Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020193116 - METHOD FOR CLASSIFYING A POLYSOMNOGRAPHY RECORDING INTO DEFINED SLEEP STAGES

Note: Text based on automatic Optical Character Recognition processes. Please use the PDF version for legal matters

[ DE ]

Patentansprüche

1. Verfahren zur Klassifizierung einer Polysomnographie-Aufnahme in definierte

Schlafstadien,

umfassend die folgenden Schritte:

• Einteilung des Schlafs eines Menschen in verschiedene Schlafstadien, wobei die Schlafstadien anhand wenigstens eines Datentyps erster Art identifizierbar sind;

• Erfassung einer Vielzahl von Informationen zu Körperfunktionen über einen

vorgegebenen Zeitraum in Form von Daten, wobei die Daten wenigstens einen Datensatz des Datentyps erster Art umfassen;

• Unterteilung der erfassten Daten in zeitabhängige Datenblöcke;

• manuelles Auswählen einer begrenzten Anzahl von Trainingsdatenblöcken aus den Datenblöcken und Zuordnen zu einem Schlafstadium, wobei die Trainingsdatenblöcke so ausgewählt werden, dass die in dem Trainingsblock enthaltenen Daten jeweils eindeutig einem definierten Schlafstadium zugeordnet werden können;

• Auswertung des Datensatzes erster Art eines jeden Trainingsdatenblocks mittels eines Datenaufbereitungsverfahrens;

• Erstellung von Trainingsobjekten, wobei jedes Trainingsobjekt die mittels des Datenaufbereitungsverfahrens ausgewerteten Datensätze erster Art eines Trainingsdatenblocks und die Zuordnung des Trainingsdatenblocks zu einem Schlafstadium umfasst;

• Übermittlung der T rainingsobjekte an eine Support Vector Machine zur Erstellung einer Klassifizierung in der Support Vector Machine;

• Übermittlung wenigstens eines Teils der Datenblöcke, die nicht als

Trainingsdatenblöcke ausgewählt wurden, an die Support Vector Machine und automatische Einteilung dieser Datenblöcke in die bekannten Schlafstadien anhand der Daten des Datentyps erster Art der Datenblöcke.

2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass der Datensatz erster Art Daten folgender Körperfunktionen aufweist: Gehirnströme, Herzaktivität, Luftstrom der Atmung, Atemgeräusche, insbesondere Schnarchgeräusche, Augenbewegungsmuster, elektrische Muskelaktivität im Kinnbereich sowie am Unterschenkel.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass wenigstens eines der folgenden Messverfahren oder Messgeräte zur Ermittlung des Datensatzes erster Art eingesetzt wird: Elektroenzephalographie, Elektrokardiographie, Mikrophon,

Luftströmungsmesser.

4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Datensatz erster Art Daten einer Elektroenzephalographie, insbesondere C3/C4- Daten einer Elektroenzephalographie aufweist.

5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Datenaufbereitungsverfahren wenigstens eines der folgenden Verfahren umfasst: Kreuzfrequenzkopplungsmethode, Entropieverfahren, Leistungsspektralanalyse und Bestimmung der Herzfrequenzvariabilität, wenn der Datensatz erster Art Daten zur Herzfunktion umfasst.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Kreuzfrequenzkopplungsmethode ein Phase-zu-Amplitude-Verfahren umfasst.

7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die erfassten Daten in ein vordefiniertes Zeitintervall unterteilt werden, wobei

insbesondere das Zeitintervall im Bereich von 15 Sekunden bis 5 Minuten liegt, vorzugsweise 30 Sekunden beträgt.

8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für jedes definierte Schlafstadium zwei bis sechs, vorzugsweise vier Trainingsdatenblöcke ausgewählt werden.

9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Support Vector Machine einen Algorithmus aufweist, welcher eine nicht lineare Basis- Kernel-Funktion nutzt.

10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Daten zu den Körperfunktionen in einem Schlaflabor erfasst werden, wobei vorzugsweise die Daten zu den Körperfunktionen in der zweiten Nacht im Schlaflabor erfasst werden.

1 1. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass die Daten zu den Körperfunktionen in häuslicher Umgebung erfasst werden.

12. Verfahren nach einem der vorhergehenden Schritte, dadurch gekennzeichnet, dass der Datensatz des Datentyps erster Art aus den Daten einer Elektroenzephalographie,

insbesondere aus C3/C4-Daten einer Elektroenzephalographie besteht und dass die Auswertung des Datensatzes erster Art eines jeden Trainingsdatenblocks mittels einer Kreuzfrequenzkopplungsmethode mit einem Phase-zu-Amplitude-Verfahren erfolgt.

13. Verfahren nach einem der Ansprüche 1 bis 1 1 , dadurch gekennzeichnet, dass der

Datensatz des Datentyps erster Art aus den Daten einer Elektroenzephalographie, insbesondere aus C3/C4-Daten einer Elektroenzephalographie besteht und dass die Auswertung des Datensatzes erster Art eines jeden Trainingsdatenblocks mittels einer Leistungsspektralanalyse erfolgt.

14. Verfahren nach einem der Ansprüche 1 bis 1 1 , dadurch gekennzeichnet, dass der

Datensatz des Datentyps erster Art aus wenigstens einem der folgenden Datentypen besteht: Daten einer Elektroenzephalographie insbesondere aus C3/C4-Daten einer Elektroenzephalographie, Atemfluss, Schnarchgeräusche und dass die Auswertung des Datensatzes erster Art eines jeden Trainingsdatenblocks mittels eines Entropie- Verfahrens erfolgt.

15. Verfahren nach einem der Ansprüche 1 bis 1 1 , dadurch gekennzeichnet, dass der

Datensatz des Datentyps erster Art aus den Daten einer Elektrokardiographie besteht und das Datenaufbereitungsverfahren ein Verfahren umfasst, um die Herzfrequenzvariabilität festzulegen.