TW201943389A - 動靜脈瘻管狹窄偵測系統及其方法及感測裝置 - Google Patents
動靜脈瘻管狹窄偵測系統及其方法及感測裝置 Download PDFInfo
- Publication number
- TW201943389A TW201943389A TW108110917A TW108110917A TW201943389A TW 201943389 A TW201943389 A TW 201943389A TW 108110917 A TW108110917 A TW 108110917A TW 108110917 A TW108110917 A TW 108110917A TW 201943389 A TW201943389 A TW 201943389A
- Authority
- TW
- Taiwan
- Prior art keywords
- stenosis
- sensing device
- arteriovenous fistula
- server
- patient
- Prior art date
Links
- 206010003226 Arteriovenous fistula Diseases 0.000 title claims abstract description 85
- 208000031481 Pathologic Constriction Diseases 0.000 title claims abstract description 82
- 230000036262 stenosis Effects 0.000 title claims abstract description 82
- 208000037804 stenosis Diseases 0.000 title claims abstract description 82
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 54
- 238000010801 machine learning Methods 0.000 claims abstract description 37
- 210000001367 artery Anatomy 0.000 claims abstract description 18
- 210000003462 vein Anatomy 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 12
- 230000036772 blood pressure Effects 0.000 claims description 5
- 238000002583 angiography Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000006261 foam material Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Heart & Thoracic Surgery (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Cardiology (AREA)
- Hematology (AREA)
- Vascular Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本發明提出一種動靜脈瘻管狹窄偵測系統及其方法及感測裝置。動靜脈瘻管狹窄偵測系統，包括：感測裝置，包括麥克風；以及伺服器耦接到感測裝置。感測裝置接觸病患身體的第一位置，其中第一位置與病患身體的動靜脈瘻管的第二位置之間具有第一距離，且第一位置位於對應動靜脈瘻管的動脈或靜脈的延伸路徑上。感測裝置透過麥克風接收頻譜訊號並傳送頻譜訊號到伺服器。伺服器透過機器學習模組來計算對應頻譜訊號的動靜脈瘻管的狹窄百分比，並傳送狹窄百分比到感測裝置。
Description
本發明是有關於一種動靜脈瘻管狹窄偵測系統及其方法及感測裝置，且特別是有關於一種偵測動靜脈瘻管的狹窄百分比的動靜脈瘻管狹窄偵測系統及其方法及感測裝置。
動靜脈瘻管(Arteriovenous Fistula，AVF)是動脈與靜脈的連接，由外科醫生所執行。狹窄(stenosis)是動靜脈瘻管本體通道在一個不正常變窄的狀態，這是動靜脈瘻管功能不良(dysfunction)的主要原因。在目前慣例中，醫生會每個月或每隔兩三個月評估動靜脈瘻管的狀況，然而動靜脈瘻管的狹窄卻可能在數週或甚至數天就發生。因此，如何能夠快速且方便地評估動靜脈瘻管的狹窄狀況是本領域技術人員應致力的目標。
本發明提供一種動靜脈瘻管狹窄偵測系統及其方法及感測裝置，能快速且方便地評估動靜脈瘻管的狹窄狀況。
本發明提出一種動靜脈瘻管狹窄偵測系統，包括：感測裝置，包括麥克風；以及伺服器耦接到感測裝置。感測裝置接觸病患身體的第一位置，其中第一位置與病患身體的動靜脈瘻管的第二位置之間具有第一距離，且第一位置位於對應動靜脈瘻管的動脈或靜脈的延伸路徑上。感測裝置透過麥克風接收頻譜訊號並傳送頻譜訊號到伺服器。伺服器透過機器學習模組來計算對應頻譜訊號的動靜脈瘻管的狹窄百分比，並傳送狹窄百分比到感測裝置。
在本發明的一實施例中，上述機器學習模組利用對應多個不同的第一位置的頻譜訊號進行訓練操作，並根據訓練操作的結果來計算狹窄百分比。
在本發明的一實施例中，上述伺服器接收病患身體的血管造影(Angiography)資訊並根據血管造影資訊判斷真實狹窄百分比，機器學習模組根據真實狹窄百分比訓練多個參數以校正狹窄百分比。
在本發明的一實施例中，上述麥克風耦接到感測裝置的密閉空間。
在本發明的一實施例中，上述機器學習模組根據多個參數來計算狹窄百分比，參數包括年齡資訊、性別資訊、血壓資訊、左手或右手、病人歷史資料及伺服器的大數據資料的至少其中之一。
本發明提出一種動靜脈瘻管狹窄偵測方法，包括：藉由感測裝置接觸病患身體的第一位置，其中第一位置與病患身體的動靜脈瘻管的第二位置之間具有第一距離，且第一位置位於對應動靜脈瘻管的動脈或靜脈的延伸路徑上；藉由感測裝置透過麥克風接收頻譜訊號並傳送頻譜訊號到伺服器；以及藉由伺服器透過機器學習模組來計算對應頻譜訊號的動靜脈瘻管的狹窄百分比，並傳送狹窄百分比到感測裝置。
在本發明的一實施例中，上述機器學習模組利用對應多個不同的第一位置的頻譜訊號進行訓練操作，並根據訓練操作的結果來計算狹窄百分比。
在本發明的一實施例中，上述伺服器接收病患身體的血管造影資訊並根據血管造影資訊判斷真實狹窄百分比，機器學習模組根據真實狹窄百分比訓練多個參數以校正狹窄百分比。
在本發明的一實施例中，上述麥克風耦接到感測裝置的密閉空間。
在本發明的一實施例中，上述機器學習模組根據多個參數來計算狹窄百分比，參數包括年齡資訊、性別資訊、血壓資訊、左手或右手、病人歷史資料及伺服器的大數據資料的至少其中之一。
本發明提出一種感測裝置，耦接到伺服器。感測裝置包括麥克風。感測裝置接觸病患身體的第一位置，其中第一位置與病患身體的動靜脈瘻管的第二位置之間具有第一距離，且第一位置位於對應動靜脈瘻管的動脈或靜脈的延伸路徑上。感測裝置透過麥克風接收頻譜訊號並傳送頻譜訊號到伺服器。伺服器透過機器學習模組來計算對應頻譜訊號的動靜脈瘻管的狹窄百分比，並傳送狹窄百分比到感測裝置。
基於上述，本發明的動靜脈瘻管狹窄偵測系統及其方法及感測裝置透過將感測裝置接觸對應動靜脈瘻管的動脈或靜脈的延伸路徑上的任何位置來接收頻譜訊號並將頻譜訊號船送到伺服器。伺服器計算對應頻譜訊號的動靜脈瘻管的狹窄百分比並傳送狹窄百分比到感測裝置。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
圖1為根據本發明一實施例的動靜脈瘻管狹窄偵測系統的方塊圖。
請參照圖1，本發明一實施例的動靜脈瘻管狹窄偵測系統100包括感測裝置110、行動裝置120及伺服器130。感測裝置110從病患身體105取得生理資料並將生理資料透過例如WiFi或藍芽等無線通訊協定傳輸到行動裝置120。行動裝置120透過例如4G或5G等無線通訊協定將生理資料透過無線網路140傳輸到伺服器130。伺服器130可透過機器學習模組來分析生理資料並將分析結果回傳到行動裝置120顯示。此外，伺服器130還可將分析結果透過無線網路140傳輸到醫療組織150來進行病人病情的管理。
雖然在本實施例中說明了感測裝置110透過行動裝置120與伺服器130溝通，但本發明不限於此。在另一實施例中，多個感測裝置110也可形成一個物聯網(Internet of things，IOT)網路，並透過物聯網網路直接與伺服器130溝通。感測裝置110可直接將生理資料傳輸到伺服器130並從伺服器130獲得分析結果顯示在感測裝置110上。
圖2A為根據本發明一實施例的手術前的動脈及靜脈的示意圖。圖2B為根據本發明一實施例的手術後的動脈、靜脈及動靜脈瘻管的示意圖。
請參照圖2A及圖2B，圖2A顯示了在手術前病患身體105的動脈201及靜脈202。圖2B顯示了在手術後病患身體105的動脈201、靜脈202及連接動脈201與靜脈202的動靜脈瘻管203。在本實施例中，動靜脈瘻管203位於病患身體105的手臂，但本發明不限於此。在另一實施例中，動靜脈瘻管203也可位於病患身體105的任何部位。
圖3A為根據本發明一實施例的感測裝置的示意圖。圖3B為根據本發明一實施例的感測裝置的方塊圖。圖4A為根據本發明一實施例的無狹窄狀況的動靜脈瘻管的頻譜訊號。圖4B為根據本發明一實施例的嚴重狹窄狀況的動靜脈瘻管的頻譜訊號。
請參照圖3A，本發明一實施例的感測裝置110可包括第一部分111、第二部分112及第三部分113。第一部分111可包括麥克風114及軟襯墊環115。透過第一部分111可構造可讓感測裝置110舒適地接觸病人的皮膚。第二部分112可包括電路結構。第三部分113可包括顯示器116、電源發光二極體117、傳輸發光二極體118及充電埠119。顯示器116可顯示動靜脈瘻管是否狹窄的分析結果，例如狹窄百分比。值得注意的是，麥克風114還可耦接到第二部分112的密閉空間，以減少取得生理資料時產生的雜訊。麥克風114可包括音訊換能器(audio transducer)並獲取由病患身體105反射的生理資料。同樣地，當軟襯墊環115貼緊病人皮膚時，第一部分111與病人皮膚也形成密閉空間，使得麥克風114取得生理資料時雜訊減少。軟襯墊環115可包括不含化學材料的發泡棉材質。電源發光二極體117可根據感測裝置110正在運作與否具有不同的發光模式。傳輸發光二極體118可在傳輸與沒在傳輸時具有不同的發光模式。充電埠119例如可相容於至少一種通用序列匯流排(Universal Serial Bus，USB)充電規格。
請參照圖3B，本發明一實施例的感測裝置110包括處理器310及耦接到處理器310的感測器320、通訊晶片330、顯示器340、電池350及輸入輸出元件360。感測器320例如是由第一部分111的麥克風114及軟襯墊環115構成的感測頭。感測器320還可包括一個開始鍵(未繪示於圖中)。當病患點擊開始鍵時，感測器320會開始測量生理資料並在例如五到十秒之後自動停止測量。
請同時參照圖1、圖2B及圖3A。在一實施例中，感測裝置110接觸病患身體105的第一位置210，其中第一位置210與病患身體105的動靜脈瘻管203的第二位置220之間具有第一距離D，且第一位置210位於對應動靜脈瘻管203的動脈201或靜脈202的延伸路徑上。感測裝置110透過麥克風114接收頻譜訊號並傳送頻譜訊號到伺服器130。伺服器130透過機器學習模組來計算對應頻譜訊號的動靜脈瘻管203的狹窄百分比，並傳送狹窄百分比到感測裝置110。透過機器學習模組，伺服器130可從正常AVF的頻譜訊號，例如圖4A的頻譜訊號，判斷出動靜脈瘻管203在正常狀態，例如狹窄百分比等於0%。另一方面，伺服器130也可從嚴重狹窄的AVF的頻譜訊號，例如圖4B的頻譜訊號，判斷出動靜脈瘻管203在狹窄狀態，例如狹窄百分比等於80%。
在一實施例中，機器學習模組利用對應多個不同的麥克風114與病患身體105的接觸位置的頻譜訊號進行訓練操作，並根據訓練操作的結果來計算狹窄百分比。具體來說，頻譜訊號是對應聲音訊號。聲音訊號在血管內具有共振的特性。即使麥克風114與病患身體105的接觸位置不是在動靜脈瘻管203上，只要病患將麥克風114擺放在對應動靜脈瘻管203的動脈201或靜脈202的延伸路徑上，麥克風114都能感測到對應動靜脈瘻管203的頻譜訊號。將對應不同麥克風114位置的頻譜訊號輸入機器學習模組，也可獲得動靜脈瘻管203的狹窄百分比的精確預測結果。
在一實施例中，伺服器130接收病患身體105的血管造影資訊並根據血管造影資訊判斷真實狹窄百分比，機器學習模組根據真實狹窄百分比訓練多個參數以校正狹窄百分比。如此一來，伺服器130可利用病患身體105的準確資料去校正機器學習模組可預測結果，並提供機器學習模組對病患的狹窄百分比作出更精確的預設。
圖5A為根據本發明一實施例的動靜脈瘻管手術後頻譜能量示意圖。圖5B為根據本發明一實施例的動靜脈瘻管手術前頻譜能量示意圖。
請參照圖5A及圖5B，在圖5A及圖5B中，橫軸代表頻率且其單位為赫茲(Hz)，縱軸代表能量且其單位為dB。從圖5B明顯可見動靜脈瘻管手術前具有高頻能量，而從圖5A明顯可見動靜脈瘻管手術後並沒有高頻能量。
圖6為根據本發明一實施例的機器學習的流程圖。
請參照圖6，在步驟S601中，存取資料。具體來說，感測裝置110可從病患身體105獲得生理資料，生理資料例如是頻譜訊號。
在步驟S602中，對資料進行前處理。具體來說，伺服器130可從感測裝置110接收頻譜資料，並將原始數據(raw data)的頻譜資料轉換成利於進行機器學習的資料格式。
在步驟S603中，發展機器學習模組。具體來說，在機器學習模組中可先取得多個影響參數，例如年齡資訊、性別資訊、血壓資訊、左手或右手、病人歷史資料及伺服器130的大數據資料等的至少其中之一。接著，機器學習模組再對轉換格式之後的頻譜資料進行特徵擷取、參數最佳化及交叉比對等操作。
在步驟S604中，顯示狹窄百分比預測結果。具體來說，在建立機器學習模組之後，伺服器130只要接收到一筆頻譜資料就能產生對應的狹窄百分比。伺服器130可以發出一個對應狹窄百分比的通知，以將狹窄百分比以電子郵件、訊息、視覺化方式顯示在行動裝置120及/或感測裝置110上。
綜上所述，本發明的動靜脈瘻管狹窄偵測系統及其方法及感測裝置透過將感測裝置接觸對應動靜脈瘻管的動脈或靜脈的延伸路徑上的任何位置來接收頻譜訊號並將頻譜訊號船送到伺服器。伺服器計算對應頻譜訊號的動靜脈瘻管的狹窄百分比並傳送狹窄百分比到感測裝置。機器學習模組還會根據感測裝置接觸病患身體不同位置德到的頻譜訊號進行一訓練操作，並根據訓練操作的結果來計算狹窄百分比。此外，伺服器還可接收病患身體的血管造影資訊並根據血管造影資訊判斷真實狹窄百分比，讓機器學習模組根據真實狹窄百分比訓練多個參數以校正狹窄百分比。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
105‧‧‧病患身體
110‧‧‧感測裝置
111‧‧‧第一部分
112‧‧‧第二部分
113‧‧‧第三部分
114‧‧‧麥克風
115‧‧‧軟襯墊環
116‧‧‧顯示器
117‧‧‧電源發光二極體
118‧‧‧傳輸發光二極體
119‧‧‧充電埠
120‧‧‧行動裝置
130‧‧‧伺服器
140‧‧‧無線網路
150‧‧‧醫療組織
201‧‧‧動脈
202‧‧‧靜脈
203‧‧‧動靜脈瘻管
210‧‧‧第一位置
220‧‧‧第二位置
D‧‧‧距離
310‧‧‧處理器
320‧‧‧感測器
330‧‧‧通訊晶片
340‧‧‧顯示器
350‧‧‧電池
360‧‧‧輸入輸出元件
S601~S604‧‧‧機器學習的流程的步驟
圖1為根據本發明一實施例的動靜脈瘻管狹窄偵測系統的方塊圖。
圖2A為根據本發明一實施例的手術前的動脈及靜脈的示意圖。
圖2B為根據本發明一實施例的手術後的動脈、靜脈及動靜脈瘻管的示意圖。
圖3A為根據本發明一實施例的感測裝置的示意圖。
圖3B為根據本發明一實施例的感測裝置的方塊圖。
圖4A為根據本發明一實施例的無狹窄狀況的動靜脈瘻管的頻譜訊號。
圖4B為根據本發明一實施例的嚴重狹窄狀況的動靜脈瘻管的頻譜訊號。
圖5A為根據本發明一實施例的動靜脈瘻管手術後頻譜能量示意圖。
圖5B為根據本發明一實施例的動靜脈瘻管手術前頻譜能量示意圖。
圖6為根據本發明一實施例的機器學習的流程圖。
Claims (11)
- 一種動靜脈瘻管(Arteriovenous Fistula，AVF)狹窄偵測系統，包括： 一感測裝置，包括一麥克風；以及 一伺服器，耦接到該感測裝置，其中 該感測裝置接觸一病患身體的一第一位置，其中該第一位置與該病患身體的一動靜脈瘻管的一第二位置之間具有一第一距離，且該第一位置位於對應該動靜脈瘻管的一動脈或一靜脈的一延伸路徑上， 該感測裝置透過該麥克風接收一頻譜(frequency spectrum)訊號並傳送該頻譜訊號到該伺服器， 該伺服器透過一機器學習模組來計算對應該頻譜訊號的該動靜脈瘻管的一狹窄百分比，並傳送該狹窄百分比到該感測裝置。
- 如申請專利範圍第1項所述的動靜脈瘻管狹窄偵測系統，其中該機器學習模組利用對應多個不同的該第一位置的該頻譜訊號進行一訓練操作，並根據該訓練操作的結果來計算該狹窄百分比。
- 如申請專利範圍第1項所述的動靜脈瘻管狹窄偵測系統，其中該伺服器接收該病患身體的一血管造影(Angiography)資訊並根據該血管造影資訊判斷一真實狹窄百分比，該機器學習模組根據該真實狹窄百分比訓練多個參數以校正該狹窄百分比。
- 如申請專利範圍第1項所述的動靜脈瘻管狹窄偵測系統，其中該麥克風耦接到該感測裝置的一密閉空間。
- 如申請專利範圍第1項所述的動靜脈瘻管狹窄偵測系統，其中該機器學習模組根據多個參數來計算該狹窄百分比，該些參數包括一年齡資訊、一性別資訊、一血壓資訊、左手或右手、一病人歷史資料及該伺服器的一大數據資料的至少其中之一。
- 一種動靜脈瘻管狹窄偵測方法，包括： 藉由該感測裝置接觸一病患身體的一第一位置，其中該第一位置與該病患身體的一動靜脈瘻管的一第二位置之間具有一第一距離，且該第一位置位於對應該動靜脈瘻管的一動脈或一靜脈的一延伸路徑上； 藉由該感測裝置透過該麥克風接收一頻譜訊號並傳送該頻譜訊號到該伺服器；以及 藉由該伺服器透過一機器學習模組來計算對應該頻譜訊號的該動靜脈瘻管的一狹窄百分比，並傳送該狹窄百分比到該感測裝置。
- 如申請專利範圍第6項所述的動靜脈瘻管狹窄偵測方法，其中該機器學習模組利用對應多個不同的該第一位置的該頻譜訊號進行一訓練操作，並根據該訓練操作的結果來計算該狹窄百分比。
- 如申請專利範圍第6項所述的動靜脈瘻管狹窄偵測方法，其中該伺服器接收該病患身體的一血管造影資訊並根據該血管造影資訊判斷一真實狹窄百分比，該機器學習模組根據該真實狹窄百分比訓練多個參數以校正該狹窄百分比。
- 如申請專利範圍第6項所述的動靜脈瘻管狹窄偵測方法，其中該麥克風耦接到該感測裝置的一密閉空間。
- 如申請專利範圍第6項所述的動靜脈瘻管狹窄偵測方法，其中該機器學習模組根據多個參數來計算該狹窄百分比，該些參數包括一年齡資訊、一性別資訊、一血壓資訊、左手或右手、一病人歷史資料及該伺服器的一大數據資料的至少其中之一。
- 一種感測裝置，耦接到一伺服器，包括： 一麥克風，其中 該感測裝置接觸一病患身體的一第一位置，其中該第一位置與該病患身體的一動靜脈瘻管的一第二位置之間具有一第一距離，且該第一位置位於對應該動靜脈瘻管的一動脈或一靜脈的一延伸路徑上， 該感測裝置透過該麥克風接收一頻譜訊號並傳送該頻譜訊號到該伺服器， 該伺服器透過一機器學習模組來計算對應該頻譜訊號的該動靜脈瘻管的一狹窄百分比，並傳送該狹窄百分比到該感測裝置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862660944P | 2018-04-21 | 2018-04-21 | |
| US62/660,944 | 2018-04-21 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201943389A true TW201943389A (zh) | 2019-11-16 |
| TWI721395B TWI721395B (zh) | 2021-03-11 |
Family
ID=68237139
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108110917A TWI721395B (zh) | 2018-04-21 | 2019-03-28 | 動靜脈瘻管狹窄偵測系統及其方法及感測裝置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11937901B2 (zh) |
| TW (1) | TWI721395B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7381301B2 (ja) * | 2019-11-14 | 2023-11-15 | 日本光電工業株式会社 | 学習済みモデルの生成方法、学習済みモデルの生成システム、推論装置、およびコンピュータプログラム |
| CN112998754B (zh) * | 2021-02-20 | 2022-07-19 | 苏州大学 | 无创血流量检测方法、检测系统及检测设备 |
| CN112998743A (zh) * | 2021-02-20 | 2021-06-22 | 苏州大学 | 内瘘狭窄程度评估方法、评估系统及可穿戴式医疗设备 |
| TWI809487B (zh) * | 2021-08-27 | 2023-07-21 | 優達生醫科技股份有限公司 | 以快速傅立葉轉換頻譜峰值比例評估廔管通路狀態之系統及方法 |
| CN115845171A (zh) * | 2022-11-29 | 2023-03-28 | 东南大学 | 一种柔性动静脉内瘘监测预警手环及方法 |
| CN116807509A (zh) * | 2023-06-29 | 2023-09-29 | 苏州盈迪信康科技股份有限公司 | 一种基于血管音的血管通路狭窄检测系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7520860B2 (en) * | 2005-04-13 | 2009-04-21 | Marie G. Johnson | Detection of coronary artery disease using an electronic stethoscope |
| US20150366530A1 (en) * | 2014-06-24 | 2015-12-24 | Mediatek Inc. | Device, computing device and method for detecting fistula stenosis |
| US9785748B2 (en) * | 2015-07-14 | 2017-10-10 | Heartflow, Inc. | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk |
| JP6679709B2 (ja) * | 2015-07-17 | 2020-04-15 | ハートフロー， インコーポレイテッド | 造影剤分布予測及び測定を使用してプラーク及び／または狭窄性病変の重症度を評価するシステム及び方法 |
| TWI618054B (zh) * | 2016-05-12 | 2018-03-11 | 國立成功大學醫學院附設醫院 | 可藉音頻技術獲得瘻管窄化程度之程式產品以及儲存有所述程式產品之電腦可讀取媒體 |
-
2019
- 2019-03-28 TW TW108110917A patent/TWI721395B/zh active
- 2019-04-19 US US16/388,888 patent/US11937901B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US11937901B2 (en) | 2024-03-26 |
| TWI721395B (zh) | 2021-03-11 |
| US20190320912A1 (en) | 2019-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI721395B (zh) | 動靜脈瘻管狹窄偵測系統及其方法及感測裝置 | |
| US12414703B2 (en) | Medical device system for remote monitoring and inspection | |
| US11918323B2 (en) | System and method for obtaining bodily function measurements using a mobile device | |
| US10314489B2 (en) | Wearable health monitoring system | |
| US20140051940A1 (en) | Obtaining physiological measurements using ear-located sensors | |
| US20140051939A1 (en) | Obtaining physiological measurements using ear-located sensors | |
| US20200315544A1 (en) | Sound interference assessment in a diagnostic hearing health system and method for use | |
| KR20080069851A (ko) | 생체 신호 측정 센서 장치 및 상기 센서 장치를 구비한헤드셋 장치 및 팬던트 장치 | |
| US20160051150A1 (en) | Method and apparatus for measuring blood pressure using an acoustic signal | |
| US20250127409A1 (en) | Apparatus for automated blood pressure monitoring using ultrasound and methods thereof | |
| JP2019022642A (ja) | 電子機器、サーバ、データ構造、体調管理方法及び体調管理プログラム | |
| CN108185988A (zh) | 基于酒店的智能枕头的健康检测方法及智能枕头 | |
| US20200121189A1 (en) | Virtual stethoscope and otoscope | |
| EP3662821A1 (en) | Device for use in measuring blood pressure | |
| US20260013739A1 (en) | System and Method for Leak Correction and Normalization of In-Ear Pressure Measurement for Hemodynamic Monitoring | |
| US20250000366A1 (en) | Apparatus for automated blood pressure monitoring and methods thereof | |
| JP2017060624A (ja) | シャント血管検知装置 | |
| KR20210047041A (ko) | 다중 디바이스 간의 생리적 데이터 통합 및 도시화 장치 및 그 방법 | |
| US20230080356A1 (en) | Telehealth and medical iot communication and alerts | |
| US11005575B2 (en) | Wireless sensors in medical environments | |
| WO2019213874A1 (zh) | 一种血氧饱和度的检测方法及装置、智能可穿戴设备 | |
| CN113080842A (zh) | 一种头戴式视力检测设备、视力检测方法及电子设备 | |
| US20220240793A1 (en) | Detection system, detection method and sensing device for detecting stenosis of carotid artery | |
| CN112426577B (zh) | 动静脉内瘘监测方法及穿戴式监测装置 | |
| JP2016043093A (ja) | 超音波血圧計測装置および血圧計測方法 |