华为技术有限公司 一种调整生物节律的方法及装置
CN110464298A (zh) * 2019-07-25 2019-11-19 深圳大学 一种脑电信号处理装置和方法
CN110584607A (zh) * 2019-09-17 2019-12-20 广州奥滴尔科技有限公司 一种作息调节执行装置及实时作息调节系统
CN110613440A (zh) * 2019-09-18 2019-12-27 青岛市市立医院 一种冠状动脉流量检测装置及测量方法
CN110634536A (zh) * 2018-06-06 2019-12-31 中国石油化工股份有限公司 一种基于傅里叶振幅分析的化工过程参数灵敏度计算方法
CN110647998A (zh) * 2019-08-12 2020-01-03 北京百度网讯科技有限公司 自动机器学习实现方法、系统、设备及存储介质
CN110674234A (zh) * 2018-07-03 2020-01-10 百度在线网络技术（北京）有限公司 地图数据采集方法、设备及存储介质
CN110680301A (zh) * 2019-09-18 2020-01-14 青岛市市立医院 一种冠状动脉血管流量测量装置及其测量方法
CN110680290A (zh) * 2019-09-12 2020-01-14 军事科学院系统工程研究院卫勤保障技术研究所 一种基于ar眼镜的检伤分类装置
CN110720934A (zh) * 2019-10-23 2020-01-24 合肥盛东信息科技有限公司 一种狂躁症监测预警系统
CN110782967A (zh) * 2019-11-01 2020-02-11 成都乐动信息技术有限公司 一种健身动作标准度评估方法及装置
CN110780582A (zh) * 2019-11-11 2020-02-11 青田古信钟表有限公司 一种用于保养后的机械表的检验装置
CN110794666A (zh) * 2019-05-29 2020-02-14 华为技术有限公司 用于智能手表的ecg电极和智能手表
CN110974703A (zh) * 2019-12-31 2020-04-10 浙江智慧照明技术有限公司 一种基于生物钟的用药提醒装置
CN110987111A (zh) * 2019-12-05 2020-04-10 山东省医疗器械产品质量检验中心 动静态条件下输液器流量控制特性测试系统
CN110974248A (zh) * 2019-11-25 2020-04-10 燕山大学 一种基于时延熵的近红外脑氧信号计算方法
TWI690296B (zh) * 2019-02-22 2020-04-11 黃世杰 局部血循狀態即時監控系統
CN111067474A (zh) * 2018-10-22 2020-04-28 胡宗期 使用动态速度阈值滤波器的客观视敏度测量的装置和方法
CN111134641A (zh) * 2020-01-14 2020-05-12 河南大学 一种睡眠监测芯片系统及睡眠监测芯片
CN111166294A (zh) * 2020-01-29 2020-05-19 北京交通大学 一种基于心跳间期的睡眠呼吸暂停自动检测方法及装置
CN111202517A (zh) * 2020-02-03 2020-05-29 山东师范大学 一种睡眠自动分期方法、系统、介质及电子设备
CN111291677A (zh) * 2020-02-05 2020-06-16 吉林大学 一种动态视频触觉特征提取及渲染的方法
CN111317446A (zh) * 2020-02-27 2020-06-23 中国人民解放军空军特色医学中心 基于人体肌肉表面电信号的睡眠结构自动分析方法
CN111366184A (zh) * 2020-04-17 2020-07-03 中铁隧道局集团有限公司 一种盾构机多传感器性能在线监测方法
CN111415370A (zh) * 2020-04-13 2020-07-14 中山大学 一种基于嵌入式的红外复杂场景目标实时跟踪方法及系统
CN111436941A (zh) * 2020-03-23 2020-07-24 广东艾诗凯奇智能科技有限公司 潜在疾病预防的提醒系统及方法以及服务器
CN111466908A (zh) * 2020-04-09 2020-07-31 瘦声(杭州)科技有限公司 一种利用eeg筛选可影响食欲音频的方法
CN111475594A (zh) * 2020-03-27 2020-07-31 深圳光启超材料技术有限公司 头戴设备的轨迹确定方法和装置、存储介质及电子装置
CN111475206A (zh) * 2019-01-04 2020-07-31 优奈柯恩(北京)科技有限公司 用于唤醒可穿戴设备的方法及装置
CN111504467A (zh) * 2020-04-26 2020-08-07 中控华运（厦门）集成电路有限公司 用于可穿戴设备的环境监测方法和可穿戴设备
CN111494803A (zh) * 2020-04-23 2020-08-07 宋子成 一种胰岛素随身控制系统及方法
CN111544834A (zh) * 2020-05-12 2020-08-18 苏州市中西医结合医院 一种心肺康复训练方法
CN111562956A (zh) * 2020-04-14 2020-08-21 Oppo（重庆）智能科技有限公司 终端的主题切换方法、装置、存储介质与电子设备
CN111587090A (zh) * 2017-12-07 2020-08-25 皇家飞利浦有限公司 患者监测
CN111712161A (zh) * 2017-12-28 2020-09-25 数眠公司 具有确定两个睡眠者的打鼾和呼吸参数的传感器特征的床
CN111741715A (zh) * 2017-12-29 2020-10-02 雷迪安特血氧测定公司 具有可调节组件的经腹胎儿脉搏血氧测定和/或子宫张力确定装置和系统及其使用方法
CN111768375A (zh) * 2020-06-24 2020-10-13 海南大学 一种基于cwam的非对称gm多模态融合显著性检测方法及系统
RU2734099C1 (ru) * 2019-09-02 2020-10-13 Общество с ограниченной ответственностью "ТрансИнжКом" Устройство и система для контроля объектов
US20200323440A1 (en) * 2019-04-12 2020-10-15 Beijing Shunyuan Kaihua Technology Limited Blood pressure measurement
CN111815878A (zh) * 2020-07-08 2020-10-23 六盘水达安驾驶培训有限公司 一种利用声音与视频共同检测考生是否作弊的系统
CN111831118A (zh) * 2020-07-10 2020-10-27 清华大学 一种基于增强现实的三维脑电显示方法及其显示系统
CN111880423A (zh) * 2020-07-21 2020-11-03 上海交通大学 晨间唤醒方法及系统
CN111936042A (zh) * 2018-04-12 2020-11-13 欧姆龙株式会社 生物体信息测量装置、方法和程序
CN111950078A (zh) * 2020-07-27 2020-11-17 中国第一汽车股份有限公司 一种基于关门冲击载荷的乘用车外后视镜抗抖动设计方法
CN111952715A (zh) * 2020-08-13 2020-11-17 西安量极医疗设备有限公司 基于小型化偶极子天线的微波理疗辐射器
CN111968461A (zh) * 2020-09-08 2020-11-20 王萍 一种英语教学用口型对照装置
CN111973880A (zh) * 2020-06-11 2020-11-24 天津工业大学 一种脑力疲劳干预设备及干预方法
TWI712995B (zh) * 2018-10-26 2020-12-11 南臺學校財團法人南臺科技大學 基於室內定位之急救照護通訊方法
US20200398076A1 (en) * 2019-05-31 2020-12-24 Intelligent Automation, Inc. Circadian rhythm monitoring and regulation system
CN112135568A (zh) * 2018-05-17 2020-12-25 一般社团法人认知症高龄者研究所 信息处理装置、信息处理方法和程序
CN112154515A (zh) * 2018-03-21 2020-12-29 皇家飞利浦有限公司 神经检查系统
CN112256881A (zh) * 2020-12-21 2021-01-22 上海冰鉴信息科技有限公司 用户信息分类方法及装置
CN112294258A (zh) * 2020-06-03 2021-02-02 康健益智科技(北京)有限公司 一种唾液皮质醇应激激素采集测评系统
CN112367914A (zh) * 2018-06-29 2021-02-12 皇家飞利浦有限公司 用于提供增强的pap度量的系统和方法
CN112438711A (zh) * 2019-09-03 2021-03-05 纬创资通股份有限公司 适应性生理信息检测方法与系统
CN112582063A (zh) * 2019-09-30 2021-03-30 长沙昱旻信息科技有限公司 Bmi预测方法、装置、系统及计算机存储介质、电子设备
CN112587099A (zh) * 2019-09-13 2021-04-02 希尔-罗姆服务公司 个性化生命体征监测器
CN112734473A (zh) * 2021-01-11 2021-04-30 汉海信息技术(上海)有限公司 网约车避堵绕行识别方法、装置、电子设备及存储介质
CN112883207A (zh) * 2021-02-01 2021-06-01 西北师范大学 一种基于特征融合的高安全生物哈希密文语音检索方法
CN112932439A (zh) * 2021-03-31 2021-06-11 重庆博恩富克医疗设备有限公司 一种脑水肿脑氧多模态复合检测系统
CN113010846A (zh) * 2021-03-30 2021-06-22 合肥工业大学 一种基于子分类器权重投票的等离子体破裂预测方法
CN113069092A (zh) * 2021-03-18 2021-07-06 安徽中屏科技有限公司 一种基于智能穿戴手表的健康监控装置及控制系统
CN113140268A (zh) * 2020-01-19 2021-07-20 上海鹏航航空科技有限公司 一种基于ai智能技术的旅客飞行健康管理方法与系统
CN113133769A (zh) * 2021-04-23 2021-07-20 河北师范大学 基于运动想象脑电信号的设备控制方法、装置及终端
CN113168895A (zh) * 2018-10-12 2021-07-23 大日本住友制药株式会社 用于评估健康关心区域的健康度与各个预防性干预行动之间的关联性的方法、装置以及程序
CN113144344A (zh) * 2021-04-13 2021-07-23 民勤县人民医院 一种应用于麻醉深度监测及麻醉剂注射装置
CN113164126A (zh) * 2018-12-04 2021-07-23 布雷恩维沃有限公司 利用脑特征活动图谱数据库来表征内容的装置和方法
CN113196410A (zh) * 2018-09-07 2021-07-30 卢西恩公司 疼痛治疗的系统和方法
EP3813528A4 (en) * 2018-06-29 2021-08-11 Smart Wave Technologies, Inc. PEST CONTROL SYSTEM WITH EVENT MONITORING
CN113296136A (zh) * 2020-02-24 2021-08-24 香港理工大学深圳研究院 多目标形变监测方法、装置和接收机
CN113349752A (zh) * 2021-05-08 2021-09-07 电子科技大学 一种基于传感融合的可穿戴设备实时心率监测方法
CN113349796A (zh) * 2021-06-16 2021-09-07 珠海中科先进技术研究院有限公司 基于多源信号的睡眠监控方法、设备及存储介质
CN113421641A (zh) * 2021-06-30 2021-09-21 重庆医科大学 子痫患者保护装置及预测系统
CN113449862A (zh) * 2020-03-27 2021-09-28 罗伯特·博世有限公司 状态感知级联机器学习系统和方法
CN113440151A (zh) * 2021-08-03 2021-09-28 合肥科飞康视科技有限公司 一种专注力检测系统、检测方法及系统的使用方法
WO2021196063A1 (zh) * 2020-04-01 2021-10-07 唐山哈船科技有限公司 一种利用多导监测肺炎患者睡眠的系统和方法
US20210309308A1 (en) * 2018-09-07 2021-10-07 Soucy International Inc. Track system
CN113558718A (zh) * 2021-07-31 2021-10-29 任晓东 体外冲击波治疗装置
CN113577559A (zh) * 2021-09-03 2021-11-02 复旦大学 基于多信号的闭环深部脑刺激方法、装置、系统及设备
CN113647919A (zh) * 2021-07-20 2021-11-16 广州和普乐健康科技有限公司 一种睡眠呼吸监测带
CN113672819A (zh) * 2021-05-25 2021-11-19 重庆大学 一种基于推荐感知和协作边缘缓存的内容请求处理系统
CN113691917A (zh) * 2020-05-19 2021-11-23 奥迪康有限公司 包括生理传感器的助听器
CN113887628A (zh) * 2021-10-01 2022-01-04 上海梦象智能科技有限公司 一种从聚合负载数据提取电器指纹的方法
CN113924993A (zh) * 2021-10-13 2022-01-14 上海恺多科技有限公司 宠物用智能运动计步及步态健康监测装置及其应用方法
CN113925021A (zh) * 2021-10-12 2022-01-14 中国人民解放军军事科学院军事医学研究院 一种动物睡眠节律调控试验方法
CN113993451A (zh) * 2019-06-12 2022-01-28 惠普发展公司， 有限责任合伙企业 基于生理测量的扩展现实调整
CN114022799A (zh) * 2021-09-23 2022-02-08 中国人民解放军军事科学院国防科技创新研究院 一种自监督单目深度估计方法和装置
CN114041191A (zh) * 2019-04-15 2022-02-11 豪夫迈·罗氏有限公司 数字生物标志物
CN114093488A (zh) * 2022-01-20 2022-02-25 武汉泰乐奇信息科技有限公司 一种基于骨骼识别的医生技能水平评判方法和装置
TWI757022B (zh) * 2020-02-14 2022-03-01 謝基生 基於α型多光譜影像分析步態足印的系統與方法
TWI756945B (zh) * 2020-11-27 2022-03-01 國立中興大學 不限空間之肺部復健運動導引與管理系統
CN114145531A (zh) * 2021-07-19 2022-03-08 国网江苏省电力有限公司江阴市供电分公司 一种配网不停电作业安全规范监控方法
CN114283025A (zh) * 2021-11-25 2022-04-05 国电南瑞科技股份有限公司 一种适用于电力物联网的设备id生成方法、装置及设备接入方法
CN114327048A (zh) * 2021-12-07 2022-04-12 重庆邮电大学 一种基于脑电信号和眼电信号的机械臂控制方法及系统
CN114343641A (zh) * 2022-01-24 2022-04-15 广州熠华教育咨询服务有限公司 一种学习困难干预训练指导方法及其系统
CN114358043A (zh) * 2021-11-30 2022-04-15 中国科学院深圳先进技术研究院 动作识别评估方法、动作识别评估装置以及存储介质
CN114446029A (zh) * 2022-01-25 2022-05-06 深圳市和而不同人工智能技术有限公司 一种基于智能穿戴手表监测行驶信息的系统和方法
CN114451869A (zh) * 2022-04-12 2022-05-10 深圳市心流科技有限公司 一种睡眠状态评估方法、装置、智能终端和存储介质
CN114502060A (zh) * 2019-07-29 2022-05-13 森思迈德有限公司 眼睛生物力学特性测量和监测设备
CN114469136A (zh) * 2022-02-14 2022-05-13 中南大学 一种热舒适度评价方法、系统及可存储介质
CN114489326A (zh) * 2021-12-30 2022-05-13 南京七奇智能科技有限公司 面向人群的虚拟人交互注意力驱动的姿态控制装置及方法
CN114562987A (zh) * 2022-03-11 2022-05-31 苏州脑控脑科学技术有限公司 面部示踪器、空间定位系统、空间定位方法及磁刺激系统
WO2022135585A1 (zh) * 2020-12-25 2022-06-30 深圳迈瑞生物医疗电子股份有限公司 监护设备和用于监护设备的显示方法
US11380438B2 (en) * 2017-09-27 2022-07-05 Honeywell International Inc. Respiration-vocalization data collection system for air quality determination
CN114740980A (zh) * 2022-04-22 2022-07-12 北京交通大学 一种基于认知过程和状态的人机交互模式设计方法及系统
CN114788681A (zh) * 2022-06-23 2022-07-26 华慧健(天津)科技有限公司 基于图像采集与处理技术的智能可穿戴眼健康仪
CN114792563A (zh) * 2022-04-28 2022-07-26 浙江领蔚生物技术有限公司 基于多方位数据收集的儿童广泛性发育障碍评估系统
CN114898527A (zh) * 2021-11-11 2022-08-12 中国计量大学 一种基于声音辅助的可穿戴式老人跌倒检测系统与方法
CN114917475A (zh) * 2022-07-20 2022-08-19 苏州小蓝医疗科技有限公司 综合睡眠治疗的控制装置、电子设备和存储介质
CN114944863A (zh) * 2022-04-21 2022-08-26 亚太卫星宽带通信（深圳）有限公司 一种波束切换算法
CN115005794A (zh) * 2022-08-09 2022-09-06 深圳市微克科技有限公司 基于智能穿戴多运动健康指标测量系统
CN115089140A (zh) * 2022-06-26 2022-09-23 山东迎创智能装饰设计工程有限公司 一种心率呼吸可监测的睡眠分析系统及其方法
CN115137313A (zh) * 2022-08-31 2022-10-04 首都医科大学附属北京同仁医院 同时针对睡眠质量以及近视风险的评估方法及装置
CN115240508A (zh) * 2022-09-23 2022-10-25 深圳市心流科技有限公司 基于音乐节奏的认知能力训练方法、终端设备及存储介质
CN115438136A (zh) * 2022-09-02 2022-12-06 安徽农业大学 一种城市夜间街道步行安全感的测度方法
CN115443093A (zh) * 2020-03-27 2022-12-06 西弗吉尼亚大学校务委员会代表西弗吉尼亚大学 利用来自便携式监控设备的监控来预测用户的健康状况
CN115445080A (zh) * 2022-10-20 2022-12-09 哈尔滨海鸿基业科技发展有限公司 一种肢体用电极绑带
CN115510926A (zh) * 2022-11-23 2022-12-23 武汉理工大学 跨机型的柴油机燃烧室故障诊断方法及系统
CN115551156A (zh) * 2022-03-01 2022-12-30 荣耀终端有限公司 一种发光闪烁的方法及可穿戴设备
CN115633937A (zh) * 2021-07-19 2023-01-24 大立云康科技股份有限公司 睡眠监测装置
CN115802308A (zh) * 2022-11-11 2023-03-14 四川启睿克科技有限公司 一种用于城市环境监测的可穿戴环境传感器网络系统
IT202100026999A1 (it) * 2021-10-20 2023-04-20 Mnem S R L Metodo per la correlazione e predizione di dati associati a un soggetto di interesse
CN116167435A (zh) * 2023-02-22 2023-05-26 北京工业大学 基于知识蒸馏和域自适应的双教师睡眠分期特征迁移方法
CN116172522A (zh) * 2023-05-04 2023-05-30 江南大学附属医院 一种基于神经网络的麻醉深度监测方法
TWI803848B (zh) * 2021-03-29 2023-06-01 國立勤益科技大學 一種帕金森氏症上肢震顫分析裝置與方法
TWI809825B (zh) * 2022-04-18 2023-07-21 吳宗儒 異常肺囉音診斷監測系統及其建立方法
CN116508016A (zh) * 2021-01-29 2023-07-28 三星电子株式会社 确定聊天机器人保持会话的时间的电子设备及其操作方法
CN116584900A (zh) * 2023-07-17 2023-08-15 博睿康医疗科技(上海)有限公司 信号稳定状态的检测方法、检测模型、癫痫检测装置
US20230260646A1 (en) * 2020-07-03 2023-08-17 Kyoto University Relationship estimatation system
US20230258759A1 (en) * 2020-07-17 2023-08-17 Google Llc Determining a Position of User Equipment by using Adaptive Phase-Changing Devices
TWI818727B (zh) * 2022-07-26 2023-10-11 宏達國際電子股份有限公司 追蹤系統和運動資料收集方法
TWI820704B (zh) * 2022-05-12 2023-11-01 財團法人工業技術研究院 聲音訊號的分析方法及裝置、晶片的設計方法及裝置
CN116982927A (zh) * 2023-08-14 2023-11-03 深圳大学附属华南医院 一种多镜头眼科检查设备及方法
WO2023216267A1 (zh) * 2022-05-13 2023-11-16 北京小米移动软件有限公司 热量消耗估算方法、装置及存储介质
TWI824177B (zh) * 2020-09-03 2023-12-01 鉭騏實業有限公司 多功能居家檢測助聽裝置及其方法
CN117442169A (zh) * 2023-10-17 2024-01-26 郑州誉美医院有限公司 一种基于ai的肿瘤患者康复跟踪装置及其方法
CN117462148A (zh) * 2023-12-28 2024-01-30 慧创科仪(北京)科技有限公司 一种用于脑电检测设备的导联配置装置、方法和存储介质
CN117523665A (zh) * 2023-11-13 2024-02-06 书行科技(北京)有限公司 人体动作预测模型的训练方法、相关方法及相关产品
CN117668763A (zh) * 2024-01-31 2024-03-08 深圳市鸿普森科技股份有限公司 基于多模态的数字人一体机及其多模态感知识别方法
CN117893088A (zh) * 2024-01-18 2024-04-16 江苏省徐州医药高等职业学校 一种用于药物制剂生产质量的控制方法
CN117995411A (zh) * 2024-04-03 2024-05-07 吉林大学 患者护理的运动数据采集分析系统及方法
CN118121169A (zh) * 2024-05-06 2024-06-04 中国人民解放军总医院第二医学中心 一种可远程数据传输的多功能生命体征监测仪
EP4231824B1 (en) * 2020-10-26 2024-06-05 Precision Planting LLC Boom adjustment system
CN118428332A (zh) * 2024-05-14 2024-08-02 百度在线网络技术（北京）有限公司 基于大模型的演示文稿生成方法和大模型的训练方法
US20240264258A1 (en) * 2021-08-03 2024-08-08 Fujifilm Healthcare Corporation Magnetic resonance imaging apparatus and control method thereof
CN118464059A (zh) * 2024-07-09 2024-08-09 西安迅腾科技有限责任公司 一种可实时记录并上报鸟类飞行轨迹的装置
TWI851579B (zh) * 2018-06-15 2024-08-11 日商大塚製藥股份有限公司 用於判定病患步數之系統、穿戴式裝置及方法
CN118512155A (zh) * 2024-07-22 2024-08-20 北京超数时代科技有限公司 一种抑制睡眠障碍的ai诊疗系统
TWI859854B (zh) * 2022-05-12 2024-10-21 財團法人工業技術研究院 晶片的設計方法及裝置
CN118873089A (zh) * 2024-07-17 2024-11-01 北京理工大学 用于即时眼压监测和反馈的神经假体角膜接触镜系统
CN118983045A (zh) * 2024-07-23 2024-11-19 京医云(北京)信息科技有限公司 一种基于大数据的体质健康监测评价系统及方法
CN119003816A (zh) * 2024-10-24 2024-11-22 青岛歌尔视界科技有限公司 日记生成方法、装置、设备及存储介质
US12176079B2 (en) 2020-08-07 2024-12-24 HCL Technologies Italy S.p.A. Method, system, and device for providing assistance to patients with communication and memory impairment
CN119215299A (zh) * 2024-12-03 2024-12-31 浙江普可医疗科技有限公司 一种微电流睡眠仪控制方法及装置
CN119296726A (zh) * 2024-12-13 2025-01-10 中国康复研究中心 一种个性化康复方案辅助决策方法及系统
CN119279550A (zh) * 2024-12-13 2025-01-10 成都维客昕微电子有限公司 一种可穿戴设备佩戴环境检测方法及系统
EP4324394A4 (en) * 2021-05-20 2025-01-29 i-Sens, Inc. METHODS FOR CALIBRATING NON-INVASIVE BIOMETRIC INFORMATION
CN119386350A (zh) * 2025-01-06 2025-02-07 山东爱优动体育健康服务有限公司 一种孤独症干预治疗装置及其使用方法
US12257045B2 (en) 2020-07-14 2025-03-25 Ascensia Diabetes Care Holdings Ag Tracking insertion and removal times of a continuous glucose monitoring sensor
CN119908682A (zh) * 2025-04-01 2025-05-02 广东朗固实业有限公司 一种智能防电弧服用生命体征监测方法
CN119925819A (zh) * 2025-01-24 2025-05-06 中国人民解放军总医院第四医学中心 一种肢体融合治疗装置和信号控制方法
CN120611936A (zh) * 2025-06-11 2025-09-09 浙江悟一智能科技有限公司 一种基于物联网的未来社区管理系统及方法
US12408862B2 (en) 2019-06-19 2025-09-09 Hoffmann-La Roche Inc. Digital biomarker
WO2025242058A1 (zh) * 2024-05-23 2025-11-27 郑云峰 一种经颅磁刺激神经调控装置及其使用方法
US12507947B2 (en) 2019-06-19 2025-12-30 Hoffmann-La Roche Inc. Digital biomarker

Families Citing this family (447)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9101769B2 (en) 2011-01-03 2015-08-11 The Regents Of The University Of California High density epidural stimulation for facilitation of locomotion, posture, voluntary movement, and recovery of autonomic, sexual, vasomotor, and cognitive function after neurological injury
JP2014533183A (ja) 2011-11-11 2014-12-11 ニューロイネイブリング テクノロジーズ インコーポレイテッド 運動神経、感覚、自律、性的、血管運動および認知機能の回復を可能にするための非侵襲性神経調節装置
US10946196B2 (en) 2012-11-16 2021-03-16 Stimscience Inc. System for variably configurable, adaptable electrode arrays and effectuating software
US12453510B2 (en) 2012-11-16 2025-10-28 Stim Science Inc. Neuromodulation method and system for sleep disorders
US20200155061A1 (en) * 2018-11-19 2020-05-21 Stimscience Inc. Neuromodulation method and system for sleep disorders
US12453853B2 (en) 2013-01-21 2025-10-28 Cala Health, Inc. Multi-modal stimulation for treating tremor
CN108355242B (zh) 2013-01-21 2022-04-15 卡拉健康公司 用于控制震颤的设备和方法
CA2898857A1 (en) 2013-01-24 2014-07-31 GraftWorx, LLC Method and apparatus for measuring flow through a lumen
EP2968940B1 (en) 2013-03-15 2021-04-07 The Regents Of The University Of California Multi-site transcutaneous electrical stimulation of the spinal cord for facilitation of locomotion
EP3049148B1 (en) 2013-09-27 2020-05-20 The Regents Of The University Of California Engaging the cervical spinal cord circuitry to re-enable volitional control of hand function in tetraplegic subjects
US10874355B2 (en) 2014-04-24 2020-12-29 Cognoa, Inc. Methods and apparatus to determine developmental progress with artificial intelligence and user input
JP6606105B2 (ja) 2014-06-02 2019-11-13 カラ ヘルス，インコーポレイテッド 振戦を治療するための抹消神経刺激用のシステム及び方法
CN112998649A (zh) 2015-01-06 2021-06-22 大卫·伯顿 移动式可穿戴的监控系统
US9924905B2 (en) 2015-03-09 2018-03-27 Graftworx, Inc. Sensor position on a prosthesis for detection of a stenosis
CN112914514B (zh) 2015-06-10 2024-12-13 卡拉健康公司 用于外周神经刺激以利用可拆卸治疗和监测单元治疗震颤的系统和方法
US11160459B2 (en) 2015-06-12 2021-11-02 ChroniSense Medical Ltd. Monitoring health status of people suffering from chronic diseases
US11160461B2 (en) 2015-06-12 2021-11-02 ChroniSense Medical Ltd. Blood pressure measurement using a wearable device
US10687742B2 (en) 2015-06-12 2020-06-23 ChroniSense Medical Ltd. Using invariant factors for pulse oximetry
US10952638B2 (en) 2015-06-12 2021-03-23 ChroniSense Medical Ltd. System and method for monitoring respiratory rate and oxygen saturation
US11464457B2 (en) 2015-06-12 2022-10-11 ChroniSense Medical Ltd. Determining an early warning score based on wearable device measurements
US11712190B2 (en) 2015-06-12 2023-08-01 ChroniSense Medical Ltd. Wearable device electrocardiogram
US10448883B2 (en) 2015-07-21 2019-10-22 Massachusetts Institute Of Technology Methods and apparatus for neuromodulation
WO2017053847A1 (en) 2015-09-23 2017-03-30 Cala Health, Inc. Systems and methods for peripheral nerve stimulation in the finger or hand to treat hand tremors
US11672464B2 (en) 2015-10-27 2023-06-13 Cardiologs Technologies Sas Electrocardiogram processing system for delineation and classification
US11972336B2 (en) * 2015-12-18 2024-04-30 Cognoa, Inc. Machine learning platform and system for data analysis
CA3011993C (en) 2016-01-21 2024-05-14 Cala Health, Inc. Systems, methods and devices for peripheral neuromodulation for treating diseases related to overactive bladder
US11000235B2 (en) 2016-03-14 2021-05-11 ChroniSense Medical Ltd. Monitoring procedure for early warning of cardiac episodes
CA3019203A1 (en) 2016-03-24 2017-09-28 Trudell Medical International Respiratory care system with electronic indicator
CA3023659A1 (en) * 2016-05-09 2017-11-16 Neurovision Imaging, Inc. Apparatus and method for recording and analysing lapses in memory and function
MX2018014121A (es) 2016-05-19 2019-04-29 Trudell Medical Int Camara de retencion con valvula inteligente.
WO2017208168A2 (en) * 2016-05-31 2017-12-07 Lab Schöpfergeist Ag Strap arrangement for a nerve stimulator
WO2018009680A1 (en) 2016-07-08 2018-01-11 Cala Health, Inc. Systems and methods for stimulating n nerves with exactly n electrodes and improved dry electrodes
ES2988939T3 (es) 2016-07-08 2024-11-22 Trudell Medical Int Inc Dispositivo de presión espiratoria positiva oscilante inteligente
US20220206745A1 (en) * 2016-07-08 2022-06-30 Ontolead, Inc. Relationship analysis utilizing biofeedback information
US12478285B2 (en) * 2016-08-02 2025-11-25 Medtronic, Inc. Accelerometer signal change as a measure of patient functional status
JP6742196B2 (ja) * 2016-08-24 2020-08-19 Cyberdyne株式会社 生体活動検出装置および生体活動検出システム
US12233265B2 (en) 2016-08-25 2025-02-25 Cala Health, Inc. Systems and methods for treating cardiac dysfunction through peripheral nerve stimulation
US20180056130A1 (en) * 2016-08-31 2018-03-01 Microsoft Technology Licensing, Llc Providing insights based on health-related information
WO2018049412A1 (en) * 2016-09-12 2018-03-15 Graftworx, Inc. Wearable device with multimodal diagnostics
DE102016011700A1 (de) 2016-09-28 2018-03-29 Personal Medsystems Gmbh Überwachung von Biosignalen, insbesondere Elektrokardiogrammen
CN107016224A (zh) * 2016-10-03 2017-08-04 朴植 用于老年保健陪伴的Nounou智能监护装置
WO2018069981A1 (ja) * 2016-10-11 2018-04-19 富士通株式会社 運動認識装置、運動認識プログラムおよび運動認識方法
WO2018069790A1 (en) * 2016-10-14 2018-04-19 Facense Ltd. Systems and methods to detect breathing parameters and provide biofeedback
CN109843183B (zh) * 2016-10-21 2022-04-12 西铁城时计株式会社 检测装置
US10643741B2 (en) * 2016-11-03 2020-05-05 RightEye, LLC Systems and methods for a web platform hosting multiple assessments of human visual performance
US10417928B2 (en) 2016-11-04 2019-09-17 International Business Machines Corporation Handwritten homework monitoring using wearable device
US10159459B2 (en) * 2016-11-11 2018-12-25 iMEDI PLUS Inc. Multi-mic sound collector and system and method for sound localization
JP7182554B2 (ja) 2016-11-14 2022-12-02 コグノア，インク． 発達に係る疾病を評価し、およびカバー率と信頼度に対する制御を提供する方法および装置
JP2020512031A (ja) * 2016-11-23 2020-04-23 ライフキュー グローバル リミテッド 睡眠生理学を使用した生体識別のシステムおよび方法
US11202601B2 (en) 2016-12-01 2021-12-21 Cardiac Pacemakers, Inc. Methods and apparatus for monitoring epilepsy
CN106411661A (zh) * 2016-12-02 2017-02-15 国网四川省电力公司电力科学研究院 一种适用于复杂电力作业环境的安全保障系统
US11497867B2 (en) 2016-12-09 2022-11-15 Trudell Medical International Smart nebulizer
US11246520B2 (en) * 2016-12-12 2022-02-15 Emory University Using heartrate information to classify PTSD
ES2976489T3 (es) * 2016-12-29 2024-08-02 Elliot Steven Finkelstein Un sistema portátil para monitorear traumatismo cerebral
FR3061423B1 (fr) * 2017-01-03 2020-10-23 Ilyu Ensemble comportant un brassard et une pochette pour smartphone
JP6733555B2 (ja) * 2017-01-04 2020-08-05 オムロンヘルスケア株式会社 電気治療器、システムおよびプログラム
CN106802196B (zh) * 2017-01-16 2023-07-18 中国计量大学 用于自动检定的电子体温计蜂鸣器声音检测装置及方法
DE102017109272A1 (de) 2017-02-01 2018-08-02 movival GmbH Vorrichtung zur senkung des krebsrisikos und/oder des krebsrückfallrisikos und/oder anderer krankheiten
US12254755B2 (en) 2017-02-13 2025-03-18 Starkey Laboratories, Inc. Fall prediction system including a beacon and method of using same
US12310716B2 (en) 2017-02-13 2025-05-27 Starkey Laboratories, Inc. Fall prediction system including an accessory and method of using same
WO2018148844A1 (en) 2017-02-17 2018-08-23 The University Of British Columbia Apparatus and methods for maintaining physiological functions
WO2018168909A1 (ja) * 2017-03-16 2018-09-20 株式会社カオテック研究所 パーキンソン病診断装置
JP7005641B2 (ja) * 2017-03-17 2022-01-21 コーニンクレッカ フィリップス エヌ ヴェ 圧力パルスを能動的にキャンセルするためのシステム及び方法
CN106963363A (zh) * 2017-03-28 2017-07-21 西安交通大学 一种集成心电与皮电监测的手机壳
US11331480B2 (en) 2017-04-03 2022-05-17 Cala Health, Inc. Systems, methods and devices for peripheral neuromodulation for treating diseases related to overactive bladder
CN107017908B (zh) * 2017-04-12 2020-08-28 广东南方数码科技股份有限公司 一种基于智能穿戴设备的高并发物联网大数据通信方法
CN107423668B (zh) * 2017-04-14 2022-09-27 山东建筑大学 基于小波变换和稀疏表达的脑电信号分类系统与方法
JP6749278B2 (ja) * 2017-04-14 2020-09-02 ダイキン工業株式会社 生理状態判定装置
EP3395236B1 (en) 2017-04-25 2022-08-17 Tata Consultancy Services Limited Processor-implemented method, system and computer program product for adaptive sensor calibration
JP2018183474A (ja) * 2017-04-27 2018-11-22 ファミリーイナダ株式会社 マッサージ装置及びマッサージシステム
WO2018204311A1 (en) 2017-05-01 2018-11-08 The Charles Stark Draper Laboratory, Inc. Deep learning architecture for cognitive examination subscore trajectory prediction in alzheimer's disease
US11559252B2 (en) 2017-05-08 2023-01-24 Starkey Laboratories, Inc. Hearing assistance device incorporating virtual audio interface for therapy guidance
AU2018271150B2 (en) * 2017-05-18 2024-05-02 Neuraldx Ltd Vestibulo-acoustic signal processing
CN107088063A (zh) * 2017-05-19 2017-08-25 北京麦迪克斯科技有限公司 基于光特征的生理信息采集装置及方法
WO2018217791A1 (en) 2017-05-23 2018-11-29 The Regents Of The University Of California Accessing spinal networks to address sexual dysfunction
US10945675B2 (en) 2017-05-24 2021-03-16 Samsung Electronics Co., Ltd. Determining a health status for a user
EP3629893A1 (en) * 2017-06-02 2020-04-08 Nox Medical ehf. Coherence-based method, apparatus, and system for identifying corresponding signals of a physiological study
KR102403257B1 (ko) * 2017-06-12 2022-05-30 삼성전자주식회사 홈 디바이스 제어 장치 및 동작 방법
WO2018231989A1 (en) * 2017-06-14 2018-12-20 Thomas Jefferson University Cortical recording and signal processing methods and devices
KR20190001081A (ko) * 2017-06-26 2019-01-04 서울대학교산학협력단 뇌파와 심전도를 측정하기 위한 장치 및 방법
CN109213541B (zh) 2017-06-29 2024-09-06 阿里巴巴集团控股有限公司 App应用展示界面的方法、装置和电子设备
DE20168827T1 (de) 2017-06-30 2021-01-21 Gtx Medical B.V. System zur neuromodulierung
JP6463572B1 (ja) * 2017-07-24 2019-02-06 アクシオンリサーチ株式会社 対象システムの内部状態を推定する支援システム
CN107273705A (zh) * 2017-07-25 2017-10-20 北京品驰医疗设备有限公司 人体植入式医疗装置参数确定、设置方法及设备
CN107411198A (zh) * 2017-08-03 2017-12-01 苏州医视医疗科技有限公司 一种可拍摄的医疗手术防护面罩
IN201741004103A (zh) * 2017-08-03 2019-02-08
CN107349510B (zh) * 2017-08-15 2024-03-12 肖钢 一种生物反馈的入眠导航和深度放松导引系统及方法
US10863912B2 (en) 2017-08-24 2020-12-15 Myneurva Holdings, Inc. System and method for analyzing electroencephalogram signals
ES2860099T3 (es) 2017-08-25 2021-10-04 Cardiologs Tech Sas Interfaz de usuario para el análisis de electrocardiogramas
RU2673010C1 (ru) * 2017-09-13 2018-11-21 Дмитрий Владимирович Истомин Способ мониторинга поведения пользователя при взаимодействии с контентом и система для его осуществления
WO2019055719A1 (en) * 2017-09-13 2019-03-21 Massachusetts Institute Of Technology METHODS AND APPARATUS FOR INDUCING OR MODIFYING SLEEP
US11318278B2 (en) 2017-09-13 2022-05-03 Massachusetts Institute Of Technology Methods and apparatus for inducing or modifying sleep
CN111212599B (zh) * 2017-10-19 2024-07-02 迈心诺公司 医疗监测系统的显示布置
US11153156B2 (en) 2017-11-03 2021-10-19 Vignet Incorporated Achieving personalized outcomes with digital therapeutic applications
CN107889010A (zh) * 2017-11-16 2018-04-06 魏磊 耳机报警系统
US10832190B2 (en) * 2017-11-16 2020-11-10 International Business Machines Corporation Executable action modification
EP3714463A1 (en) * 2017-11-22 2020-09-30 Sony Corporation Personal health monitoring
US10916344B2 (en) 2017-11-22 2021-02-09 Accenture Global Solutions Limited Utilizing a machine learning model to identify activities and deviations from the activities by an individual
KR102053604B1 (ko) * 2017-11-27 2019-12-09 연세대학교 산학협력단 수면 분석 방법 및 이를 이용한 수면 분석 디바이스
JP6382433B1 (ja) * 2017-11-30 2018-08-29 ユニファ株式会社 保育管理システム、サーバ装置、保育管理プログラム及び保育管理方法
US12357828B2 (en) 2017-12-05 2025-07-15 Ecole Polytechnique Federale De Lausanne (Epfl) System for planning and/or providing neuromodulation
EP4696364A2 (en) 2017-12-05 2026-02-18 Ecole Polytechnique Fédérale de Lausanne (EPFL) A system for planning and/or providing neuromodulation
US11666801B2 (en) 2018-01-04 2023-06-06 Trudell Medical International Smart oscillating positive expiratory pressure device
KR102102421B1 (ko) * 2018-01-09 2020-04-20 광운대학교 산학협력단 뇌파 측정용 이어폰 및 이를 이용한 졸음운전 감지 시스템
EP3740274A4 (en) 2018-01-17 2021-10-27 Cala Health, Inc. SYSTEMS AND METHODS FOR TREATING INFLAMMATORY INTESTINAL DISEASE USING PERIPHERAL NERVE STIMULATION
US11185659B2 (en) 2018-01-22 2021-11-30 Fiona Eileen Kalensky System and method for a digitally-interactive plush body therapeutic apparatus
CN108335701B (zh) * 2018-01-24 2021-04-13 青岛海信移动通信技术股份有限公司 一种进行声音降噪的方法及设备
CN108363490A (zh) * 2018-03-01 2018-08-03 深圳大图科创技术开发有限公司 一种交互效果良好的智能机器人系统
US11645552B2 (en) * 2018-03-11 2023-05-09 International Business Machines Corporation Travel health optimization simulating health impact of intended user travel using cognitive analytics based on conditions at a geographic location
US11457855B2 (en) * 2018-03-12 2022-10-04 Persyst Development Corporation Method and system for utilizing empirical null hypothesis for a biological time series
MX2018003153A (es) * 2018-03-14 2019-09-16 Inst Tecnologico Y De Estudios Superiores De Occidente A C Sistema de alertas para el aviso de epilepsia.
GB201804262D0 (en) * 2018-03-16 2018-05-02 Samsung Electronics Co Ltd Determining a cause of a trend in vital sign data of a subject
US20190312966A1 (en) * 2018-04-04 2019-10-10 Soonbum Shin Methods and systems for facilitating automated contact with emergency services in case of an emergency
US10629041B2 (en) 2018-04-19 2020-04-21 Carrier Corporation Biometric feedback for intrusion system control
WO2019207346A1 (en) * 2018-04-27 2019-10-31 Neuroanalytics Pty Ltd System and method for rehabilitation program management in post stroke subjects
RU2686257C1 (ru) * 2018-04-27 2019-04-24 Ационерное общество "РОТЕК" (АО "РОТЕК") Способ и система удалённой идентификации и прогнозирования развития зарождающихся дефектов объектов
US20190328227A1 (en) * 2018-04-30 2019-10-31 Ican Interactive Inc. Interactive scheduler and monitor
US11219405B2 (en) * 2018-05-01 2022-01-11 International Business Machines Corporation Epilepsy seizure detection and prediction using techniques such as deep learning methods
US11246531B2 (en) * 2018-05-10 2022-02-15 MAD Apparel, Inc. Fatigue measurement in a sensor equipped garment
JP7000247B2 (ja) * 2018-05-25 2022-02-04 パラマウントベッド株式会社 支援システム
EP3801714B1 (en) 2018-06-04 2026-01-28 Trudell Medical International Inc. Smart valved holding chamber
CN108806185A (zh) * 2018-06-12 2018-11-13 北斗巡星信息科技有限公司 社区矫正综合管理信息系统
WO2019241645A1 (en) * 2018-06-15 2019-12-19 Newton Howard Device for monitoring activities of daily living and physiological parameters to determine a condition and diagnosis of the human brain and body
JP6453512B1 (ja) * 2018-06-25 2019-01-16 株式会社ニューロスペース 情報提示装置、情報提示方法及び情報提示プログラム
WO2020003130A1 (en) * 2018-06-26 2020-01-02 S29 Technologies Inc System and methods for quantifying manual therapy
CN108961679A (zh) * 2018-06-27 2018-12-07 广州视源电子科技股份有限公司 一种注意力提醒方法、装置及电子设备
CN108924446B (zh) * 2018-06-29 2021-02-09 广州视源电子科技股份有限公司 一种频道logo显示方法、装置及存储介质
KR102100120B1 (ko) * 2018-06-29 2020-04-13 링크페이스 주식회사 생체 신호를 모니터링하는 방법, 장치 및 컴퓨터 프로그램
AU2019312209B2 (en) * 2018-07-26 2022-07-28 Med-El Elektromedizinische Geraete Gmbh Neural network audio scene classifier for hearing implants
US10772533B2 (en) 2018-07-27 2020-09-15 Walter Werzowa Adaptive audio therapy system
KR102068484B1 (ko) * 2018-08-01 2020-01-21 서울대학교병원 수면무호흡증 예측 모델의 생성 방법 및 이 모델을 이용한 수면무호흡증 예측 방법
EP3836828B1 (en) * 2018-08-18 2024-06-12 SmartCardia SA Method for synchronization of a multitude of wearable devices
US12478777B2 (en) 2018-08-23 2025-11-25 The Regents Of The University Of California Non-invasive spinal cord stimulation for nerve root palsy, cauda equina syndrome, and restoration of upper extremity function
US11457614B2 (en) 2018-08-24 2022-10-04 VetMeasure, Inc. Animal harness security systems and methods
WO2020041785A1 (en) * 2018-08-24 2020-02-27 VetMeasure, Inc. Round-the-clock monitoring of an animal's health status
WO2020047539A1 (en) * 2018-08-31 2020-03-05 Louisiana Tech Research Corporation System and method for network analysis of a patient's neuro-cardio-respiratory system
CA3110577A1 (en) * 2018-09-05 2020-03-12 Cardiai Technologies Ltd. Health monitoring system having portable health monitoring devices and method therefor
US20200107716A1 (en) * 2018-09-06 2020-04-09 Ivision Technologies, Llc Apparatus for comprehensive multi-sensory screening and methods therefor
WO2020051519A1 (en) * 2018-09-06 2020-03-12 Ivision Technologies, Llc System and method for comprehensive multisensory screening
US12318341B2 (en) 2018-09-11 2025-06-03 Encora, Inc. Apparatus and method for reduction of neurological movement disorder symptoms using wearable device
EP3849407B1 (en) * 2018-09-14 2024-01-31 Chronisense Medical Ltd. System and method for monitoring respiratory rate and oxygen saturation
JP2020054782A (ja) * 2018-09-26 2020-04-09 日本電信電話株式会社 生体情報解析装置、生体情報解析方法、および生体情報解析システム
US11471597B2 (en) * 2018-10-05 2022-10-18 Arizona Board Of Regents On Behalf Of Arizona State University Systems, methods, and apparatuses for utilizing co-simulation of a physical model and a self-adaptive predictive controller using hybrid automata
GB2593321B (en) 2018-10-10 2023-08-09 Ibrum Tech An intelligent cardio-pulmonary screening device for telemedicine applications
WO2020077219A1 (en) * 2018-10-12 2020-04-16 University Of Kansas Functional transcranial doppler ultrasound and methods of use
AU2021100637B4 (en) * 2018-10-23 2022-11-10 Sdip Holdings Pty Ltd Blepharometric monitoring system for a vehicle which provides user-customised analysis
AU2021100635B4 (en) * 2018-10-23 2022-09-15 Sdip Holdings Pty Ltd Identification of risk of degeneratve neurological conditions via blepharometric data collection
WO2020087187A1 (en) 2018-11-02 2020-05-07 Cardiai Technologies Ltd. Portable electrochemical-sensor system for analyzing user health conditions and method thereof
EP3653258A1 (en) 2018-11-13 2020-05-20 GTX medical B.V. A control system for closed-loop neuromodulation
DE18205817T1 (de) 2018-11-13 2020-12-24 Gtx Medical B.V. Sensor in bekleidung von gliedmassen oder schuhwerk
EP3653256B1 (en) 2018-11-13 2022-03-30 ONWARD Medical N.V. Control system for movement reconstruction and/or restoration for a patient
KR102415213B1 (ko) * 2018-11-19 2022-07-01 한국전자통신연구원 청성 뇌간 반응 신호에 기반하는 개인 인증 장치 및 개인 인증 방법
EP3657810A1 (en) * 2018-11-21 2020-05-27 Telefonica Innovacion Alpha S.L Electronic device, method and system for inferring the impact of the context on user's wellbeing
BR112021011297A2 (pt) * 2018-12-13 2021-08-31 Liminal Sciences, Inc. Dispositivo usável, método para operar um dispositivo usável, e, aparelho
EP3895141B1 (en) 2018-12-15 2024-01-24 Starkey Laboratories, Inc. Hearing assistance system with enhanced fall detection features
EP3671757A1 (en) * 2018-12-18 2020-06-24 Koninklijke Philips N.V. System and method for determining a level of alertness
US20220076801A1 (en) * 2018-12-21 2022-03-10 University Of Southern California System and method for determining human performance
CN109567799A (zh) * 2018-12-26 2019-04-05 杭州电子科技大学 基于平滑小波相干性的肌电信号特征提取方法
US11131553B1 (en) * 2018-12-27 2021-09-28 United Services Automobile Association (Usaa) Driver feedback and rerouting in response to adverse driving conditions
WO2020139850A1 (en) 2018-12-27 2020-07-02 Starkey Laboratories, Inc. Predictive fall event management system and method of using same
CN113905663B (zh) 2019-01-08 2024-07-05 伊鲁丽亚有限公司 监测注意力缺陷伴多动障碍的诊断和有效性
US20220134097A1 (en) * 2019-01-25 2022-05-05 Powerdot, Inc. Electrical Muscle Stimulation Devices, Systems, and Methods
US11642081B2 (en) 2019-02-01 2023-05-09 X Development Llc Electrode headset
US12016694B2 (en) 2019-02-04 2024-06-25 Cardiologs Technologies Sas Electrocardiogram processing system for delineation and classification
WO2020165717A1 (en) * 2019-02-12 2020-08-20 Gaurav Dubey Systems and methods for career/profession recommendation
US12035996B2 (en) 2019-02-12 2024-07-16 Brown University High spatiotemporal resolution brain imaging
EP3695878B1 (en) 2019-02-12 2023-04-19 ONWARD Medical N.V. A system for neuromodulation
US11382510B2 (en) * 2019-02-13 2022-07-12 Sports Data Labs, Inc. Biological data tracking system and method
EP3698715A1 (en) * 2019-02-19 2020-08-26 Koninklijke Philips N.V. A sleep monitoring and position therapy system and method
SE543332C2 (en) 2019-02-19 2020-12-01 Tobii Ab Method, computer program and head mountable arrangement for assisting a subject to acquire spatial information about an environment
CN113747839A (zh) * 2019-02-28 2021-12-03 加利福尼亚州立大学董事会 用于监测的集成可穿戴超声相控阵列
US11583231B2 (en) 2019-03-06 2023-02-21 X Development Llc Adjustable electrode headset
CA3132984C (en) * 2019-03-08 2022-03-08 The Access Technologies Leadless electrocardiogram monitor
CN110584657B (zh) * 2019-03-15 2022-09-23 华为技术有限公司 一种注意力检测方法及系统
EP3946017A4 (en) * 2019-03-31 2022-12-07 Emfit Corp. WEARABLE SENSOR AND HEALTH MANAGEMENT SYSTEM WITH A WEARABLE SENSOR
ES2990059T3 (es) * 2019-04-01 2024-11-28 Univ Duke Dispositivos y sistemas para promover el sueño continuo de un sujeto y métodos para usar los mismos
US11744505B2 (en) 2019-04-04 2023-09-05 Tristan Alan Colaizzi Traumatic brain injury diagnostics system and method
US10966657B2 (en) 2019-05-01 2021-04-06 General Electric Company Sensing system and method
US12394522B2 (en) 2019-05-14 2025-08-19 Intellicare Technologies Llc System, apparatus, and methods for health monitoring
US11631493B2 (en) 2020-05-27 2023-04-18 View Operating Corporation Systems and methods for managing building wellness
US11672453B2 (en) * 2019-05-22 2023-06-13 Bi Incorporated Systems and methods for impairment testing in a monitoring system
CN110038291B (zh) * 2019-05-24 2020-11-24 深圳市前海动竞体育科技有限公司 一种划船运动员的运动信息采集系统及运动姿态还原方法
GB2597428A (en) 2019-05-31 2022-01-26 Owlet Baby Care Inc Prenatal monitoring device
CN110211693A (zh) * 2019-06-03 2019-09-06 深圳市儿童医院 一种自动化步态分析评估hibd治疗后的运动功能恢复情况
CN110267208A (zh) * 2019-06-12 2019-09-20 深圳市趣创科技有限公司 一种带伞提醒功能、装置、终端及存储介质
WO2020257352A1 (en) * 2019-06-17 2020-12-24 Gideon Health Wearable device operable to detect and/or prepare a user for sleep
WO2020258106A1 (zh) * 2019-06-26 2020-12-30 Oppo广东移动通信有限公司 手势识别的方法和设备、定位追踪的方法和设备
KR102685114B1 (ko) * 2019-06-26 2024-07-12 현대자동차주식회사 오류 모니터링을 이용한 모빌리티 제어 방법 및 장치
WO2020263694A1 (en) * 2019-06-27 2020-12-30 Mahana Therapeutics, Inc. Adaptive interventions for gastrointestinal health conditions
CN113613548B (zh) * 2019-06-28 2024-06-04 深圳迈瑞生物医疗电子股份有限公司 监护设备、设定参考基线的方法和可读存储介质
US12095940B2 (en) 2019-07-19 2024-09-17 Starkey Laboratories, Inc. Hearing devices using proxy devices for emergency communication
US11497924B2 (en) * 2019-08-08 2022-11-15 Realize MedTech LLC Systems and methods for enabling point of care magnetic stimulation therapy
US12251560B1 (en) 2019-08-13 2025-03-18 Cala Health, Inc. Connection quality determination for wearable neurostimulation systems
US11723595B2 (en) 2019-08-13 2023-08-15 Twin Health, Inc. Precision treatment with machine learning and digital twin technology for optimal metabolic outcomes
AU2020338979B2 (en) 2019-08-27 2025-09-25 Trudell Medical International Inc. Smart oscillating positive expiratory pressure device
JP2022549479A (ja) * 2019-09-30 2022-11-25 エフ．ホフマン－ラ ロシュ アーゲー 疾患状態の予測方法
KR102110153B1 (ko) * 2019-09-30 2020-06-09 주식회사 신양테크 졸음퇴치 시스템 및 방법
US11890468B1 (en) 2019-10-03 2024-02-06 Cala Health, Inc. Neurostimulation systems with event pattern detection and classification
US12128214B2 (en) 2019-10-04 2024-10-29 Arnold Chase Intelligent drug delivery system
US12059553B2 (en) * 2019-10-04 2024-08-13 Arnold Chase Intelligent drug delivery system
KR102380027B1 (ko) * 2019-10-07 2022-03-29 (주)아이쿱 바이오 빅 데이터 시각화 방법을 이용한 환자 건강진단 단말
US12159717B2 (en) * 2019-10-07 2024-12-03 Owlet Baby Care, Inc. Respiratory rate prediction from a photoplethysmogram
TWI723591B (zh) * 2019-10-21 2021-04-01 亞東技術學院 肩部粘連性關節囊炎之復健系統
US10842415B1 (en) 2019-10-25 2020-11-24 Plethy, Inc. Devices, systems, and methods for monitoring and assessing gait, stability, and/or balance of a user
WO2021081729A1 (zh) * 2019-10-29 2021-05-06 深圳迈瑞生物医疗电子股份有限公司 自适应报警系统、方法、装置、及物联网系统
US20220338810A1 (en) * 2019-11-04 2022-10-27 Nt Labs Pvt Ltd Ear-wearable device and operation thereof
WO2021097233A2 (en) * 2019-11-15 2021-05-20 The Children's Hospital Of Philadelphia Systems and methods for early detection and management of clinical critical events
US20230008906A1 (en) * 2019-11-20 2023-01-12 Vitalograph (Ireland) Ltd. A method and system for monitoring and analysing cough
DE19211738T1 (de) 2019-11-27 2021-09-09 Onward Medical B.V. Neuromodulationssystem
EP3827871A1 (en) 2019-11-27 2021-06-02 ONWARD Medical B.V. Neuromodulation system
CN112862666A (zh) * 2019-11-27 2021-05-28 中国移动通信有限公司研究院 图像处理方法、信息处理方法及设备
WO2021115831A1 (en) * 2019-12-09 2021-06-17 Koninklijke Philips N.V. System and method to shorten sleep latency
US11724060B2 (en) * 2019-12-09 2023-08-15 Koninklijke Philips N.V. Method and system for enhancement of slow wave activity and personalized measurement thereof
CN110960222B (zh) * 2019-12-17 2022-09-02 心核心科技(北京)有限公司 一种运动类型检测方法及装置
JP7422389B2 (ja) * 2019-12-19 2024-01-26 株式会社Agama-X 情報処理装置及びプログラム
CN115243617B (zh) 2019-12-23 2025-10-28 测验有限公司 电极贴片和连接系统
JP2023522141A (ja) * 2019-12-30 2023-05-29 レビスカン インク． 神経学的スクリーニング方法および装置
CN111012341B (zh) * 2020-01-08 2022-04-22 东南大学 基于可穿戴脑电设备的伪迹去除和脑电信号质量评估方法
JP6729923B1 (ja) * 2020-01-15 2020-07-29 株式会社エクサウィザーズ 難聴判定装置、難聴判定システム、コンピュータプログラム及び認知機能レベル補正方法
US20210225489A1 (en) * 2020-01-22 2021-07-22 Koninklijke Philips N.V. Determining the likelihood of patient self-extubation
WO2021146778A1 (en) * 2020-01-23 2021-07-29 Saluda Medical Pty Ltd Neuromodulation of primary and/or postsynaptic neurons
US11913897B2 (en) * 2020-01-24 2024-02-27 FluidInsight Ltd. Fluid property sensor and fluid particle sensor
WO2021153822A1 (ko) * 2020-01-30 2021-08-05 전자부품연구원 가상현실/증강현실 헤드셋 환경에서 연동 가능한 무선 기반 다중생체신호 측정 및 실시간 생체신호 분석이 가능한 다중생체신호 측정장치
EP3865046B1 (en) * 2020-02-12 2025-09-03 Essilor International Detecting and correcting a variation of current refractive error and of current accommodation amplitude of a person
AU2021218775A1 (en) * 2020-02-13 2022-09-01 Monash University Systems and methods for monitoring and control of sleep patterns
RU2736707C1 (ru) * 2020-02-19 2020-11-19 Общество с ограниченной ответственностью «Лаборатория знаний» Система и способ определения состояния увлеченности или монотонии на основе биометрического сигнала ЭЭГ
RU2736803C1 (ru) * 2020-02-19 2020-11-20 Общество с ограниченной ответственностью «Лаборатория знаний» Система и способ определения состояния концентрации на основе биометрического сигнала ЭЭГ
RU2736709C1 (ru) * 2020-02-19 2020-11-19 Общество с ограниченной ответственностью «Лаборатория знаний» Система и способ определения состояния когнитивной нагрузки на основе биометрического сигнала ЭЭГ
RU2740256C1 (ru) * 2020-02-19 2021-01-12 Общество с ограниченной ответственностью «Лаборатория знаний» Система и способ определения психоэмоциональных состояний на основе биометрического сигнала ЭЭГ
WO2021165759A1 (en) * 2020-02-21 2021-08-26 Cochlear Limited Implantable tinnitus therapy
US11328796B1 (en) 2020-02-25 2022-05-10 Vignet Incorporated Techniques for selecting cohorts for decentralized clinical trials for pharmaceutical research
WO2021178353A1 (en) 2020-03-02 2021-09-10 Sleep Number Corporation Bed having user context sensing features
KR102319502B1 (ko) * 2020-03-10 2021-11-02 한국표준과학연구원 웨어러블 수면 모니터링 시스템 및 그 제어방법
US20210282706A1 (en) * 2020-03-16 2021-09-16 Koninklijke Philips N.V. Characterizing stimuli response to detect sleep disorders
WO2021185623A1 (en) * 2020-03-16 2021-09-23 Koninklijke Philips N.V. Systems and methods for modeling sleep parameters for a subject
US12181847B1 (en) * 2020-03-27 2024-12-31 Amazon Technologies, Inc. Activity-based device recommendations
US11809151B1 (en) 2020-03-27 2023-11-07 Amazon Technologies, Inc. Activity-based device recommendations
JP2021163006A (ja) * 2020-03-31 2021-10-11 Ａｓｓｅｓｔ株式会社 睡眠健康度判別プログラム
KR102185933B1 (ko) * 2020-04-10 2020-12-02 주식회사 디맨드 스트레스 관리 시스템
US12078555B2 (en) 2020-04-17 2024-09-03 Telligent Metrics LLC Thermistor based respiration measurement
EP4139927A4 (en) * 2020-04-20 2024-06-12 Quantaira Inc. System and methods for remotely monitoring an icu environment
WO2021222757A1 (en) * 2020-04-30 2021-11-04 Veracron Llc Wearable electronic devices, systems, and methods for collecting patient motion data and assessing patient activity
RU2738583C1 (ru) * 2020-05-13 2020-12-14 Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный медицинский университет имени академика И.П. Павлова" Министерства здравоохранения Российской Федерации Способ диагностики фокальной эпилепсии на основе анализа электроэнцефалограммы
US11587682B2 (en) * 2020-05-15 2023-02-21 Medable Inc. Method and system to integrate data, analyze and develop improved care plan for a patient at home
US11461216B1 (en) 2020-05-18 2022-10-04 Vignet Incorporated Monitoring and improving data collection using digital health technology
US11605038B1 (en) 2020-05-18 2023-03-14 Vignet Incorporated Selecting digital health technology to achieve data collection compliance in clinical trials
KR20210147379A (ko) * 2020-05-28 2021-12-07 삼성전자주식회사 혈압 측정 방법 및 전자 장치
US11670421B2 (en) * 2020-06-01 2023-06-06 Medable Inc. Method and system enabling digital biomarker data integration and analysis for clinical treatment impact
US12260729B2 (en) 2020-06-02 2025-03-25 Futurisks, LLC Wearable monitoring devices, systems and methods
US11747857B2 (en) 2020-06-02 2023-09-05 Futurisks, LLC Wearable security device and charging band, system and method
CN111761833B (zh) * 2020-06-04 2024-07-23 珠海市冠浩机械设备有限公司 自动压棉机
CN111752159B (zh) * 2020-06-05 2023-04-07 四川省东宇信息技术有限责任公司 一种基于热像仪的人工智能居家安全监测系统及方法
KR102321661B1 (ko) 2020-06-12 2021-11-05 고려대학교 산학협력단 심장 상태 감지 센서 장치 및 이를 이용한 심장 상태 모니터링 방법
EP4169041A1 (en) * 2020-06-18 2023-04-26 Nox Medical ehf. Personalized sleep classifying methods and systems
JP7508901B2 (ja) 2020-07-03 2024-07-02 日本電気株式会社 基礎代謝推定装置、基礎代謝推定システム、基礎代謝推定方法およびプログラム
EP4178439A1 (en) * 2020-07-10 2023-05-17 Abbott Diabetes Care Inc. Systems and methods for background signal reduction in biosensors
US12230406B2 (en) 2020-07-13 2025-02-18 Vignet Incorporated Increasing diversity and engagement in clinical trails through digital tools for health data collection
US11837106B2 (en) 2020-07-20 2023-12-05 Koninklijke Philips N.V. System and method to monitor and titrate treatment for high altitude-induced central sleep apnea (CSA)
JP7793603B2 (ja) 2020-08-10 2026-01-05 コーニンクレッカ フィリップス エヌ ヴェ 心イベントを検出及び／又は予測するための、心電図処理システム
US11862312B2 (en) * 2020-08-21 2024-01-02 Stimscience Inc. Systems, methods, and devices for sleep intervention quality assessment
AU2021332455A1 (en) * 2020-08-28 2023-04-06 Emerja Corporation Systems and methods for measuring, learning, and using emergent properties of complex adaptive systems
GB2598568A (en) * 2020-09-01 2022-03-09 Clini Hub Ltd Patient monitoring device
US12502099B2 (en) 2020-09-08 2025-12-23 Medtronic, Inc. Detection of changes in patient health based on peak and non-peak patient activity data
US20230284912A1 (en) * 2020-09-11 2023-09-14 Stat Health Informatics, Inc. Long-term continuous biometric monitoring using in-ear pod
US20220079521A1 (en) * 2020-09-14 2022-03-17 Apple Inc. Wearable Tags
ES2902101A1 (es) * 2020-09-24 2022-03-24 Zataca Systems Sl Brazalete de muneca para la monitorizacion de parametros bioquimicos humanos, fisicos humanos y medio ambientales en tiempo real en combinacion con un sistema de modulos de comunicacion, almacenamiento e inteligencia artificial (ia)
WO2022067071A1 (en) * 2020-09-25 2022-03-31 Lundquist Institute For Biomedical Innovation At Harbor-Ucla Medical Center Systems for recording and analyzing electroencephalogram signals for brain disorder detection
JP2023543836A (ja) * 2020-09-30 2023-10-18 コーニンクレッカ フィリップス エヌ ヴェ 心イベントを検出及び／又は予測するための、心電図処理システム
EP4226348A1 (en) * 2020-10-05 2023-08-16 Eaton Intelligent Power Limited Personal protective equipment compliance and personal wellness monitoring system with intelligent connected faceshields
US20220125377A1 (en) * 2020-10-26 2022-04-28 Itamar Medical, Ltd. System and method for performing an at-home peripheral arterial tonometry
EP3991649B1 (en) * 2020-10-27 2025-12-10 SHFT II ApS Non-obtrusive gait monitoring methods and systems for reducing risk of falling
US11730917B2 (en) * 2020-10-29 2023-08-22 Optoceutics ApS Gamma stimulation pulsing light source system with dosage adjustment for gaze angle
US11875890B2 (en) 2020-11-05 2024-01-16 Reach Fitness Llc Fitness and nutrition management system
US20220142556A1 (en) * 2020-11-06 2022-05-12 University Of Houston System Systems and methods for estimating a nervous system state based on measurement of a physiological condition
WO2022099140A1 (en) * 2020-11-09 2022-05-12 MDRisks, Inc. Medical device reporting and tracking
CA3199016A1 (en) * 2020-11-13 2022-05-19 Bobby CHAWLA System and method for forming auditable electronic health record
US12465292B2 (en) * 2020-11-20 2025-11-11 Poltorak Technologies Llc Multiple partially redundant biometric sensing devices
CN112309411B (zh) * 2020-11-24 2024-06-11 深圳信息职业技术学院 相位敏感的门控多尺度空洞卷积网络语音增强方法与系统
CN112269818B (zh) * 2020-11-25 2023-11-21 成都数之联科技股份有限公司 一种设备参数根因定位方法及系统、装置、介质
CN112494054B (zh) * 2020-11-26 2022-11-18 天津大学 基于多导肌电与脑电相干的卒中下肢运动康复评估方法
CN116583911A (zh) * 2020-11-30 2023-08-11 欧莱果有限责任公司 用于通过使用人工智能算法处理至少一个eeg轨迹来检测人的微睡眠精神状态的计算机实现的方法和被配置成实现这种方法的系统
WO2022125802A1 (en) * 2020-12-09 2022-06-16 Aural Analytics, Inc. Systems and methods for estimation of forced vital capacity using speech acoustics
CN112617825A (zh) * 2020-12-17 2021-04-09 中国人民解放军西部战区总医院 一种导联电极在快速定位癫痫病灶中的应用
CN112526887B (zh) * 2020-12-18 2022-06-07 北京工业大学 一种电动助力制动系统自适应摩擦补偿控制方法
CN116829054A (zh) 2020-12-22 2023-09-29 里珍纳龙药品有限公司 基于信号特征分析以确定临床结果的系统和方法
US11548515B2 (en) 2020-12-22 2023-01-10 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for managing driver habits
EP4023156A1 (en) * 2020-12-31 2022-07-06 Koninklijke Philips N.V. A sleep therapy system
CN112617761B (zh) * 2020-12-31 2023-10-13 湖南正申科技有限公司 自适应聚点生成的睡眠阶段分期方法
KR102496561B1 (ko) * 2020-12-31 2023-02-07 광운대학교 산학협력단 뇌파 분석을 기반으로 치매를 예측하는 인공지능 관제시스템, 관제방법, 관제서버 및 노인 맞춤형 서비스 제공방법
US20220211322A1 (en) * 2021-01-06 2022-07-07 Medtronic, Inc. Detection of changes in patient health based on sleep activity
WO2022155555A1 (en) * 2021-01-15 2022-07-21 My Lua Llc Systems and methods for deriving health indicators from user-generated content
CN112817035B (zh) * 2021-01-28 2022-11-25 上海联影医疗科技股份有限公司 数据补偿方法、装置、计算机设备和存储介质
US11196656B1 (en) 2021-02-03 2021-12-07 Vignet Incorporated Improving diversity in cohorts for health research
US11316941B1 (en) 2021-02-03 2022-04-26 Vignet Incorporated Remotely managing and adapting monitoring programs using machine learning predictions
US11296971B1 (en) 2021-02-03 2022-04-05 Vignet Incorporated Managing and adapting monitoring programs
US11521714B1 (en) 2021-02-03 2022-12-06 Vignet Incorporated Increasing diversity of participants in health research using adaptive methods
US11361846B1 (en) 2021-02-03 2022-06-14 Vignet Incorporated Systems and methods for customizing monitoring programs involving remote devices
US11789837B1 (en) 2021-02-03 2023-10-17 Vignet Incorporated Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial
KR102437403B1 (ko) * 2021-02-04 2022-08-29 인제대학교 산학협력단 집중치료환자의 동작 감시 시스템
KR102480227B1 (ko) * 2021-02-19 2022-12-23 권용욱 헬스케어용 웨어러블 장치
EP4302704A4 (en) * 2021-03-05 2025-03-19 The University of Electro-Communications Alzheimer-type dementia determination device, alzheimer-type dementia determination method, and program
WO2022198058A1 (en) * 2021-03-18 2022-09-22 Alireza Ghodrati System, apparatus, and methods for health monitoring
CN113171061B (zh) * 2021-03-26 2024-03-01 广东省科学院健康医学研究所 一种无创血管功能评估方法、装置、设备及介质
CN113080996B (zh) * 2021-04-08 2022-11-18 大同千烯科技有限公司 一种基于目标检测的心电图分析方法及装置
IT202100008828A1 (it) * 2021-04-08 2022-10-08 Salute 3D S R L Monitoraggio e gestione delle condizioni psico-fisiche di un paziente
US12249307B2 (en) * 2021-04-18 2025-03-11 Tony Jonathan Graber Methods and systems of sound-stimulation practice
US12127839B2 (en) * 2021-04-29 2024-10-29 Kpn Innovations, Llc. System and method for generating a stress disorder ration program
JP2024516734A (ja) * 2021-05-07 2024-04-16 チェイス，アーノルド インテリジェント薬剤送達システム
WO2022241311A1 (en) * 2021-05-14 2022-11-17 New York University Smart wearable iot device for health tracking, contact tracing and prediction of health deterioration
CN113509156B (zh) * 2021-05-28 2023-12-15 郑州轻工业大学 基于老龄用户行为特征的自适应信息处理方法、系统及存储介质
KR20220161955A (ko) * 2021-05-31 2022-12-07 삼성전자주식회사 복수의 전자 장치를 이용하여 운동 데이터를 제공하는 방법 및 그 전자 장치
US20220392627A1 (en) * 2021-06-07 2022-12-08 Boston Scientific Neuromodulation Corporation Anomaly detection for sensed electrophysiological data
US11322254B1 (en) * 2021-06-07 2022-05-03 Abdulkadir Mohamed Hussein Personal wellness and wellbeing information system
JP7603935B2 (ja) * 2021-06-08 2024-12-23 本田技研工業株式会社 操作システム、および、操作方法
TWI820440B (zh) * 2021-06-25 2023-11-01 康得漢股份有限公司 血壓監控系統
CN113259882B (zh) * 2021-06-25 2021-09-24 成都怡康科技有限公司 一种体育课时战术箱的手环分发系统及方法
AU2022306047A1 (en) * 2021-07-09 2024-02-22 Cala Health, Inc. Personalized therapy neurostimulation systems
KR102345646B1 (ko) * 2021-07-13 2021-12-30 포항공과대학교 산학협력단 가속도 정보를 처리하는 웨어러블 디바이스 및 방법
EP4122386A1 (en) * 2021-07-20 2023-01-25 Koninklijke Philips N.V. Synchronisation system with trigger delay
EP4356834A4 (en) * 2021-07-27 2024-10-30 Accelstars, Inc. SLEEP/WAKING DETERMINATION SYSTEM, SLEEP/WAKING DETERMINATION METHOD AND PROGRAM
CN113763406B (zh) * 2021-07-28 2024-04-26 华中师范大学 基于半监督学习的婴儿脑mri分割方法
EP4129399A1 (en) * 2021-08-03 2023-02-08 Koninklijke Philips N.V. Motion reduction in diagnostic imaging or radiation therapy
CN113556280A (zh) * 2021-08-09 2021-10-26 中电科海洋信息技术研究院有限公司 用于水面与水下的跨域通信网关及系统
JP2024532151A (ja) * 2021-08-19 2024-09-05 アナリティクス フォー ライフ インコーポレイテッド アドオンモジュールを使用する医学的評価システム及び方法
CN113769342B (zh) * 2021-09-07 2025-03-18 心韵恒安医疗科技（北京）有限公司 腹式呼吸训练带及穿戴式治疗仪
US20230084864A1 (en) * 2021-09-15 2023-03-16 Anhui Huami Health Technology Co., Ltd. Method And Device That Generates A Respiration Signal
WO2023049254A1 (en) * 2021-09-22 2023-03-30 The Regents Of The University Of Colorado A Body Corporate System and method for automatic correlation of motor behavior with neurophysiology
US20220007994A1 (en) * 2021-09-24 2022-01-13 Goldman Sachs & Co. LLC Passive health monitoring system for detecting symptoms of parkinson's disease
CN114191715B (zh) * 2021-12-22 2022-09-30 江苏海莱新创医疗科技有限公司 电场治疗仪及其电极贴片
KR102861745B1 (ko) * 2021-10-08 2025-09-19 한국 한의학 연구원 뇌파 측정 기반 명상 훈련용 뉴로피드백 방법 및 장치
CN113729715A (zh) * 2021-10-11 2021-12-03 山东大学 一种基于手指压力的帕金森病症智能诊断系统
WO2023067489A1 (en) * 2021-10-18 2023-04-27 SACHDEV, Ekta Anil Pradeep Smart health monitoring system and method
CN113925462B (zh) * 2021-10-18 2023-11-10 右江民族医学院 一种基于健康服务的老年痴呆症监护装置
US12076110B2 (en) 2021-10-20 2024-09-03 Brown University Large-scale wireless biosensor networks for biomedical diagnostics
TWI795044B (zh) * 2021-10-21 2023-03-01 動顏有限公司 腹音即時監聽系統及其應用方法
TR2021016393A1 (tr) * 2021-10-21 2023-05-22 Erci̇yes Üni̇versi̇tesi̇ Strateji̇ Geli̇şti̇rme Dai̇re Başkanliği Hi̇perakti̇vi̇te bozukluğu hastaliğinin tanisina yardimci olmasi i̇çi̇n bi̇r bi̇lgi̇sayar uygulamali yöntem ve si̇stem
US20230126576A1 (en) * 2021-10-22 2023-04-27 Livanova Usa, Inc. Systems and methods for acceleration-based seizure detection
TWI840710B (zh) * 2021-10-25 2024-05-01 吳福興 增加量測所得生理微振動信號強度的系統之方法
US11856592B2 (en) * 2021-10-27 2023-12-26 International Business Machines Corporation Multi-dimensional mapping and user cognitive profile based device control and channel assignment
KR102906066B1 (ko) * 2022-05-24 2026-01-02 주식회사 슬로웨이브 생체정보 측정 장치
CN114143758A (zh) * 2021-11-18 2022-03-04 华安芯科技(深圳)有限公司 人群近距离接触监测方法
WO2023095321A1 (ja) * 2021-11-29 2023-06-01 マクセル株式会社 情報処理装置、情報処理システム、及び情報処理方法
KR102645586B1 (ko) * 2021-12-07 2024-03-11 경북대학교 산학협력단 생체신호를 이용한 수면 호흡 상태 분류 장치 및 방법
TWI796866B (zh) * 2021-12-08 2023-03-21 財團法人工業技術研究院 建立人體受力地圖的系統及方法以及遠距檢測系統及方法
EP4195216A1 (en) * 2021-12-10 2023-06-14 Koninklijke Philips N.V. Agenda generation system
TR2021020104A1 (tr) * 2021-12-15 2023-06-21 Ondokuz Mayis Üni̇versi̇tesi̇ Multipl skleroz hastalarında hareket analizi ve hasta takip sistemi.
CN114366087B (zh) * 2021-12-29 2025-02-11 江苏贝泰福医疗科技有限公司 一种基于多终端的自助分级听力检查系统及其控制方法
KR20240111793A (ko) * 2021-12-30 2024-07-17 구글 엘엘씨 사용자에 대한 낙상 위험 평가
CN114118176B (zh) * 2022-01-04 2025-06-27 西安电子科技大学 基于解耦表示学习的连续快速视觉演示脑电信号分类方法
US12335693B2 (en) 2022-01-10 2025-06-17 International Business Machines Corporation Computer technology for prediction of hearing issues
US20230218225A1 (en) * 2022-01-11 2023-07-13 Sleep Number Corporation Centralized hub device for determining and displaying health-related metrics
CN114177415B (zh) * 2022-01-12 2025-03-18 深圳市威浩康医疗器械有限公司 一种基于脑电信号监测老人麻醉靶控智能化方法及系统
US12088201B2 (en) 2022-01-27 2024-09-10 Dexcom, Inc. System and method for activating an analyte monitoring system
KR102416563B1 (ko) 2022-01-27 2022-07-05 김성관 체온 모니터링 디바이스 및 동작 방법
US20230268050A1 (en) * 2022-02-21 2023-08-24 Serca Science LLC Circadian Rhythm Recommendation Model Using Light Sensors and an Intelligent Light Box
CN114631843B (zh) * 2022-02-22 2025-02-07 聚融医疗科技(杭州)有限公司 一种床旁超声应用场景的切换方法及系统
US20250166823A1 (en) * 2022-02-23 2025-05-22 Mitsubishi Tanabe Pharma Corporation Information processing device, information processing system, information processing method and program
US20250176898A1 (en) * 2022-02-24 2025-06-05 Plan B4U Co., Ltd. Cognitive impairment determination method and device
CN114532994B (zh) * 2022-03-23 2023-07-28 电子科技大学 一种基于卷积变分自编码器的无监督脑电高频振荡信号自动检测方法
CN114832237B (zh) * 2022-03-30 2025-06-06 深圳磁利晟科技有限公司 动态磁场发生方法、装置、设备及计算机可读存储介质
CN114661767A (zh) * 2022-04-01 2022-06-24 中国人民解放军总医院第四医学中心 一种基于激光的人体微血管监测系统
US12323714B2 (en) 2022-04-20 2025-06-03 Brown University Compact optoelectronic device for noninvasive imaging
WO2023234881A1 (en) * 2022-05-30 2023-12-07 Aihear Teknoloji̇ A. Ş. An algorithm that automates and interprets hearing tests
US20230389866A1 (en) 2022-06-06 2023-12-07 Bi Incorporated Systems and Methods for Detecting Impairment Based Upon Voice Data
CN115054266B (zh) * 2022-06-10 2025-06-27 中国科学院上海微系统与信息技术研究所 一种神经信号处理方法、装置、设备及存储介质
CN115240850A (zh) * 2022-06-23 2022-10-25 维沃移动通信有限公司 信息处理方法、装置、可穿戴设备和电子设备
CN115171305A (zh) * 2022-06-23 2022-10-11 江苏经纬智联航空科技有限公司 一种机场智能围界系统
CN115120483A (zh) * 2022-06-24 2022-09-30 苏州维伟思医疗科技有限公司 头戴式医疗设备及控制方法
TWI817602B (zh) * 2022-07-07 2023-10-01 國立清華大學 閱讀材料適用性之分析方法、系統及其電腦可讀媒介
CN115082418B (zh) * 2022-07-14 2022-11-04 山东聊城富锋汽车部件有限公司 一种汽车零部件精密识别方法
WO2024020093A2 (en) * 2022-07-20 2024-01-25 The Johns Hopkins University Methods, systems, and computer readable media for storing and processing ultrasound audio data
CN115194771B (zh) * 2022-07-27 2024-09-10 广东工业大学 机器人控制方法、可读存储介质及计算机设备
TWI796267B (zh) * 2022-08-01 2023-03-11 長庚大學 一種可偵測心血管功能的生物標誌系統及其操作方法
KR20240018729A (ko) 2022-08-02 2024-02-14 주식회사 뉴로티엑스 멀티모달 생체신호에 기반하여 사용자의 건강 상태를 분석하는 시스템 및 그 방법
CN119768110A (zh) * 2022-08-23 2025-04-04 华为技术有限公司 心血管风险的检测
CN115337014B (zh) * 2022-08-26 2024-07-02 华南师范大学 情绪识别方法及意识检测方法、装置、设备、存储介质
CN115439990B (zh) * 2022-08-29 2023-09-19 中国联合网络通信集团有限公司 人孔异常确定方法、装置、存储介质和人孔
CN115517689B (zh) * 2022-09-06 2025-04-29 上海诺诚电气股份有限公司 一种用于脊柱手术术中的神经电生理监测装置及方法
USD1033427S1 (en) 2022-09-06 2024-07-02 Schalal Mudhir HABIB Wearable monitor
CN116228623B (zh) * 2022-09-08 2024-05-03 上海贝特威自动化科技有限公司 一种基于等变正则化自监督注意力网络的金属表面缺陷检测方法、设备和储存介质
EP4583762A1 (en) * 2022-09-09 2025-07-16 Archetype Wellness LLC Systems and methods for wellness-enabled multi-resident community
CN116628562B (zh) * 2022-09-20 2026-02-06 北京中科心研科技有限公司 基于可穿戴设备的异常行为预警方法及系统
EP4345832A1 (en) * 2022-09-30 2024-04-03 Koninklijke Philips N.V. System and method for providing sleep consolidation therapy
WO2024075982A1 (ko) * 2022-10-05 2024-04-11 삼성전자주식회사 전자 장치 및 그 동작 방법
WO2024091635A1 (en) * 2022-10-26 2024-05-02 The Alfred E. Mann Foundation For Scientific Research Systems and methods for determining sleep stage and a sleep quality metric
KR102857151B1 (ko) * 2022-11-25 2025-09-09 메타테라퓨틱스 주식회사 웨어러블 기기를 이용한 고혈압 관리 서비스 제공 시스템
CN115868953B (zh) * 2022-12-06 2025-11-14 浙江大学 一种基于温度直方图的心率检测方法
DE202022106837U1 (de) 2022-12-07 2024-03-12 Somnomedics Gmbh Schlafdiagnoseanordnung
CN115813385B (zh) * 2022-12-16 2024-04-12 天津大学 一种多模态视听联合的血氧代偿水平量化评估方法
JP2026501743A (ja) * 2023-01-04 2026-01-16 オー－キディア 小児または青少年のユーザにおける神経発達障害および関連するメンタルヘルス障害の診断を支援するためのシステム
CN115964530B (zh) * 2023-01-13 2025-10-14 厦门大学 面向局部视觉建模的图像描述生成方法
CN120583982A (zh) * 2023-01-24 2025-09-02 美敦力公司 心外性诱发反应感测
SE2350088A1 (en) * 2023-01-31 2024-08-01 Tobii Ab Systems and methods for head pose data
TWI880166B (zh) * 2023-02-04 2025-04-11 財團法人工業技術研究院 智慧自動化復能訓練裝置及其方法
KR20240124036A (ko) 2023-02-08 2024-08-16 풍림전자 주식회사 솔페지오 주파수를 이용한 심리안정 유도 서비스 시스템 및 그 방법
DE102023201630A1 (de) * 2023-02-22 2024-08-22 Heinrich-Heine-Universität Düsseldorf, Körperschaft des öffentlichen Rechts System zur Bereitstellung eines Warnhinweises in Bezug auf den Gesundheitszustand eines Patienten während einer intensiven Behandlung einer malignen Grunderkrankung
CN115862877B (zh) * 2023-03-03 2023-05-05 安徽星辰智跃科技有限责任公司 睡眠可持续性检测量化及辅助干预的方法、系统和装置
TWI878824B (zh) * 2023-03-09 2025-04-01 大陸商集創北方（珠海）科技有限公司 觸控背景資料處理方法、觸控裝置及資訊處理裝置
CN116092641B (zh) * 2023-04-07 2023-07-04 安徽星辰智跃科技有限责任公司 一种睡眠感官应激水平动态调节的方法、系统和装置
CN116168035B (zh) * 2023-04-26 2023-06-30 首都医科大学附属北京天坛医院 一种脑熵的确定方法、系统、电子设备及存储介质
WO2024228581A1 (ko) * 2023-05-04 2024-11-07 주식회사 솔루엠 전극 밀착 구조를 가지는 멘탈 헬스케어 디바이스
WO2025007102A1 (en) * 2023-06-30 2025-01-02 Sibel, Inc. Closed-loop wearable sensor and method
CN116839909B (zh) * 2023-06-30 2024-12-13 大连华冶联自动化有限公司 一种基于增量学习和规则推理的风机轴承故障诊断方法
WO2025013824A1 (ja) * 2023-07-07 2025-01-16 国立大学法人筑波大学 情報処理装置、睡眠覚醒ステージ判定装置、コンピュータプログラム、情報処理方法及び睡眠覚醒ステージ判定方法
CN116895382B (zh) * 2023-07-12 2024-02-13 中健三六五健康科技有限公司 基于数据分析的人体健康监测管理系统
CN116671906A (zh) * 2023-08-01 2023-09-01 亿慧云智能科技（深圳）股份有限公司 一种智能手表无创血糖测量方法及系统
WO2025038457A1 (en) * 2023-08-11 2025-02-20 Encora, Inc. Apparatus and method for reduction of neurological movement disorder symptoms using wearable device
WO2025042119A1 (ko) * 2023-08-23 2025-02-27 삼성전자 주식회사 파킨슨 병과 관련된 증상을 확인하는 전자 장치, 이의 동작 방법, 및 웨어러블 전자 장치
KR20250047515A (ko) * 2023-09-27 2025-04-04 삼성전자주식회사 수면 관리 시스템 및 수면 관리 방법
IT202300020382A1 (it) * 2023-10-03 2025-04-03 Dott Butturini Giovanni Un gruppo di elaborazione di prescrizioni mediche
TWI887881B (zh) * 2023-11-30 2025-06-21 智能人醫科技股份有限公司 具有檢傷分類功能的智慧醫療手環及其應用方法
CN117339106B (zh) * 2023-12-05 2024-02-13 四川省医学科学院·四川省人民医院 一种便携可穿戴式智能心电监测理疗手表
US12512009B2 (en) 2023-12-07 2025-12-30 BlueForge Alliance Systems and methods for using a vocational mask with a hyper-enabled worker
CN117635590B (zh) * 2023-12-12 2024-09-27 深圳市英伟胜科技有限公司 一种笔记本电脑外壳的缺陷检测方法及装置
KR102731074B1 (ko) * 2023-12-20 2024-11-18 주식회사 엔서 서로 다른 유형의 치매를 구분하여 검사할 수 있는 치매 검사장치 및 방법
CN117577261B (zh) * 2024-01-15 2024-04-16 深圳瑞利声学技术股份有限公司 助眠头枕智能感知方法、装置、设备及存储介质
US12548422B2 (en) * 2024-01-29 2026-02-10 CudlClock IP LLC Child companion device and a system thereof
CN117649403B (zh) * 2024-01-29 2024-04-12 吉林大学第一医院 用于偏头痛的视频衍生面部血流脉动定量评测方法、装置及设备
WO2025174909A1 (en) * 2024-02-12 2025-08-21 Brainscope Company, Inc. Concussion subtype identification systems and devices
CN118236062B (zh) * 2024-04-02 2024-09-20 江苏师范大学 一种基于智能穿戴设备的人体状态监测方法及系统
CN118012273B (zh) * 2024-04-09 2024-07-26 深圳市晶讯技术股份有限公司 一种基于x轴为最活跃轴的控制智能手表的方法和装置
TWI882769B (zh) * 2024-04-15 2025-05-01 臺北醫學大學 辨識與預後系統及其運作方法
KR20250155829A (ko) 2024-04-24 2025-10-31 이화여자대학교 산학협력단 유연전극을 활용한 웨어러블 장치를 통한 수면 품질 분석 장치, 수면 품질 분석 방법 및 수면 품질 분석 시스템
KR20250157785A (ko) * 2024-04-29 2025-11-05 삼성전자주식회사 웨어러블 전자 장치 및 이를 이용한 사용자의 기상 상태 검출 방법
US20250356280A1 (en) * 2024-05-14 2025-11-20 BlueForge Alliance Systems and methods for using artificial intelligence, machine learning, and a vocational mask to detect a potential medical-related event of a user and to perform a preventative action
CN118356581B (zh) * 2024-05-24 2025-01-07 超目科技(北京)有限公司 一种眼球震颤电刺激智能控制系统
TWI882841B (zh) * 2024-06-18 2025-05-01 宇康醫電股份有限公司 生理監測系統、生理監測方法以及電腦可讀取媒體
CN118749998B (zh) * 2024-06-19 2025-02-11 首都医科大学附属北京天坛医院 一种微创手术神经监测系统
CN118671709B (zh) * 2024-07-01 2025-12-09 中国人民解放军国防科技大学 一种结合稀疏先验的瞬态干扰抑制方法
WO2026006877A1 (en) * 2024-07-02 2026-01-08 SoundMind Holdings PTY LTD An improved method, system, and device for delivering stimulation during sleep
CN118888166B (zh) * 2024-07-05 2025-05-09 苏州大学附属第一医院 一种麻醉药对学习记忆能力影响的评价方法及系统
WO2026013083A1 (en) * 2024-07-08 2026-01-15 Capri Medical Limited A wearable device for wirelessly powering a neurostimulation device
CN119049686B (zh) * 2024-07-25 2025-11-28 上海诺诚电气股份有限公司 阻塞性睡眠呼吸病理信息处理方法、装置、设备和介质
CN118826939B (zh) * 2024-08-01 2025-03-14 北京津发科技股份有限公司 人机环境数据采集的时钟同步方法、系统、设备和介质
CN118662784B (zh) * 2024-08-23 2024-12-03 中国科学院自动化研究所 多脑区神经刺激系统及其控制方法
TWI889554B (zh) * 2024-09-26 2025-07-01 智晶光電股份有限公司 可攜式按摩裝置
WO2025120392A1 (en) * 2024-10-08 2025-06-12 Pourrahmat Sara Alsadat Wearable sports gadget for measuring lactate and muscle tension threshold in athletes
CN119033379B (zh) * 2024-10-28 2025-03-21 山东大学齐鲁医院 基于心磁时空三维动态参数的心肌缺血识别方法及系统
CN119327038B (zh) * 2024-10-31 2026-01-09 厦门狄耐克智能科技股份有限公司 一种基于alpha波的闭环粉噪声刺激的神经调控系统
CN119791648A (zh) * 2024-11-12 2025-04-11 华中科技大学同济医学院附属同济医院 全身麻醉患者苏醒管理方法及相关设备
TWI900394B (zh) * 2025-01-10 2025-10-01 大陸商廣州印芯半導體技術有限公司 顫抖症徵狀預測系統及方法以及穿戴式裝置
KR102862732B1 (ko) * 2025-01-24 2025-09-23 주식회사 엠피컴퍼니 사용자의 생체 리듬을 기반으로 사용자 맞춤형 상품 정보를 제공하는 서비스 제공 시스템의 운영 서버 및 그 동작 방법
CN119646752A (zh) * 2025-02-19 2025-03-18 浙江机电职业技术大学 一种基于智能穿戴的用户风险预警实现方法及装置
CN120036753B (zh) * 2025-02-21 2025-11-14 松研科技（杭州）有限公司 一种基于身心健康分析的心率计算方法与监测传感装置
CN120726272A (zh) * 2025-05-12 2025-09-30 鞍山市安泰安全技术有限公司 一种皮带撕裂检测模型及其构建方法
CN120585602B (zh) * 2025-08-01 2025-10-17 江西求是高等研究院 基于多模态数据的上肢康复机器人控制系统
CN120938466B (zh) * 2025-10-17 2026-01-02 重庆脑与智能科学中心 基于ied事件与时频特征的涟漪波信号检测识别系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1713850A (zh) * 2002-10-09 2005-12-28 电脑医师有限公司 在治疗性处理中保持和监测睡眠质量的方法和装置
CN200987666Y (zh) * 2006-09-29 2007-12-12 北京新兴阳升科技有限公司 一种便携式睡眠监测装置
CN101181652A (zh) * 2007-12-06 2008-05-21 上海第二工业大学 基于人体生物钟的睡眠监护仪
US20120283527A1 (en) * 2006-08-08 2012-11-08 Yachuan Pu Respiration monitoring for heart failure using implantable device
US20130060097A1 (en) * 2011-09-06 2013-03-07 Zeo, Inc. Multi-modal sleep system
CN202920148U (zh) * 2012-09-17 2013-05-08 深圳市新元素医疗技术开发有限公司 一种远程无线睡眠监护仪
CN103857337A (zh) * 2011-10-12 2014-06-11 索尼公司 Psg测试头盔和psg测试设备
CN203763087U (zh) * 2014-01-09 2014-08-13 北京大学 一种睡眠监测装置
CN104000716A (zh) * 2013-02-22 2014-08-27 陈青越 带有智能睡眠唤醒功能的情趣用具系统
WO2014197822A2 (en) * 2013-06-06 2014-12-11 Tricord Holdings, L.L.C. Modular physiologic monitoring systems, kits, and methods

Family Cites Families (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2505077B2 (ja) 1991-06-25 1996-06-05 松下電工株式会社 生体リズム調整装置
JP2917592B2 (ja) * 1991-07-16 1999-07-12 三菱電機株式会社 生体リズム制御システム
JPH0634180A (ja) * 1992-07-14 1994-02-08 Sharp Corp 空気調和装置
JP3206162B2 (ja) 1992-12-22 2001-09-04 松下電工株式会社 生体リズム曲線測定装置
WO2000044580A1 (en) 1999-01-27 2000-08-03 Compumedics Sleep Pty. Ltd. Vigilance monitoring system
AU1169301A (en) * 1999-11-12 2001-05-30 Andante Medical Devices Ltd. Motor learning enhancement system for optimal rehabilitation of neurological disorders and orthopedic limb injuries
US7485095B2 (en) * 2000-05-30 2009-02-03 Vladimir Shusterman Measurement and analysis of trends in physiological and/or health data
US6591138B1 (en) * 2000-08-31 2003-07-08 Neuropace, Inc. Low frequency neurostimulator for the treatment of neurological disorders
US6488617B1 (en) * 2000-10-13 2002-12-03 Universal Hedonics Method and device for producing a desired brain state
US20110307029A1 (en) * 2008-08-06 2011-12-15 Cerephex Corporation Brain stimulation methods for treating central sensitivity
AU2002951984A0 (en) * 2002-10-10 2002-10-31 Compumedics Limited Sleep quality and auto cpap awakening
AU2003291146A1 (en) * 2002-11-20 2004-06-15 Musc Foundation For Research Development Methods and systems for using transcranial magnetic stimulation and functional brain mapping for examining cortical sensitivity, brain communication, and effects of medication
MXPA05011913A (es) * 2003-05-06 2006-02-17 Aspect Medical Systems Inc Sistema y metodo para valorar la eficacia del tratamiento de trastornos neurologicos utilizando el electroencefalograma.
US7706871B2 (en) * 2003-05-06 2010-04-27 Nellcor Puritan Bennett Llc System and method of prediction of response to neurological treatment using the electroencephalogram
US20050033154A1 (en) * 2003-06-03 2005-02-10 Decharms Richard Christopher Methods for measurement of magnetic resonance signal perturbations
US7616988B2 (en) * 2003-09-18 2009-11-10 Cardiac Pacemakers, Inc. System and method for detecting an involuntary muscle movement disorder
US7887493B2 (en) * 2003-09-18 2011-02-15 Cardiac Pacemakers, Inc. Implantable device employing movement sensing for detecting sleep-related disorders
US8192376B2 (en) * 2003-08-18 2012-06-05 Cardiac Pacemakers, Inc. Sleep state classification
KR101107062B1 (ko) * 2003-09-12 2012-01-25 보디미디어 인코퍼레이티드 체중 및 기타 생리 상태를 모니터링하고 반복적이고개별화된 플래닝, 중재 및 보고 기능을 포함하여 관리하기위한 시스템
WO2006021952A2 (en) * 2004-08-25 2006-03-02 Reability Inc. Motor training with brain plasticity
US8308661B2 (en) * 2004-03-16 2012-11-13 Medtronic, Inc. Collecting activity and sleep quality information via a medical device
DE602005023003D1 (de) * 2004-04-06 2010-09-30 Taiyokagaku Co Ltd Verwendung einer kombination von theanin und serotonin gegen schlafstörung
US7819812B2 (en) * 2004-12-15 2010-10-26 Neuropace, Inc. Modulation and analysis of cerebral perfusion in epilepsy and other neurological disorders
US7824324B2 (en) * 2005-07-27 2010-11-02 Neuronetics, Inc. Magnetic core for medical procedures
WO2008006150A1 (en) * 2006-07-11 2008-01-17 Citech Research Ip Pty Ltd Bio-activity data capture and transmission
US7996076B2 (en) * 2007-04-02 2011-08-09 The Regents Of The University Of Michigan Automated polysomnographic assessment for rapid eye movement sleep behavior disorder
WO2008144908A1 (en) * 2007-05-29 2008-12-04 Christopher Mott Methods and systems for circadian physiology predictions
US20090264789A1 (en) * 2007-09-26 2009-10-22 Medtronic, Inc. Therapy program selection
EP2227725A4 (en) * 2007-11-29 2013-12-18 Elminda Ltd CLINICAL APPLICATIONS OF MODELING AND ANALYSIS OF NEUROPSYCHOLOGICAL DATA MODELS
CA2731067C (en) 2008-07-18 2013-10-01 Hill's Pet Nutrition, Inc. Compositions and methods for treating osteoarthritis
US8784293B2 (en) * 2008-10-07 2014-07-22 Advanced Brain Monitoring, Inc. Systems and methods for optimization of sleep and post-sleep performance
US20100100004A1 (en) * 2008-10-16 2010-04-22 Koninklijke Nederlandse Akademie Van Wetenschappen Skin Temperature Measurement in Monitoring and Control of Sleep and Alertness
CN102413873B (zh) * 2009-03-02 2014-07-16 耶德研究和发展有限公司 用于经颅磁刺激的磁结构和定时方案
EP2236078A1 (en) * 2009-04-02 2010-10-06 Koninklijke Philips Electronics N.V. Processing a bio-physiological signal
WO2010127044A1 (en) * 2009-04-29 2010-11-04 Biophysica Llc Methods and systems for targeting, dosing and conducting neuronal stimulation protocols and detecting responses
GB2471902A (en) * 2009-07-17 2011-01-19 Sharp Kk Sleep management system which correlates sleep and performance data
CN107095656B (zh) 2009-08-14 2021-07-30 D·伯顿 受试者的生理信号的监测装置
CN102548474B (zh) * 2009-09-30 2014-09-03 三菱化学株式会社 针对体动信号的信息处理方法、信息处理系统及信息处理装置
US8838247B2 (en) * 2010-01-06 2014-09-16 Evoke Neuroscience, Inc. Transcranial stimulation device and method based on electrophysiological testing
JP5607952B2 (ja) * 2010-02-26 2014-10-15 国立大学法人東京工業大学 歩行障害自動分析システム
US8348841B2 (en) * 2010-04-09 2013-01-08 The Board Of Trustees Of The University Of Arkansas Wireless nanotechnology based system for diagnosis of neurological and physiological disorders
WO2012018157A1 (ko) * 2010-08-01 2012-02-09 연세대학교 산학협력단 생체신호 기반 자동 수면단계 분류시스템
EP2447866A1 (en) 2010-10-27 2012-05-02 Koninklijke Philips Electronics N.V. Method for determining a feature of the circadian rhythm of a subject
US20120157817A1 (en) * 2010-12-21 2012-06-21 Tucker Don M Methods for using electrical impedance tomography
KR101246183B1 (ko) * 2011-04-28 2013-04-01 (주)락싸 밴드형 센서셋 및 그 동작 방법
US8690934B2 (en) * 2011-05-09 2014-04-08 The Invention Science Fund I, Llc Method, device and system for modulating an activity of brown adipose tissue in a vertebrate subject
EP2524647A1 (en) * 2011-05-18 2012-11-21 Alain Gilles Muzet System and method for determining sleep stages of a person
GB201108952D0 (en) * 2011-05-27 2011-07-13 Univ Oxford Brookes Gait asymmetry measurement
JP6158799B2 (ja) * 2011-07-05 2017-07-05 ブレイン センティネル インコーポレイテッドＢｒａｉｎ Ｓｅｎｔｉｎｅｌ，Ｉｎｃ． 痙攣の検出装置および同装置を作動する方法
US20140296661A1 (en) * 2011-10-25 2014-10-02 Koninklijke Philips N.V. Sleep stage annotation system for infants
WO2014176023A2 (en) * 2013-04-05 2014-10-30 New York University System, method and computer-accessible medium for providing generalized local maxwell tomography for mapping of electrical property gradients and tensors
JP2013135735A (ja) * 2011-12-28 2013-07-11 Advanced Telecommunication Research Institute International 脳刺激付与装置
US20140058189A1 (en) * 2012-02-20 2014-02-27 William F. Stubbeman Systems and methods using brain stimulation for treating disorders
KR101320902B1 (ko) * 2012-03-06 2013-10-21 건국대학교 산학협력단 고위 중추손상 환자의 보행장애 상태 실시간 판정 시스템 및 그 방법
CA2873039A1 (en) * 2012-05-08 2013-11-14 Cerephex Corporation Method and apparatus for treating centralized pain
US20150126821A1 (en) * 2012-06-12 2015-05-07 Technical University Of Denmark Support System And Method For Detecting Neurodegenerative Disorder
WO2014018661A1 (en) * 2012-07-24 2014-01-30 Cerephex Corporation Method and apparatus for diagnosing and assessing central pain
WO2014068537A2 (en) * 2012-11-02 2014-05-08 Koninklijke Philips N.V. Electronic switch for controlling a device in dependency on a sleep stage
US8740806B2 (en) * 2012-11-07 2014-06-03 Somnarus Inc. Methods for detection of respiratory effort and sleep apnea monitoring devices
US10369373B2 (en) * 2013-03-11 2019-08-06 The Regents Of The University Of California Portable transcutaneous magnetic stimulator and systems and methods of use thereof
WO2014172775A1 (en) * 2013-04-22 2014-10-30 Personal Neuro Devices Inc. Methods and devices for brain activity monitoring supporting mental state development and training
US8983569B2 (en) * 2013-06-22 2015-03-17 Zinus, Inc. Comfortably securing physiological sensors onto a person during sleep
US10368798B2 (en) * 2013-06-28 2019-08-06 North Carolina State University Systems and methods for determining sleep patterns and circadian rhythms
JP6182282B2 (ja) * 2014-06-12 2017-08-16 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 日周期検出システム
CN112998649A (zh) 2015-01-06 2021-06-22 大卫·伯顿 移动式可穿戴的监控系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1713850A (zh) * 2002-10-09 2005-12-28 电脑医师有限公司 在治疗性处理中保持和监测睡眠质量的方法和装置
US20120283527A1 (en) * 2006-08-08 2012-11-08 Yachuan Pu Respiration monitoring for heart failure using implantable device
CN200987666Y (zh) * 2006-09-29 2007-12-12 北京新兴阳升科技有限公司 一种便携式睡眠监测装置
CN101181652A (zh) * 2007-12-06 2008-05-21 上海第二工业大学 基于人体生物钟的睡眠监护仪
US20130060097A1 (en) * 2011-09-06 2013-03-07 Zeo, Inc. Multi-modal sleep system
CN103857337A (zh) * 2011-10-12 2014-06-11 索尼公司 Psg测试头盔和psg测试设备
CN202920148U (zh) * 2012-09-17 2013-05-08 深圳市新元素医疗技术开发有限公司 一种远程无线睡眠监护仪
CN104000716A (zh) * 2013-02-22 2014-08-27 陈青越 带有智能睡眠唤醒功能的情趣用具系统
WO2014197822A2 (en) * 2013-06-06 2014-12-11 Tricord Holdings, L.L.C. Modular physiologic monitoring systems, kits, and methods
CN203763087U (zh) * 2014-01-09 2014-08-13 北京大学 一种睡眠监测装置

Cited By (317)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109019137A (zh) * 2017-06-08 2018-12-18 江苏云瑞新型材料科技有限公司 一种用于绕线的可升降转盘装置
US11380438B2 (en) * 2017-09-27 2022-07-05 Honeywell International Inc. Respiration-vocalization data collection system for air quality determination
US11923081B2 (en) 2017-09-27 2024-03-05 Honeywell International Inc. Respiration-vocalization data collection system for air quality determination
CN111587090A (zh) * 2017-12-07 2020-08-25 皇家飞利浦有限公司 患者监测
CN107993709A (zh) * 2017-12-07 2018-05-04 广东岭南职业技术学院 一种学生军事训练监控装置
CN107992896A (zh) * 2017-12-13 2018-05-04 东南大学 一种基于眼动追踪技术的科学概念评测方法
CN107948827A (zh) * 2017-12-25 2018-04-20 广州市尊浪电器有限公司 一种具有叫醒功能的音箱
CN111712161A (zh) * 2017-12-28 2020-09-25 数眠公司 具有确定两个睡眠者的打鼾和呼吸参数的传感器特征的床
CN111712161B (zh) * 2017-12-28 2023-04-25 数眠公司 具有确定两个睡眠者的打鼾和呼吸参数的传感器特征的床
CN111741715A (zh) * 2017-12-29 2020-10-02 雷迪安特血氧测定公司 具有可调节组件的经腹胎儿脉搏血氧测定和/或子宫张力确定装置和系统及其使用方法
CN108197564A (zh) * 2017-12-29 2018-06-22 复旦大学附属中山医院 一种画钟试验的评估系统及方法
CN108363652A (zh) * 2018-01-15 2018-08-03 广东小天才科技有限公司 电子设备的使用监控方法、装置、设备及存储介质
CN108363652B (zh) * 2018-01-15 2022-02-22 广东小天才科技有限公司 电子设备的使用监控方法、装置、设备及存储介质
CN108245192A (zh) * 2018-01-25 2018-07-06 韩艳萍 一种超声科组合式检查诊断装置
CN108389456A (zh) * 2018-02-09 2018-08-10 中国人民解放军陆军军医大学 高原环境模拟装置系统
CN108211132B (zh) * 2018-02-09 2024-05-03 深圳市慧智生命科技有限公司 一种人体生物节律调节装置
CN108211132A (zh) * 2018-02-09 2018-06-29 深圳市慧智生命科技有限公司 一种人体生物节律调节装置
CN108511050A (zh) * 2018-02-12 2018-09-07 苏州佳世达电通有限公司 口扫机、口扫系统及口扫机的控制方法
CN108511050B (zh) * 2018-02-12 2022-01-07 苏州佳世达电通有限公司 口扫机、口扫系统及口扫机的控制方法
CN110174855A (zh) * 2018-02-21 2019-08-27 凯柏精密机械(嘉兴)有限公司 量仪数据收集设备与方法
CN110191259A (zh) * 2018-02-23 2019-08-30 欧姆龙株式会社 传感器系统、信息处理装置、传感器管理方法
CN110191259B (zh) * 2018-02-23 2020-11-10 欧姆龙株式会社 传感器系统、信息处理装置、传感器管理方法
US10845784B2 (en) 2018-02-23 2020-11-24 Omron Corporation Sensor system, information processing device, and sensor management method
CN110269304B (zh) * 2018-03-15 2022-03-08 杭州海康威视数字技术股份有限公司 安全帽、佩戴状态检测方法及装置、计算机可读存储介质
CN110269304A (zh) * 2018-03-15 2019-09-24 杭州海康威视数字技术股份有限公司 安全帽、佩戴状态检测方法及装置、计算机可读存储介质
CN112154515A (zh) * 2018-03-21 2020-12-29 皇家飞利浦有限公司 神经检查系统
CN111936042A (zh) * 2018-04-12 2020-11-13 欧姆龙株式会社 生物体信息测量装置、方法和程序
CN111936042B (zh) * 2018-04-12 2024-02-20 欧姆龙株式会社 生物体信息测量装置、方法和记录介质
CN108670297A (zh) * 2018-04-19 2018-10-19 上海大学 基于多模态经颅超声的帕金森病辅助诊断系统及方法
CN110418307A (zh) * 2018-04-26 2019-11-05 华为技术有限公司 一种用于无线通信的方法、装置
CN108814557A (zh) * 2018-05-03 2018-11-16 朱苏东 一种麻醉科用测痛仪装置
CN110460944A (zh) * 2018-05-08 2019-11-15 奥迪康医疗有限公司 可植入双振动器听力系统
CN110460944B (zh) * 2018-05-08 2022-04-29 奥迪康医疗有限公司 可植入双振动器听力系统
CN112135568A (zh) * 2018-05-17 2020-12-25 一般社团法人认知症高龄者研究所 信息处理装置、信息处理方法和程序
CN109028455A (zh) * 2018-05-24 2018-12-18 上海与德科技有限公司 一种可燃气体泄漏的处理方法、装置、设备及存储介质
CN110634536A (zh) * 2018-06-06 2019-12-31 中国石油化工股份有限公司 一种基于傅里叶振幅分析的化工过程参数灵敏度计算方法
TWI851579B (zh) * 2018-06-15 2024-08-11 日商大塚製藥股份有限公司 用於判定病患步數之系統、穿戴式裝置及方法
CN109199410B (zh) * 2018-06-28 2020-08-14 浙江大学 一种基于眼部运动的言语认知评估方法
CN109199410A (zh) * 2018-06-28 2019-01-15 浙江大学 一种基于眼部运动的言语认知评估方法
EP3813528A4 (en) * 2018-06-29 2021-08-11 Smart Wave Technologies, Inc. PEST CONTROL SYSTEM WITH EVENT MONITORING
US12112612B2 (en) 2018-06-29 2024-10-08 Smart Wave Technologies, Inc. Pest control system having event monitoring
US11417197B2 (en) 2018-06-29 2022-08-16 Smart Wave Technologies, Inc. Pest control system having event monitoring
CN112367914A (zh) * 2018-06-29 2021-02-12 皇家飞利浦有限公司 用于提供增强的pap度量的系统和方法
CN109243569A (zh) * 2018-06-29 2019-01-18 苏州大学 基于大脑信息识别被试自发想象物体位移方位的识别方法
CN110674234B (zh) * 2018-07-03 2022-11-15 百度在线网络技术（北京）有限公司 地图数据采集方法、设备及存储介质
CN110674234A (zh) * 2018-07-03 2020-01-10 百度在线网络技术（北京）有限公司 地图数据采集方法、设备及存储介质
CN108784703B (zh) * 2018-07-05 2021-02-02 西南石油大学 一种中老年人可穿戴式呼吸监测方法
CN108784703A (zh) * 2018-07-05 2018-11-13 西南石油大学 一种中老年人可穿戴式呼吸监测方法
CN108986754A (zh) * 2018-07-16 2018-12-11 江苏大丰和顺电子有限公司 一种电竞显示专用控制系统
CN109121108A (zh) * 2018-08-01 2019-01-01 佛山市苔藓云链科技有限公司 一种基于物联网的感知控制系统
CN109009102B (zh) * 2018-08-10 2021-02-12 中南大学 一种基于脑电图深度学习的辅助诊断方法及系统
CN109009102A (zh) * 2018-08-10 2018-12-18 中南大学 一种基于脑电图深度学习的辅助诊断方法及系统
CN109326355A (zh) * 2018-08-16 2019-02-12 浙江树人学院 一种消防员呼吸声音监测耳机及其身体状态评估方法
CN109326355B (zh) * 2018-08-16 2022-04-22 浙江树人学院 一种消防员呼吸声音监测耳机及其身体状态评估方法
CN109224173A (zh) * 2018-08-22 2019-01-18 贵州省人民医院 一种多功能临床麻醉科用辅助麻醉装置
CN109224173B (zh) * 2018-08-22 2021-07-13 贵州省人民医院 一种多功能临床麻醉科用辅助麻醉装置
CN109009028A (zh) * 2018-08-31 2018-12-18 江苏盖睿健康科技有限公司 一种反映人体疲劳程度的穿戴式设备
US20210309308A1 (en) * 2018-09-07 2021-10-07 Soucy International Inc. Track system
CN113196410A (zh) * 2018-09-07 2021-07-30 卢西恩公司 疼痛治疗的系统和方法
CN109325294B (zh) * 2018-09-25 2023-08-11 云南电网有限责任公司电力科学研究院 一种火电机组空气预热器性能状态的证据表征构建方法
CN109381176A (zh) * 2018-09-25 2019-02-26 广州军区广州总医院 基于物联网的可穿戴全导心电监测系统及装置
CN109325294A (zh) * 2018-09-25 2019-02-12 云南电网有限责任公司电力科学研究院 一种火电机组空气预热器性能状态的证据表征构建方法
CN109151669A (zh) * 2018-09-30 2019-01-04 Oppo广东移动通信有限公司 耳机控制方法、装置、电子设备以及存储介质
CN113168895A (zh) * 2018-10-12 2021-07-23 大日本住友制药株式会社 用于评估健康关心区域的健康度与各个预防性干预行动之间的关联性的方法、装置以及程序
TWI816909B (zh) * 2018-10-12 2023-10-01 日商住友製藥股份有限公司 評估關心健康領域的健康度與預防性介入行動的各個的關連性的方法、評估關心健康領域的健康度與預防性介入行動的各個的關連性的裝置、及評估關心健康領域的健康度與預防性介入行動的各個的關連性的電腦程式
CN111067474B (zh) * 2018-10-22 2022-03-01 胡宗期 使用动态速度阈值滤波器的客观视敏度测量的装置和方法
CN111067474A (zh) * 2018-10-22 2020-04-28 胡宗期 使用动态速度阈值滤波器的客观视敏度测量的装置和方法
CN109157231B (zh) * 2018-10-24 2021-04-16 阿呆科技（北京）有限公司 基于情绪刺激任务的便携式多通道抑郁倾向评估系统
CN109157231A (zh) * 2018-10-24 2019-01-08 阿呆科技（北京）有限公司 基于情绪刺激任务的便携式多通道抑郁倾向评估系统
TWI712995B (zh) * 2018-10-26 2020-12-11 南臺學校財團法人南臺科技大學 基於室內定位之急救照護通訊方法
CN109273078B (zh) * 2018-10-30 2021-11-09 贵州医科大学附属医院 一种踝足康复牵引控制系统及方法
CN109273078A (zh) * 2018-10-30 2019-01-25 贵州医科大学附属医院 一种踝足康复牵引控制系统及方法
CN109529197A (zh) * 2018-11-07 2019-03-29 航天信息股份有限公司 一种具有预防治疗老年痴呆症效果的物联网帽子
TWI674129B (zh) * 2018-11-22 2019-10-11 慈濟學校財團法人慈濟大學 感官刺激輔助裝置
CN109567819A (zh) * 2018-11-28 2019-04-05 合肥工业大学 一种基于pvdf传感器阵列的可穿戴式装置
CN113164126A (zh) * 2018-12-04 2021-07-23 布雷恩维沃有限公司 利用脑特征活动图谱数据库来表征内容的装置和方法
CN109640402A (zh) * 2018-12-19 2019-04-16 安徽创品工业设计有限公司 一种基于穿戴设备的智能加热恒温系统
CN110443798A (zh) * 2018-12-25 2019-11-12 电子科技大学 一种基于磁共振图像的自闭症检测方法、装置及系统
CN109671130B (zh) * 2018-12-27 2023-03-17 华北电力大学（保定） 利用稀疏测量数据重建内窥式光声层析图像的方法及系统
CN109671130A (zh) * 2018-12-27 2019-04-23 华北电力大学（保定） 利用稀疏测量数据重建内窥式光声层析图像的方法及系统
CN111475206A (zh) * 2019-01-04 2020-07-31 优奈柯恩(北京)科技有限公司 用于唤醒可穿戴设备的方法及装置
CN111475206B (zh) * 2019-01-04 2023-04-11 优奈柯恩(北京)科技有限公司 用于唤醒可穿戴设备的方法及装置
CN109781180A (zh) * 2019-01-28 2019-05-21 上海与德通讯技术有限公司 监护方法、装置、头戴结构、终端及存储介质
CN109781180B (zh) * 2019-01-28 2021-07-27 昆山品源知识产权运营科技有限公司 监护方法、装置、头戴结构、终端及存储介质
CN109771927A (zh) * 2019-01-30 2019-05-21 重庆工程职业技术学院 一种防作弊的定向越野比赛系统及应用方法
CN109567807A (zh) * 2019-01-30 2019-04-05 林若骐 一种基于物联网的重症病人监测系统
CN109875543A (zh) * 2019-02-01 2019-06-14 电子科技大学 用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置
TWI690296B (zh) * 2019-02-22 2020-04-11 黃世杰 局部血循狀態即時監控系統
CN109961018A (zh) * 2019-02-27 2019-07-02 易念科技（深圳）有限公司 脑电信号分析方法、系统及终端设备
CN109961018B (zh) * 2019-02-27 2021-03-05 易念科技（深圳）有限公司 脑电信号分析方法、系统及终端设备
CN109947817A (zh) * 2019-03-01 2019-06-28 武汉达梦数据库有限公司 一种基于关联图谱的六度空间关系分析方法及系统
CN109820488A (zh) * 2019-04-03 2019-05-31 潍坊歌尔电子有限公司 心电监测设备和心电监测系统
US11534071B2 (en) * 2019-04-12 2022-12-27 Beijing Shunyuan Kaihua Technology Limited Blood pressure measurement
US20200323440A1 (en) * 2019-04-12 2020-10-15 Beijing Shunyuan Kaihua Technology Limited Blood pressure measurement
CN114041191A (zh) * 2019-04-15 2022-02-11 豪夫迈·罗氏有限公司 数字生物标志物
CN110101384B (zh) * 2019-04-22 2022-01-28 自然资源部第一海洋研究所 用于复杂网络的功能性网络分析系统及分析方法
CN110084168A (zh) * 2019-04-22 2019-08-02 中国科学院自动化研究所 一种主动目标识别方法及装置
CN110101384A (zh) * 2019-04-22 2019-08-09 自然资源部第一海洋研究所 用于复杂网络的功能性网络分析系统及分析方法
CN110084168B (zh) * 2019-04-22 2021-04-23 中国科学院自动化研究所 一种主动目标识别方法及装置
CN110083920B (zh) * 2019-04-23 2022-11-04 西南交通大学 一种地震作用下非比例阻尼结构随机响应的分析方法
CN110083920A (zh) * 2019-04-23 2019-08-02 西南交通大学 一种地震作用下非比例阻尼结构随机响应的分析方法
CN110101375A (zh) * 2019-05-09 2019-08-09 上海交通大学医学院附属新华医院 一种重症监护数据采集和预警系统
CN110327015A (zh) * 2019-05-09 2019-10-15 哈尔滨医科大学 一种用于认知功能检测和动态监测的系统及方法
CN110309712B (zh) * 2019-05-21 2021-06-01 华为技术有限公司 一种运动类型识别方法及终端设备
CN110309712A (zh) * 2019-05-21 2019-10-08 华为技术有限公司 一种运动类型识别方法及终端设备
CN110236535A (zh) * 2019-05-23 2019-09-17 昌乐县人民医院 一种基于精神监测分析的智能辅助给药装置
CN110794666A (zh) * 2019-05-29 2020-02-14 华为技术有限公司 用于智能手表的ecg电极和智能手表
US12263348B2 (en) * 2019-05-31 2025-04-01 Bluehalo Labs, Llc Circadian rhythm monitoring and regulation system
US20200398076A1 (en) * 2019-05-31 2020-12-24 Intelligent Automation, Inc. Circadian rhythm monitoring and regulation system
CN113993451A (zh) * 2019-06-12 2022-01-28 惠普发展公司， 有限责任合伙企业 基于生理测量的扩展现实调整
US12023176B2 (en) 2019-06-12 2024-07-02 Hewlett-Packard Development Company, L.P. Extended reality adjustments based on physiological measurements
US12408862B2 (en) 2019-06-19 2025-09-09 Hoffmann-La Roche Inc. Digital biomarker
US12507947B2 (en) 2019-06-19 2025-12-30 Hoffmann-La Roche Inc. Digital biomarker
CN110261131B (zh) * 2019-06-21 2021-06-29 北京迈格威科技有限公司 汽车模拟驾驶舱图像数据处理方法及装置
CN110261131A (zh) * 2019-06-21 2019-09-20 北京迈格威科技有限公司 汽车模拟驾驶舱图像数据处理方法及装置
CN110448779B (zh) * 2019-07-10 2022-05-06 华为技术有限公司 一种调整生物节律的方法及装置
CN110448779A (zh) * 2019-07-10 2019-11-15 华为技术有限公司 一种调整生物节律的方法及装置
CN110464298B (zh) * 2019-07-25 2021-11-02 深圳大学 一种脑电信号处理装置和方法
CN110464298A (zh) * 2019-07-25 2019-11-19 深圳大学 一种脑电信号处理装置和方法
CN114502060A (zh) * 2019-07-29 2022-05-13 森思迈德有限公司 眼睛生物力学特性测量和监测设备
CN110432873A (zh) * 2019-07-29 2019-11-12 湖南文理学院 一种基于运动状态的生理信息采集装置
CN110647998B (zh) * 2019-08-12 2022-11-25 北京百度网讯科技有限公司 自动机器学习实现方法、系统、设备及存储介质
CN110427769B (zh) * 2019-08-12 2020-12-25 重庆大学 基于智能看护系统面向用户活动模式隐私保护实施方法
CN110427769A (zh) * 2019-08-12 2019-11-08 重庆大学 基于智能看护系统面向用户活动模式隐私保护实施方法
CN110647998A (zh) * 2019-08-12 2020-01-03 北京百度网讯科技有限公司 自动机器学习实现方法、系统、设备及存储介质
RU2734099C1 (ru) * 2019-09-02 2020-10-13 Общество с ограниченной ответственностью "ТрансИнжКом" Устройство и система для контроля объектов
CN112438711A (zh) * 2019-09-03 2021-03-05 纬创资通股份有限公司 适应性生理信息检测方法与系统
CN112438711B (zh) * 2019-09-03 2024-04-19 纬创资通股份有限公司 适应性生理信息检测方法与系统
CN110680290A (zh) * 2019-09-12 2020-01-14 军事科学院系统工程研究院卫勤保障技术研究所 一种基于ar眼镜的检伤分类装置
CN112587099A (zh) * 2019-09-13 2021-04-02 希尔-罗姆服务公司 个性化生命体征监测器
CN110584607A (zh) * 2019-09-17 2019-12-20 广州奥滴尔科技有限公司 一种作息调节执行装置及实时作息调节系统
CN110613440A (zh) * 2019-09-18 2019-12-27 青岛市市立医院 一种冠状动脉流量检测装置及测量方法
CN110680301A (zh) * 2019-09-18 2020-01-14 青岛市市立医院 一种冠状动脉血管流量测量装置及其测量方法
CN112582063A (zh) * 2019-09-30 2021-03-30 长沙昱旻信息科技有限公司 Bmi预测方法、装置、系统及计算机存储介质、电子设备
CN110720934A (zh) * 2019-10-23 2020-01-24 合肥盛东信息科技有限公司 一种狂躁症监测预警系统
CN110782967B (zh) * 2019-11-01 2023-04-21 成都乐动信息技术有限公司 一种健身动作标准度评估方法及装置
CN110782967A (zh) * 2019-11-01 2020-02-11 成都乐动信息技术有限公司 一种健身动作标准度评估方法及装置
CN110780582A (zh) * 2019-11-11 2020-02-11 青田古信钟表有限公司 一种用于保养后的机械表的检验装置
CN110974248A (zh) * 2019-11-25 2020-04-10 燕山大学 一种基于时延熵的近红外脑氧信号计算方法
CN110987111B (zh) * 2019-12-05 2020-12-22 山东省医疗器械产品质量检验中心 动静态条件下输液器流量控制特性测试系统
CN110987111A (zh) * 2019-12-05 2020-04-10 山东省医疗器械产品质量检验中心 动静态条件下输液器流量控制特性测试系统
CN110974703A (zh) * 2019-12-31 2020-04-10 浙江智慧照明技术有限公司 一种基于生物钟的用药提醒装置
CN111134641A (zh) * 2020-01-14 2020-05-12 河南大学 一种睡眠监测芯片系统及睡眠监测芯片
CN113140268A (zh) * 2020-01-19 2021-07-20 上海鹏航航空科技有限公司 一种基于ai智能技术的旅客飞行健康管理方法与系统
CN111166294A (zh) * 2020-01-29 2020-05-19 北京交通大学 一种基于心跳间期的睡眠呼吸暂停自动检测方法及装置
CN111202517A (zh) * 2020-02-03 2020-05-29 山东师范大学 一种睡眠自动分期方法、系统、介质及电子设备
CN111291677B (zh) * 2020-02-05 2022-09-09 吉林大学 一种动态视频触觉特征提取及渲染的方法
CN111291677A (zh) * 2020-02-05 2020-06-16 吉林大学 一种动态视频触觉特征提取及渲染的方法
TWI757022B (zh) * 2020-02-14 2022-03-01 謝基生 基於α型多光譜影像分析步態足印的系統與方法
CN113296136A (zh) * 2020-02-24 2021-08-24 香港理工大学深圳研究院 多目标形变监测方法、装置和接收机
CN113296136B (zh) * 2020-02-24 2024-03-19 香港理工大学深圳研究院 多目标形变监测方法、装置和接收机
CN111317446A (zh) * 2020-02-27 2020-06-23 中国人民解放军空军特色医学中心 基于人体肌肉表面电信号的睡眠结构自动分析方法
CN111436941A (zh) * 2020-03-23 2020-07-24 广东艾诗凯奇智能科技有限公司 潜在疾病预防的提醒系统及方法以及服务器
CN111436941B (zh) * 2020-03-23 2021-12-07 未来穿戴技术有限公司 潜在疾病预防的提醒系统及方法以及服务器
CN111475594A (zh) * 2020-03-27 2020-07-31 深圳光启超材料技术有限公司 头戴设备的轨迹确定方法和装置、存储介质及电子装置
CN115443093A (zh) * 2020-03-27 2022-12-06 西弗吉尼亚大学校务委员会代表西弗吉尼亚大学 利用来自便携式监控设备的监控来预测用户的健康状况
CN113449862A (zh) * 2020-03-27 2021-09-28 罗伯特·博世有限公司 状态感知级联机器学习系统和方法
CN113449862B (zh) * 2020-03-27 2025-09-19 罗伯特·博世有限公司 状态感知级联机器学习系统和方法
WO2021196063A1 (zh) * 2020-04-01 2021-10-07 唐山哈船科技有限公司 一种利用多导监测肺炎患者睡眠的系统和方法
CN111466908A (zh) * 2020-04-09 2020-07-31 瘦声(杭州)科技有限公司 一种利用eeg筛选可影响食欲音频的方法
CN111415370A (zh) * 2020-04-13 2020-07-14 中山大学 一种基于嵌入式的红外复杂场景目标实时跟踪方法及系统
CN111562956B (zh) * 2020-04-14 2023-04-07 Oppo（重庆）智能科技有限公司 终端的主题切换方法、装置、存储介质与电子设备
CN111562956A (zh) * 2020-04-14 2020-08-21 Oppo（重庆）智能科技有限公司 终端的主题切换方法、装置、存储介质与电子设备
CN111366184A (zh) * 2020-04-17 2020-07-03 中铁隧道局集团有限公司 一种盾构机多传感器性能在线监测方法
CN111494803A (zh) * 2020-04-23 2020-08-07 宋子成 一种胰岛素随身控制系统及方法
CN111504467A (zh) * 2020-04-26 2020-08-07 中控华运（厦门）集成电路有限公司 用于可穿戴设备的环境监测方法和可穿戴设备
CN111504467B (zh) * 2020-04-26 2022-07-29 熵基华运(厦门)集成电路有限公司 用于可穿戴设备的环境监测方法和可穿戴设备
CN111544834B (zh) * 2020-05-12 2021-06-25 苏州市中西医结合医院 一种心肺康复训练方法
CN111544834A (zh) * 2020-05-12 2020-08-18 苏州市中西医结合医院 一种心肺康复训练方法
CN113691917A (zh) * 2020-05-19 2021-11-23 奥迪康有限公司 包括生理传感器的助听器
CN112294258A (zh) * 2020-06-03 2021-02-02 康健益智科技(北京)有限公司 一种唾液皮质醇应激激素采集测评系统
CN111973880A (zh) * 2020-06-11 2020-11-24 天津工业大学 一种脑力疲劳干预设备及干预方法
CN111768375B (zh) * 2020-06-24 2022-07-26 海南大学 一种基于cwam的非对称gm多模态融合显著性检测方法及系统
CN111768375A (zh) * 2020-06-24 2020-10-13 海南大学 一种基于cwam的非对称gm多模态融合显著性检测方法及系统
US20230260646A1 (en) * 2020-07-03 2023-08-17 Kyoto University Relationship estimatation system
CN111815878A (zh) * 2020-07-08 2020-10-23 六盘水达安驾驶培训有限公司 一种利用声音与视频共同检测考生是否作弊的系统
CN111831118A (zh) * 2020-07-10 2020-10-27 清华大学 一种基于增强现实的三维脑电显示方法及其显示系统
CN111831118B (zh) * 2020-07-10 2022-12-30 清华大学 一种基于增强现实的三维脑电显示方法及其显示系统
US12257045B2 (en) 2020-07-14 2025-03-25 Ascensia Diabetes Care Holdings Ag Tracking insertion and removal times of a continuous glucose monitoring sensor
TWI879995B (zh) * 2020-07-14 2025-04-11 瑞士商安晟信醫療科技控股公司 連續血糖監測系統和追蹤一連續血糖監測感測器的插入及移除時間之方法
US12292522B2 (en) * 2020-07-17 2025-05-06 Google Llc Determining a position of user equipment by using adaptive phase-changing devices
US20230258759A1 (en) * 2020-07-17 2023-08-17 Google Llc Determining a Position of User Equipment by using Adaptive Phase-Changing Devices
CN111880423A (zh) * 2020-07-21 2020-11-03 上海交通大学 晨间唤醒方法及系统
CN111880423B (zh) * 2020-07-21 2021-07-30 上海交通大学 晨间唤醒方法及系统
CN111950078A (zh) * 2020-07-27 2020-11-17 中国第一汽车股份有限公司 一种基于关门冲击载荷的乘用车外后视镜抗抖动设计方法
US12176079B2 (en) 2020-08-07 2024-12-24 HCL Technologies Italy S.p.A. Method, system, and device for providing assistance to patients with communication and memory impairment
CN111952715A (zh) * 2020-08-13 2020-11-17 西安量极医疗设备有限公司 基于小型化偶极子天线的微波理疗辐射器
TWI824177B (zh) * 2020-09-03 2023-12-01 鉭騏實業有限公司 多功能居家檢測助聽裝置及其方法
CN111968461B (zh) * 2020-09-08 2021-02-09 山东劳动职业技术学院 一种英语教学用口型对照装置
CN111968461A (zh) * 2020-09-08 2020-11-20 王萍 一种英语教学用口型对照装置
EP4231824B1 (en) * 2020-10-26 2024-06-05 Precision Planting LLC Boom adjustment system
TWI756945B (zh) * 2020-11-27 2022-03-01 國立中興大學 不限空間之肺部復健運動導引與管理系統
CN112256881A (zh) * 2020-12-21 2021-01-22 上海冰鉴信息科技有限公司 用户信息分类方法及装置
WO2022135585A1 (zh) * 2020-12-25 2022-06-30 深圳迈瑞生物医疗电子股份有限公司 监护设备和用于监护设备的显示方法
CN112734473A (zh) * 2021-01-11 2021-04-30 汉海信息技术(上海)有限公司 网约车避堵绕行识别方法、装置、电子设备及存储介质
CN112734473B (zh) * 2021-01-11 2023-04-07 汉海信息技术(上海)有限公司 网约车避堵绕行识别方法、装置、电子设备及存储介质
CN116508016A (zh) * 2021-01-29 2023-07-28 三星电子株式会社 确定聊天机器人保持会话的时间的电子设备及其操作方法
CN112883207B (zh) * 2021-02-01 2022-08-02 西北师范大学 一种基于特征融合的高安全生物哈希密文语音检索方法
CN112883207A (zh) * 2021-02-01 2021-06-01 西北师范大学 一种基于特征融合的高安全生物哈希密文语音检索方法
CN113069092A (zh) * 2021-03-18 2021-07-06 安徽中屏科技有限公司 一种基于智能穿戴手表的健康监控装置及控制系统
TWI803848B (zh) * 2021-03-29 2023-06-01 國立勤益科技大學 一種帕金森氏症上肢震顫分析裝置與方法
CN113010846B (zh) * 2021-03-30 2023-11-03 合肥工业大学 一种基于子分类器权重投票的等离子体破裂预测方法
CN113010846A (zh) * 2021-03-30 2021-06-22 合肥工业大学 一种基于子分类器权重投票的等离子体破裂预测方法
CN112932439A (zh) * 2021-03-31 2021-06-11 重庆博恩富克医疗设备有限公司 一种脑水肿脑氧多模态复合检测系统
CN113144344A (zh) * 2021-04-13 2021-07-23 民勤县人民医院 一种应用于麻醉深度监测及麻醉剂注射装置
CN113133769A (zh) * 2021-04-23 2021-07-20 河北师范大学 基于运动想象脑电信号的设备控制方法、装置及终端
CN113349752B (zh) * 2021-05-08 2022-10-14 电子科技大学 一种基于传感融合的可穿戴设备实时心率监测方法
CN113349752A (zh) * 2021-05-08 2021-09-07 电子科技大学 一种基于传感融合的可穿戴设备实时心率监测方法
EP4324394A4 (en) * 2021-05-20 2025-01-29 i-Sens, Inc. METHODS FOR CALIBRATING NON-INVASIVE BIOMETRIC INFORMATION
CN113672819A (zh) * 2021-05-25 2021-11-19 重庆大学 一种基于推荐感知和协作边缘缓存的内容请求处理系统
CN113672819B (zh) * 2021-05-25 2023-09-29 重庆大学 一种基于推荐感知和协作边缘缓存的内容请求处理系统
CN113349796B (zh) * 2021-06-16 2024-05-10 珠海中科先进技术研究院有限公司 基于多源信号的睡眠监控方法、设备及存储介质
CN113349796A (zh) * 2021-06-16 2021-09-07 珠海中科先进技术研究院有限公司 基于多源信号的睡眠监控方法、设备及存储介质
CN113421641A (zh) * 2021-06-30 2021-09-21 重庆医科大学 子痫患者保护装置及预测系统
CN113421641B (zh) * 2021-06-30 2023-01-10 重庆医科大学 子痫患者保护装置及预测系统
CN115633937A (zh) * 2021-07-19 2023-01-24 大立云康科技股份有限公司 睡眠监测装置
CN114145531A (zh) * 2021-07-19 2022-03-08 国网江苏省电力有限公司江阴市供电分公司 一种配网不停电作业安全规范监控方法
CN113647919A (zh) * 2021-07-20 2021-11-16 广州和普乐健康科技有限公司 一种睡眠呼吸监测带
CN113558718A (zh) * 2021-07-31 2021-10-29 任晓东 体外冲击波治疗装置
CN113558718B (zh) * 2021-07-31 2023-11-03 任晓东 体外冲击波治疗装置
US12306281B2 (en) * 2021-08-03 2025-05-20 Fujifilm Corporation Magnetic resonance imaging apparatus and control method thereof
CN113440151B (zh) * 2021-08-03 2024-04-12 合肥科飞康视科技有限公司 一种专注力检测系统、检测方法及系统的使用方法
CN113440151A (zh) * 2021-08-03 2021-09-28 合肥科飞康视科技有限公司 一种专注力检测系统、检测方法及系统的使用方法
US20240264258A1 (en) * 2021-08-03 2024-08-08 Fujifilm Healthcare Corporation Magnetic resonance imaging apparatus and control method thereof
CN113577559A (zh) * 2021-09-03 2021-11-02 复旦大学 基于多信号的闭环深部脑刺激方法、装置、系统及设备
CN113577559B (zh) * 2021-09-03 2022-07-26 复旦大学 基于多信号的闭环深部脑刺激装置、系统及设备
CN114022799A (zh) * 2021-09-23 2022-02-08 中国人民解放军军事科学院国防科技创新研究院 一种自监督单目深度估计方法和装置
CN113887628B (zh) * 2021-10-01 2025-10-24 上海梦象智能科技有限公司 一种从聚合负载数据提取电器指纹的方法
CN113887628A (zh) * 2021-10-01 2022-01-04 上海梦象智能科技有限公司 一种从聚合负载数据提取电器指纹的方法
CN113925021B (zh) * 2021-10-12 2023-03-03 中国人民解放军军事科学院军事医学研究院 一种动物睡眠节律调控试验方法
CN113925021A (zh) * 2021-10-12 2022-01-14 中国人民解放军军事科学院军事医学研究院 一种动物睡眠节律调控试验方法
CN113924993B (zh) * 2021-10-13 2022-09-13 上海恺多科技有限公司 宠物用智能运动计步及步态健康监测装置及其应用方法
CN113924993A (zh) * 2021-10-13 2022-01-14 上海恺多科技有限公司 宠物用智能运动计步及步态健康监测装置及其应用方法
IT202100026999A1 (it) * 2021-10-20 2023-04-20 Mnem S R L Metodo per la correlazione e predizione di dati associati a un soggetto di interesse
CN114898527A (zh) * 2021-11-11 2022-08-12 中国计量大学 一种基于声音辅助的可穿戴式老人跌倒检测系统与方法
CN114283025A (zh) * 2021-11-25 2022-04-05 国电南瑞科技股份有限公司 一种适用于电力物联网的设备id生成方法、装置及设备接入方法
CN114358043A (zh) * 2021-11-30 2022-04-15 中国科学院深圳先进技术研究院 动作识别评估方法、动作识别评估装置以及存储介质
CN114327048A (zh) * 2021-12-07 2022-04-12 重庆邮电大学 一种基于脑电信号和眼电信号的机械臂控制方法及系统
CN114327048B (zh) * 2021-12-07 2024-04-19 山东华数信息技术股份有限公司 一种基于脑电信号和眼电信号的机械臂控制方法及系统
CN114489326A (zh) * 2021-12-30 2022-05-13 南京七奇智能科技有限公司 面向人群的虚拟人交互注意力驱动的姿态控制装置及方法
CN114489326B (zh) * 2021-12-30 2023-12-15 南京七奇智能科技有限公司 面向人群的虚拟人交互注意力驱动的姿态控制装置及方法
CN114093488B (zh) * 2022-01-20 2022-04-22 武汉泰乐奇信息科技有限公司 一种基于骨骼识别的医生技能水平评判方法和装置
CN114093488A (zh) * 2022-01-20 2022-02-25 武汉泰乐奇信息科技有限公司 一种基于骨骼识别的医生技能水平评判方法和装置
CN114343641A (zh) * 2022-01-24 2022-04-15 广州熠华教育咨询服务有限公司 一种学习困难干预训练指导方法及其系统
CN114446029A (zh) * 2022-01-25 2022-05-06 深圳市和而不同人工智能技术有限公司 一种基于智能穿戴手表监测行驶信息的系统和方法
CN114469136A (zh) * 2022-02-14 2022-05-13 中南大学 一种热舒适度评价方法、系统及可存储介质
CN114469136B (zh) * 2022-02-14 2023-09-22 中南大学 一种热舒适度评价方法、系统及可存储介质
CN115551156B (zh) * 2022-03-01 2023-10-31 荣耀终端有限公司 一种发光闪烁的方法及可穿戴设备
CN115551156A (zh) * 2022-03-01 2022-12-30 荣耀终端有限公司 一种发光闪烁的方法及可穿戴设备
CN114562987A (zh) * 2022-03-11 2022-05-31 苏州脑控脑科学技术有限公司 面部示踪器、空间定位系统、空间定位方法及磁刺激系统
CN114451869A (zh) * 2022-04-12 2022-05-10 深圳市心流科技有限公司 一种睡眠状态评估方法、装置、智能终端和存储介质
CN114451869B (zh) * 2022-04-12 2022-07-08 深圳市心流科技有限公司 一种睡眠状态评估方法、装置、智能终端和存储介质
TWI809825B (zh) * 2022-04-18 2023-07-21 吳宗儒 異常肺囉音診斷監測系統及其建立方法
CN114944863B (zh) * 2022-04-21 2023-12-12 亚太卫星宽带通信（深圳）有限公司 一种波束切换方法
CN114944863A (zh) * 2022-04-21 2022-08-26 亚太卫星宽带通信（深圳）有限公司 一种波束切换算法
CN114740980A (zh) * 2022-04-22 2022-07-12 北京交通大学 一种基于认知过程和状态的人机交互模式设计方法及系统
CN114792563A (zh) * 2022-04-28 2022-07-26 浙江领蔚生物技术有限公司 基于多方位数据收集的儿童广泛性发育障碍评估系统
TWI859854B (zh) * 2022-05-12 2024-10-21 財團法人工業技術研究院 晶片的設計方法及裝置
TWI820704B (zh) * 2022-05-12 2023-11-01 財團法人工業技術研究院 聲音訊號的分析方法及裝置、晶片的設計方法及裝置
US12198714B2 (en) 2022-05-12 2025-01-14 Industrial Technology Research Institute Voice signal analysis method and device and chip design method and device
WO2023216267A1 (zh) * 2022-05-13 2023-11-16 北京小米移动软件有限公司 热量消耗估算方法、装置及存储介质
CN114788681A (zh) * 2022-06-23 2022-07-26 华慧健(天津)科技有限公司 基于图像采集与处理技术的智能可穿戴眼健康仪
CN115089140A (zh) * 2022-06-26 2022-09-23 山东迎创智能装饰设计工程有限公司 一种心率呼吸可监测的睡眠分析系统及其方法
CN114917475A (zh) * 2022-07-20 2022-08-19 苏州小蓝医疗科技有限公司 综合睡眠治疗的控制装置、电子设备和存储介质
TWI818727B (zh) * 2022-07-26 2023-10-11 宏達國際電子股份有限公司 追蹤系統和運動資料收集方法
US12108306B2 (en) 2022-07-26 2024-10-01 Htc Corporation Tracking system and motion data collecting method
CN115005794A (zh) * 2022-08-09 2022-09-06 深圳市微克科技有限公司 基于智能穿戴多运动健康指标测量系统
CN115137313B (zh) * 2022-08-31 2022-11-18 首都医科大学附属北京同仁医院 同时针对睡眠质量以及近视风险的评估方法及装置
CN115137313A (zh) * 2022-08-31 2022-10-04 首都医科大学附属北京同仁医院 同时针对睡眠质量以及近视风险的评估方法及装置
CN115438136A (zh) * 2022-09-02 2022-12-06 安徽农业大学 一种城市夜间街道步行安全感的测度方法
CN115240508A (zh) * 2022-09-23 2022-10-25 深圳市心流科技有限公司 基于音乐节奏的认知能力训练方法、终端设备及存储介质
CN115240508B (zh) * 2022-09-23 2022-12-09 深圳市心流科技有限公司 基于音乐节奏的认知能力训练方法、终端设备及存储介质
CN115445080A (zh) * 2022-10-20 2022-12-09 哈尔滨海鸿基业科技发展有限公司 一种肢体用电极绑带
CN115445080B (zh) * 2022-10-20 2024-02-09 哈尔滨海鸿基业科技发展有限公司 一种肢体用电极绑带
CN115802308A (zh) * 2022-11-11 2023-03-14 四川启睿克科技有限公司 一种用于城市环境监测的可穿戴环境传感器网络系统
CN115510926B (zh) * 2022-11-23 2023-04-18 武汉理工大学 跨机型的柴油机燃烧室故障诊断方法及系统
CN115510926A (zh) * 2022-11-23 2022-12-23 武汉理工大学 跨机型的柴油机燃烧室故障诊断方法及系统
CN116167435A (zh) * 2023-02-22 2023-05-26 北京工业大学 基于知识蒸馏和域自适应的双教师睡眠分期特征迁移方法
CN116172522B (zh) * 2023-05-04 2023-06-30 江南大学附属医院 一种基于神经网络的麻醉深度监测方法
CN116172522A (zh) * 2023-05-04 2023-05-30 江南大学附属医院 一种基于神经网络的麻醉深度监测方法
CN116584900B (zh) * 2023-07-17 2023-10-31 博睿康医疗科技(上海)有限公司 信号稳定状态的检测方法、检测模型、癫痫检测装置
CN116584900A (zh) * 2023-07-17 2023-08-15 博睿康医疗科技(上海)有限公司 信号稳定状态的检测方法、检测模型、癫痫检测装置
CN116982927A (zh) * 2023-08-14 2023-11-03 深圳大学附属华南医院 一种多镜头眼科检查设备及方法
CN116982927B (zh) * 2023-08-14 2024-05-03 深圳大学附属华南医院 一种多镜头眼科检查设备及方法
CN117442169A (zh) * 2023-10-17 2024-01-26 郑州誉美医院有限公司 一种基于ai的肿瘤患者康复跟踪装置及其方法
CN117523665B (zh) * 2023-11-13 2024-07-23 书行科技(北京)有限公司 人体动作预测模型的训练方法、相关方法及相关产品
CN117523665A (zh) * 2023-11-13 2024-02-06 书行科技(北京)有限公司 人体动作预测模型的训练方法、相关方法及相关产品
CN117462148A (zh) * 2023-12-28 2024-01-30 慧创科仪(北京)科技有限公司 一种用于脑电检测设备的导联配置装置、方法和存储介质
CN117462148B (zh) * 2023-12-28 2024-05-14 慧创科仪(北京)科技有限公司 一种用于脑电检测设备的导联配置装置、方法和存储介质
CN117893088A (zh) * 2024-01-18 2024-04-16 江苏省徐州医药高等职业学校 一种用于药物制剂生产质量的控制方法
CN117893088B (zh) * 2024-01-18 2024-08-02 江苏省徐州医药高等职业学校 一种用于药物制剂生产质量的控制方法
CN117668763B (zh) * 2024-01-31 2024-05-31 深圳市鸿普森科技股份有限公司 基于多模态的数字人一体机及其多模态感知识别方法
CN117668763A (zh) * 2024-01-31 2024-03-08 深圳市鸿普森科技股份有限公司 基于多模态的数字人一体机及其多模态感知识别方法
CN117995411A (zh) * 2024-04-03 2024-05-07 吉林大学 患者护理的运动数据采集分析系统及方法
CN117995411B (zh) * 2024-04-03 2024-06-07 吉林大学 患者护理的运动数据采集分析系统及方法
CN118121169B (zh) * 2024-05-06 2024-07-19 中国人民解放军总医院第二医学中心 一种可远程数据传输的多功能生命体征监测仪
CN118121169A (zh) * 2024-05-06 2024-06-04 中国人民解放军总医院第二医学中心 一种可远程数据传输的多功能生命体征监测仪
CN118428332A (zh) * 2024-05-14 2024-08-02 百度在线网络技术（北京）有限公司 基于大模型的演示文稿生成方法和大模型的训练方法
WO2025242058A1 (zh) * 2024-05-23 2025-11-27 郑云峰 一种经颅磁刺激神经调控装置及其使用方法
CN118464059A (zh) * 2024-07-09 2024-08-09 西安迅腾科技有限责任公司 一种可实时记录并上报鸟类飞行轨迹的装置
CN118873089A (zh) * 2024-07-17 2024-11-01 北京理工大学 用于即时眼压监测和反馈的神经假体角膜接触镜系统
CN118512155A (zh) * 2024-07-22 2024-08-20 北京超数时代科技有限公司 一种抑制睡眠障碍的ai诊疗系统
CN118512155B (zh) * 2024-07-22 2024-09-13 北京超数时代科技有限公司 一种抑制睡眠障碍的ai诊疗系统
CN118983045A (zh) * 2024-07-23 2024-11-19 京医云(北京)信息科技有限公司 一种基于大数据的体质健康监测评价系统及方法
CN119003816A (zh) * 2024-10-24 2024-11-22 青岛歌尔视界科技有限公司 日记生成方法、装置、设备及存储介质
CN119003816B (zh) * 2024-10-24 2025-01-24 青岛歌尔视界科技有限公司 日记生成方法、装置、设备及存储介质
CN119215299A (zh) * 2024-12-03 2024-12-31 浙江普可医疗科技有限公司 一种微电流睡眠仪控制方法及装置
CN119296726B (zh) * 2024-12-13 2025-07-18 中国康复研究中心 一种个性化康复方案辅助决策方法及系统
CN119279550A (zh) * 2024-12-13 2025-01-10 成都维客昕微电子有限公司 一种可穿戴设备佩戴环境检测方法及系统
CN119296726A (zh) * 2024-12-13 2025-01-10 中国康复研究中心 一种个性化康复方案辅助决策方法及系统
CN119386350A (zh) * 2025-01-06 2025-02-07 山东爱优动体育健康服务有限公司 一种孤独症干预治疗装置及其使用方法
CN119925819A (zh) * 2025-01-24 2025-05-06 中国人民解放军总医院第四医学中心 一种肢体融合治疗装置和信号控制方法
CN119925819B (zh) * 2025-01-24 2025-07-18 中国人民解放军总医院第四医学中心 一种肢体融合治疗装置和信号控制方法
CN119908682B (zh) * 2025-04-01 2025-07-25 广东朗固实业有限公司 一种智能防电弧服用生命体征监测方法
CN119908682A (zh) * 2025-04-01 2025-05-02 广东朗固实业有限公司 一种智能防电弧服用生命体征监测方法
CN120611936A (zh) * 2025-06-11 2025-09-09 浙江悟一智能科技有限公司 一种基于物联网的未来社区管理系统及方法
CN120611936B (zh) * 2025-06-11 2026-02-10 浙江悟一智能科技有限公司 一种基于物联网的未来社区管理系统及方法

Also Published As

Publication number Publication date
CA3236086A1 (en) 2016-07-14
KR20210008848A (ko) 2021-01-25
AU2016205850B2 (en) 2018-10-04
KR20170129689A (ko) 2017-11-27
JP2021121324A (ja) 2021-08-26
AU2024213183A1 (en) 2024-10-03
CA3080600A1 (en) 2016-07-14
EP4306041A1 (en) 2024-01-17
KR102403861B1 (ko) 2022-05-30
JP2025090636A (ja) 2025-06-17
CA2968645A1 (en) 2016-07-14
AU2022203028B2 (en) 2024-06-13
KR20240001168A (ko) 2024-01-03
CA3080600C (en) 2022-11-29
EP4523734A2 (en) 2025-03-19
JP7685867B2 (ja) 2025-05-30
CN112998650B (zh) 2024-07-05
AU2022203028A1 (en) 2022-05-26
EP3841967B1 (en) 2023-10-25
CN112998649A (zh) 2021-06-22
AU2016205850A1 (en) 2017-07-27
CA3156908A1 (en) 2016-07-14
CA2968645C (en) 2023-04-04
KR102904911B1 (ko) 2025-12-29
JP2018505759A (ja) 2018-03-01
WO2016110804A1 (en) 2016-07-14
CA3156908C (en) 2024-06-11
CN112998650A (zh) 2021-06-22
JP7421262B2 (ja) 2024-01-24
EP3841967A1 (en) 2021-06-30
JP7685868B2 (ja) 2025-05-30
KR20250156824A (ko) 2025-11-03
EP4523734A3 (en) 2025-05-14
AU2018250529B2 (en) 2020-04-30
KR20220082852A (ko) 2022-06-17
EP3242587A1 (en) 2017-11-15
KR102400268B1 (ko) 2022-05-19
KR102678923B1 (ko) 2024-06-26
JP2021121323A (ja) 2021-08-26
CA3081166A1 (en) 2016-07-14

Similar Documents

Publication Publication Date Title
JP7685867B2 (ja) 神経学的または筋肉障害を決定および監視するための装置、及び、運動障害を決定するための方法
US20210169417A1 (en) Mobile wearable monitoring systems
US11123562B1 (en) Pain quantification and management system and device, and method of using
De Fazio et al. Methodologies and wearable devices to monitor biophysical parameters related to sleep dysfunctions: an overview
US20180333558A1 (en) Systems and methods for detecting and managing physiological patterns
KR20190058538A (ko) 다기능 폐쇄 루프 신경 피드백 자극 디바이스 및 그 방법
US20220104751A1 (en) A method and system for monitoring a level of non-pharmacologically-induced modified state of consciousness
AU2021218081B2 (en) Systems And Methods For Detecting And Managing Physiological Patterns
Chan et al. Mobile medical systems for equitable healthcare
Subbhuraam et al. Pervasive healthcare applications in neurology
최진영 Exploring the Use of Earable Device as a Prevention Strategy for Chronic Diseases

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171205

RJ01 Rejection of invention patent application after publication