离床报警系统

暂无

离床报警系统\n技术领域\n[0001] 本发明涉及一种离床（bed exit）报警系统，且具体而言涉及一种监视系统用户的生命体征的离床报警系统。\n背景技术\n[0002] 在多种应用中，重要的是监视用户或患者是否在他们的床上或者监视用户或患者是否已经起床并且离开他们的床。最重要的应用是老年人的护理、儿童的护理和具有特定条件和情况（例如手术后）的患者的护理。\n[0003] 存在若干种可获得的的现有技术设备，其可以检测患者何时离开他们的床。通常，这些设备使用床上的压力开关或压力感测垫，其中压力的释放与患者离开床相关联。\n[0004] 对于这些设备中的许多种，可靠的操作需要将压力开关或压力感测垫安装在床上的床垫之上。这导致两个主要缺点。首先，这些设备通常是坚硬的（即抗弯曲的），这使得床的占用者不舒适，并且在一些应用中（例如，在监视痴呆患者时）可能对患者造成在身体上和生理上的刺激。其次，因为这些设备放置在（柔性的）床垫之上，所以它们可能迅速地经受材料疲劳并且在正常使用下出现故障。\n[0005] 而且，从这些应用的本性清楚了解，所期望的是尽可能早地提供患者或用户离开床的警报，同时最小化错误警报的发生。\n[0006] 常规设备使用具有空间分辨率的压敏垫来预测用户离开床。因此，利用这些垫，床占用者的重新定位作为在该垫的表面上重量分布的变化而被检测到。通常，当所检测的床占用者的位置超过某些预定义的阈值时可触发警报。然而，由于这些设备依赖于大的压敏垫（即，其尺寸为床的尺寸或接近床的尺寸）的使用，所以它们是相当侵入式的。\n[0007] 因此，本发明的一个目的是提供一种用于预测用户何时将离开床的可替代系统。\n发明内容\n[0008] 因此，根据本发明的第一方面，提供一种用于监视床上的用户的离床报警系统，该系统包括：用于测量用户的一种或多种生理特征并且用于产生指示一种或多种生理特征的对应信号的一个或多个传感器；和处理器，其适于监视对应的信号并根据所述一种或多种生理特征的变化来确定用户将离开床的可能性。\n[0009] 优选地，处理器进一步适于在其确定用户可能离开床的情况下发出警报或报警信号。\n[0010] 在优选实施例中，由一个或多个传感器测量的用户的一种或多种生理特征包括心率、脉率、呼吸率、体温、血压或心率变异性中的任意一种或多种。\n[0011] 优选地，处理器适于通过将一种或多种生理特征的变化与一组预定的阈值或标准进行比较来确定用户是否将要离开床。\n[0012] 优选地，处理器适于通过将一种或多种生理特征的变化与在多次先前的用户离开床期间收集的数据进行比较来确定用户将要离开床的可能性。\n[0013] 在优选实施例中，离床报警系统包括用于检测用户存在或不存在于床上的传感器。\n[0014] 优选地，用于测量生理特征的一个或多个传感器之一被用作为用于检测用户存在或不存在于床上的传感器。\n[0015] 在一个实施例中，传感器包括压力传感器或应变计。\n[0016] 优选地，处理器进一步适于在传感器指示用户已经离开床的情况下发出警报或报警信号。\n[0017] 优选地，处理器适于使用一种离床预测算法来根据一种或多种生理特征的变化确定用户将要离开床的可能性。\n[0018] 优选地，处理器适于基于所确定的可能性与来自传感器的用户是否随后离开床的指示之间的比较来更新离床预测算法。\n[0019] 优选地，处理器包括用于实现离床预测算法的监督分类算法。\n[0020] 根据本发明的第二方面，提供一种预测用户离开床的可能性的方法，该方法包括：\n监视用户的一种或多种生理特征；并且根据一种或多种生理特征的变化来确定用户将要离开床的可能性。\n[0021] 根据本发明的第三方面，提供一种用于预测用户离开床的可能性的计算机程序产品，该计算机程序产品包括计算机程序代码，其在计算机或处理器上执行时使得该计算机或处理器接收指示用户的一种或多种生理特征的信号；并且根据由所接收的信号指示的一种或多种生理特征的变化确定用户将要离开床的可能性。\n[0022] 因此，本发明提供一种用于基于被监视主体的生理特征来预测该主体何时将离开床的系统和方法。对离开床的预测的可靠性进行评估以最小化错误的肯定警报。在所监视的主体离开床的情况下，该系统可以进一步提供报警或警报。该系统具有的优点在于，它对被监视的主体而言完全是不引人注目的。\n附图说明\n[0023] 现在将参照附图仅通过实例的方式来描述本发明的各种实施例，在附图中：\n[0024] 图1是根据本发明的离床报警系统的图示；\n[0025] 图2是根据本发明的离床报警系统的框图；\n[0026] 图3是说明根据本发明的方法的流程图；以及\n[0027] 图4示出用于预测离开床的支持向量机分类。\n具体实施方式\n[0028] 在图1中，示出具有床垫4的床2。提供了离床报警系统5，其用于预测何时置于床垫4上的人可能离开床2。在该所说明的实施例中，离床报警系统5包括被提供在床垫4下面的传感器单元6，并且在可替代实施例中，传感器单元6可以提供在床垫4之上，或者作为床2的组成部分或者被集成到床垫4中。\n[0029] 离床报警系统5还包括基站8，其可以位于床2附近或在更远的与传感器单元6进行通信的监视站处（比如护士站），并且其可以发出关于床2上的人可能要离开床2的警报或报警。\n[0030] 图2更详细地示出了离床报警系统5。传感器单元6包括一个或多个生理特征传感器10，其生成对应于从用户测量的生理特征的信号。这些生理特征可以包括生命体征，比如脉搏（或心率）、体温、血压和呼吸率，或任何其他可测量的生理特征，比如心率变异性。\n一个或多个生理特征传感器10可以是无源传感器（即不需要电源）或者是有源的（即需要电源）。\n[0031] 处理器12从一个或多个传感器10接收信号并且及监视这些信号以确定用户是否将要离开床2。特别地，处理器12响应于对应于一种或多种生理特征的信号中的特定变化来确定用户将要离开床2。\n[0032] 如果处理器12确实确定用户可能要离开床，则向发送器14提供报警或警报信号，该发送器将该报警或警报信号发送给基站8。\n[0033] 在优选实施例中，传感器单元6也包括用于检测用户实际上已经离开床2的传感器18。该传感器18可以包括允许系统5确定用户是否已经离开床2的至少一个压力传感器或应变计。此外，如果该压力传感器或应变计具有空间尺度（即它可以确定压力或应变正施加在床上的何处），则这可以被处理器12使用作为对用户是否将离开床2的确定的一部分。传感器18也可以或者可替代地包括用于测量用户或床2周围的环境条件的一个或多个传感器。\n[0034] 在优选实施例中，用于测量用户的生理特征的传感器10之一可以代替用于检测用户实际上已经离开床的单独传感器18来使用。例如，敏感的压力传感器或应变计可以用于测量心跳或心率，并且该压力传感器或应变计也可以用于检测用户仍然在床上。\n[0035] 基站8包括用于从传感器单元6接收报警或警报信号的接收器20、处理器22和用于发出用户将要离开床2的警报或报警的警报器24。\n[0036] 将理解，在可替代实施例中，可以在基站8中而不是在传感器单元6中进行离开床的预测，在这种情况下传感器单元6将信号从传感器10发送到基站8以供分析。\n[0037] 将进一步理解，传感器单元6和基站8的功能可以集成到单个设备中。\n[0038] 传感器单元6可以连续地监视各生理特征，比如移动、呼吸率和心率（包括心率变异性）。处理器12可以使用所得到的信号如下文所述地预测离开床事件。\n[0039] 图3示出根据本发明的第一方面的方法。在步骤101中，监视床2的用户的生理特征。在步骤103中，使用离床预测算法分析用户的生理特征中的变化以预测用户是否可能要离开床。在简单的实施例中，该离床预测算法可以包括一组用于用户的生理特征的阈值或标准或者一组用于用户的生理特征的变化的阈值或标准。\n[0040] 已经观察到，在晚上典型的“离床”事件具有四个不同的阶段：该人醒来，该人注意到去卫生间的迫切欲望（或离开床的其他原因），该人在床上坐起来，以及该人离开床。\n[0041] 众所周知，醒来的过程由个体的心率变异性反映并且反映在活动谱中。因此，甚至在该个体已经必要地做出离开床的有意识的决定之前，传感器单元6中的处理器12可以根据从生理特征传感器10提供的信号认识到该变异性。当该人确实决定起床时，“交感兴奋作用”将被测量，这导致心率变异性模式的另一种变化。当该人在床上坐起来时，一方面这将导致作用在压力传感器或应变计（如果存在）上的力发生显著变化，并且心率将由于姿势变化到竖直位置而增加。随后，该人将离开床，这意味着生理特征将不再被检测，并且压力传感器或应变计（如果存在）将指示床2未被占用。\n[0042] 尽管离床系统5测量指示离床过程的一组生理特征，但是一旦发生实际的离开床，则该系统也可以可靠地检测到它。这使得对于系统5而言自学习成为可能，这意味着系统5可以分析在实际的离床之前发生的生理特征的变化并且定制用于确定对于特定用户或患者是否可能发生离床的算法。\n[0043] 因此，本发明的优选实施例使用这种递归学习来调适该离床预测算法，因为即使在该离床过程中实施的一些步骤（比如醒来，坐起来）总是发生，这些步骤在一些方面（比如从坐起来到离开床的持续时间等）仍然可能随个体的不同而变化。\n[0044] 该递归学习系统可以以概率网络的形式实现，该概率网络从其他传感器接收生理特征值和输出（比如心率变异性、大的运动、压力的大小和/或位置、呼吸率和心率）。\n[0045] 系统5可以根据在最近n次离床期间记录的特定人的数据来评估离床的概率。该系统因此将自动适应被监视的人的行为变化，所述行为变化可以由各种因素引起，这些因素比如为药物的变化或他们的身体条件的改善或衰退。\n[0046] 提供该递归学习系统的一种方式是训练某种分类器，如神经网络（NN）或支持向量机（SVM）。这些监督分类算法根据由所获得的数据加上离床事实上已经发生的知识构成的训练对来进行学习。在该上下文中，支持向量机比神经网络更优选，因为SVM设法找到将被分隔的两类对象之间的分隔超平面（参见图3）。该超平面（在图3中被示为黑色的实线）被构造成使得它到将被分隔的两类的两个最靠近对象具有最大可能的距离d。新点依赖于他们相对于分隔超平面的位置而被分配给这些类。靠近分隔超平面的点（例如“x”点）与离超平面距离更大的点（例如“+”点）相比较不可靠地被分类。因此，离床警报的可靠性可被直接评估，该可靠性为可被有利地用于减少错误的肯定警报的数量的属性。\n[0047] 而且，进行可靠性测量可以在典型应用（比如老人护理院）中提供优点，其中由夜间护士决定是否跟进“预测的”警报（即预测离床的警报）。本申请也可以以这样的方式设计：对于每个个人，导致通知到护理人员的可靠性水平可以按照患者的个人需要进行调整。\n[0048] 因此，提供一种离床报警系统，该系统基于生理特征的测量结果中的变化提供一种对用户/患者是否将要离开床的可靠预测，并且在优选实施例中，该系统提供一种可靠的床存在检测器，并且该系统可以自动适应用户/患者的个体特性以预测离床。该预测的一个重要的方面是，它可以用可靠性评分来标记以便例如最优化作为在痴呆护理或医院护理中的警报系统的所述系统的使用。\n[0049] 如上所述，离床报警系统5不引人注目地监视床2上的人的生理特征，并且（在优选实施例中）监视环境条件和用户实际存在或不存在于床2上。\n[0050] 系统5也具有以下优点：生理特征监视与压力或应变感测的组合允许检测处于痛苦中的用户（即，在下述意义上的痛苦：他们已经停止呼吸、他们具有不正常的心率（即太慢（心搏徐缓）或太快（心动过速）或不规则（心律不齐））或者他们的体温已经下降或增加）并且允许生成单独的警报信号。\n[0051] 因此，本发明提供一种用于预测用户何时将要离开床的系统。而且，本发明的优选实施例提供一种完全不引人注目并且不以任何方式影响用户的舒适的系统。\n[0052] 尽管已经在附图和前面的描述中详细说明并描述了本发明，但是这样的说明和描述被认为是说明性的或示范性的而非限制性的；本发明不限于所公开的实施例。\n[0053] 本领域技术人员在实践要求保护的本发明时通过研究附图、公开内容和所附权利要求能够理解并实现对所公开的实施例的变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中叙述的若干项的功能。在相互不同的从属权利要求中叙述某些措施的起码事实并不表示这些措施的组合不能被有利地使用。计算机程序可以存储/分布在适当的介质上，比如与其他硬件一起提供的或作为其一部分的光学存储介质或固态介质，但是也可以以其他形式分发，比如经由因特网或其他有线或无线电信系统分发。权利要求中的任何附图标记不应当被解释为限制范围。