A clinical evaluation system and associated method for non-invasive assessment of pulmonary capillary wedge pressure in a subject. that utilize one or more biophysical signals acquired non-invasively from a subject to derive features or parameters that are processed by a computational model or classifier, including a machine-learned classifier. The model is configured to estimate metrics associated with the physiological state of the subject, including an estimated PCWP or the presence or absence of elevated PCWP, which serves as an indicator of elevated left ventricular filling pressure and may be used to assess disease states such as heart failure with or without preserved ejection fraction. In this manner, the disclosed system enables non-invasive estimation of PCWP, thereby providing clinically relevant information regarding LV filling pressures without requiring invasive catheter-based measurement.
A clinical evaluation system and associated method for non-invasive assessment of pulmonary capillary wedge pressure in a subject. that utilize one or more biophysical signals acquired non-invasively from a subject to derive features or parameters that are processed by a computational model or classifier, including a machine-learned classifier. The model is configured to estimate metrics associated with the physiological state of the subject, including an estimated PCWP or the presence or absence of elevated PCWP, which serves as an indicator of elevated left ventricular filling pressure and may be used to assess disease states such as heart failure with or without preserved ejection fraction. In this manner, the disclosed system enables non-invasive estimation of PCWP, thereby providing clinically relevant information regarding LV filling pressures without requiring invasive catheter-based measurement.
A61B 5/021 - Mesure de la pression dans le cœur ou dans les vaisseaux sanguins
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
3.
METHOD AND SYSTEM FOR SIGNAL QUALITY ASSESSMENT AND REJECTION USING HEART CYCLE VARIABILITY
The exemplified methods and systems facilitate the quantification of cardiac cycle-variability as a metric of signal quality of an acquired signal data set and the rejection, based on that quantification, of said acquired signal data set from one or more subsequent analyses that can predict and/or estimate a metric associated with the presence, non-presence, severity, and/or localization of abnormal cardiovascular conditions or disease, including, for example, but not limited to, coronary artery disease, abnormal left ventricular end-diastolic pressure disease (LVEDP), pulmonary hypertension and subcategories thereof, heart failure (HF), among others as discussed herein. The quantification of levels of cycle-variability assessed noise such as skeletal-muscle-related-signal contamination and muscle-artifact-noise contamination, and other asynchronous-noise contamination in an acquired signal can be subsequently used for the automated rejection of such asynchronous noise from measurements of biophysical signals.
A clinical evaluation system and method are disclosed that facilitate the use of one or more morphologic atrial depolarization waveform-based features or parameters determined from biophysical signals such as cardiac or biopotential signals that are acquired, in preferred embodiments, non-invasively from surface sensors placed on a patient while the patient is at rest. Morphologic atrial depolarization waveform-based features or parameters can be used in a model or classifier to estimate metrics associated with the physiological state of a patient, including the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A clinical evaluation system and method are disclosed that facilitate the use of features or parameters extracted from biophysical signals in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of elevated left ventricular end-diastolic pressure (elevated LVEDP), as an example indicator of a disease medical condition that could be assessed by using the system and method described herein.
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, or treatment, of one or more cycle variability based features or parameters determined from biophysical signals such as cardiac or photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/021 - Mesure de la pression dans le cœur ou dans les vaisseaux sanguins
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
7.
DISCOVERING NOVEL FEATURES TO USE IN MACHINE LEARNING TECHNIQUES, SUCH AS MACHINE LEARNING TECHNIQUES FOR DIAGNOSING MEDICAL CONDITIONS
A facility providing systems and methods for discovering novel features to use in machine learning techniques. The facility receives, for a number of subjects, one or more sets of data representative of some output or condition of the subject over a period of time or capturing some physical aspect of the subject. The facility then extracts or computes values from the data and applies one or more feature generators to the extracted values. Based on the outputs of the feature generators, the facility identifies novel feature generators for use in at least one machine learning process and further mutates the novel feature generators, which can then be applied to the received data to identify additional novel feature generators.
G16B 40/00 - TIC spécialement adaptées aux biostatistiquesTIC spécialement adaptées à l’apprentissage automatique ou à l’exploration de données liées à la bio-informatique, p. ex. extraction de connaissances ou détection de motifs
G16Z 99/00 - Matière non prévue dans les autres groupes principaux de la présente sous-classe
8.
NON-INVASIVE METHOD AND SYSTEM FOR MEASURING MYOCARDIAL ISCHEMIA, STENOSIS IDENTIFICATION, LOCALIZATION AND FRACTIONAL FLOW RESERVE ESTIMATION
The present disclosure facilitates the evaluation of wide-band phase gradient information of the heart tissue to assess, e.g., the presence of heart ischemic heart disease. Notably, the present disclosure provides an improved and efficient method to identify and risk stratify coronary stenosis of the heart using a high resolution and wide-band cardiac gradient obtained from the patient. The patient data are derived from the cardiac gradient waveforms across one or more leads, in some embodiments, resulting in high-dimensional data and long cardiac gradient records that exhibit complex nonlinear variability. Space-time analysis, via numeric wavelet operators, is used to study the morphology of the cardiac gradient data as a phase space dataset by extracting dynamical and geometrical properties from the phase space dataset.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
The present disclosure facilitates capture of biosignal such as biopotential signals in microvolts, or sub-microvolts, resolutions that are at, or significantly below, the noise-floor of conventional electrocardiographic and biosignal acquisition instruments. In some embodiments, the exemplified system disclosed herein facilitates the acquisition and recording of wide-band phase gradient signals (e.g., wide-band cardiac phase gradient signals, wide-band cerebral phase gradient signals) that are simultaneously sampled, in some embodiments, having a temporal skew less than about 1 μs, and in other embodiments, having a temporal skew not more than about 10 femtoseconds. Notably, the exemplified system minimizes non-linear distortions (e.g., those that can be introduced via certain filters) in the acquired wide-band phase gradient signal so as to not affect the information therein.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
A61B 5/301 - Circuits d’entrée à cet effet sans conduction électrique directe au patient, p. ex. en utilisant des transformateurs isolants ou des optocoupleurs
A61B 5/332 - Dispositifs portables spécialement adaptés à cet effet
The exemplified intrinsic phase space tomography methods and systems facilitate the analysis and evaluation of complex, quasi-periodic system by generating computed phase-space tomographic images as a representation of the dynamics of the quasi-periodic cardiac systems. The computed phase-space tomographic images can be presented to a physician to assist in the assessment of presence or non-presence of disease. In some embodiments, the phase space tomographic images are used as input to a trained neural network classifier configured to assess for presence or non-presence of significant coronary artery disease.
A61B 5/339 - Affichages spécialement adaptés à cet effet
G06T 3/4007 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement basé sur l’interpolation, p. ex. interpolation bilinéaire
The exemplified methods and systems facilitate the configuration and training of a neural network (e.g., a deep neural network, a convolutional neural network (CNN), etc.), or ensemble(s) thereof, with a biophysical signal data set to ascertain estimate for the presence or non-presence of disease or pathology in a subject as well as to assess and/or classify disease or pathology, including for example in some cases the severity of such disease or pathology, in a subject. In the context of the heart, the methods and systems described herein facilitate the configuration and training of a neural network, or ensemble(s) thereof, with a cardiac signal data set to ascertain estimate for the presence or non-presence of coronary artery disease or coronary pathology.
G06V 10/00 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G06F 18/21 - Conception ou mise en place de systèmes ou de techniquesExtraction de caractéristiques dans l'espace des caractéristiquesSéparation aveugle de sources
G06F 18/214 - Génération de motifs d'entraînementProcédés de Bootstrapping, p. ex. ”bagging” ou ”boosting”
The exemplified methods and systems provide a phase space volumetric object in which the dynamics of a complex, quasi-periodic system, such as the electrical conduction patterns of the heart, or other biophysical-acquired signals of other organs, are represented as an image of a three dimensional volume having both a volumetric structure (e.g., a three dimensional structure) and a color map to which features can be extracted that are indicative the presence and/or absence of pathologies, e.g., ischemia relating to significant coronary arterial disease (CAD). In some embodiments, the phase space volumetric object can be assessed to extract topographic and geometric parameters that are used in models that determine indications of presence or non-presence of significant coronary artery disease.
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/0265 - Mesure du débit sanguin utilisant des moyens électromagnétiques, p. ex. débitmètre électromagnétique
42 - Services scientifiques, technologiques et industriels, recherche et conception
44 - Services médicaux, services vétérinaires, soins d'hygiène et de beauté; services d'agriculture, d'horticulture et de sylviculture.
Produits et services
Provision of predictive testing services for third parties for medical research purposes; Providing a web site featuring temporary use of non-downloadable software for accessing, analyzing and displaying patient health data for use in the field of health care; Providing a web site featuring temporary use of non-downloadable software for accessing, analyzing and displaying patient data for use in the field of cardiology; Providing temporary use of on-line non-downloadable software and applications for accessing, analyzing and displaying patient health data for use in the field of health care; Providing temporary use of on-line non-downloadable software and applications for accessing, analyzing and displaying patient data for use in the field of cardiology. Medical testing services for diagnostic or treatment purposes marketed and sold to healthcare providers and insurers; Provision of predictive medical testing services for third-parties, for diagnostic and treatment purposes
14.
Method and system for visualization of heart tissue at risk
Exemplified methods and systems facilitate presentation of data derived from measurements of the heart in a non-invasive procedure (e.g., via phase space tomography analysis). In particular, the exemplified methods and systems facilitate presentation of such measurements in a graphical user interface, or “GUI” (e.g., associated with a healthcare provider web portal to be used by physicians, researchers, or patients, and etc.) and/or in a report for diagnosis of heart pathologies and disease. The presentation facilitates a unified and intuitive visualization that includes three-dimensional visualizations and two-dimensional visualizations that are concurrently presented within a single interactive interface and/or report.
A61B 5/01 - Mesure de la température de parties du corps
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 6/50 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations spécialement adaptés à des parties du corps spécifiquesAppareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations spécialement adaptés à des applications cliniques spécifiques
A61B 17/00 - Instruments, dispositifs ou procédés chirurgicaux
G06T 19/20 - Édition d'images tridimensionnelles [3D], p. ex. modification de formes ou de couleurs, alignement d'objets ou positionnements de parties
G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
G16H 30/00 - TIC spécialement adaptées au maniement ou au traitement d’images médicales
G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
G16H 40/63 - TIC spécialement adaptées à la gestion ou à l’administration de ressources ou d’établissements de santéTIC spécialement adaptées à la gestion ou au fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement local
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
H04M 1/247 - Appareils téléphoniques munis de moyens d’aide à l’utilisateur ou de moyens de sélection de fonction facilitant leur emploi
15.
Methods and systems to configure and use neural networks in characterizing physiological systems
The exemplified methods and systems facilitate the configuration and training of a neural network (e.g., a deep neural network, a convolutional neural network (CNN), etc.), or ensemble(s) thereof, with a biophysical signal data set to ascertain estimate for the presence or non-presence of disease or pathology in a subject as well as to assess and/or classify disease or pathology, including for example in some cases the severity of such disease or pathology, in a subject. In the context of the heart, the methods and systems described herein facilitate the configuration and training of a neural network, or ensemble(s) thereof, with a cardiac signal data set to ascertain estimate for the presence or non-presence of coronary artery disease or coronary pathology.
G06V 10/00 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G06F 18/21 - Conception ou mise en place de systèmes ou de techniquesExtraction de caractéristiques dans l'espace des caractéristiquesSéparation aveugle de sources
G06F 18/214 - Génération de motifs d'entraînementProcédés de Bootstrapping, p. ex. ”bagging” ou ”boosting”
An exemplary method is disclosed that can be used in the diagnosis of hypertrophic cardiomyopathy (HCM) using a biophysical-sensor system configured to non-invasively and concurrently acquire electrocardiographic signals, seismographic signals, photoplethysmographic, and/or phonocardiographic signals, collectively referred to herein as biophysical signals, from at least the thoracic region of a subject. The acquired biophysical signals may be assessed for one or more conditions or indicators of hypertrophic cardiomyopathy and concurrently with other cardiac diseases, conditions, or indicators of either.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
17.
MULTI-SENSOR MEMS SYSTEM AND MACHINE-LEARNED ANALYSIS METHOD FOR HYPERTROPHIC CARDIOMYOPATHY ESTIMATION
An exemplary method is disclosed that can be used in the diagnosis of hypertrophic cardiomyopathy (HCM) using a biophysical-sensor system configured to non-invasively and concurrently acquire electrocardiographic signals, seismographic signals, photoplethysmographic, and/or phonocardiographic signals, collectively referred to herein as biophysical signals, from at least the thoracic region of a subject. The acquired biophysical signals may be assessed for one or more conditions or indicators of hypertrophic cardiomyopathy and concurrently with other cardiac diseases, conditions, or indicators of either.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
18.
Method and system to assess pulmonary hypertension using phase space tomography and machine learning
Phase space tomography methods and systems to facilitate the analysis and evaluation of complex, quasi-periodic system by generating computed phase-space tomographic images and mathematical features as a representation of the dynamics of the quasi-periodic cardiac systems. The computed phase-space tomographic images can be presented to a physician to assist in the assessment of presence or non-presence of disease. In some implementations, the phase space tomographic images are used as input to a trained neural network classifier configured to assess for presence or non-presence of pulmonary hypertension, including pulmonary arterial hypertension.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/0536 - Imagerie par impédance, p. ex. par tomographie
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
G06T 3/4007 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement basé sur l’interpolation, p. ex. interpolation bilinéaire
The exemplified methods and systems (e.g., machine-learned systems) facilitate the use of respiration rate-related features, or parameters, in a model or classifier to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease, medical condition, or indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases, medical conditions, or indication of either or in the treatment of said diseases or indicating conditions. In some cases, such respiration rate-related features are generated from a synthetic respiration waveform that represents, and is used as a proxy to, the true respiration waveform. The synthetic respiration waveform may be used in its own independent diagnostic and/or control applications in some embodiments.
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, treatment, of one or more power spectral-based features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. The power spectral-based features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/021 - Mesure de la pression dans le cœur ou dans les vaisseaux sanguins
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
21.
METHODS AND SYSTEMS FOR ENGINEERING VISUAL FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
A clinical evaluation system and method are disclosed that facilitate the use of one or more visual features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired, in preferred embodiments, non-invasively from surface sensors placed on a patient while the patient is at rest. The visual features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/24 - Détection, mesure ou enregistrement de signaux bioélectriques ou biomagnétiques du corps ou de parties de celui-ci
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
22.
Methods and systems for engineering cardiac waveform features from biophysical signals for use in characterizing physiological systems
A clinical evaluation system and method are disclosed that facilitate the use of one or more morphologic atrial depolarization waveform-based features or parameters determined from biophysical signals such as cardiac or biopotential signals that are acquired, in preferred embodiments, non-invasively from surface sensors placed on a patient while the patient is at rest. Morphologic atrial depolarization waveform-based features or parameters can be used in a model or classifier to estimate metrics associated with the physiological state of a patient, including the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
The exemplified methods and systems facilitate the use for diagnostics, monitoring, treatment of one or more wavelet-based features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired non-invasively. The wavelet-based features or parameters can be used, in one embodiment, within a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease or abnormal condition. Wavelet-based features or parameters may include measures that are derived from extractable properties or geometric characteristics of a spectral image or data of high-power spectral contents or high-coherence in waveform signals of interest in an acquired biophysical signal. Wavelet-based features or parameters may also include measures that are derived from a statistical quantification of the distribution of the power of the high-power spectral contents in the waveform signals of interest.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
24.
Methods and systems for engineering conduction deviation features from biophysical signals for use in characterizing physiological systems
A clinical evaluation system and method are disclosed that facilitate the use of one or more conduction deviation features or parameters determined from biophysical signals such as cardiac or biopotentials signals. Conduction derivation features or parameters may include VD conduction derivation features or parameters and/or VD conduction derivation Poincaré features or parameters. The conduction derivation features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, a medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/349 - Détection de paramètres spécifiques du cycle de l'électrocardiogramme
G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
25.
Method to non-invasively assess elevated left ventricular end-diastolic pressure
A clinical evaluation system and method are disclosed that facilitate the use of features or parameters extracted from biophysical signals in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of elevated left ventricular end-diastolic pressure (elevated LVEDP), as an example indicator of a disease medical condition that could be assessed by using the system and method described herein.
The exemplified methods and systems facilitate the use for diagnostics, monitoring, treatment of one or more wavelet-based features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired non-invasively. The wavelet-based features or parameters can be used, in one embodiment, within a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease or abnormal condition. Wavelet-based features or parameters may include measures that are derived from extractable properties or geometric characteristics of a spectral image or data of high-power spectral contents or high-coherence in waveform signals of interest in an acquired biophysical signal. Wavelet-based features or parameters may also include measures that are derived from a statistical quantification of the distribution of the power of the high-power spectral contents in the waveform signals of interest.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
27.
METHODS AND SYSTEMS FOR ENGINEERING PHOTOPLETHYSMOGRAPHIC-WAVEFORM FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, or treatment, of one or more PPG waveform-based features or parameters determined from biophysical signals such as photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. PPG waveform-based features or parameters may include PPG waveform features or parameters, VPG waveform features or parameters, and/or APG waveform features or parameters. The PPG waveform-based features or parameters can be used in a model or classifier to estimate metrics associated with the physiological state of a patient, including the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
28.
METHODS AND SYSTEMS FOR ENGINEERING VISUAL FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
A clinical evaluation system and method are disclosed that facilitate the use of one or more visual features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired, in preferred embodiments, non-invasively from surface sensors placed on a patient while the patient is at rest. The visual features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
29.
METHODS AND SYSTEMS FOR ENGINEERING PHOTOPLETHYSMOGRAPHIC-WAVEFORM FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, or treatment, of one or more PPG waveform-based features or parameters determined from biophysical signals such as photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. PPG waveform-based features or parameters may include PPG waveform features or parameters, VPG waveform features or parameters, and/or APG waveform features or parameters. The PPG waveform-based features or parameters can be used in a model or classifier to estimate metrics associated with the physiological state of a patient, including the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
30.
METHODS AND SYSTEMS FOR ENGINEERING CARDIAC WAVEFORM FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
A clinical evaluation system and method are disclosed that facilitate the use of one or more morphologic atrial depolarization waveform-based features or parameters determined from biophysical signals such as cardiac or biopotential signals that are acquired, in preferred embodiments, non-invasively from surface sensors placed on a patient while the patient is at rest. Morphologic atrial depolarization waveform-based features or parameters can be used in a model or classifier to estimate metrics associated with the physiological state of a patient, including the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
31.
METHODS AND SYSTEMS FOR ENGINEERING CONDUCTION DEVIATION FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
A clinical evaluation system and method are disclosed that facilitate the use of one or more conduction deviation features or parameters determined from biophysical signals such as cardiac or biopotentials signals. Conduction derivation features or parameters may include VD conduction derivation features or parameters and/or VD conduction derivation Poincaré features or parameters. The conduction derivation features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, a medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
32.
METHOD AND SYSTEM TO NON-INVASIVELY ASSESS ELEVATED LEFT VENTRICULAR END-DIASTOLIC PRESSURE
A clinical evaluation system and method are disclosed that facilitate the use of features or parameters extracted from biophysical signals in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of elevated left ventricular end-diastolic pressure (elevated LVEDP), as an example indicator of a disease medical condition that could be assessed by using the system and method described herein.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
33.
METHODS AND SYSTEMS FOR ENGINEERING RESPIRATION RATE-RELATED FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems (e.g., machine-learned systems) facilitate the use of respiration rate-related features, or parameters, in a model or classifier to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease, medical condition, or indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases, medical conditions, or indication of either or in the treatment of said diseases or indicating conditions. In some cases, such respiration rate-related features are generated from a synthetic respiration waveform that represents, and is used as a proxy to, the true respiration waveform. The synthetic respiration waveform may be used in its own independent diagnostic and/or control applications in some embodiments.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/08 - Dispositifs de mesure pour examiner les organes respiratoires
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
34.
METHODS AND SYSTEMS FOR ENGINEERING VISUAL FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
A clinical evaluation system and method are disclosed that facilitate the use of one or more visual features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired, in preferred embodiments, non-invasively from surface sensors placed on a patient while the patient is at rest. The visual features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
35.
METHOD AND SYSTEM TO NON-INVASIVELY ASSESS ELEVATED LEFT VENTRICULAR END-DIASTOLIC PRESSURE
A clinical evaluation system and method are disclosed that facilitate the use of features or parameters extracted from biophysical signals in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of elevated left ventricular end-diastolic pressure (elevated LVEDP), as an example indicator of a disease medical condition that could be assessed by using the system and method described herein.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
36.
METHODS AND SYSTEMS FOR ENGINEERING CARDIAC WAVEFORM FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
A clinical evaluation system and method are disclosed that facilitate the use of one or more morphologic atrial depolarization waveform-based features or parameters determined from biophysical signals such as cardiac or biopotential signals that are acquired, in preferred embodiments, non-invasively from surface sensors placed on a patient while the patient is at rest. Morphologic atrial depolarization waveform-based features or parameters can be used in a model or classifier to estimate metrics associated with the physiological state of a patient, including the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
37.
METHODS AND SYSTEMS FOR ENGINEERING CONDUCTION DEVIATION FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
A clinical evaluation system and method are disclosed that facilitate the use of one or more conduction deviation features or parameters determined from biophysical signals such as cardiac or biopotentials signals. Conduction derivation features or parameters may include VD conduction derivation features or parameters and/or VD conduction derivation Poincaré features or parameters. The conduction derivation features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, a medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
38.
METHODS AND SYSTEMS FOR ENGINEERING POWER SPECTRAL FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, treatment, of one or more power spectral-based features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. The power spectral-based features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
39.
METHODS AND SYSTEMS FOR ENGINEERING POWER SPECTRAL FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, treatment, of one or more power spectral-based features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. The power spectral-based features or parameters can be used in a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a patient, including for the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
40.
METHODS AND SYSTEMS FOR ENGINEERING RESPIRATION RATE-RELATED FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems (e.g., machine-learned systems) facilitate the use of respiration rate-related features, or parameters, in a model or classifier to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease, medical condition, or indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases, medical conditions, or indication of either or in the treatment of said diseases or indicating conditions. In some cases, such respiration rate-related features are generated from a synthetic respiration waveform that represents, and is used as a proxy to, the true respiration waveform. The synthetic respiration waveform may be used in its own independent diagnostic and/or control applications in some embodiments.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/08 - Dispositifs de mesure pour examiner les organes respiratoires
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
41.
METHODS AND SYSTEMS FOR ENGINEERING WAVELET-BASED FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the use for diagnostics, monitoring, treatment of one or more wavelet-based features or parameters determined from biophysical signals such as cardiac/biopotential signals and/or photoplethysmography signals that are acquired non-invasively. The wavelet-based features or parameters can be used, in one embodiment, within a model or classifier (e.g., a machine-learned classifier) to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease or abnormal condition. Wavelet-based features or parameters may include measures that are derived from extractable properties or geometric characteristics of a spectral image or data of high-power spectral contents or high-coherence in waveform signals of interest in an acquired biophysical signal. Wavelet-based features or parameters may also include measures that are derived from a statistical quantification of the distribution of the power of the high-power spectral contents in the waveform signals of interest.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/11 - Mesure du mouvement du corps entier ou de parties de celui-ci, p. ex. tremblement de la tête ou des mains ou mobilité d'un membre
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
42.
MEDICAL EVALUATION SYSTEMS AND METHODS USING ADD-ON MODULES
A system is provided that receives a signal file that includes multiple biophysical signals obtained from a patient by a signal capture or recorder device. The biophysical signals are measured from one or more sensors or probes of the signal capture device. The system executes one or more add-on modules that is each configured to generate information relevant to the health of the patient. Such information may include a score that in some embodiments represents a probability that the patient has and/or will develop a particular medical condition. The information generated for a patient from the signal file for each add-on module are provided to a health care provider and may be used to assist the healthcare provider in diagnosing the patient with respect to one or more of the medical conditions.
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
43.
Methods and Systems for Engineering Photoplethysmographic-Waveform Features From Biophysical Signals for Use in Characterizing Physiological Systems
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, or treatment, of one or more PPG waveform-based features or parameters determined from biophysical signals such as photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. PPG waveform-based features or parameters may include PPG waveform features or parameters, VPG waveform features or parameters, and/or APG waveform features or parameters. The PPG waveform-based features or parameters can be used in a model or classifier to estimate metrics associated with the physiological state of a patient, including the presence or non-presence of a disease, medical condition, or an indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
44.
MEDICAL EVALUATION SYSTEMS AND METHODS USING ADD-ON MODULES
A system is provided that receives a signal file that includes multiple biophysical signals obtained from a patient by a signal capture or recorder device. The biophysical signals are measured from one or more sensors or probes of the signal capture device. The system executes one or more add-on modules that is each configured to generate information relevant to the health of the patient. Such information may include a score that in some embodiments represents a probability that the patient has and/or will develop a particular medical condition. The information generated for a patient from the signal file for each add-on module are provided to a health care provider and may be used to assist the healthcare provider in diagnosing the patient with respect to one or more of the medical conditions.
G16H 40/67 - TIC spécialement adaptées à la gestion ou à l’administration de ressources ou d’établissements de santéTIC spécialement adaptées à la gestion ou au fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement à distance
G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
45.
MEDICAL EVALUATION SYSTEMS AND METHODS USING ADD-ON MODULES
A system is provided that receives a signal file that includes multiple biophysical signals obtained from a patient by a signal capture or recorder device. The biophysical signals are measured from one or more sensors or probes of the signal capture device. The system executes one or more add-on modules that is each configured to generate information relevant to the health of the patient. Such information may include a score that in some embodiments represents a probability that the patient has and/or will develop a particular medical condition. The information generated for a patient from the signal file for each add-on module are provided to a health care provider and may be used to assist the healthcare provider in diagnosing the patient with respect to one or more of the medical conditions.
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
The exemplified methods and systems facilitate one or more dynamical analyses that can characterize and identify synchronicity between acquired cardiac signals and photoplethysmographic signals to predict/estimate presence, non-presence, localization, and/or severity of abnormal cardiovascular conditions or disease, including, for example, but not limited to, coronary artery disease, heart failure (including but not limited to indicators of disease or conduction such as abnormal left ventricular end-diastolic pressure disease), and pulmonary hypertension, among others. In some embodiments, statistical properties of the synchronicity between cardiac signals and photoplethysmographic signals are evaluated. In some embodiments, statistical properties of histogram of synchronicity between cardiac signals and photoplethysmographic signals are evaluated. In some embodiments, statistical and/or geometric properties of Poincaré map of synchronicity between cardiac signals and photoplethysmographic signals are evaluated.
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
A61B 5/021 - Mesure de la pression dans le cœur ou dans les vaisseaux sanguins
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/349 - Détection de paramètres spécifiques du cycle de l'électrocardiogramme
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
A61B 5/0205 - Évaluation simultanée de l'état cardio-vasculaire et de l'état d'autres parties du corps, p. ex. de l'état cardiaque et respiratoire
A61B 5/0245 - Mesure du pouls ou des pulsations cardiaques utilisant des capteurs engendrant des signaux électriques
47.
METHOD AND SYSTEM FOR ENGINEERING CYCLE VARIABILITY-RELATED FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, or treatment, of one or more cycle variability based features or parameters determined from biophysical signals such as cardiac or photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/24 - Détection, mesure ou enregistrement de signaux bioélectriques ou biomagnétiques du corps ou de parties de celui-ci
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
48.
METHOD AND SYSTEM FOR ENGINEERING CYCLE VARIABILITY-RELATED FEATURES FROM BIOPHYSICAL SIGNALS FOR USE IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, or treatment, of one or more cycle variability based features or parameters determined from biophysical signals such as cardiac or photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/24 - Détection, mesure ou enregistrement de signaux bioélectriques ou biomagnétiques du corps ou de parties de celui-ci
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
49.
Method and system for engineering cycle variability-related features from biophysical signals for use in characterizing physiological systems
The exemplified methods and systems facilitate the use, for diagnostics, monitoring, or treatment, of one or more cycle variability based features or parameters determined from biophysical signals such as cardiac or photoplethysmography signals that are acquired non-invasively from surface sensors placed on a patient while the patient is at rest. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases or conditions or in the treatment of said diseases or conditions.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/021 - Mesure de la pression dans le cœur ou dans les vaisseaux sanguins
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
50.
METHODS AND SYSTEMS TO QUANTIFY AND REMOVE ASYNCHRONOUS NOISE IN BIOPHYSICAL SIGNALS
The exemplified methods and systems described herein facilitate the quantification and/or removal of asynchronous noise, such as muscle artifact noise contamination, to more accurately assess complex nonlinear variabilities in quasi-periodic biophysical-signal systems such as those in acquired cardiac signals, brain signals, etc.
The present disclosure facilitates capture (e.g., bipolar capture) of differentially-acquired wide-band phase gradient signals (e.g., wide-band cardiac phase gradient signals, wide-band cerebral phase gradient signals) that are simultaneously sampled. Notably, the exemplified system minimizes non-linear distortions (e.g., those that can be introduced via certain filters such as phase distortions) in the acquired wide-band phase gradient signals so as to not affect the information therein that can non-deterministically affect analysis of the wide-band phase gradient signal in the phase space domain. Further, a shield drive circuit and shield-drive voltage plane may be used to facilitate low noise and low interference operation of the acquisition system.
The exemplified methods and systems provide a phase space volumetric object in which the dynamics of a complex, quasi-periodic system, such as the electrical conduction patterns of the heart, or other biophysical-acquired signals of other organs, are represented as an image of a three dimensional volume having both a volumetric structure (e.g., a three dimensional structure) and a color map to which features can be extracted that are indicative the presence and/or absence of pathologies, e.g., ischemia relating to significant coronary arterial disease (CAD). In some embodiments, the phase space volumetric object can be assessed to extract topographic and geometric parameters that are used in models that determine indications of presence or non-presence of significant coronary artery disease.
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/0265 - Mesure du débit sanguin utilisant des moyens électromagnétiques, p. ex. débitmètre électromagnétique
09 - Appareils et instruments scientifiques et électriques
10 - Appareils et instruments médicaux
42 - Services scientifiques, technologiques et industriels, recherche et conception
Produits et services
Downloadable and/or recorded computer software for
accessing, analyzing and displaying patient data for use in
the field of health care; downloadable and/or recorded
computer software for accessing, analyzing and displaying
patient data for use in the field of cardiology;
computer-based platforms embedded in a device or medical
apparatus for processing data representative of intrinsic
physiologic signals of a patient and for displaying data
related to such processed signals for use in assessing the
function and/or anatomical state of the patient's tissue or
the health state of the patient. Medical devices, apparatus and instruments, namely, signal
acquisition recorders for acquiring, processing and
transmitting intrinsic physiologic signals of a patient, in
particular, signals for use in assessing the function and/or
anatomical state of the patient's tissue or the health state
of the patient. Software as a service (SAAS) services featuring software for
accessing, analyzing and displaying patient health data for
use in the field of health care; software as a service
(SAAS) services featuring software for accessing, analyzing
and displaying patient data for use in the field of
cardiology; software as a service (SAAS) services featuring
software for the collection and processing of resting phase
biological signals through algorithms, machine-learning
technology, and modeling techniques for diagnostic and
predictive medical applications; providing a web site
featuring temporary use of non-downloadable software for
accessing, analyzing and displaying patient health data for
use in the field of health care (term considered too vague
by the International Bureau - Rule 13 (2) (b) of the
Regulations); providing a web site featuring temporary use
of non-downloadable software for accessing, analyzing and
displaying patient data for use in the field of cardiology
(term considered too vague by the International Bureau -
Rule 13 (2) (b) of the Regulations); providing temporary use
of on-line non-downloadable software and applications for
accessing, analyzing and displaying patient health data for
use in the field of health care; providing temporary use of
on- line non-downloadable software and applications for
accessing, analyzing and displaying patient data for use in
the field of cardiology.
54.
Method and system to assess disease using multi-sensor signals
The exemplified methods and systems (e.g., machine-learned systems) facilitate the acquisition of ballistocardiographic signals and the determination and use of ballistocardiographic signal related features, or parameters, in a model or classifier to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease, medical condition, or indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases, medical condition, or indication of either or in the treatment of said diseases or indicating conditions. In some embodiments, certain ballistocardiographic signals can also be used to remove motion artifacts from biophysical signals used for the estimation.
The exemplified methods and systems (e.g., machine-learned systems) facilitate the acquisition of ballistocardiographic signals and the determination and use of ballistocardiographic signal related features, or parameters, in a model or classifier to estimate metrics associated with the physiological state of a subject, including for the presence or non-presence of a disease, medical condition, or indication of either. The estimated metric may be used to assist a physician or other healthcare provider in diagnosing the presence or non-presence and/or severity and/or localization of diseases, medical condition, or indication of either or in the treatment of said diseases or indicating conditions. In some embodiments, certain ballistocardiographic signals can also be used to remove motion artifacts from biophysical signals used for the estimation.
A facility for identifying combinations of feature and machine learning algorithm parameters, where each combination can be combined with one or more machine learning algorithms to train a model, is disclosed. The facility evaluates each genome based on the ability of a model trained using that genome and a machine learning algorithm to produce accurate results when applied to a validation data set by, for example, generating a fitness or validation score for the trained model and the corresponding genome used to train the model. Genomes that produce fitness scores that exceed a fitness threshold are selected for mutation, mutated, and the process is repeated. These trained models can then be applied to new data to generate predictions for the underlying subject matter.
G16B 40/00 - TIC spécialement adaptées aux biostatistiquesTIC spécialement adaptées à l’apprentissage automatique ou à l’exploration de données liées à la bio-informatique, p. ex. extraction de connaissances ou détection de motifs
G16B 5/00 - TIC spécialement adaptées à la modélisation ou aux simulations dans la biologie des systèmes, p. ex. réseaux de régulation génétique, réseaux d’interaction entre protéines ou réseaux métaboliques
G06N 20/20 - Techniques d’ensemble en apprentissage automatique
G06N 3/12 - Agencements informatiques fondés sur des modèles biologiques utilisant des modèles génétiques
G06F 16/00 - Recherche d’informationsStructures de bases de données à cet effetStructures de systèmes de fichiers à cet effet
G01N 33/50 - Analyse chimique de matériau biologique, p. ex. de sang ou d'urineTest par des méthodes faisant intervenir la formation de liaisons biospécifiques par ligandsTest immunologique
57.
Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions
A facility providing systems and methods for discovering novel features to use in machine learning techniques. The facility receives, for a number of subjects, one or more sets of data representative of some output or condition of the subject over a period of time or capturing some physical aspect of the subject. The facility then extracts or computes values from the data and applies one or more feature generators to the extracted values. Based on the outputs of the feature generators, the facility identifies novel feature generators for use in at least one machine learning process and further mutates the novel feature generators, which can then be applied to the received data to identify additional novel feature generators.
G06N 99/00 - Matière non prévue dans les autres groupes de la présente sous-classe
G06F 16/56 - Recherche d’informationsStructures de bases de données à cet effetStructures de systèmes de fichiers à cet effet de données d’images fixes en format vectoriel
G06K 9/00 - Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
G06N 3/04 - Architecture, p. ex. topologie d'interconnexion
G06N 3/086 - Méthodes d'apprentissage en utilisant les algorithmes évolutionnaires, p. ex. les algorithmes génétiques ou la programmation génétique
G16B 40/00 - TIC spécialement adaptées aux biostatistiquesTIC spécialement adaptées à l’apprentissage automatique ou à l’exploration de données liées à la bio-informatique, p. ex. extraction de connaissances ou détection de motifs
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G06F 17/00 - Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
G16Z 99/00 - Matière non prévue dans les autres groupes principaux de la présente sous-classe
58.
Non-invasive method and system for measuring myocardial ischemia, stenosis identification, localization and fractional flow reserve estimation
The present disclosure facilitates the evaluation of wide-band phase gradient information of the heart tissue to assess, e.g., the presence of heart ischemic heart disease. Notably, the present disclosure provides an improved and efficient method to identify and risk stratify coronary stenosis of the heart using a high resolution and wide-band cardiac gradient obtained from the patient. The patient data are derived from the cardiac gradient waveforms across one or more leads, in some embodiments, resulting in high-dimensional data and long cardiac gradient records that exhibit complex nonlinear variability. Space-time analysis, via numeric wavelet operators, is used to study the morphology of the cardiac gradient data as a phase space dataset by extracting dynamical and geometrical properties from the phase space dataset.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
42 - Services scientifiques, technologiques et industriels, recherche et conception
Produits et services
(1) Providing temporary use of non-downloadable software for accessing, analyzing and displaying patient health information for use in the field of health care via a website; providing temporary use of non-downloadable software for accessing, analyzing and displaying patient information for use in the field of cardiology via a website; providing temporary use of online non-downloadable software and non-downloadable software applications for accessing, analyzing and displaying patient health information for use in the field of health care; providing temporary use of online non-downloadable software and non-downloadable software applications for accessing, analyzing and displaying patient information for use in the field of cardiology.
60.
Method and system for signal quality assessment and rejection using heart cycle variability
The exemplified methods and systems facilitate the quantification of cardiac cycle-variability as a metric of signal quality of an acquired signal data set and the rejection, based on that quantification, of said acquired signal data set from one or more subsequent analyses that can predict and/or estimate a metric associated with the presence, non-presence, severity, and/or localization of abnormal cardiovascular conditions or disease, including, for example, but not limited to, coronary artery disease, abnormal left ventricular end-diastolic pressure disease (LVEDP), pulmonary hypertension and subcategories thereof, heart failure (HF), among others as discussed herein. The quantification of levels of cycle-variability assessed noise such as skeletal-muscle-related-signal contamination and muscle-artifact-noise contamination, and other asynchronous-noise contamination in an acquired signal can be subsequently used for the automated rejection of such asynchronous noise from measurements of biophysical signals.
The exemplified methods and systems facilitate the quantification of cardiac cycle-variability as a metric of signal quality of an acquired signal data set and the rejection, based on that quantification, of said acquired signal data set from one or more subsequent analyses that can predict and/or estimate a metric associated with the presence, non-presence, severity, and/or localization of abnormal cardiovascular conditions or disease, including, for example, but not limited to, coronary artery disease, abnormal left ventricular end-diastolic pressure disease (LVEDP), pulmonary hypertension and subcategories thereof, heart failure (HF), among others as discussed herein. The quantification of levels of cycle-variability assessed noise such as skeletal-muscle-related-signal contamination and muscle-artifact-noise contamination, and other asynchronous-noise contamination in an acquired signal can be subsequently used for the automated rejection of such asynchronous noise from measurements of biophysical signals.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/0295 - Mesure du débit sanguin utilisant la pléthysmographie, c.-à-d. par mesure des variations du volume d'une partie du corps induites par la circulation du sang qui traverse cette partie, p. ex. pléthysmographie par impédance
A61B 5/145 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
62.
METHOD AND SYSTEM FOR SIGNAL QUALITY ASSESSMENT AND REJECTION USING HEART CYCLE VARIABILITY
The exemplified methods and systems facilitate the quantification of cardiac cycle-variability as a metric of signal quality of an acquired signal data set and the rejection, based on that quantification, of said acquired signal data set from one or more subsequent analyses that can predict and/or estimate a metric associated with the presence, non-presence, severity, and/or localization of abnormal cardiovascular conditions or disease, including, for example, but not limited to, coronary artery disease, abnormal left ventricular end-diastolic pressure disease (LVEDP), pulmonary hypertension and subcategories thereof, heart failure (HF), among others as discussed herein. The quantification of levels of cycle-variability assessed noise such as skeletal-muscle-related-signal contamination and muscle-artifact-noise contamination, and other asynchronous-noise contamination in an acquired signal can be subsequently used for the automated rejection of such asynchronous noise from measurements of biophysical signals.
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/0295 - Mesure du débit sanguin utilisant la pléthysmographie, c.-à-d. par mesure des variations du volume d'une partie du corps induites par la circulation du sang qui traverse cette partie, p. ex. pléthysmographie par impédance
A61B 5/145 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
63.
Method and apparatus for wide-band phase gradient signal acquisition
The present disclosure facilitates capture of biosignal such as biopotential signals in microvolts, or sub-microvolts, resolutions that are at, or significantly below, the noise-floor of conventional electrocardiographic and biosignal acquisition instruments. In some embodiments, the exemplified system disclosed herein facilitates the acquisition and recording of wide-band phase gradient signals (e.g., wide-band cardiac phase gradient signals, wide-band cerebral phase gradient signals) that are simultaneously sampled, in some embodiments, having a temporal skew less than about 1 μs, and in other embodiments, having a temporal skew not more than about 10 femtoseconds. Notably, the exemplified system minimizes non-linear distortions (e.g., those that can be introduced via certain filters) in the acquired wide-band phase gradient signal so as to not affect the information therein.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
A61B 5/301 - Circuits d’entrée à cet effet sans conduction électrique directe au patient, p. ex. en utilisant des transformateurs isolants ou des optocoupleurs
A61B 5/332 - Dispositifs portables spécialement adaptés à cet effet
Exemplified methods and systems facilitate presentation of data derived from measurements of the heart in a non-invasive procedure (e.g., via phase space tomography analysis). In particular, the exemplified methods and systems facilitate presentation of such measurements in a graphical user interface, or “GUI” (e.g., associated with a healthcare provider web portal to be used by physicians, researchers, or patients, and etc.) and/or in a report for diagnosis of heart pathologies and disease. The presentation facilitates a unified and intuitive visualization that includes three-dimensional visualizations and two-dimensional visualizations that are concurrently presented within a single interactive interface and/or report.
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
A61B 5/01 - Mesure de la température de parties du corps
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G06T 19/20 - Édition d'images tridimensionnelles [3D], p. ex. modification de formes ou de couleurs, alignement d'objets ou positionnements de parties
G16H 40/63 - TIC spécialement adaptées à la gestion ou à l’administration de ressources ou d’établissements de santéTIC spécialement adaptées à la gestion ou au fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement local
G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
G16H 30/00 - TIC spécialement adaptées au maniement ou au traitement d’images médicales
09 - Appareils et instruments scientifiques et électriques
42 - Services scientifiques, technologiques et industriels, recherche et conception
Produits et services
Computer software for analyzing patient data for use in the
field of health care. Software as a service (saas) services featuring software for
analyzing patient data for use in the field of health care;
providing a web site featuring temporary use of
non-downloadable software for analyzing patient data for use
in the field of health care; providing temporary use of
on-line non-downloadable software and applications for
analyzing patient data for use in the field of health care.
09 - Appareils et instruments scientifiques et électriques
42 - Services scientifiques, technologiques et industriels, recherche et conception
Produits et services
Computer software for analyzing patient data for use in the
field of health care. Software as a service (saas) services featuring software for
analyzing patient data for use in the field of health care;
providing a web site featuring temporary use of
non-downloadable software for analyzing patient data for use
in the field of health care; providing temporary use of
on-line non-downloadable software and applications for
analyzing patient data for use in the field of health care.
09 - Appareils et instruments scientifiques et électriques
42 - Services scientifiques, technologiques et industriels, recherche et conception
Produits et services
Computer software for analyzing patient data for use in the
field of health care. Software as a service (saas) services featuring software for
analyzing patient data for use in the field of health care;
providing a web site featuring temporary use of
non-downloadable software for analyzing patient data for use
in the field of health care; providing temporary use of
on-line non-downloadable software and applications for
analyzing patient data for use in the field of health care.
68.
METHOD AND SYSTEM TO ASSESS DISEASE USING DYNAMICAL ANALYSIS OF BIOPHYSICAL SIGNALS
The exemplified methods and systems facilitate one or more dynamical analyses that can characterize and identify nonlinear dynamical properties (such as Lyapunov exponent (LE), correlation dimension, entropy (K2), or statistical and/or geometric properties derived from Poincaré maps, etc.) of biophysical signals such as photoplethysmographic signals and/or cardiac signals to predict presence and/or localization of a disease or condition, or indicator of one, including, for example, but not limited to, coronary artery disease, heart failure (including but not limited to elevated or abnormal left ventricular end-diastolic pressure disease) and pulmonary hypertension, among others.
The exemplified methods and systems facilitate one or more dynamical analyses that can characterize and identify synchronicity between the acquired cardiac signals and photoplethysmographic signals to predict/estimate the presence, non-presence, localization, and/or severity of abnormal cardiovascular conditions or disease, including, for example, but not limited to, coronary artery disease, heart failure (including but not limited to indicators of disease or conduction such as abnormal left ventricular end-diastolic pressure disease), and pulmonary hypertension, among others. In some embodiments, statistical properties of the synchronicity between the cardiac signals and photoplethysmographic signals are evaluated. In some embodiments, statistical properties of a histogram of the synchronicity between the cardiac signals and photoplethysmographic signals are evaluated. In some embodiments, statistical and/or geometric properties of a Poincaré map of synchronicity between the cardiac signals and photoplethysmographic signals are evaluated.
A61B 5/024 - Mesure du pouls ou des pulsations cardiaques
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
A61B 5/021 - Mesure de la pression dans le cœur ou dans les vaisseaux sanguins
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/349 - Détection de paramètres spécifiques du cycle de l'électrocardiogramme
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
A61B 5/0205 - Évaluation simultanée de l'état cardio-vasculaire et de l'état d'autres parties du corps, p. ex. de l'état cardiaque et respiratoire
70.
METHOD AND SYSTEM TO ASSESS DISEASE USING DYNAMICAL ANALYSIS OF BIOPHYSICAL SIGNALS
The exemplified methods and systems facilitate one or more dynamical analyses that can characterize and identify nonlinear dynamical properties (such as Lyapunov exponent (LE), correlation dimension, entropy (K2), or statistical and/or geometric properties derived from Poincare maps, etc.) of biophysical signals such as photoplethysmographic signals and/or cardiac signals to predict presence and/or localization of a disease or condition, or indicator of one, including, for example, but not limited to, coronary artery disease, heart failure (including but not limited to elevated or abnormal left ventricular end-diastolic pressure disease) and pulmonary hypertension, among others.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/0295 - Mesure du débit sanguin utilisant la pléthysmographie, c.-à-d. par mesure des variations du volume d'une partie du corps induites par la circulation du sang qui traverse cette partie, p. ex. pléthysmographie par impédance
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
71.
METHOD AND SYSTEM TO ASSESS DISEASE USING DYNAMICAL ANALYSIS OF CARDIAC AND PHOTOPLETHYSMOGRAPHIC SIGNALS
The exemplified methods and systems facilitate one or more dynamical analyses that can characterize and identify synchronicity between acquired cardiac signals and photoplethysmographic signals to predict/estimate presence, non-presence, localization, and/or severity of abnormal cardiovascular conditions or disease, including, for example, but not limited to, coronary artery disease, heart failure (including but not limited to indicators of disease or conduction such as abnormal left ventricular end-diastolic pressure disease), and pulmonary hypertension, among others. In some embodiments, statistical properties of the synchronicity between cardiac signals and photoplethysmographic signals are evaluated. In some embodiments, statistical properties of histogram of synchronicity between cardiac signals and photoplethysmographic signals are evaluated. In some embodiments, statistical and/or geometric properties of Poincare map of synchronicity between cardiac signals and photoplethysmographic signals are evaluated.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/0295 - Mesure du débit sanguin utilisant la pléthysmographie, c.-à-d. par mesure des variations du volume d'une partie du corps induites par la circulation du sang qui traverse cette partie, p. ex. pléthysmographie par impédance
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
72.
METHOD AND SYSTEM TO ASSESS DISEASE USING DYNAMICAL ANALYSIS OF BIOPHYSICAL SIGNALS
The exemplified methods and systems facilitate one or more dynamical analyses that can characterize and identify nonlinear dynamical properties (such as Lyapunov exponent (LE), correlation dimension, entropy (K2), or statistical and/or geometric properties derived from Poincare maps, etc.) of biophysical signals such as photoplethysmographic signals and/or cardiac signals to predict presence and/or localization of a disease or condition, or indicator of one, including, for example, but not limited to, coronary artery disease, heart failure (including but not limited to elevated or abnormal left ventricular end-diastolic pressure disease) and pulmonary hypertension, among others.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/0295 - Mesure du débit sanguin utilisant la pléthysmographie, c.-à-d. par mesure des variations du volume d'une partie du corps induites par la circulation du sang qui traverse cette partie, p. ex. pléthysmographie par impédance
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
42 - Services scientifiques, technologiques et industriels, recherche et conception
Produits et services
Providing a website featuring temporary use of non-downloadable software for accessing, analyzing and displaying patient health data for use in the field of health care; Providing a website featuring temporary use of non-downloadable software for accessing, analyzing and displaying patient data for use in the field of cardiology; Providing temporary use of on-line non-downloadable software and applications for accessing, analyzing and displaying patient health data for use in the field of health care; Providing temporary use of on-line non-downloadable software and applications for accessing, analyzing and displaying patient data for use in the field of cardiology
74.
Methods and systems using mathematical analysis and machine learning to diagnose disease
Exemplified method and system facilitates monitoring and/or evaluation of disease or physiological state using mathematical analysis and machine learning analysis of a biopotential signal collected from a single electrode. The exemplified method and system creates, from data of a singularly measured biopotential signal, via a mathematical operation (i.e., via numeric fractional derivative calculation of the signal in the frequency domain), one or more mathematically-derived biopotential signals (e.g., virtual biopotential signals) that is used in combination with the measured biopotential signals to generate a multi-dimensional phase-space representation of the body (e.g., the heart). By mathematically modulating (e.g., by expanding or contracting) portions of a given biopotential signal, in the frequency domain, the numeric-based operation gives emphasis or de-emphasis to certain measured frequencies of the biopotential signals, which, when coupled with machine learning, facilitates improved diagnostics of certain pathologies.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/24 - Détection, mesure ou enregistrement de signaux bioélectriques ou biomagnétiques du corps ou de parties de celui-ci
A61B 5/283 - Électrodes bioélectriques à cet effet spécialement adaptées à des utilisations particulières pour l’électrocardiographie [ECG] invasives
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
The present disclosure facilitates capture of biosignal such as biopotential signals in microvolts, or sub-microvolts, resolutions that are at, or significantly below, the noise-floor of conventional electrocardiographic and biosignal acquisition instruments. In some embodiments, the exemplified system disclosed herein facilitates the acquisition and recording of wide-band phase gradient signals (e.g., wide-band cardiac phase gradient signals, wide-band cerebral phase gradient signals) that are simultaneously sampled, in some embodiments, having a temporal skew less than about 1 μs, and in other embodiments, having a temporal skew not more than about 10 femtoseconds. Notably, the exemplified system minimizes non-linear distortions (e.g., those that can be introduced via certain filters) in the acquired wide-band phase gradient signal so as to not affect the information therein.
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
A61B 5/301 - Circuits d’entrée à cet effet sans conduction électrique directe au patient, p. ex. en utilisant des transformateurs isolants ou des optocoupleurs
A61B 5/332 - Dispositifs portables spécialement adaptés à cet effet
Systems and methods for the quantification of the quality of an acquired signal are provided for assessment and for gating the acquired signal for subsequent analysis. A signal is acquired, and a determination is made in real-time if there is a problem with the acquisition (e.g., if the acquired signal is acceptable or unacceptable; is of sufficient quality for subsequent assessment). If there is a problem, output is provided via the systems and methods described herein to indicate that signal acquisition needs to be performed again (e.g., if the acquired signal is unacceptable, reject the acquired signal and acquire a new signal).
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
78.
METHOD AND SYSTEM TO CHARACTERIZE DISEASE USING PARAMETRIC FEATURES OF A VOLUMETRIC OBJECT AND MACHINE LEARNING
The exemplified methods and systems employs non-invasively acquired biophysical measurements of a subject in a residue analysis that is structured as a three-dimensional volumetric object to which machine extractable features associated with a geometric associated aspect of the three-dimensional volumetric object may be derived and used for in the training and/or prediction of a disease state. The system generates a residue model from a point-cloud residue generated from an analysis of the plurality of biophysical signal data sets. The system generates a three-dimensional volumetric object from the point-cloud residue from which machine extractable features associated with the point-cloud residue maybe extracted.
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
G16H 10/60 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données spécifiques de patients, p. ex. pour des dossiers électroniques de patients
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
79.
Method and system for automated quantification of signal quality
Systems and methods for the quantification of the quality of an acquired signal are provided for assessment and for gating the acquired signal for subsequent analysis. A signal is acquired, and a determination is made in real-time if there is a problem with the acquisition. If there is a problem, output is provided via the systems and methods described herein to indicate that signal acquisition needs to be performed again.
G06F 17/14 - Transformations de Fourier, de Walsh ou transformations d'espace analogues
G16H 40/67 - TIC spécialement adaptées à la gestion ou à l’administration de ressources ou d’établissements de santéTIC spécialement adaptées à la gestion ou au fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement à distance
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
80.
Methods and systems to configure and use neural networks in characterizing physiological systems
The exemplified methods and systems facilitate the configuration and training of a neural network (e.g., a deep neural network, a convolutional neural network (CNN), etc.), or ensemble(s) thereof, with a biophysical signal data set to ascertain estimate for the presence or non-presence of disease or pathology in a subject as well as to assess and/or classify disease or pathology, including for example in some cases the severity of such disease or pathology, in a subject. In the context of the heart, the methods and systems described herein facilitate the configuration and training of a neural network, or ensemble(s) thereof, with a cardiac signal data set to ascertain estimate for the presence or non-presence of coronary artery disease or coronary pathology.
G06K 9/00 - Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
Systems and methods for the quantification of the quality of an acquired signal are provided for assessment and for gating the acquired signal for subsequent analysis. A signal is acquired, and a determination is made in real-time if there is a problem with the acquisition (e.g., if the acquired signal is acceptable or unacceptable; is of sufficient quality for subsequent assessment). If there is a problem, output is provided via the systems and methods described herein to indicate that signal acquisition needs to be performed again (e.g., if the acquired signal is unacceptable, reject the acquired signal and acquire a new signal).
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
82.
METHODS AND SYSTEMS TO CONFIGURE AND USE NEURAL NETWORKS IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the configuration and training of a neural network (e.g., a deep neural network, a convolutional neural network (CNN), etc.), or ensemble(s) thereof, with a biophysical signal data set to ascertain estimate for the presence or non-presence of disease or pathology in a subject as well as to assess and/or classify disease or pathology, including for example in some cases the severity of such disease or pathology, in a subject. In the context of the heart, the methods and systems described herein facilitate the configuration and training of a neural network, or ensemble(s) thereof, with a cardiac signal data set to ascertain estimate for the presence or non-presence of coronary artery disease or coronary pathology.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/243 - Détection de champs biomagnétiques, p. ex. de champs magnétiques produits par des courants bioélectriques spécialement adaptée aux signaux magnétocardiographiques [MCG]
A61B 5/318 - Modalités électriques se rapportant au cœur, p. ex. électrocardiographie [ECG]
A61B 5/364 - Détection d'intervalle ECG anormal, p. ex. des extrasystoles ou des battements cardiaques ectopiques
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
83.
METHOD AND SYSTEM TO CHARACTERIZE DISEASE USING PARAMETRIC FEATURES OF A VOLUMETRIC OBJECT AND MACHINE LEARNING
The exemplified methods and systems employs non-invasively acquired biophysical measurements of a subject in a residue analysis that is structured as a three-dimensional volumetric object to which machine extractable features associated with a geometric associated aspect of the three-dimensional volumetric object may be derived and used for in the training and/or prediction of a disease state. The system generates a residue model from a point-cloud residue generated from an analysis of the plurality of biophysical signal data sets. The system generates a three-dimensional volumetric object from the point-cloud residue from which machine extractable features associated with the point-cloud residue maybe extracted.
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/04 - Mesure de signaux bioélectriques du corps ou de parties de celui-ci
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
84.
METHODS AND SYSTEMS TO CONFIGURE AND USE NEURAL NETWORKS IN CHARACTERIZING PHYSIOLOGICAL SYSTEMS
The exemplified methods and systems facilitate the configuration and training of a neural network (e.g., a deep neural network, a convolutional neural network (CNN), etc.), or ensemble(s) thereof, with a biophysical signal data set to ascertain estimate for the presence or non-presence of disease or pathology in a subject as well as to assess and/or classify disease or pathology, including for example in some cases the severity of such disease or pathology, in a subject. In the context of the heart, the methods and systems described herein facilitate the configuration and training of a neural network, or ensemble(s) thereof, with a cardiac signal data set to ascertain estimate for the presence or non-presence of coronary artery disease or coronary pathology.
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/04 - Mesure de signaux bioélectriques du corps ou de parties de celui-ci
The present disclosure facilitates the evaluation of wide-band phase gradient information of the heart tissue to assess, e.g., the presence of heart ischemic heart disease. Notably, the present disclosure provides an improved and efficient method to identify and risk stratify coronary stenosis of the heart using a high resolution and wide-band cardiac gradient obtained from the patient. The patient data are derived from the cardiac gradient waveforms across one or more leads, in some embodiments, resulting in high-dimensional data and long cardiac gradient records that exhibit complex nonlinear variability. Space-time analysis, via numeric wavelet operators, is used to study the morphology of the cardiac gradient data as a phase space dataset by extracting dynamical and geometrical properties from the phase space dataset.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
87.
SYSTEM FOR CHARACTERIZING CARDIOVASCULAR SYSTEMS FROM SINGLE CHANNEL DATA
Systems to identify and risk stratify disease states, cardiac structural defects, functional cardiac deficiencies induced by teratogens and other toxic agents, pathological substrates, conduction delays and defects, and ejection fraction using single channel biological data obtained from the subject. A modified Matching Pursuit (MP) algorithm may be used to find a noiseless model of the data that is sparse and does not assume periodicity of the signal. After the model is derived, various metrics and subspaces are extracted to characterize the cardiac system. In another system, space-time domain is divided into a number of regions (which is largely determined by the signal length), the density of the signal is computed in each region and input to a learning algorithm to associate them to the desired cardiac dysfunction indicator target.
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/04 - Mesure de signaux bioélectriques du corps ou de parties de celui-ci
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
The exemplified methods and systems described herein facilitate the quantification and/or removal of asynchronous noise, such as muscle artifact noise contamination, to more accurately assess complex nonlinear variabilities in quasi-periodic biophysical-signal systems such as those in acquired cardiac signals, brain signals, etc.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 5/242 - Détection de champs biomagnétiques, p. ex. de champs magnétiques produits par des courants bioélectriques
The exemplified methods and systems described herein facilitate the quantification and/or removal of asynchronous noise, such as muscle artifact noise contamination, to more accurately assess complex nonlinear variabilities in quasi-periodic biophysical-signal systems such as those in acquired cardiac signals, brain signals, etc.
The exemplified methods and systems described herein facilitate the quantification and/or removal of asynchronous noise, such as muscle artifact noise contamination, to more accurately assess complex nonlinear variabilities in quasi-periodic biophysical-signal systems such as those in acquired cardiac signals, brain signals, etc.
Phase space tomography methods and systems to facilitate the analysis and evaluation of complex, quasi-periodic system by generating computed phase-space tomographic images and mathematical features as a representation of the dynamics of the quasi-periodic cardiac systems. The computed phase-space tomographic images can be presented to a physician to assist in the assessment of presence or non-presence of disease. In some implementations, the phase space tomographic images are used as input to a trained neural network classifier configured to assess for presence or non-presence of pulmonary hypertension, including pulmonary arterial hypertension.
A61B 5/339 - Affichages spécialement adaptés à cet effet
G06T 3/40 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
A61B 5/0536 - Imagerie par impédance, p. ex. par tomographie
The present disclosure uses physiological data, ECG signals as an example, to evaluate cardiac structure and function in mammals. Two approaches are presented, e.g., a model-based analysis and a space-time analysis. The first method uses a modified Matching Pursuit (MMP) algorithm to find a noiseless model of the ECG data that is sparse and does not assume periodicity of the signal. After the model is derived, various metrics and subspaces are extracted to image and characterize cardiovascular tissues using complex-sub-harmonic-frequencies (CSF) quasi-periodic and other mathematical methods. In the second method, space-time domain is divided into a number of regions, the density of the ECG signal is computed in each region and inputted into a learning algorithm to image and characterize the tissues.
A61B 5/044 - Dispositifs de visualisation spécialement adaptés à cet effet
A61B 5/0205 - Évaluation simultanée de l'état cardio-vasculaire et de l'état d'autres parties du corps, p. ex. de l'état cardiaque et respiratoire
A61B 5/04 - Mesure de signaux bioélectriques du corps ou de parties de celui-ci
A61B 5/1455 - Mesure des caractéristiques du sang in vivo, p. ex. de la concentration des gaz dans le sang ou de la valeur du pH du sang en utilisant des capteurs optiques, p. ex. des oxymètres à photométrie spectrale
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/021 - Mesure de la pression dans le cœur ou dans les vaisseaux sanguins
93.
Display screen with transitional graphical user interface
Exemplified methods and systems facilitate, on a cloud platform, analysis and presentation of data derived from measurements of the heart acquired in a non-invasive procedure. The cloud platform includes a data store service, an analysis service, and a data exchange service configured to determine the presence or non-presence of significant coronary artery disease.
G06K 9/00 - Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
A61B 5/01 - Mesure de la température de parties du corps
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G06T 19/20 - Édition d'images tridimensionnelles [3D], p. ex. modification de formes ou de couleurs, alignement d'objets ou positionnements de parties
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
G16H 40/63 - TIC spécialement adaptées à la gestion ou à l’administration de ressources ou d’établissements de santéTIC spécialement adaptées à la gestion ou au fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement d’équipement ou de dispositifs médicaux pour le fonctionnement local
G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
G16H 30/00 - TIC spécialement adaptées au maniement ou au traitement d’images médicales
The exemplified methods and systems provide a phase space volumetric object in which the dynamics of a complex, quasi-periodic system, such as the electrical conduction patterns of the heart, or other biophysical-acquired signals of other organs, are represented as an image of a three dimensional volume having both a volumetric structure (e.g., a three dimensional structure) and a color map to which features can be extracted that are indicative the presence and/or absence of pathologies, e.g., ischemia relating to significant coronary arterial disease (CAD). In some embodiments, the phase space volumetric object can be assessed to extract topographic and geometric parameters that are used in models that determine indications of presence or non-presence of significant coronary artery disease.
A61B 5/02 - Détection, mesure ou enregistrement en vue de l'évaluation du système cardio-vasculaire, p. ex. mesure du pouls, du rythme cardiaque, de la pression sanguine ou du débit sanguin
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
A61B 5/0265 - Mesure du débit sanguin utilisant des moyens électromagnétiques, p. ex. débitmètre électromagnétique
97.
Method and system to assess disease using phase space tomography and machine learning
The exemplified intrinsic phase space tomography methods and systems facilitate the analysis and evaluation of complex, quasi-periodic system by generating computed phase-space tomographic images as a representation of the dynamics of the quasi-periodic cardiac systems. The computed phase-space tomographic images can be presented to a physician to assist in the assessment of presence or non-presence of disease. In some embodiments, the phase space tomographic images are used as input to a trained neural network classifier configured to assess for presence or non-presence of significant coronary artery disease.
The exemplified methods and systems provide a phase space volumetric object in which the dynamics of a complex, quasi-periodic system, such as the electrical conduction patterns of the heart, or other biophysical-acquired signals of other organs, are represented as an image of a three dimensional volume having both a volumetric structure (e.g., a three dimensional structure) and a color map to which features can be extracted that are indicative the presence and/or absence of pathologies, e.g., ischemia relating to significant coronary arterial disease (CAD). In some embodiments, the phase space volumetric object can be assessed to extract topographic and geometric parameters that are used in models that determine indications of presence or non-presence of significant coronary artery disease.
A61B 5/0265 - Mesure du débit sanguin utilisant des moyens électromagnétiques, p. ex. débitmètre électromagnétique
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
99.
METHOD AND SYSTEM TO ASSESS DISEASE USING PHASE SPACE VOLUMETRIC OBJECTS
The exemplified methods and systems provide a phase space volumetric object in which the dynamics of a complex, quasi-periodic system, such as the electrical conduction patterns of the heart, or other biophysical-acquired signals of other organs, are represented as an image of a three dimensional volume having both a volumetric structure (e.g., a three dimensional structure) and a color map to which features can be extracted that are indicative the presence and/or absence of pathologies, e.g., ischemia relating to significant coronary arterial disease (CAD). In some embodiments, the phase space volumetric object can be assessed to extract topographic and geometric parameters that are used in models that determine indications of presence or non-presence of significant coronary artery disease.
A61B 5/053 - Mesure de l'impédance ou de la conductivité électrique d'une partie du corps
G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
100.
METHOD AND SYSTEM TO ASSESS DISEASE USING PHASE SPACE TOMOGRAPHY AND MACHINE LEARNING
The exemplified intrinsic phase space tomography methods and systems facilitate the analysis and evaluation of complex, quasi-periodic system by generating computed phase-space tomographic images as a representation of the dynamics of the quasi-periodic cardiac systems. The computed phase-space tomographic images can be presented to a physician to assist in the assessment of presence or non-presence of disease. In some embodiments, the phase space tomographic images are used as input to a trained neural network classifier configured to assess for presence or non-presence of significant coronary artery disease.
