專(zhuān)利名稱(chēng)：以基于支持向量機(jī)的算法為基礎(chǔ)的病人狀態(tài)探測(cè)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)療設(shè)備，且，更具體地，涉及通過(guò)醫(yī)療設(shè)備的病人狀態(tài)探測(cè)?？稍诓煌闹委煈?yīng)用中使用諸如電刺激器或治療劑輸送設(shè)備之類(lèi)的可植入醫(yī)療設(shè)備，這些治療應(yīng)用諸如深度腦刺激(DBS)、脊髓刺激(SCS)、骨盆刺激、胃刺激、末梢神經(jīng)刺激、功能電刺激或傳輸制藥試劑、胰島素、止痛劑或抗炎癥試劑到病人體內(nèi)的目標(biāo)組織點(diǎn)?？墒褂冕t(yī)療設(shè)備來(lái)向病人傳遞治療，從而治療各種癥狀或病人情況，諸如慢性痛、震顫、 帕金森病、其他類(lèi)型的運(yùn)動(dòng)障礙、癲癇癥(如，癲癇)、小便或大便失禁、性功能紊亂、肥胖、 精神紊亂、胃輕癱或糖尿病。在一些治療系統(tǒng)中，在由醫(yī)療導(dǎo)線(xiàn)所部署的一個(gè)或多個(gè)電極的輔助下，植入性電刺激器將電治療傳輸給病人體內(nèi)的目標(biāo)治療點(diǎn)。除了電刺激治療之外或者代替電刺激治療，在一個(gè)或多個(gè)流體傳遞部件(諸如導(dǎo)管或治療劑流出管(eluting patch))的輔助下，醫(yī)療設(shè)備可將治療劑傳輸給病人體內(nèi)的目標(biāo)治療點(diǎn)?？膳渲猛獠炕蚩芍踩氲尼t(yī)療設(shè)備來(lái)感知一個(gè)或多個(gè)病人參數(shù)，諸如生理信號(hào)、病人活動(dòng)級(jí)別或病人姿勢(shì)。在一些示例中，可使用基于所感知到的一個(gè)或多個(gè)生理參數(shù)的病人狀態(tài)的探測(cè)來(lái)控制治療傳遞。MM總體上，本發(fā)明涉及使用基于監(jiān)督式(supervised)機(jī)器學(xué)習(xí)而確定的分類(lèi)算法的病人狀態(tài)探測(cè)。例如，可使用支持向量機(jī)(SVM)或者另一個(gè)人造神經(jīng)網(wǎng)絡(luò)而應(yīng)用該監(jiān)督式機(jī)器學(xué)習(xí)。監(jiān)督式機(jī)器學(xué)習(xí)被實(shí)現(xiàn)為基于已知的指示病人處于病人狀態(tài)的一個(gè)或多個(gè)病人參數(shù)信號(hào)中的兩個(gè)或更多個(gè)特征的值以及已知的指示病人不處于病人狀態(tài)的一個(gè)或多個(gè)病人參數(shù)信號(hào)的特征值，而在學(xué)習(xí)過(guò)程中產(chǎn)生分類(lèi)界線(xiàn)。特征是病人參數(shù)信號(hào)的特性，諸如在特定頻段的能級(jí)的幅值。分類(lèi)界線(xiàn)描繪了指示病人處于病人狀態(tài)的特征值和指示病人不處于病人狀態(tài)的的特征值?！┗谝阎牟∪藸顟B(tài)數(shù)據(jù)而確定了分類(lèi)界線(xiàn)，通過(guò)確定從所感知的病人參數(shù)信號(hào)中提取出的特定特征值位于這個(gè)界線(xiàn)的哪一側(cè)，醫(yī)療設(shè)備可使用這個(gè)界線(xiàn)來(lái)探測(cè)何時(shí)病人處于特定的病人狀態(tài)。可使用這個(gè)病人狀態(tài)探測(cè)來(lái)控制各種動(dòng)作過(guò)程，諸如控制治療傳遞、產(chǎn)生病人提醒或評(píng)估病人情況。另外，可基于該分類(lèi)界線(xiàn)以及指示病人參數(shù)的信號(hào)來(lái)確定用于監(jiān)測(cè)及評(píng)估病人情況的各種度量。在一個(gè)方面中，本發(fā)明涉及一種方法，包括接收指示病人參數(shù)的信號(hào)、接收標(biāo)識(shí)病人狀態(tài)發(fā)生的信息、確定指示病人處于病人狀態(tài)的生理信號(hào)的特性的至少一個(gè)第一值以及指示病人不處于第一病人狀態(tài)的生理信號(hào)的特性的至少一個(gè)第二值，其中第一和第二值是不同的，且應(yīng)用支持向量機(jī)基于生理信號(hào)的特性的第一和第二值來(lái)界定分類(lèi)界線(xiàn)，其中醫(yī)療設(shè)備使用該分類(lèi)界線(xiàn)將接下來(lái)所感知的病人的生理信號(hào)分類(lèi)為指示病人狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一種方法，包括接收指示病人姿勢(shì)的信號(hào)、接收標(biāo)識(shí)姿勢(shì)狀態(tài)發(fā)生的信息、確定指示病人處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第一值以及指示病人不處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第二值，其中第一和第二值是不同的，且應(yīng)用監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)基于信號(hào)的特性的第一和第二值來(lái)界定分類(lèi)界線(xiàn)，其中醫(yī)療設(shè)備使用該分類(lèi)界線(xiàn)將接下來(lái)所感知的病人的信號(hào)分類(lèi)為指示姿勢(shì)狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一種系統(tǒng)，包括產(chǎn)生指示病人參數(shù)的信號(hào)的感知模塊、處理器，其接收指示病人參數(shù)的信號(hào)、接收標(biāo)識(shí)姿勢(shì)狀態(tài)的發(fā)生的信息、確定指示病人處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第一值以及指示病人不處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第二值，其中第一和第二值是不同的，且應(yīng)用監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)基于信號(hào)的特性的第一和第二值來(lái)界定分類(lèi)界線(xiàn)。該系統(tǒng)還包括醫(yī)療設(shè)備，其使用該分類(lèi)界線(xiàn)將接下來(lái)所感知的病人的信號(hào)分類(lèi)為指示姿勢(shì)狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一個(gè)方法，包括接收指示病人參數(shù)的信號(hào)、應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)而確定的分類(lèi)算法來(lái)基于該信號(hào)而分類(lèi)病人姿勢(shì)狀態(tài)，其中該分類(lèi)算法界定分類(lèi)界線(xiàn)，并基于所確定的病人姿勢(shì)狀態(tài)來(lái)控制給病人的醫(yī)療傳遞。在另一個(gè)方面中，本發(fā)明涉及一種系統(tǒng)，包括將治療傳遞給病人的治療模塊、產(chǎn)生指示病人姿勢(shì)的信號(hào)的傳感器和處理器，其應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)而確定的分類(lèi)算法來(lái)基于該信號(hào)分類(lèi)病人姿勢(shì)狀態(tài)并基于所確定的病人姿勢(shì)狀態(tài)而控制該治療模塊。在另一個(gè)方面中，本發(fā)明涉及一個(gè)系統(tǒng)，包括用于接收指示病人姿勢(shì)的信號(hào)的裝置、用于接收標(biāo)識(shí)姿勢(shì)狀態(tài)發(fā)生的信息的裝置、用于確定指示病人處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第一值以及指示病人不處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第二值的裝置，其中第一和第二值是不同的，以及用于應(yīng)用監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)基于信號(hào)的特性的第一和第二值來(lái)界定分類(lèi)界線(xiàn)的裝置，其中醫(yī)療設(shè)備使用該分類(lèi)界線(xiàn)將接下來(lái)所感知的病人的信號(hào)分類(lèi)為指示姿勢(shì)狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一個(gè)系統(tǒng)，包括用于接收指示病人參數(shù)的信號(hào)的裝置、用于應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)而確定的分類(lèi)算法來(lái)基于該信號(hào)而分類(lèi)病人姿勢(shì)狀態(tài)的裝置，其中該分類(lèi)算法界定分類(lèi)界線(xiàn)，以及用于基于所確定的病人姿勢(shì)狀態(tài)來(lái)控制給病人的醫(yī)療傳遞的裝置。在另一個(gè)方面中，本發(fā)明涉及一種計(jì)算機(jī)可讀介質(zhì)，包括使可編程處理器做出以下動(dòng)作的指令接收指示病人姿勢(shì)的信號(hào)、接收標(biāo)識(shí)姿勢(shì)狀態(tài)發(fā)生的信息、確定指示病人處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第一值以及指示病人不處于姿勢(shì)狀態(tài)的信號(hào)的特性的至少一個(gè)第二值，其中第一和第二值是不同的，且應(yīng)用監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)基于信號(hào)的特性的第一和第二值來(lái)界定分類(lèi)界線(xiàn)，其中醫(yī)療設(shè)備使用該分類(lèi)界線(xiàn)將接下來(lái)所感知的病人的信號(hào)分類(lèi)為指示姿勢(shì)狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一種計(jì)算機(jī)可讀介質(zhì)，包括使可編程處理器做出以下動(dòng)作的指令接收指示病人參數(shù)的信號(hào)、應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)而確定的分類(lèi)算法來(lái)基于該信號(hào)而分類(lèi)病人姿勢(shì)狀態(tài)，其中該分類(lèi)算法界定分類(lèi)界線(xiàn)，并基于所確定的病人姿勢(shì)狀態(tài)來(lái)控制給病人的醫(yī)療傳遞。在另一個(gè)方面中，本發(fā)明涉及一種方法，包括接收指示病人參數(shù)的信號(hào)、應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的第一分類(lèi)算法來(lái)基于該信號(hào)分類(lèi)病人狀態(tài)，且應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的至少一個(gè)附加分類(lèi)算法來(lái)基于該信號(hào)進(jìn)一步分類(lèi)病人狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一種系統(tǒng)，包括產(chǎn)生指示病人參數(shù)的信號(hào)的傳感模塊，和處理器，其接收該信號(hào)、應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的第一分類(lèi)算法來(lái)基于該信號(hào)分類(lèi)病人狀態(tài)，以及應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的至少一個(gè)附加分類(lèi)算法來(lái)基于該信號(hào)進(jìn)一步分類(lèi)病人狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一個(gè)系統(tǒng)，包括用于接收指示病人參數(shù)的信號(hào)的裝置、用于應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的第一分類(lèi)算法來(lái)基于該信號(hào)分類(lèi)病人狀態(tài)的裝置，以及應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的至少一個(gè)附加分類(lèi)算法來(lái)基于該信號(hào)進(jìn)一步分類(lèi)病人狀態(tài)的裝置。在另一個(gè)方面中，本發(fā)明涉及一種計(jì)算機(jī)可讀介質(zhì)，包括使可編程處理器做出以下動(dòng)作的指令接收指示病人參數(shù)的信號(hào)、應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的第一分類(lèi)算法來(lái)基于該信號(hào)分類(lèi)病人狀態(tài)，以及應(yīng)用基于監(jiān)督式機(jī)器學(xué)習(xí)而確定的至少一個(gè)附加分類(lèi)算法來(lái)基于該信號(hào)進(jìn)一步分類(lèi)病人狀態(tài)。在另一個(gè)方面中，本發(fā)明涉及一種方法，包括接收指示病人參數(shù)的信號(hào)、基于該信號(hào)確定特征向量、應(yīng)用基于支持向量機(jī)的算法來(lái)基于該特征向量分類(lèi)病人狀態(tài)，其中該基于支持向量機(jī)的算法界定分類(lèi)界線(xiàn)，確定該特征向量和分類(lèi)界線(xiàn)之間的距離，以及基于該距離確定對(duì)病人狀態(tài)的評(píng)估度量。在另一個(gè)方面中，本發(fā)明涉及一個(gè)系統(tǒng)，包括產(chǎn)生指示病人參數(shù)的信號(hào)的傳感模塊，和處理器，其接收該指示病人參數(shù)的信號(hào)、基于該信號(hào)確定特征向量、應(yīng)用基于支持向量機(jī)的算法來(lái)基于該特征分類(lèi)病人狀態(tài)，其中該基于支持向量機(jī)的算法界定分類(lèi)界線(xiàn)，并基于該特征向量和分類(lèi)界線(xiàn)之間的距離而確定對(duì)病人狀態(tài)的評(píng)估度量。在另一個(gè)方面中，本發(fā)明涉及一個(gè)系統(tǒng)，包括用于接收指示病人參數(shù)的信號(hào)的裝置、用于基于該信號(hào)確定特征向量的裝置、用于應(yīng)用基于支持向量機(jī)的算法來(lái)基于該特征向量分類(lèi)病人狀態(tài)的裝置，其中該基于支持向量機(jī)的算法界定分類(lèi)界線(xiàn)，用于確定該特征向量和分類(lèi)界線(xiàn)之間的距離的裝置，以及用于基于該距離確定用于病人狀態(tài)的評(píng)估度量的
直ο在另一個(gè)方面中，本發(fā)明涉及一種計(jì)算機(jī)可讀介質(zhì)，包括使可編程處理器做出以下動(dòng)作的指令接收指示病人參數(shù)的信號(hào)、基于該信號(hào)確定特征向量、應(yīng)用基于支持向量機(jī)的算法來(lái)基于該特征向量分類(lèi)病人狀態(tài)，其中該基于支持向量機(jī)的算法界定分類(lèi)界線(xiàn)，確定該特征向量和分類(lèi)界線(xiàn)之間的距離，以及基于該距離確定用于病人狀態(tài)的評(píng)估度量。在另一個(gè)方面中，本發(fā)明涉及一種方法，包括基于病人的參數(shù)產(chǎn)生信號(hào)、基于該信號(hào)確定隨時(shí)間變化的多個(gè)特征向量、基于該多個(gè)特征向量而應(yīng)用基于支持向量機(jī)的算法來(lái)分類(lèi)病人狀態(tài)，其中該基于支持向量機(jī)的算法界定特征空間中的分類(lèi)界線(xiàn)，確定特征空間中的特征向量相對(duì)于該分類(lèi)界線(xiàn)的軌跡，以及基于該特征空間中的特征向量的軌跡來(lái)產(chǎn)生指示。在另一個(gè)方面中，本發(fā)明涉及一個(gè)系統(tǒng)，包括產(chǎn)生指示病人的參數(shù)的信號(hào)的傳感模塊，和處理器，其接收該信號(hào)、基于該信號(hào)確定隨時(shí)間變化的多個(gè)特征向量、基于該多個(gè)特征向量而應(yīng)用基于支持向量機(jī)的算法來(lái)分類(lèi)病人狀態(tài)，其中該基于支持向量機(jī)的算法界定特征空間中的分類(lèi)界線(xiàn)，確定特征空間中的特征向量相對(duì)于該分類(lèi)界線(xiàn)的軌跡，以及基于該特征空間中的特征向量的軌跡來(lái)產(chǎn)生指示。在另一個(gè)方面中，本發(fā)明涉及一個(gè)系統(tǒng)，包括用于接收指示病人的參數(shù)的信號(hào)的裝置、用于基于該信號(hào)確定隨時(shí)間變化的多個(gè)特征向量的裝置、用于基于該多個(gè)特征向量而應(yīng)用基于支持向量機(jī)的算法來(lái)分類(lèi)病人狀態(tài)的裝置，其中該基于支持向量機(jī)的算法界定特征空間中的分類(lèi)界線(xiàn)，用于確定特征空間中的特征向量相對(duì)于該分類(lèi)界線(xiàn)的軌跡的裝置，以及用于基于該特征空間中的特征向量的軌跡來(lái)產(chǎn)生指示的裝置。在另一個(gè)方面中，本發(fā)明涉及一種計(jì)算機(jī)可讀介質(zhì)，包括使可編程處理器做出以下動(dòng)作的指令接收指示病人的參數(shù)的信號(hào)、基于該信號(hào)確定隨時(shí)間變化的多個(gè)特征向量、 基于該多個(gè)特征向量而應(yīng)用基于支持向量機(jī)的算法來(lái)分類(lèi)病人狀態(tài)，其中該基于支持向量機(jī)的算法界定特征空間中的分類(lèi)界線(xiàn)，確定特征空間中的特征向量相對(duì)于該分類(lèi)界線(xiàn)的軌跡，以及基于該特征空間中的特征向量的軌跡來(lái)產(chǎn)生指示。在另一個(gè)方面中，本發(fā)明涉及含有指令的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。該指令使可編程處理器執(zhí)行此處描述的技術(shù)的任何一部分。這些指令可以是，例如，軟件指令，諸如那些被用于定義軟件或計(jì)算機(jī)程序的軟件指令。計(jì)算機(jī)可讀介質(zhì)可以是計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，諸如存儲(chǔ)設(shè)備(如，盤(pán)驅(qū)動(dòng)器或光驅(qū))、存儲(chǔ)器(如，閃存、隨機(jī)存取存儲(chǔ)器或RAM)或者其他任何類(lèi)型的能存儲(chǔ)指令(如，以計(jì)算機(jī)程序或其他可執(zhí)行的形式)的易失性或非易失性的存儲(chǔ)器，以使可編程處理器執(zhí)行此處描述的技術(shù)。在附圖和以下描述中闡明了本公開(kāi)的一個(gè)或多個(gè)示例的細(xì)節(jié)。附圖簡(jiǎn)述

圖1是示出示例深度腦刺激(DBS)系統(tǒng)的理念圖。圖2是示出示例醫(yī)療設(shè)備的組件的功能框圖。圖3是示出示例醫(yī)療設(shè)備編程器的組件的功能框圖。圖4是示例技術(shù)的流程圖，用于訓(xùn)練支持向量機(jī)(SVM)算法來(lái)響應(yīng)進(jìn)一步的病人參數(shù)信號(hào)輸入并將該病人參數(shù)信號(hào)輸入分類(lèi)為代表第一病人狀態(tài)或第二病人狀態(tài)。圖5是實(shí)現(xiàn)基于SVM的算法的計(jì)算設(shè)備的功能的概念圖示，用于確定分類(lèi)所感知的病人參數(shù)信號(hào)作為代表第一病人狀態(tài)還是代表第二病人狀態(tài)的分類(lèi)界線(xiàn)。圖6示出包括線(xiàn)性分類(lèi)界線(xiàn)的特征空間的示例。圖7示出包括兩個(gè)線(xiàn)性分類(lèi)界線(xiàn)的特征空間的示例。圖8A和8B數(shù)據(jù)示出非線(xiàn)性分類(lèi)界線(xiàn)的示例。圖9是示例技術(shù)的流程圖，用于基于實(shí)時(shí)或所存儲(chǔ)的病人參數(shù)信號(hào)而確定病人狀態(tài)。圖10是技術(shù)的概念圖示，使用該技術(shù)，醫(yī)療設(shè)備基于指示病人參數(shù)的信號(hào)而確定病人狀態(tài)。圖11是流程圖，示出用于基于特征空間中的特征向量的軌跡而監(jiān)測(cè)病人狀態(tài)的示例技術(shù)。圖12是處理器可實(shí)現(xiàn)確定所感知的生理信號(hào)指示了三個(gè)病人狀態(tài)中的哪一個(gè)的示例技術(shù)的流程圖。圖13是流程圖，示出處理器在使用SVM算法所產(chǎn)生的分類(lèi)界線(xiàn)的幫助下可實(shí)現(xiàn)確定評(píng)估度量的示例技術(shù)。圖14A和14B是特征空間的概念圖示，示出如何可確定分類(lèi)界線(xiàn)與所確定的特征向量之間的距離。圖15是數(shù)據(jù)結(jié)構(gòu)的示例，其將特征向量與分類(lèi)界線(xiàn)之間的多個(gè)距離與相應(yīng)的嚴(yán)格度量(severity metric)關(guān)聯(lián)起來(lái)。圖16和17是醫(yī)療設(shè)備的傳感模塊的示例電路的概念框圖。圖18是表格，其比較了基于疾病發(fā)作探測(cè)延遲、靈敏度和每天錯(cuò)誤探測(cè)的次數(shù)的不同傳感能力。圖19是表格，其比較了使用原型可植入的設(shè)備實(shí)現(xiàn)的疾病發(fā)作探測(cè)算法的耗用電流。詳細(xì)描述探測(cè)一個(gè)或多個(gè)病人狀態(tài)對(duì)于各種目的而言是有用的，諸如監(jiān)測(cè)和/或評(píng)估病人情況、控制傳遞給病人的治療、產(chǎn)生病人或其它用戶(hù)提醒、數(shù)據(jù)日志、開(kāi)始記錄病人參數(shù)等。 此處描述的技術(shù)包括基于一個(gè)或多個(gè)所感知到的病人參數(shù)(也被稱(chēng)為病人狀態(tài)生物標(biāo)志物)，用基于由計(jì)算設(shè)備(如，醫(yī)療設(shè)備編程器、被配置為接受病人參數(shù)信號(hào)并基于該信號(hào)產(chǎn)生分類(lèi)算法的醫(yī)療設(shè)備或另一個(gè)計(jì)算設(shè)備)實(shí)現(xiàn)的一個(gè)或多個(gè)機(jī)器學(xué)習(xí)技術(shù)確定的分類(lèi)算法來(lái)探測(cè)病人狀態(tài)。示例機(jī)器學(xué)習(xí)技術(shù)包括，但不限于，遺傳算法、人工神經(jīng)網(wǎng)絡(luò)(如， 基于支持向量機(jī)(SVM)、貝葉斯分類(lèi)器等)或者其他監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)。因此，在用于將病人參數(shù)分類(lèi)為指示病人狀態(tài)的分類(lèi)界線(xiàn)是使用監(jiān)督式機(jī)器學(xué)習(xí)而產(chǎn)生的這個(gè)意義上，可將病人狀態(tài)探測(cè)算法稱(chēng)為基于監(jiān)督式機(jī)器學(xué)習(xí)的算法。實(shí)現(xiàn)(或應(yīng)用)監(jiān)督式機(jī)器學(xué)習(xí)算法的計(jì)算設(shè)備接收指示病人參數(shù)(如，生理學(xué)參數(shù)或病人姿勢(shì)或活動(dòng)級(jí)別)的信號(hào)并直接從該信號(hào)或參數(shù)化的信號(hào)或基于粗略的病人參數(shù)信號(hào)而產(chǎn)生的數(shù)據(jù)中提取出信號(hào)特性而產(chǎn)生分類(lèi)算法。經(jīng)由監(jiān)督式機(jī)器學(xué)習(xí)算法來(lái)處理信號(hào)特性，以產(chǎn)生分類(lèi)界線(xiàn)。此處描述的設(shè)備、系統(tǒng)和技術(shù)的一些示例的描述是指使用基于SVM確定的分類(lèi)界線(xiàn)的病人狀態(tài)探測(cè)，這可被稱(chēng)為是基于SVM的算法。在其他示例中，此處描述的設(shè)備、系統(tǒng)和技術(shù)可使用其他類(lèi)型的病人狀態(tài)分類(lèi)算法，諸如基于其他監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)所確定 (或產(chǎn)生的)分類(lèi)算法。監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)基于來(lái)自已知的病人狀態(tài)的發(fā)生的訓(xùn)練數(shù)據(jù) (如，病人參數(shù)信號(hào))來(lái)產(chǎn)生分類(lèi)界線(xiàn)，其中使用該分類(lèi)界線(xiàn)來(lái)預(yù)測(cè)或探測(cè)病人狀態(tài)的發(fā)生或評(píng)估該病人狀態(tài)，如此處相關(guān)基于SVM的算法而描述的那樣。在此處描述的技術(shù)中，通過(guò)確定從所感知的病人參數(shù)信號(hào)提取出來(lái)的特征向量所位于的分類(lèi)界線(xiàn)的側(cè)來(lái)做出病人狀態(tài)確定。特征可以是病人參數(shù)信號(hào)特性，且特征向量包括兩個(gè)或更多個(gè)特征。因此，基于所感知的病人參數(shù)信號(hào)所確定的特征向量包括每個(gè)特征的相應(yīng)值。信號(hào)特性的示例包括信號(hào)的形態(tài)(如，幅值、斜率、頻率、峰值、谷值或信號(hào)的其他特點(diǎn))或信號(hào)的頻譜特性(如，頻率帶寬功率級(jí)別、功率電平比值(ratio of power level)等)。分類(lèi)界線(xiàn)的每一側(cè)與不同的病人狀態(tài)相關(guān)聯(lián)。該分類(lèi)界線(xiàn)可分開(kāi)表示病人狀態(tài)的特征向量和不表示病人狀態(tài)的特征向量。如下文進(jìn)一步描述的那樣，分類(lèi)界線(xiàn)可以是線(xiàn)性界線(xiàn)或非線(xiàn)性界線(xiàn)。另外，界線(xiàn)可在多個(gè)方向上擴(kuò)展且遍歷(traverse)多維空間(如， 二維特征空間、三維特征空間、四維特征空間或更多維，取決于用于分類(lèi)病人狀態(tài)的特征向量中呈現(xiàn)的特征的數(shù)量)。此處描述的技術(shù)還包括在由計(jì)算設(shè)備實(shí)現(xiàn)的SVM算法的幫助下確定分類(lèi)界線(xiàn)，該計(jì)算設(shè)備諸如在通用目的計(jì)算機(jī)上實(shí)現(xiàn)的醫(yī)療數(shù)據(jù)計(jì)算設(shè)備、醫(yī)療設(shè)備編程器或者醫(yī)療設(shè)備，如可植入的醫(yī)療治療或傳感設(shè)備。如參看圖4所描述的那樣，SVM算法使用表示已知病人狀態(tài)的特征來(lái)確定分類(lèi)界線(xiàn)。在一些示例中，病人狀態(tài)包括運(yùn)動(dòng)狀態(tài)和/或非運(yùn)動(dòng)狀態(tài)。運(yùn)動(dòng)狀態(tài)可包括病人打算繼續(xù)運(yùn)動(dòng)、企圖開(kāi)始運(yùn)動(dòng)或已經(jīng)開(kāi)始運(yùn)動(dòng)的狀態(tài)，非運(yùn)動(dòng)狀態(tài)可包括病人不打算繼續(xù)運(yùn)動(dòng)、不企圖開(kāi)始運(yùn)動(dòng)的狀態(tài)。如果病人由于運(yùn)動(dòng)障礙或其他神經(jīng)退化減損而痛苦，病人的某些運(yùn)動(dòng)任務(wù)(motor task)的表現(xiàn)可能是困難的。相應(yīng)地，探測(cè)病人是否處于運(yùn)動(dòng)狀態(tài)對(duì)于控制給病人的治療傳遞并以閉環(huán)方式提供障礙治療給病人是有用的。治療傳遞，諸如電刺激治療的傳遞、流體傳遞治療(如，傳遞治療劑)、流體懸浮傳遞(fluid suspension delivery)或外部提示的傳遞可改善否則可能會(huì)困難的病人的運(yùn)動(dòng)任務(wù)的表現(xiàn)。這些任務(wù)可包括以下至少一種開(kāi)始運(yùn)動(dòng)、保持運(yùn)動(dòng)、抓取或移動(dòng)物體、改善與突然轉(zhuǎn)彎相關(guān)聯(lián)的步法等。在其他示例中，病人狀態(tài)包括其中出現(xiàn)了運(yùn)動(dòng)障礙的一個(gè)或多個(gè)癥狀的狀態(tài)。運(yùn)動(dòng)障礙的癥狀包括，例如，受限的肌肉控制、動(dòng)作損傷或者其他的運(yùn)動(dòng)問(wèn)題，諸如僵硬、運(yùn)動(dòng)徐緩、節(jié)奏性運(yùn)動(dòng)機(jī)能亢奮、非節(jié)奏性運(yùn)動(dòng)機(jī)能亢奮和運(yùn)動(dòng)不能。在一些情況下，運(yùn)動(dòng)障礙可能是帕金森病的癥狀。然而，運(yùn)動(dòng)障礙可能歸于其他病人情況。通過(guò)確定病人何時(shí)經(jīng)受著運(yùn)動(dòng)障礙的癥狀，如果病人需要或希望治療，治療系統(tǒng)可提供嚴(yán)格的治療來(lái)幫助管理這些癥狀并改善病人運(yùn)動(dòng)。在一些示例中，病人狀態(tài)包括運(yùn)動(dòng)和非運(yùn)動(dòng)狀態(tài)，用于確定病人狀態(tài)的指示病人參數(shù)的一個(gè)或多個(gè)信號(hào)可包括，但不限于，生物電腦信號(hào)，諸如腦電圖(EEG)信號(hào)、皮層腦電圖(ECoG)信號(hào)、感知自病人腦部的一個(gè)或多個(gè)區(qū)域內(nèi)的局部場(chǎng)電位(LFP)和/或來(lái)自病人腦部中的單個(gè)細(xì)胞的動(dòng)作電位。LFP表示活體神經(jīng)中的從幾千到幾百萬(wàn)個(gè)細(xì)胞的全體活動(dòng)，且可經(jīng)由植入在病人腦部的電極獲得(如圖1中所示)。LFP中的離散頻帶的低頻功率波動(dòng)為區(qū)分腦部狀態(tài)提供了有用的生物標(biāo)志。用于區(qū)分不同病人狀態(tài)的相關(guān)生物標(biāo)志可跨相對(duì)寬的頻譜，從病人睡眠狀態(tài)的1赫茲(Hz)震蕩到其他病人狀態(tài)的大于500Hz(如，海馬狀突起中的“快速波動(dòng)”)。不同病人狀態(tài)的生物標(biāo)志可具有廣泛地變化的頻帶。可用于根據(jù)此處描述的技術(shù)來(lái)確定病人狀態(tài)的其他信號(hào)包括運(yùn)動(dòng)傳感器(如，一軸、二軸或三軸的加速度計(jì)、陀螺儀、壓力傳感器或壓電晶體)或產(chǎn)生表示病人參數(shù)(如，生理學(xué)參數(shù)，諸如血壓、組織灌注、心率、呼吸速率、肌肉活動(dòng)、皮電活動(dòng)、體溫等)的信號(hào)的另一種類(lèi)型的傳感器產(chǎn)生的信號(hào)。病人狀態(tài)還包括情緒狀態(tài)，這可以是病人經(jīng)受的精神障礙的癥狀。例如，病人情緒狀態(tài)可以是緊張狀態(tài)、非緊張的情緒狀態(tài)、沮喪的狀態(tài)、非沮喪的情緒狀態(tài)、狂躁?duì)顟B(tài)、非狂躁?duì)顟B(tài)、恐慌狀態(tài)、非恐慌狀態(tài)等。治療系統(tǒng)10可有幫助的精神障礙的示例包括重度抑郁癥(MDD)、雙相型障礙、焦慮性障礙(如，外傷后壓性疾病、強(qiáng)迫癥0)CD)、焦慮癥)或心境惡
劣障礙。探測(cè)病人的情緒狀態(tài)可有用于，確定病人的精神障礙的嚴(yán)重性或進(jìn)展、為病人建立治療方案、以及控制給病人的治療傳遞(如，激活治療傳遞、關(guān)閉治療或調(diào)整一個(gè)或多個(gè)治療傳遞參數(shù))等等。所探測(cè)到的病人情緒狀態(tài)以及，在一些示例中，在病人情緒狀態(tài)中觀察到的病人參數(shù)可用設(shè)備存儲(chǔ)用于之后臨床醫(yī)生的分析。相比于依賴(lài)病人輸入指示病人的情緒狀態(tài)，在整個(gè)評(píng)估時(shí)間段內(nèi)自動(dòng)地確定病人的情緒狀態(tài)可能更能指示精神障礙的狀態(tài)。在病人狀態(tài)包括病人的情緒狀態(tài)的示例匯總、用于確定病人狀態(tài)的指示病人參數(shù)的一個(gè)或多個(gè)信號(hào)可包括，但不限于，生物電腦信號(hào)。替代或除了生物電腦信號(hào)之外，伴隨著病人情緒狀態(tài)可探測(cè)到的信號(hào)包括，但不限于，指示心率(如，如心電圖、電描記圖或脈搏血氧計(jì)所指示的)、呼吸速率(如，如經(jīng)胸廓的阻抗傳感器或脈搏血氧計(jì)所指示的)、皮電活動(dòng)(如，皮膚電導(dǎo)率級(jí)別)、面部表情的變化(如，如面部肌動(dòng)電流圖(EMG)所指示的)、臉紅(如，如溫度傳感所指示的)或者疲勞(如，如面部表情所指示的)的信號(hào)。如申請(qǐng)系列號(hào)為 12/426，065、由 Giftakis 等、名為“ANALYZING A WASHOUT PERIOD CHARACTERISTIC FOR PSYCHIATRIC DISORDER THERAPY DELIVERY(為精神障礙治療傳遞分析失敗時(shí)段特性)”、在 2009年4月17日申請(qǐng)的美國(guó)專(zhuān)利所述，這些不同的生理學(xué)參數(shù)可因變于病人情緒狀態(tài)而改變，并，因此，可被用于探測(cè)或確定病人情緒狀態(tài)。病人狀態(tài)還可包括姿勢(shì)狀態(tài)，這可被稱(chēng)為病人處于特定病人姿勢(shì)中，或處于姿勢(shì)和活動(dòng)的組合中的狀態(tài)。姿勢(shì)狀態(tài)可包括，例如，直立姿勢(shì)狀態(tài)或躺下姿勢(shì)狀態(tài)，其中直立的姿勢(shì)狀態(tài)可被再次分類(lèi)為直立和活動(dòng)或直立和非活動(dòng)。其他姿勢(shì)狀態(tài)，諸如躺下姿勢(shì)狀態(tài)，可能或可能不具有活動(dòng)分量。然而，躺下姿勢(shì)狀態(tài)可具有其他分量。例如，病人狀態(tài)可以是前躺姿勢(shì)狀態(tài)(其中病人躺在身體的前側(cè)(如，腹部側(cè)))、背躺姿勢(shì)狀態(tài)(其中病人躺在身體的背側(cè)(如，脊背側(cè)))、右躺姿勢(shì)狀態(tài)(其中病人躺在身體的右側(cè))、以及左躺姿勢(shì)狀態(tài)(其中病人躺在身體的左側(cè))。病人姿勢(shì)狀態(tài)的探測(cè)對(duì)于提供響應(yīng)姿勢(shì)的治療傳遞給病人是有幫助的。由于電極之間或其他治療傳遞部件之間的距離的改變(如，由于與不同姿勢(shì)相關(guān)聯(lián)的力或壓力導(dǎo)致的導(dǎo)線(xiàn)或?qū)Ч艿呐R時(shí)遷移，或來(lái)自不同姿勢(shì)狀態(tài)中的病人組織的壓縮的變化)，姿勢(shì)狀態(tài)的改變可導(dǎo)致治療傳遞的功效的變化。另外，姿勢(shì)狀態(tài)變化可在癥狀或癥狀級(jí)別，如疼痛級(jí)別上呈現(xiàn)變化。為了保持治療功效，可能理想的是基于不同的病人姿勢(shì)狀態(tài)(如，不同的姿勢(shì)和/或病人參數(shù)的活動(dòng))來(lái)調(diào)整一個(gè)或多個(gè)治療參數(shù)值。醫(yī)療設(shè)備可通過(guò)修改一個(gè)或多個(gè)治療參數(shù)的值(如，通過(guò)規(guī)定對(duì)特定治療參數(shù)的調(diào)整或通過(guò)選擇不同治療程序或定義治療參數(shù)值的不同組合的程序分組)來(lái)調(diào)整治療。也就是說(shuō)，可通過(guò)為當(dāng)前程序選擇或調(diào)整參數(shù)值(包括諸如幅值、脈沖寬度、脈沖率、電極組合、電極極性之類(lèi)的參數(shù))或者通過(guò)選擇不同的治療程序來(lái)完成治療調(diào)整。在一些示例中， 醫(yī)療設(shè)備自動(dòng)地基于所探測(cè)到的病人姿勢(shì)狀態(tài)做出一個(gè)或多個(gè)治療參數(shù)值的調(diào)整。在病人狀態(tài)包括病人姿勢(shì)狀態(tài)的示例中，可由產(chǎn)生指示病人姿勢(shì)狀態(tài)的信號(hào)的運(yùn)動(dòng)傳感器(一軸、二軸或三軸的加速度計(jì)、陀螺儀、壓力傳感器或壓電晶體)來(lái)產(chǎn)生一個(gè)或多個(gè)指示病人參數(shù)的信號(hào)。替代或除了運(yùn)動(dòng)傳感器，信號(hào)可指示顱內(nèi)壓力，這可隨著病人姿勢(shì)改變而改變。在一些示例中，病人狀態(tài)包括疾病發(fā)作狀態(tài)(其中病人的疾病發(fā)作的一個(gè)或多個(gè)癥狀呈現(xiàn))和非疾病發(fā)作狀態(tài)(其中病人沒(méi)有疾病發(fā)作)。在一些示例中，疾病發(fā)作狀態(tài)還可包括疾病發(fā)作可能要發(fā)生的狀態(tài)。然而，在其他示例中，疾病發(fā)作狀態(tài)包括病人實(shí)際上正經(jīng)歷著疾病發(fā)作的狀態(tài)。這對(duì)于，例如，評(píng)估病人情況并產(chǎn)生病人疾病發(fā)作活動(dòng)的記錄是有幫助的?？墒褂么颂幟枋龅南到y(tǒng)、設(shè)備和技術(shù)，單獨(dú)探測(cè)或與其他一起探測(cè)每一個(gè)此處描述的病人狀態(tài)。此處描述的示例描述了基于生物電腦部信號(hào)來(lái)探測(cè)病人狀態(tài)。在其他示例中，此處描述的技術(shù)還可應(yīng)用于基于指示病人參數(shù)的其他類(lèi)型的信號(hào)(諸如，參考上述的其他類(lèi)型的信號(hào))來(lái)探測(cè)病人狀態(tài)。圖1是理念圖，示出被植入病人14的腦部12附近的示例治療系統(tǒng)10，用于幫助管理病人情況，諸如疼痛、精神障礙、運(yùn)動(dòng)障礙或癲癇癥。盡管病人14 一般被稱(chēng)為人類(lèi)病人， 也可考慮其他哺乳動(dòng)物或非哺乳動(dòng)物的病人。治療系統(tǒng)10包括可植入的醫(yī)療設(shè)備(IMD) 16、導(dǎo)線(xiàn)延長(zhǎng)線(xiàn)18、帶相應(yīng)電極組24、 M的引線(xiàn)20A和20B，以及醫(yī)療設(shè)備編程器28。IMD16包括經(jīng)由引線(xiàn)20A和20B (—起被稱(chēng)為“引線(xiàn)20”)傳遞電刺激治療到腦部12的一個(gè)或多個(gè)區(qū)域的治療模塊。在圖1所示示例中，可將治療系統(tǒng)10稱(chēng)為深度腦刺激(DBS)系統(tǒng)，因?yàn)镮MD16直接將電刺激治療提供至腦部12之內(nèi)的組織，如腦部12的硬腦膜之下的組織點(diǎn)。在其他示例中，可將引線(xiàn)12放置成傳遞治療給腦部12的表面(如，腦部12的皮質(zhì)表面)。另外，在一些示例中，DBS系統(tǒng)10 可包括一個(gè)弓I線(xiàn)或多于兩個(gè)弓I線(xiàn)。在圖1所述示例中，可將IMD16植入在病人14的胸部附近的皮下囊袋(pocket) 中。在其他示例中，可將IMD16植入在病人14的其他區(qū)域內(nèi)，諸如病人14的腹部的皮下囊袋中或鄰近病人14的頭蓋骨之處。被植入的導(dǎo)線(xiàn)延長(zhǎng)線(xiàn)18經(jīng)由連接塊30連接于IMD16， 連接塊30可包括，例如，電連接到導(dǎo)線(xiàn)延長(zhǎng)線(xiàn)18上的相應(yīng)電觸片的電觸片。電觸片將由引線(xiàn)20載有的電極電連接至IMD16。導(dǎo)線(xiàn)延長(zhǎng)線(xiàn)18遍歷病人14胸腔內(nèi)的IMD16的植入點(diǎn)、 沿著病人14的頸部、穿過(guò)病人14的頭蓋骨32到達(dá)腦部12。引線(xiàn)20可位于傳遞電刺激到腦部12內(nèi)的一個(gè)或多個(gè)目標(biāo)組織點(diǎn)的位置，以管理與病人障礙相關(guān)聯(lián)的病人癥狀。通過(guò)頭蓋骨32的相應(yīng)的洞，引線(xiàn)20可被植入以將電極M、 26放置在腦部12的理想的位置處。引線(xiàn)20可被放置在腦部12中的任何位置處，這樣在治療過(guò)程中，電極M、26能將電刺激提供給腦部12中的目標(biāo)組織點(diǎn)。在圖1所示示例中，引線(xiàn)20被分別植入在腦部12的右和左半球中，從而將電刺激傳遞給腦部12的一個(gè)或多個(gè)區(qū)域，這可基于很多因素而選擇，諸如治療系統(tǒng)10被植入來(lái)管理的病人情況的類(lèi)型。不同的神經(jīng)或精神障礙可與腦部12的一個(gè)或多個(gè)區(qū)域內(nèi)的活動(dòng)相關(guān)聯(lián)，這在不同病人之間是變化的。因此，取決于病人情況和病人情況的癥狀，可將刺激治療傳遞到腦部 12的不同區(qū)域。例如，在MDD、雙相型障礙、OCD或其他焦慮性障礙的情況下，引線(xiàn)20可被植入為將電刺激傳遞到腦部12的內(nèi)囊的內(nèi)邊緣，且僅僅是內(nèi)囊的內(nèi)邊緣的腹面部(也被稱(chēng)為VC/VQ、具帶皮層的膝下部分、內(nèi)部具帶皮層布羅德曼野32和34、前額皮層的各部分，包括背側(cè)和中前額葉皮層(PFC)(如，布羅德曼野9)、腹正中的額葉前部的皮層(如，布羅德曼野10)、后和中眼窩前額皮層(如，布羅德曼野11)、伏隔中或核、丘腦、板內(nèi)核、丘腦核、杏仁核、海馬體、外側(cè)下丘腦、藍(lán)斑、背縫神經(jīng)核、中腹被、黑質(zhì)、丘腦下核、丘腦下腳、丘腦的背中核、松果體韁或其組合。用于控制病人14的運(yùn)動(dòng)障礙的腦部20中的合適的目標(biāo)治療點(diǎn)包括腳橋核(PPN)、 丘腦、基底神經(jīng)節(jié)結(jié)構(gòu)(如，蒼白球、黑質(zhì)或丘腦底核)、未定帶、纖維管道、Hl區(qū)(及其分支)、豆?fàn)詈笋龋?或Forel域(the Field of Forel) (H2區(qū))。PPN也被稱(chēng)為腳橋蓋核。目標(biāo)治療傳遞點(diǎn)可取決于正被治療的病人障礙或情況。因此，在其他示例中，引線(xiàn) 20可被置于傳遞其他類(lèi)型的治療到病人14的位置，諸如脊髓刺激來(lái)管理疼痛，鄰近于盆底神經(jīng)處來(lái)管理小便或大便失禁，或者鄰近病人14的任何合適的神經(jīng)、器官、肌肉或肌肉組， 其可基于，例如，病人情況來(lái)選擇。例如，可使用治療系統(tǒng)10來(lái)傳遞神經(jīng)刺激給陰部神經(jīng)、 會(huì)陰神經(jīng)或神經(jīng)系統(tǒng)的其他區(qū)域，在這些情況下，引線(xiàn)20的一個(gè)或兩個(gè)將被植入并基本固定在相應(yīng)的神經(jīng)附近。作為進(jìn)一步的示例，可將引線(xiàn)20的一個(gè)或兩個(gè)放置為治療疼痛、周?chē)窠?jīng)病或手術(shù)前的疼痛緩解的臨時(shí)或慢性的脊髓刺激、髂盆神經(jīng)刺激、脈間神經(jīng)刺激、用于胃動(dòng)力障礙和肥大的治療的胃刺激、為緩解其他臨時(shí)和局部疼痛(如，腿部疼痛或背部疼痛)的肌肉刺激(如，肌肉的功能性電刺激(FEQ )，或者治療運(yùn)動(dòng)障礙和其他神經(jīng)障礙的深度腦刺激。相應(yīng)地，盡管在本發(fā)明為說(shuō)明目的的公開(kāi)的剩余部分均參考為病人14和DBS， 治療系統(tǒng)可適于用在多種電刺激應(yīng)用中。盡管圖1中示出引線(xiàn)20連接至公共的導(dǎo)線(xiàn)延長(zhǎng)線(xiàn)18，在其他示例中，引線(xiàn)20可經(jīng)由單獨(dú)的導(dǎo)線(xiàn)延長(zhǎng)線(xiàn)連接至IMD16或直接連接至IMD16的連接塊30。引線(xiàn)20可傳遞電刺激來(lái)治療任何數(shù)量的神經(jīng)障礙或疾病，諸如精神障礙、運(yùn)動(dòng)障礙或癲癇癥。運(yùn)動(dòng)障礙的示例包括，受限的肌肉控制、動(dòng)作損傷或者其他的運(yùn)動(dòng)問(wèn)題，諸如僵硬、運(yùn)動(dòng)徐緩、節(jié)奏性運(yùn)動(dòng)機(jī)能亢奮、非節(jié)奏性運(yùn)動(dòng)機(jī)能亢奮、肌張力障礙、顫動(dòng)和運(yùn)動(dòng)不能。運(yùn)動(dòng)障礙可關(guān)聯(lián)于病人的疾病狀態(tài)，諸如帕金森病或亨廷頓病。示例的癲癇癥包括癲癇。引線(xiàn)20可經(jīng)由任何合適的技術(shù)被植入在腦部12的理想位置中，諸如通過(guò)病人14 的頭骨的相應(yīng)的鉆孔(burr hole)或通過(guò)頭蓋骨的普通的鉆孔。引線(xiàn)20可被置于腦部12 的任何位置處，從而在治療過(guò)程中，引線(xiàn)的電極可提供電刺激給目標(biāo)組織。從IMD16的治療模塊的信號(hào)發(fā)生器(未示出)產(chǎn)生的電刺激可幫助防止與病人情況相關(guān)的事件的發(fā)作或者緩解病人情況的癥狀。刺激治療的精確的治療參數(shù)值，諸如刺激信號(hào)的幅值或大小、每個(gè)信號(hào)的持續(xù)事件、刺激的波形(如，矩形、正弦或傾斜的信號(hào))、信號(hào)的頻率等，特定于有關(guān)的特定目標(biāo)刺激點(diǎn)(如，腦部的區(qū)域)，以及特定病人和病人情況而言。在刺激脈沖的情況下，刺激治療可表征為所選的脈沖參數(shù)，諸如脈沖幅值、脈沖速率和脈沖寬度。另外，如果可用不同電極來(lái)傳遞刺激，治療可進(jìn)一步表征為不同的電極組合，其可包括所選的電極及其相應(yīng)的極性?？刹捎糜糜诖_定優(yōu)化刺激參數(shù)的已知技術(shù)。
引線(xiàn)20的電極對(duì)、26圖示為環(huán)形電極。環(huán)形電極可相對(duì)簡(jiǎn)單地來(lái)編程，且一般能將電場(chǎng)傳遞給鄰近引線(xiàn)20的任何組織。在其他示例中，引線(xiàn)20的電極可具有不同的配置。 例如，引線(xiàn)20的電極可具有復(fù)雜的電極陣列形狀，其能產(chǎn)生某種形狀的電場(chǎng)。復(fù)雜的電極陣列形狀可包括圍繞每個(gè)引線(xiàn)20，而不是環(huán)形電極，的周長(zhǎng)，的多個(gè)電極(如，部分環(huán)形或段式的電極)。以這種方式，可將電刺激從引線(xiàn)20的特定方向引入而增強(qiáng)治療功效，并減少來(lái)自刺激大量組織的可能的反向副作用。在一些示例中，IMD16的外殼可包括一個(gè)或多個(gè)刺激和/或傳感電極。在可選示例中，除了圖1所示的長(zhǎng)圓柱形之外，引線(xiàn)20可具有其他形狀。例如，引線(xiàn)20可以是盤(pán)狀引線(xiàn)、球狀引線(xiàn)、可彎曲的引線(xiàn)或可有效治療病人14的其他類(lèi)型形狀。 在一些示例中，IMD16包括傳感模塊，其傳感腦部12中的生物電信號(hào)或者和與 IMD16物理分離的傳感模塊通信。生物電腦部信號(hào)可反映由跨腦組織的電位差之和引起的電流變化。生物電腦信號(hào)的示例包括，但不限于，從病人腦部的一個(gè)或多個(gè)區(qū)域所感知的 EEG信號(hào)、ECoG信號(hào)、LFP信號(hào)和/或來(lái)自病人腦部?jī)?nèi)的單個(gè)細(xì)胞的動(dòng)作電位。另外，在一些情況中，生物電腦部信號(hào)包括所測(cè)得的腦部12的組織的阻抗。在一些示例中，可使用生物電腦部信號(hào)來(lái)確定病人14是否處于特定狀態(tài)，如，使用由SVM算法所確定的分類(lèi)界線(xiàn)，如參看圖9所描述的那樣。在一些示例中，引線(xiàn)20可包括被放置為探測(cè)病人腦部12的一個(gè)或多個(gè)區(qū)域中的生物電腦部信號(hào)的傳感電極?？蛇x地，另一組可植入或外部傳感電極可監(jiān)測(cè)該電信號(hào)。 IMD16可傳遞治療及傳感腦部12的同一個(gè)或不同目標(biāo)組織點(diǎn)中的生物電腦部信號(hào)。IMD16包括產(chǎn)生經(jīng)由引線(xiàn)20傳遞給病人14的電刺激的刺激產(chǎn)生器。在圖1所示示例中，IMD 16根據(jù)一個(gè)或多個(gè)治療參數(shù)而產(chǎn)生電刺激，所述治療參數(shù)可能被放置在治療程序(或參數(shù)組)中。具體地，IMD16中的信號(hào)發(fā)生器(未示出)以由醫(yī)生和/或病人14 所選的治療程序或程序組所定義的方式產(chǎn)生刺激?？蓪⑿盘?hào)發(fā)生器配置為產(chǎn)生電脈沖來(lái)治療病人14。在其他示例中，IMD16的信號(hào)發(fā)生器可被配置為產(chǎn)生連續(xù)波信號(hào)，如，正弦波或三角波。在這兩種情況下，IMD16根據(jù)由具體治療程序所定義的治療參數(shù)值來(lái)為DBS產(chǎn)生電刺激治療。治療程序定義界定刺激的多個(gè)參數(shù)的相應(yīng)值。例如，治療參數(shù)可包括電壓或電流脈沖幅值、脈沖寬度、脈沖速率、脈沖頻率、電極組合等。IMD16可存儲(chǔ)多個(gè)程序。在一些情況下，可將一個(gè)或多個(gè)刺激程序組織為組，IMD16可根據(jù)程序組將刺激傳遞給病人14。在 IMD16被評(píng)估以確定IMD16是否提供有功效的治療給病人14的嘗試階段(trial stage) 中，可測(cè)試及評(píng)估所存儲(chǔ)的程序的功效。IMD16可包括存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)治療程序(如，以組配置的)和指令，該指令用于界定病人14可調(diào)整治療參數(shù)、在程序之間轉(zhuǎn)換或采取其他治療調(diào)整的程度。病人 14在治療中的任何時(shí)間或由醫(yī)生所標(biāo)記的任何時(shí)間經(jīng)由編程器觀可產(chǎn)生IMD16使用的附加程序。一般，IMD16的外殼34由防腐蝕和抵抗體液降解的生物相容材料構(gòu)建。IMD16可被植入在鄰近刺激點(diǎn)的皮下囊袋中。盡管在圖1所示的示例中，IMD16被植入在鄰近病人 14的鎖骨的皮下囊袋中，在其他示例中，IMD16可被植入在頭骨或在另外的組織點(diǎn)處(如， 肌肉下組織點(diǎn)或靠近病人14的腹部的組織點(diǎn))。另外，盡管圖1中IMD16被圖示為植入在病人14之中，在其他示例中，IMD 16可位于病人體外。例如，在嘗試階段，IMD 16可以是經(jīng)由經(jīng)皮的引線(xiàn)電耦合至引線(xiàn)20的試驗(yàn)刺激器。如果試驗(yàn)刺激器指示治療系統(tǒng)10提供了有效治療給病人14，醫(yī)生可植入慢性刺激器在病人14內(nèi)用于長(zhǎng)期治療。在一些示例中，取決于病人情況，治療系統(tǒng)10包括動(dòng)作傳感器36，其產(chǎn)生指示病人活動(dòng)(如，病人動(dòng)作或病人姿勢(shì)轉(zhuǎn)換)的信號(hào)。例如，動(dòng)作傳感器36可包括能探測(cè)三維的靜態(tài)取向或向量的一個(gè)或多個(gè)加速度計(jì)(如，一軸、二軸或三軸的加速度計(jì))。示例加速度計(jì)為微機(jī)電加速度計(jì)。在其他示例中，動(dòng)作傳感器36可選地或附加地包括一個(gè)或多個(gè)陀螺儀、壓力變換器、壓電晶體或其所產(chǎn)生的信號(hào)因變于病人活動(dòng)或病人姿勢(shì)而改變的其他傳感器。在一些示例中，可使用動(dòng)作傳感器36所產(chǎn)生的信號(hào)來(lái)確定病人14是否處于特定狀態(tài)，如，使用參看圖9所描述的基于SVM的技術(shù)或由計(jì)算設(shè)備所實(shí)現(xiàn)的另一個(gè)監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)。在一些示例中，經(jīng)由編程器觀或IMD16所提供的病人輸入也可被關(guān)聯(lián)于生物電腦部信號(hào)信息或指示病人參數(shù)的其他信號(hào)，從而訓(xùn)練病人狀態(tài)探測(cè)算法(如，SVM算法)。例如，如根據(jù)圖4所描述的那樣，病人輸入可指示何時(shí)病人14處于特定病人狀態(tài)，諸如以下的至少一個(gè)疾病發(fā)作狀態(tài)、特定的運(yùn)動(dòng)障礙狀態(tài)、情緒狀態(tài)、特定病人姿勢(shì)狀態(tài)等。病人14 經(jīng)由編程器28或IMD 16提供輸入(如，通過(guò)以預(yù)確定的方式輕擊IMD16，且IMD16可包括動(dòng)作探測(cè)器以探測(cè)該病人輸入)以指示發(fā)生了病人狀態(tài)。該輸入還可指示何時(shí)發(fā)生了病人狀態(tài)，這樣病人輸入可在時(shí)間上與生物電腦部信號(hào)信息相關(guān)聯(lián)?？墒褂?，例如，相關(guān)圖4所描述的技術(shù)，來(lái)確定指示病人狀態(tài)的一個(gè)或多個(gè)腦部信號(hào)特性。在一些示例中，可使用經(jīng)由編程器觀或另一個(gè)設(shè)備接收到的病人輸入來(lái)激活對(duì)訓(xùn)練數(shù)據(jù)的記錄，該訓(xùn)練數(shù)據(jù)由計(jì)算設(shè)備(如，編程器觀、IMD16或另一個(gè)計(jì)算設(shè)備)實(shí)現(xiàn)的SVM技術(shù)所使用，來(lái)產(chǎn)生用于病人狀態(tài)探測(cè)的基于SVM的分類(lèi)算法。在一些示例中，訓(xùn)練數(shù)據(jù)包括由傳感器(如，動(dòng)作傳感器和/或生理學(xué)參數(shù)傳感模塊)產(chǎn)生的信號(hào)，一旦經(jīng)由編程器觀接收到病人輸入，該信號(hào)可被存儲(chǔ)在IMD16的存儲(chǔ)器中。該信號(hào)可被記錄一段預(yù)確定的時(shí)間段(如，約一分鐘或更短)或者直到經(jīng)由編程器觀接收到進(jìn)一步的病人輸入。在一些示例中，IMD16的存儲(chǔ)器可緩沖在病人輸入的輸入之前所傳感到的數(shù)據(jù)。在這樣的示例中，訓(xùn)練數(shù)據(jù)可包括由傳感器產(chǎn)生的、指示一段時(shí)間的病人參數(shù)的信號(hào)，這一段時(shí)間包括在激活訓(xùn)練數(shù)據(jù)的記錄的病人輸入的接收之前和之后。如下文將進(jìn)一步所討論的，附加或替代病人輸入，可使用其他技術(shù)來(lái)獲取訓(xùn)練數(shù)據(jù)。用于接收病人輸入來(lái)收集與病人事件(諸如情緒狀態(tài)或疾病發(fā)作狀態(tài))的發(fā)生相關(guān)的示例系統(tǒng)和技術(shù)，描述在系列號(hào)為No. 12/236，21UKovach等人申請(qǐng)的、名為“PATIENT EVENT INFORMATION(病人事件信息)”、在2008年9月23日申請(qǐng)的美國(guó)專(zhuān)利申請(qǐng)中。如 Kovach等人申請(qǐng)的、系列號(hào)為No. 12/236,211的美國(guó)專(zhuān)利申請(qǐng)中所描述的，病人14 一旦激活了編程器觀的事件指示按鈕，編程器觀或另一個(gè)計(jì)算設(shè)備的處理器可產(chǎn)生事件標(biāo)記 (event marker)。例如，如果病人14探測(cè)到疾病發(fā)作或特定情緒狀態(tài)或病人姿勢(shì)，病人14 可激活事件指示按鈕，且，作為響應(yīng)，處理器可產(chǎn)生事件標(biāo)記?？煽紤]其他類(lèi)型的病人事件， 諸如其他類(lèi)型的病人狀態(tài)的發(fā)生(如，運(yùn)動(dòng)狀態(tài)、特定情緒狀態(tài)、特定姿勢(shì)狀態(tài)等)。病人14 可提供與病人事件相關(guān)的事件信息。例如，事件信息可包括探測(cè)到的病人事件的類(lèi)型、病人事件的嚴(yán)重性、病人事件的持續(xù)時(shí)間、在病人事件發(fā)生之前、之中和之后所服用的藥物類(lèi)型和劑量、被傳遞以管理病人情況的治療的功效的主觀比率等。編程器觀可提供用戶(hù)界面， 其被配置為接收來(lái)自病人的事件信息，且，在一些示例中，可提示用戶(hù)該信息。在圖1所示示例中，動(dòng)作傳感器36位于IMD16的外殼34之中。在其他示例中，可將動(dòng)作傳感器36植入在病人14中的任何合適的位置或可能裝載在病人14之外?？苫诟鞣N因素，諸如動(dòng)作傳感器36被實(shí)現(xiàn)為探測(cè)的病人動(dòng)作的類(lèi)型，來(lái)選擇動(dòng)作傳感器36的位置。在一些示例中，動(dòng)作傳感器36可分離于IMD16。與IMD16或引線(xiàn)20物理地分離的動(dòng)作傳感器可經(jīng)由無(wú)線(xiàn)通信技術(shù)或有線(xiàn)連接來(lái)與IMD16通信。在一些示例中，治療系統(tǒng)10包括多于一個(gè)的動(dòng)作傳感器36。例如，可放置多個(gè)植入的或外部的動(dòng)作傳感器來(lái)探測(cè)病人14 的多個(gè)肢體(如，手臂或腿)的動(dòng)作。在一些示例中，除了或替代IMD16的動(dòng)作傳感器36或傳感模塊，治療系統(tǒng)10還包括產(chǎn)生指示病人參數(shù)的信號(hào)的傳感器38。傳感器38可以是傳感與病人14的病人情況相關(guān)聯(lián)的生理學(xué)參數(shù)的任何合適的傳感器。盡管圖1中所示的示例中示出為物理地與IMD16 分離，在其他示例中，傳感器38可以在IMD16的外殼之上或之中。傳感器38可被植入病人 14中的任何合適的位置(如，皮下植入點(diǎn))或可位于外部(如，未被植入病人14中)。
在一些示例中，傳感器38被配置為監(jiān)測(cè)病人14的生理學(xué)信號(hào)，諸如心率、呼吸速率、皮電活動(dòng)(如，皮膚電導(dǎo)率級(jí)別或皮膚電反射)、肌肉活動(dòng)(如，經(jīng)由肌動(dòng)電流圖)、熱傳感或可指示特定病人狀態(tài)的任何其他生理學(xué)參數(shù)。在一些示例中，然而，IMD16的傳感模塊還可傳感這些生理學(xué)參數(shù)中的一個(gè)或多個(gè)。外部編程器28根據(jù)需要無(wú)線(xiàn)地與IMD16通信以提供或取回治療信息。編程器28 是外部計(jì)算設(shè)備，用戶(hù)，如醫(yī)生和/或病人14可使用其來(lái)與IMD16通信。例如，編程器觀可以是醫(yī)生編程器，醫(yī)生使用其與IMD16通信并為IMD16編程一個(gè)或多個(gè)治療程序?？蛇x地，編程器觀可以是病人編程器，容許病人14選擇程序和/或?yàn)g覽并修改治療參數(shù)。醫(yī)生編程器可包括多于病人編程器的更多的編程特征。也就是說(shuō)，只容許醫(yī)生編程器使用更多的復(fù)雜或敏感的任務(wù)，防止未受過(guò)訓(xùn)練的病人做出IMD16的不希望的改變。編程器觀可以是手持計(jì)算設(shè)備，帶有用戶(hù)可瀏覽的顯示器和用于提供給編程器 28 (也就是，用戶(hù)輸入機(jī)制)的輸入的界面。例如，編程器觀可包括呈現(xiàn)信息給用戶(hù)的小的顯示屏(如，液晶顯示器(LCD)或發(fā)光二極管(LED)顯示器)。另外，編程器觀可包括觸摸屏顯示器、鍵盤(pán)、按鈕、外圍定點(diǎn)設(shè)備或容許用戶(hù)通過(guò)編程器觀的用戶(hù)界面指定(navigate) 并提供輸入的另一個(gè)輸入機(jī)制。如果編程器觀包括按鈕和鍵盤(pán)，可將按鈕專(zhuān)用為執(zhí)行特定功能，如，電源按鈕或按鈕和鍵盤(pán)可以是隨用戶(hù)當(dāng)前看到的用戶(hù)界面的部分而改變功能的軟鍵盤(pán)?？蛇x地，編程器觀的屏幕(未示出)可以是觸摸屏，容許用戶(hù)直接向在顯示器上顯示的用戶(hù)界面提供輸入。用戶(hù)可使用指示筆或他們的手指來(lái)向顯示器提供輸入。在其他示例中，編程器觀可以是在另一個(gè)多功能設(shè)備中的較大的工作站或獨(dú)立的應(yīng)用，而不是專(zhuān)用計(jì)算設(shè)備。例如，多功能設(shè)備可以是筆記本計(jì)算機(jī)、臺(tái)式計(jì)算機(jī)、工作站、個(gè)人數(shù)字助理或可運(yùn)行能是計(jì)算設(shè)備操作作為安全的醫(yī)療設(shè)備編程器觀的應(yīng)用程序的另一個(gè)計(jì)算設(shè)備。連接至計(jì)算設(shè)備的無(wú)線(xiàn)適配器可確保計(jì)算設(shè)備與IMD16之間的安全的
ififn。當(dāng)編程器觀被配置為由醫(yī)生使用，可使用編程器觀來(lái)傳輸初始編程信息給 IMD16。初始信息可包括硬件信息，諸如引線(xiàn)20的類(lèi)型、引線(xiàn)20上電極M、26的排列、病人 14中的動(dòng)作傳感器36的數(shù)量和位置、腦部12中的引線(xiàn)20的位置、電極陣列M、26的配置、 定義治療參數(shù)值的初始程序和醫(yī)生希望編程到IMD16中的其他任何信息。編程器觀還可能完成功能測(cè)試(如，測(cè)量引線(xiàn)20的電極M、26的阻抗)。醫(yī)生還可在編程器28的幫助下將治療程序存儲(chǔ)到IMD16中。在編程過(guò)程(可發(fā)生在IMD16植入之后或IMD16植入之前)中，醫(yī)生可確定提供有效治療給病人14的治療參數(shù)值，以克服與病人情況相關(guān)聯(lián)的癥狀。例如，醫(yī)生可選擇用其傳遞刺激給腦部12的一個(gè)或多個(gè)電極組合。作為另一個(gè)示例，編程器觀或另一個(gè)計(jì)算設(shè)備可使用自動(dòng)地選擇治療程序的搜索算法用于試驗(yàn)，也就是，在病人14上的測(cè)試。在編程過(guò)程中，病人14可向醫(yī)生提供關(guān)于正在評(píng)估的特定程序(如，試驗(yàn)的或測(cè)試的)的功效反饋，或者醫(yī)生可基于病人的一個(gè)或多個(gè)生理學(xué)參數(shù)(如，心率、呼吸速率或肌肉活動(dòng))評(píng)估功效。通過(guò)提供用于標(biāo)識(shí)潛在有益的治療參數(shù)值的有組織的系統(tǒng)，編程器觀可在治療程序的創(chuàng)建/標(biāo)識(shí)方面幫助醫(yī)生。還可將編程器觀配置為由病人14使用。當(dāng)被配置作為病人編程器的時(shí)候，編程器洲可具有有限功能(相比醫(yī)生編程器而言)以防止病人14改變IMD16的關(guān)鍵功能或?qū)Σ∪硕钥赡苡泻Φ膽?yīng)用程序。以這個(gè)方式，編程器觀可僅容許病人14調(diào)整特定治療參數(shù)的值或?yàn)樘囟ㄖ委焻?shù)設(shè)定可用的值的范圍。當(dāng)治療被傳遞的時(shí)候、當(dāng)病人輸入觸發(fā)了治療中的變化或者當(dāng)編程器觀或IMD16 中的電源需要替換或充電的時(shí)候，編程器觀還可提供指示給病人14。例如，編程器觀可包括提醒LED，經(jīng)由編程器顯示器可閃爍消息給病人14，產(chǎn)生可聽(tīng)音或體感提示來(lái)確認(rèn)病人輸入已經(jīng)接收為，如，指示病人狀態(tài)或用于手動(dòng)地修改治療參數(shù)。不論編程器觀被配置為醫(yī)生或病人使用，編程器觀被配置為經(jīng)由無(wú)線(xiàn)通信，與 IMD16，及，可選地，另一個(gè)計(jì)算設(shè)備進(jìn)行通信。編程器觀，例如，可使用現(xiàn)有技術(shù)中已知的射頻(RF)遙測(cè)技術(shù)，經(jīng)由無(wú)線(xiàn)通信與IMD 16進(jìn)行通信。編程器觀還可使用各種本地?zé)o線(xiàn)通信技術(shù)(諸如根據(jù)802. 11或藍(lán)牙規(guī)范組的RF通信、根據(jù)IRDA規(guī)范組的紅外(IR)通信或者其他標(biāo)準(zhǔn)或?qū)Ｓ眠b測(cè)協(xié)議)經(jīng)由有線(xiàn)或無(wú)線(xiàn)連接與另一個(gè)編程器或計(jì)算設(shè)備進(jìn)行通信。 編程器觀還可經(jīng)由可移動(dòng)介質(zhì)(諸如磁盤(pán)或光盤(pán)、存儲(chǔ)卡或記憶棒)的交換與其他編程或計(jì)算設(shè)備進(jìn)行通信。進(jìn)一步，編程器觀可經(jīng)由現(xiàn)有技術(shù)中已知的遠(yuǎn)程遙測(cè)技術(shù)與IMD16和另一個(gè)編程器進(jìn)行通信，例如，通信可經(jīng)由局域網(wǎng)(LAN)、廣域網(wǎng)(WAN)、公共交換電話(huà)網(wǎng)絡(luò) (PSTN)或蜂窩電話(huà)網(wǎng)絡(luò)。治療系統(tǒng)10可被實(shí)現(xiàn)為在幾個(gè)月或幾年的過(guò)程中提供慢性(chronic)刺激治療給病人14。然而，在著手全面植入之前，還可在試驗(yàn)基礎(chǔ)上使用系統(tǒng)10來(lái)評(píng)估治療。如果暫時(shí)地實(shí)現(xiàn)，系統(tǒng)10的一些組件可不必植入病人14之中。例如，病人14可配備有外部醫(yī)療設(shè)備，諸如試驗(yàn)刺激器，而不是IMD16。外部醫(yī)療設(shè)備可耦合至經(jīng)皮引線(xiàn)或經(jīng)由經(jīng)皮的延長(zhǎng)線(xiàn)耦合至被植入的引線(xiàn)。如果試驗(yàn)刺激器指示DBS系統(tǒng)10提供了有效治療給病人14，醫(yī)生可植入慢性刺激器在病人14內(nèi)用于相對(duì)長(zhǎng)期的治療。除了或替代電刺激治療，IMD16可傳遞治療劑給病人14來(lái)管理病人情況。在這樣的示例中，IMD16可包括流體泵或另一個(gè)設(shè)備，其以計(jì)量的或其他希望的流體劑量經(jīng)由導(dǎo)管從IMD16內(nèi)的槽傳遞治療劑到病人14中的治療點(diǎn)。流體泵可以是外部的或被植入的。治療劑可被用來(lái)提供治療給病人14來(lái)管理病人14的情況，且可被傳遞給病人的腦部12、血流或組織。作為另一個(gè)示例，醫(yī)療設(shè)備可以是佩戴在病人14的皮膚表面的貼片(patch)，此處線(xiàn)流出治療劑，然后被病人皮膚吸收?？煽紤]其他類(lèi)型的治療劑傳遞系統(tǒng)。一旦基于指示病人參數(shù)的信號(hào)(如，生物電腦部信號(hào)或動(dòng)作傳感器信號(hào))探測(cè)到特定病人狀態(tài)，IMD16可傳遞治療劑。被用于傳遞治療劑給病人14的導(dǎo)管可包括用于傳感病人14的生物電腦部信號(hào)的一個(gè)或多個(gè)電極。在治療劑傳遞的情況下，治療參數(shù)可包括治療劑的劑量(如，劑丸的尺寸或濃度)、治療劑傳遞的速率、每個(gè)劑丸的最大可接收的劑量、一定劑量的治療劑可傳遞給病人的時(shí)間段(閉鎖時(shí)間段)，等。盡管本發(fā)明的其他部分描述了相關(guān)圖1的治療系統(tǒng)10的用于探測(cè)病人14的病人狀態(tài)的各種系統(tǒng)、設(shè)備和技術(shù)，這些此處描述的系統(tǒng)、設(shè)備和技術(shù)也可應(yīng)用于其他類(lèi)型的治療系統(tǒng)，諸如傳遞治療劑給病人14來(lái)管理病人情況的治療系統(tǒng)或僅在探測(cè)到病人狀態(tài)時(shí)傳遞提醒給病人14的治療系統(tǒng)。在一些情況下，治療系統(tǒng)可被用于監(jiān)測(cè)指示病人14的一個(gè)或多個(gè)參數(shù)的一個(gè)或多個(gè)信號(hào)，且可能不包括治療傳遞(如，刺激傳遞或治療劑傳遞)能力。監(jiān)測(cè)設(shè)備對(duì)于醫(yī)生在，例如，在對(duì)病人14的初始評(píng)估來(lái)評(píng)估病人情況并使用SVM算法 (參看圖4而描述的)產(chǎn)生用于分類(lèi)所感知到的病人參數(shù)信號(hào)為第一病人狀態(tài)或非第一狀態(tài)的狀態(tài)的分類(lèi)界線(xiàn)的時(shí)候，是有用的。圖2是更詳細(xì)地示出示例IMD16的組件的功能框圖。在圖2所示的示例中，IMD16 包括動(dòng)作傳感器36、處理器40、存儲(chǔ)器42、刺激傳感器44、傳感模塊46、開(kāi)關(guān)模塊48、遙測(cè)模塊50和電源52。存儲(chǔ)器42可包括任何易失、非易失介質(zhì)，諸如隨機(jī)存取存儲(chǔ)器(RAM)、 只讀存儲(chǔ)器(ROM)、非易失性RAM(NVRAM)、電可擦除可編程ROM(EEPROM)、閃存等。存儲(chǔ)器 42可存儲(chǔ)可讀計(jì)算機(jī)指令，當(dāng)由處理器40執(zhí)行這些指令的時(shí)候，導(dǎo)致IMD16來(lái)執(zhí)行此處描述的各種功能。另外，在一些示例中，存儲(chǔ)器42存儲(chǔ)由動(dòng)作傳感器36和/或傳感模塊46 所產(chǎn)生的數(shù)據(jù)，用于訓(xùn)練SVM來(lái)產(chǎn)生用于基于SVM算法的分類(lèi)界線(xiàn)。在圖2所示示例中，存儲(chǔ)器42存儲(chǔ)治療程序M、病人狀態(tài)探測(cè)算法56和在存儲(chǔ)器 42的獨(dú)立存儲(chǔ)器中或存儲(chǔ)器42中的獨(dú)立區(qū)域中的操作指令58。每個(gè)被存儲(chǔ)的治療程序M 以電刺激參數(shù)(諸如刺激電極組合、電極極性、電流或電壓幅值)的相應(yīng)值的形式定義治療的特定程序，且，在如果刺激發(fā)生器44產(chǎn)生并傳遞刺激脈沖的情況下，治療程序可定義脈沖寬度、脈沖速率的值和刺激信號(hào)的占空比。在一些示例中，可將治療程序存儲(chǔ)為治療組， 其定義可用以產(chǎn)生刺激的一組治療程序。由治療程序組定義的刺激信號(hào)可在重疊或非重疊 (如，時(shí)間交織的)的基礎(chǔ)上一起傳遞。由存儲(chǔ)器42所存儲(chǔ)的病人狀態(tài)探測(cè)算法56包括用于執(zhí)行算法的機(jī)器可讀的指令。使用這些指令，處理器40可執(zhí)行病人狀態(tài)探測(cè)算法56來(lái)基于所接收到的指示病人參數(shù)的信號(hào)(如，來(lái)自傳感模塊46、動(dòng)作傳感器36或圖1所示的傳感器38)來(lái)探測(cè)病人狀態(tài)。 處理器40可用來(lái)探測(cè)病人狀態(tài)的示例病人狀態(tài)探測(cè)算法使用以SVM產(chǎn)生的分類(lèi)界線(xiàn)。參考圖9而描述這個(gè)病人狀態(tài)探測(cè)技術(shù)的示例。操作指令58引導(dǎo)IMD16在處理器40的控制下的一般操作，且可包括例如用于測(cè)量電極對(duì)、26的阻抗的指令和/或確定電極MJ6之間的距離的指令。在一些示例中，存儲(chǔ)器42還存儲(chǔ)病人狀態(tài)發(fā)生的日志(或記錄)。這對(duì)于評(píng)估病人情況、病人情況的進(jìn)程或者在管理病人情況方面IMD16的治療效果方面是有用的。病人狀態(tài)發(fā)生的日志了包括任何合適類(lèi)型的信息。在一個(gè)示例中，日志包括一旦探測(cè)到病人狀態(tài)則由處理器40產(chǎn)生的病人狀態(tài)指示、指示何時(shí)探測(cè)到病人狀態(tài)的日期和時(shí)間戳、以及由以下的一個(gè)或多個(gè)所產(chǎn)生的病人參數(shù)信號(hào)動(dòng)作傳感器36、傳感器觀、傳感模塊46或另一個(gè)傳感模塊。IMD16耦合至引線(xiàn)20A和20B，其分別包括電極24A-24D和(—起被稱(chēng)為 “電極對(duì)和沈”)。盡管IMD16直接耦合至引線(xiàn)20，在其他示例中，IMD16可非直接地耦合至引線(xiàn)20，如，經(jīng)由引線(xiàn)延長(zhǎng)線(xiàn)18(圖1)。在圖2所示示例中，可植入的醫(yī)療引線(xiàn)20基本是圓柱形的，這樣電極M、26置于引線(xiàn)20的圓形外表面上。如前所述，在其他示例中，引線(xiàn) 20可以是，至少部分地是，盤(pán)型的(也就是“盤(pán)狀”引線(xiàn))。在一些示例中，電極MJ6可以是環(huán)形電極。在其他示例中，電極對(duì)、26可以是數(shù)個(gè)段式的或部分環(huán)形的電極，每一個(gè)繞相應(yīng)引線(xiàn)20的外部周?chē)由煨∮?60度(如，90-120度)的弧形。使用段式或部分環(huán)形的電極MJ6還可減少由IMD16傳遞給電極M、26的整體功率，因?yàn)橥ㄟ^(guò)減少或最小化將刺激傳遞給病人14內(nèi)不需要或不必要的區(qū)域可有更多的能力更有效地傳遞刺激給目標(biāo)刺激點(diǎn)ο圖2中示出的電極M、26的配置、類(lèi)型和數(shù)量?jī)H僅是示例性的。例如，IMD 16可耦合至其上帶有八個(gè)電極的引線(xiàn)，或者在分支的引線(xiàn)延長(zhǎng)線(xiàn)的幫助下耦合至三個(gè)或更多的引線(xiàn)。電極對(duì)、26經(jīng)由相應(yīng)引線(xiàn)20A、20B中的導(dǎo)體電耦合至IMD16的刺激產(chǎn)生器44和傳感模塊46。電極M、26中的每一個(gè)可耦合至單獨(dú)的導(dǎo)體，這樣電極MJ6可被獨(dú)立地選擇中，或者在一些示例中，兩個(gè)或更多個(gè)電極M和/或兩個(gè)或更多個(gè)電極沈可耦合至同一個(gè)電極。在一些示例中，傳感模塊46經(jīng)由從電極24J6中選擇出來(lái)的電極傳感生物電腦部信號(hào)，當(dāng)然也可使用其他電極或傳感設(shè)備。處理器40可包括微處理器、控制器、數(shù)字信號(hào)處理器(DSP)、專(zhuān)用集成電路 (ASIC)、現(xiàn)場(chǎng)可編程門(mén)陣列(FPGA)、分立邏輯電路中的一個(gè)或多個(gè)。分配給此處描述的處理器的功能可體現(xiàn)為經(jīng)由軟件固件、硬件或其任意組合而體現(xiàn)在硬件設(shè)備中。處理器40控制刺激發(fā)生器44根據(jù)所選的治療參數(shù)，產(chǎn)生并傳遞電刺激信號(hào)給病人14。具體地，處理器 40根據(jù)存儲(chǔ)在存儲(chǔ)器42中的治療參數(shù)M控制刺激發(fā)生器44來(lái)應(yīng)用由一個(gè)或多個(gè)程序所指定的特定刺激參數(shù)值，諸如電流或電壓幅值、頻率和占空比(如，在刺激脈沖的情況下是脈沖寬度和脈沖速率)。另外，處理器40還可經(jīng)由所選電極M、26的子組以所選的極性來(lái)控制刺激發(fā)生器44來(lái)傳遞電刺激信號(hào)。例如，開(kāi)關(guān)模塊48以不同的雙極性或多極性組合來(lái)組合電極對(duì)、26來(lái)將刺激能量傳遞給所選點(diǎn)，諸如腦部12中的點(diǎn)。在其他示例中，治療參數(shù)存儲(chǔ)在編程器觀或另一個(gè)計(jì)算設(shè)備中，其經(jīng)由遙測(cè)模塊50將治療程序傳輸給IMD16。在圖2所示示例中，引線(xiàn)20A的電極M的集合包括電極24A、24B、24C和MD，引線(xiàn) 20B的電極沈的集合包括電極^AJ6B、26C和^D。處理器40可控制開(kāi)關(guān)模塊48應(yīng)用由刺激發(fā)生器44產(chǎn)生的刺激信號(hào)給電極M、26的所選組合。具體地，開(kāi)關(guān)模塊48可耦合刺激信號(hào)至引線(xiàn)20中的所選導(dǎo)體，然后，后者跨所選電極M、^H專(zhuān)遞刺激信號(hào)。開(kāi)關(guān)模塊48 可以是開(kāi)關(guān)陣列、開(kāi)關(guān)矩陣、多路復(fù)用器、或任何其他類(lèi)型的開(kāi)關(guān)模塊，其被設(shè)置為選擇性地耦合刺激能量至所選電極對(duì)、26，并選擇性地傳感所選M、26的生物電腦部信號(hào)。因此， 刺激發(fā)生器44經(jīng)由開(kāi)關(guān)模塊48和引線(xiàn)20中的導(dǎo)體耦合至電極對(duì)、26。在一些示例中，然而，IMD16不包括開(kāi)關(guān)模塊48。刺激發(fā)生器44可以是單信道或多信道的刺激發(fā)生器。具體地，刺激發(fā)生器44可經(jīng)由單個(gè)電極組合在給定時(shí)間傳遞單刺激脈沖、多刺激脈沖或連續(xù)信號(hào)，或者經(jīng)由多個(gè)電極組合在給定時(shí)間傳遞多刺激脈沖。在一些示例中，然而，刺激發(fā)生器44和開(kāi)關(guān)模塊48可被配置為在時(shí)間交織的基礎(chǔ)上傳遞多信道。例如，開(kāi)關(guān)模塊48可用于時(shí)間分割在不同時(shí)間跨不同電極組合的刺激發(fā)生器44輸出，以傳遞多個(gè)程序或刺激能量的信道給病人14。傳感模塊46被設(shè)置為經(jīng)由電極MJ6的所選子組來(lái)傳感病人14的生物電腦部信號(hào)。處理器40可控制開(kāi)關(guān)模塊48來(lái)電連接傳感模塊46至電極MJ6的所選組合。以這種方式，傳感模塊46可選擇性地以電極M、26的不同組合傳感生物電腦部信號(hào)。如前所述， 在一些示例中，處理器40可經(jīng)由所傳感的生物電腦部信號(hào)來(lái)探測(cè)病人14的特定病人狀態(tài)。 在其他示例中，除了或替代指示腦部活動(dòng)的生物電腦部信號(hào)，處理器40可基于病人14的其他生理學(xué)參數(shù)而探測(cè)病人14的特定病人狀態(tài)。在一些示例中，傳感模塊46包括頻選傳感電路，其抽取所傳感的的病人參數(shù)信號(hào) (其可以是，例如，生物電腦部信號(hào))的一個(gè)或多個(gè)所選頻帶中的能量級(jí)別。頻選傳感電路可包括斬波穩(wěn)定的超外差儀器放大器和信號(hào)分析單元，并且可利用外差的、斬波穩(wěn)定的放大器構(gòu)造來(lái)將生理學(xué)信號(hào)(諸如生物電腦部信號(hào))的所選頻帶轉(zhuǎn)換為用于分析的基帶。如此處所描述的，可在一個(gè)或多個(gè)所選頻帶中分析生理學(xué)信號(hào)來(lái)確定一個(gè)或多個(gè)特征。在一些示例中，傳感模塊46包括多個(gè)信道，其提取指示一個(gè)或多個(gè)病人參數(shù)的一個(gè)或多個(gè)信號(hào)的相同的或不同的頻帶。可適于或適用于本發(fā)明的這個(gè)技術(shù)、電路和設(shè)備的各種附加斷續(xù)放大器電路的示例在專(zhuān)利號(hào)為 7，385，443、授權(quán)給 Dension、名為 “CHOPPER STABILIZED INSTRUMENTATION AMPLIFIER(斬波穩(wěn)定的儀器放大器)”、在2008年1月10日授權(quán)的美國(guó)專(zhuān)利中有描述。使用外差的、斬波穩(wěn)定的放大器構(gòu)造的頻選監(jiān)測(cè)器的示例在申請(qǐng)?zhí)枮?0/975，372 的、由 Dension 等申請(qǐng)的、名為 “FREQUENCY SELECTIVE MONITORING OF PHYSIOLOGICAL SIGNALS (生理學(xué)信號(hào)的頻選監(jiān)測(cè))”、申請(qǐng)日為2007年9月沈日的美國(guó)臨時(shí)申請(qǐng)、共同轉(zhuǎn)讓的申請(qǐng)?zhí)枮?61/025，503 的、由 Dension等申請(qǐng)的、名為“FREQUENCY SELECTIVE MONITORING OF PHYSIOLOGICAL SIGNALS (生理學(xué)信號(hào)的頻選監(jiān)測(cè))”、申請(qǐng)日為2008年2月1日的美國(guó)臨時(shí)申請(qǐng)和共同轉(zhuǎn)讓的申請(qǐng)?zhí)枮?1/083，381的、名為“FREQUENCY SELECTIVE EEG SENSING CIRCUITRY (頻選EEG傳感電爐)”、申請(qǐng)日為2008年7月M日的美國(guó)臨時(shí)申請(qǐng)中有描述。 斷續(xù)放大器電路的進(jìn)一步的示例在共同轉(zhuǎn)讓的公開(kāi)號(hào)為2009/00擬691的、由Dension等申請(qǐng)的、名為 “FREQUENCY SELECTIVE MONITORING OF PHYSIOLOGICAL SIGNALS (生理學(xué)信號(hào)的頻選監(jiān)測(cè))”、申請(qǐng)日為2008年9月25日的美國(guó)申請(qǐng)公開(kāi)中有進(jìn)一步的細(xì)節(jié)。直接提取生物電腦部信號(hào)的關(guān)鍵頻帶中的能量的傳感模塊46可被用于以柔性的、穩(wěn)健的且相對(duì)低噪聲的構(gòu)造來(lái)提取關(guān)鍵生理學(xué)頻率中的頻帶功率。斬波穩(wěn)定是用于放大帶有良好的處理免疫力(process immunity)的微功率應(yīng)用(如，被植入的設(shè)備)中的低頻神經(jīng)信號(hào)的噪聲和功率有效的結(jié)構(gòu)。斬波穩(wěn)定放大器可被適于提供寬的動(dòng)態(tài)范圍、高Q 的過(guò)濾器。包括斬波穩(wěn)定放大器的傳感模塊46輕微地(slightly)移位斷續(xù)放大器中的時(shí)鐘，以與用于通信系統(tǒng)中的超外差接收器類(lèi)似的方式來(lái)重新居中(re-center)能量的目標(biāo)頻帶至直流電流(DC)。在一些示例中，提取所選頻帶中的頻帶功率需要被組合在功率提取階段(power extraction stage)中的兩個(gè)平行的信號(hào)路徑(同相或正交)。功率輸出信號(hào)可以是低通濾波的，其導(dǎo)致代表頻帶中的頻譜功率波動(dòng)的輸出。如前所示，生物電腦部信號(hào)可包括EEG、ECoG、單細(xì)胞記錄或LFP。在病人14的腦部12(圖1)中所傳感到的LPF中的頻帶功率波動(dòng)的一般低于其被編碼的頻率的數(shù)量級(jí)，所以在執(zhí)行模數(shù)轉(zhuǎn)換之前使用有效的模擬預(yù)處理可極大地降低用于實(shí)現(xiàn)全部混合信號(hào)系統(tǒng)的整體能量要求。因此，包括直接提取生物電腦部信號(hào)的關(guān)鍵頻帶中的能量的電路構(gòu)造的傳感模塊46，對(duì)于追蹤所選頻帶中的相對(duì)緩慢的功率波動(dòng)以及基于生物電腦部信號(hào)確定病人狀態(tài)是有幫助的。在一些示例中，可使用生物電腦部信號(hào)特定頻帶或多個(gè)頻帶中的能量作為用作監(jiān)督式機(jī)器學(xué)習(xí)算法(諸如SVM算法或基于SVM算法而產(chǎn)生的基于SVM的分類(lèi)算法)中特征值的參數(shù)。這樣的傳感模塊46的示例是斬波穩(wěn)定的超外差儀器放大器和信號(hào)分析單元。在圖2所示示例中，IMD 16包括動(dòng)作傳感器36，其和處理器40、刺激發(fā)生器44和傳感模塊46 —起被裝在一個(gè)共同外殼中。如前所述，在其他示例中，動(dòng)作傳感器36連接至引線(xiàn)和/或獨(dú)立于IMD16被植入為病人14中，或者可在病人14外部。動(dòng)作傳感器36可包括產(chǎn)生指示病人動(dòng)作或病人姿勢(shì)的電信號(hào)的任何合適的設(shè)備。例如，動(dòng)作傳感器36可包括單軸、2軸、3軸加速度計(jì)、壓電晶體、陀螺儀、壓力傳感器或加速度計(jì)、壓電晶體、陀螺儀或壓力傳感器的任意組合。來(lái)自動(dòng)作傳感器36的信號(hào)被提供給處理器40，其基于該信號(hào)探測(cè)病人狀態(tài)，如，使用用SVM算法所確定的分類(lèi)界線(xiàn)，如，參看圖9所描述的。遙測(cè)模塊50支持IMD16和外部編程器28或受控于處理器40的另一個(gè)計(jì)算設(shè)備之間的無(wú)線(xiàn)通信。IMD16的處理器40可經(jīng)由遙測(cè)模塊50從編程器觀接收，作為程序的更新，各刺激參數(shù)(諸如幅值和電極組合)的值。對(duì)于治療程序的更新可被存儲(chǔ)在存儲(chǔ)器42 的治療程序討部分中。IMD16中的遙測(cè)模塊50，以及此處描述的其他設(shè)備和系統(tǒng)(諸如編程器觀)中的遙測(cè)模塊，可通過(guò)射頻(RF)通信技術(shù)完成通信。另外，遙測(cè)模塊50可經(jīng)由 IMD16和編程器28的近側(cè)電感性交互來(lái)與外部醫(yī)療設(shè)備編程器28通信。相應(yīng)地，遙感模塊50可以連續(xù)方式、周期性時(shí)間間隔或一旦接收到來(lái)自IMD 16或編程器觀的請(qǐng)求，向外部編程器28發(fā)送信息。電源52將運(yùn)作功率傳遞至IMD16的各個(gè)組件。電源52可包括小的可充電或不可充電的電池和產(chǎn)生操作功率的發(fā)電電路。充電可通過(guò)外部充電器和IMD16中的電感充電線(xiàn)圈之間的近側(cè)電感性交互來(lái)完成。在一些示例中，功率要求可能是足夠小的能容許IMD16 利用病人動(dòng)作并實(shí)現(xiàn)動(dòng)能提取設(shè)備來(lái)涓流充電可充電電池。在其他示例中，可使用傳統(tǒng)電池一段有限時(shí)間。圖3是示例外部醫(yī)療設(shè)備編程器28的概念框圖，其包括處理器60、存儲(chǔ)器62、遙測(cè)模塊64、用戶(hù)界面66和電源68。處理器60控制用戶(hù)界面66和遙測(cè)模塊64，并向/自存儲(chǔ)器62存儲(chǔ)/取回信息和指令?？膳渲镁幊唐饔^用作醫(yī)生編程器或病人編程器。處理器 60可包括一個(gè)或多個(gè)處理器的組合，處理器包括一個(gè)或多個(gè)微處理器、DSP、ASIC、FPGA或其他等效的集合或離散的邏輯電路。相應(yīng)地，處理器60可包括任何合適的結(jié)構(gòu)，不論是以硬件、軟件、固件或其任意組合，來(lái)執(zhí)行此處描述給處理器60的功能。用戶(hù)，諸如醫(yī)生或病人14，可與編程器觀通過(guò)用戶(hù)界面66交互。用戶(hù)界面66包括用戶(hù)輸入機(jī)制76和顯示器78，諸如IXD或LED顯示器或其他類(lèi)型的屏幕，以呈現(xiàn)于治療相關(guān)的信息，諸如與經(jīng)由多個(gè)感覺(jué)電極組合所感知的生物電信號(hào)相關(guān)的信息。還可使用顯示器78來(lái)呈現(xiàn)可視警報(bào)給病人14，表示IMD16已經(jīng)探測(cè)到特定病人狀態(tài)將要發(fā)生?？煽紤]其他類(lèi)型的警報(bào)，諸如可聽(tīng)音或體感警報(bào)。輸入機(jī)制76被配置為接收來(lái)自用戶(hù)的輸入。輸入機(jī)制76可包括，例如，按鈕、鍵盤(pán)(如，字母數(shù)字鍵盤(pán))、外圍定點(diǎn)設(shè)備或容許用戶(hù)通過(guò)編程器觀的處理器60呈現(xiàn)的用戶(hù)界面導(dǎo)航(navigate)并提供輸入的另一個(gè)輸入機(jī)制。輸入機(jī)制76可包括按鈕和鍵盤(pán)，這里可將按鈕作為執(zhí)行特定功能，如，電源按鈕或按鈕和鍵盤(pán)可以是隨用戶(hù)當(dāng)前看到的用戶(hù)界面的部分而改變功能的軟鍵盤(pán)?？蛇x地，編程器觀的顯示器78可以是觸摸屏，容許用戶(hù)直接向在顯示器上顯示的用戶(hù)界面提供輸入。 用戶(hù)可使用指示筆或他們的手指來(lái)向顯示器提供輸入。在其他示例中，用戶(hù)界面66還包括音頻電路，用于提供可聽(tīng)指令或提醒給病人14和/或從病人14處接收語(yǔ)音命令，這在如果病人14具有受限的活動(dòng)功能的時(shí)候是有用的。病人14，醫(yī)生或另一個(gè)用戶(hù)還可與編程器 28交互來(lái)手動(dòng)地選擇治療程序、產(chǎn)生新的治療程序、通過(guò)個(gè)別或全局調(diào)整來(lái)修改治療程序、 并將新的程序傳輸給IMD16。在一些示例中，IMD 16的治療傳遞的控制中的至少一些可由編程器觀的處理器 60實(shí)現(xiàn)。例如，在一些示例中，處理器60可接收來(lái)自IMD16或來(lái)自獨(dú)立于IMD16的傳感模塊的病人活動(dòng)信息和生物電腦部信號(hào)。單獨(dú)的傳感單元可能，不是必須，被植入病人14體內(nèi)。在一些示例中，處理器60可評(píng)估來(lái)自IMD16的病人活動(dòng)信息和生物電腦部信號(hào)以確定當(dāng)前病人14處于多個(gè)病人狀態(tài)中的哪一個(gè)。另外，在一些示例中，替代或除了 IMD16或另一個(gè)計(jì)算設(shè)備的處理器40之外，編程器觀的處理器60可使用SVM算法產(chǎn)生一個(gè)或多個(gè)界線(xiàn)用于基于所感知到的病人參數(shù)信號(hào)確定病人狀態(tài)。參考圖4描述處理器60可實(shí)現(xiàn)用于訓(xùn)練SVM算法(或者另一個(gè)監(jiān)督式機(jī)器學(xué)習(xí)算法)來(lái)確定一個(gè)或多個(gè)界線(xiàn)的示例技術(shù)。存儲(chǔ)器62可包括用于操作用戶(hù)界面66和遙測(cè)模塊64、以及用于管理電源68的指令。存儲(chǔ)器62還可存儲(chǔ)在治療過(guò)程中從IMD16中取回出來(lái)的任何治療數(shù)據(jù)，以及被實(shí)現(xiàn)為產(chǎn)生用于探測(cè)病人狀態(tài)的分類(lèi)界線(xiàn)的SVM的指令。存儲(chǔ)器62可包括任何易失性或非易失性存儲(chǔ)器，諸如RAM、ROM、EEPROM或閃存。存儲(chǔ)器62也可包括可用來(lái)提供存儲(chǔ)器升級(jí)或增加存儲(chǔ)器容量的可移動(dòng)存儲(chǔ)器部分?？梢瞥拇鎯?chǔ)器還可容許在編程器觀由不同的病人使用之前，移除敏感的病人數(shù)據(jù)。在一些示例中，存儲(chǔ)器62還可存儲(chǔ)病人狀態(tài)探測(cè)的日志， 如參考IMD16的存儲(chǔ)器42的上述描述那樣?？赏ㄟ^(guò)RF通信或IMD16和編程器28的近側(cè)電感性交互來(lái)完成編程器28中的無(wú)線(xiàn)遙測(cè)。該無(wú)線(xiàn)通信通過(guò)使用遙測(cè)模塊64是可能的。相應(yīng)地，遙測(cè)模塊64可能類(lèi)似于IMD16 中含有的遙測(cè)模塊。在可選示例中，編程器觀可進(jìn)行紅外通信或通過(guò)有線(xiàn)連接直接通信。 如此，其它外部設(shè)備能與編程器觀通信而無(wú)需要建立安全的無(wú)線(xiàn)連接。電源68將運(yùn)作功率傳遞至編程器28的各個(gè)組件。電源68可包括電池和產(chǎn)生功率的發(fā)電電路。在一些示例中，電池可再充電以允許延長(zhǎng)的操作時(shí)間。充電可通過(guò)將電源 68電耦合于連接到交流電(AC)插座的充電架或插頭來(lái)完成。另外，充電可通過(guò)外部充電器和編程器觀內(nèi)的電感充電線(xiàn)圈之間的近側(cè)電感性交感來(lái)完成。在其它示例中，可使用傳統(tǒng)電池(例如鎳鎘電池或鋰離子電池)。另外，編程器觀可直接耦合于交流電輸出插座來(lái)操作。電源68可包括監(jiān)測(cè)電池中殘留的功率的電路。如此，用戶(hù)接口 66可提供當(dāng)前電池水平指示或需要更換電池或?qū)﹄姵卦俪潆姇r(shí)的低電池水平指示。在一些情形下，電源68能使用當(dāng)前電池估計(jì)剩余的操作時(shí)間。在一些示例中，編程器觀實(shí)現(xiàn)基于SVM的分類(lèi)算法(或者另一個(gè)基于監(jiān)督式機(jī)器學(xué)習(xí)的分類(lèi)算法)來(lái)確定病人狀態(tài)。在這樣的示例中，存儲(chǔ)器62存儲(chǔ)病人狀態(tài)探測(cè)算法， 其類(lèi)似于由IMD16的存儲(chǔ)器42所存儲(chǔ)的病人狀態(tài)探測(cè)算法56。由存儲(chǔ)器62所存儲(chǔ)的病人狀態(tài)探測(cè)算法可包括用于執(zhí)行算法的機(jī)器可讀的指令。使用該指令，編程器觀的處理器 60可執(zhí)行病人狀態(tài)探測(cè)算法來(lái)基于指示病人參數(shù)的接收到的信號(hào)來(lái)探測(cè)病人狀態(tài)。處理器60可經(jīng)由有線(xiàn)或無(wú)線(xiàn)的通信技術(shù)接收來(lái)自傳感模塊46、動(dòng)作傳感器36、傳感器38或另一個(gè)傳感器的信號(hào)。在其他示例中，遠(yuǎn)離IMD16和編程器28的計(jì)算設(shè)備(如，在醫(yī)生的辦公室)可實(shí)現(xiàn)基于SVM的分類(lèi)算法(或者另一個(gè)基于監(jiān)督式機(jī)器學(xué)習(xí)的分類(lèi)算法)來(lái)確定病人狀態(tài)。 和用編程器觀一樣，遠(yuǎn)程計(jì)算設(shè)備可經(jīng)由有線(xiàn)或無(wú)線(xiàn)的通信技術(shù)接收來(lái)自傳感模塊46、動(dòng)作傳感器36、傳感器38或另一個(gè)傳感器的病人參數(shù)信號(hào)?？蛇B續(xù)地或周期性地將該信號(hào)傳輸給遠(yuǎn)程計(jì)算機(jī)。然而，取決于自IMD16或另一個(gè)傳感模塊到編程器或遠(yuǎn)程計(jì)算機(jī)的信號(hào)傳輸?shù)目捎脦?，理想的是IMD16 (或另一個(gè)傳感模塊)來(lái)傳輸參數(shù)化的信號(hào)或數(shù)據(jù)而不是原始的信號(hào)波形。
SVM技術(shù)是監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)，被用于分類(lèi)或回歸(regression)，其將輸入數(shù)據(jù)視作η-維空間(也被稱(chēng)為特征空間)中的一組向量。特征空間具有任何合適數(shù)量的維度，諸如二、三、四或更多。基于SVM的算法(此處也被稱(chēng)為“SVM算法”)將數(shù)據(jù)段，諸如指示病人參數(shù)的特性(或“特征”)，分類(lèi)為指示不同的病人狀態(tài)。SVM算法基于指示病人14 處于第一病人狀態(tài)的代表性特征值和指示病人14不處于第一病人狀態(tài)(如，指示為第二病人狀態(tài))的代表性特征值而學(xué)習(xí)如何分類(lèi)數(shù)據(jù)段。如之前所示，特征值可以是指示病人參數(shù)信號(hào)的特性(如，信號(hào)的形態(tài)或信號(hào)的頻譜特性)的值，而特征向量包含多個(gè)特征的每一個(gè)的相應(yīng)值。病人參數(shù)信號(hào)可以是生物電腦部信號(hào)，如此處主要描述的，或者是指示病人參數(shù)的另一種類(lèi)型的信號(hào)，諸如來(lái)自動(dòng)作傳感器36 (也被稱(chēng)為姿勢(shì)傳感器或活動(dòng)傳感器)、傳感器38(圖1)或傳感模塊46(圖2~)的信號(hào)。此處描述的用于基于生物電腦部信號(hào)而確定特征向量及分類(lèi)病人狀態(tài)的技術(shù)還可應(yīng)用到其他類(lèi)型的病人參數(shù)信號(hào)。特征值與特定病人狀態(tài)相關(guān)聯(lián)。如上所述，特征向量包括對(duì)于一段病人參數(shù)信號(hào)段的多個(gè)特征(如，兩個(gè)或更多個(gè)特征)的每一個(gè)的相應(yīng)值。執(zhí)行SVM算法的計(jì)算設(shè)備(如， 編程器^、IMD16或另一個(gè)計(jì)算設(shè)備)基于多個(gè)特征向量定義分類(lèi)界線(xiàn)，此處分類(lèi)界線(xiàn)將一個(gè)特征空間分為兩個(gè)不同的區(qū)域。特征空間的每一個(gè)特征界定一個(gè)軸，這樣特征向量的值指示特征空間中的點(diǎn)的坐標(biāo)。也就是說(shuō)，基于特征向量中的特征值，可將特征向量映射為特征空間中的特定點(diǎn)。基于訓(xùn)練數(shù)據(jù)(如，與指示處于特定病人狀態(tài)的生理學(xué)參數(shù)或病人姿勢(shì)狀態(tài)的信號(hào)相關(guān)聯(lián)的數(shù)據(jù))確定已知的特征值(也被稱(chēng)為代表性特征值)。訓(xùn)練數(shù)據(jù)可使用任何合適的技術(shù)而獲得。在一些示例中，如上所述，IMD16或編程器觀記錄和存儲(chǔ)傳感器信號(hào)和與所記錄的生理學(xué)信號(hào)在時(shí)間上相關(guān)聯(lián)的病人狀態(tài)的發(fā)生的指示。在一些示例中，可將傳感器信號(hào)存儲(chǔ)在循環(huán)記錄器中，盡管還可考慮其他存儲(chǔ)器格式。可使用任何合適的技術(shù)來(lái)初始化傳感器信號(hào)記錄和存儲(chǔ)。參看圖4描述各示例。示例的循環(huán)記錄技術(shù)在共同轉(zhuǎn)讓的專(zhuān)利號(hào)為 7，610，083 的、由 Drew等申請(qǐng)的、名為“METHOD AND SYSTEM FOR LOOP RECORDING WITH OVERLAPPING EVENTS (用于循環(huán)記錄重疊事件的方法和系統(tǒng))”、在2009年10月27 日授權(quán)的美國(guó)專(zhuān)利中有描述。然后醫(yī)生可評(píng)估記錄下來(lái)的訓(xùn)練數(shù)據(jù)(如，傳感器數(shù)據(jù)和指示一個(gè)或多個(gè)病人狀態(tài)的發(fā)生的數(shù)據(jù))來(lái)確定一個(gè)或多個(gè)病人狀態(tài)的每一個(gè)的代表性的特征值。在其他示例中，在學(xué)習(xí)階段，由用戶(hù)(如，醫(yī)生)提供代表性特征值，此學(xué)習(xí)階段可在IMD16的治療實(shí)現(xiàn)之前，或在接下來(lái)的，更新IMD16的病人探測(cè)算法的后續(xù)過(guò)程中。代表性特征值可能對(duì)于具體病人14都是專(zhuān)用的，或者可基于對(duì)多于一個(gè)的病人是通用的訓(xùn)練數(shù)據(jù)。醫(yī)生可選擇兩個(gè)或更多個(gè)特征(其可用于基于病人參數(shù)信號(hào)而標(biāo)識(shí)第一和第二病人狀態(tài))，并確定特征向量值(如，在計(jì)算設(shè)備的幫助下)，后者然后被輸入SVM算法。基于一段病人參數(shù)信號(hào)而確定的特征值被排列在向量中，這被稱(chēng)為特征向量，其被映射到特征空間，特征空間可以是二維、三維或具有任何其他維數(shù)?；诖硇蕴卣飨蛄?，SVM算法產(chǎn)生特征空間中的分類(lèi)界線(xiàn)(在線(xiàn)性界線(xiàn)的情況下也被稱(chēng)為超平面)。分類(lèi)界線(xiàn)將特征空間分為與指示第一病人狀態(tài)的特征值相關(guān)聯(lián)的第一區(qū)域和與指示第二病人狀態(tài)的特征值相關(guān)聯(lián)的第二區(qū)域。該分類(lèi)界線(xiàn)可以是二維界線(xiàn)或可在超過(guò)二維上擴(kuò)展。
SVM算法基于在為特定病人14所感知到的病人參數(shù)信號(hào)的基礎(chǔ)上而確定的特征值而產(chǎn)生用于病人狀態(tài)探測(cè)的分類(lèi)界線(xiàn)。以這種方式，可基于為病人14專(zhuān)用的數(shù)據(jù)而訓(xùn)練 SVM，這樣在稍后時(shí)刻由設(shè)備實(shí)現(xiàn)的用于探測(cè)病人狀態(tài)的分類(lèi)界線(xiàn)是基于病人專(zhuān)用的數(shù)據(jù)而產(chǎn)生的。在用于探測(cè)病人狀態(tài)的一些現(xiàn)有技術(shù)中，通過(guò)將一個(gè)或多個(gè)信號(hào)特性與非專(zhuān)用于病人而是適用于多個(gè)病人的閾值或模板相比較而確定病人狀態(tài)。信號(hào)特性可以是，例如，生理學(xué)信號(hào)的幅值、生理學(xué)信號(hào)頻域中的一個(gè)或多個(gè)功率級(jí)別、或者生理學(xué)信號(hào)波形中的圖形。盡管基于非病人專(zhuān)用的閾值或模板而探測(cè)病人狀態(tài)可能是有用的，但相比于使用病人專(zhuān)用的分類(lèi)界線(xiàn)來(lái)探測(cè)病人狀態(tài)的技術(shù)而言，錯(cuò)誤的積極病人狀態(tài)探測(cè)和錯(cuò)誤的消極病人狀態(tài)探測(cè)的次數(shù)將會(huì)更高?；赟VM的分類(lèi)算法被設(shè)置為相比一些現(xiàn)有技術(shù)而言改善病人狀態(tài)探測(cè)，因?yàn)榛赟VM的分類(lèi)算法是使用SVM而產(chǎn)生的，該SVM依靠病人專(zhuān)用的訓(xùn)練數(shù)據(jù)并為特定病人產(chǎn)生分類(lèi)界線(xiàn)。指示病人狀態(tài)的一些病人參數(shù)信號(hào)特性可對(duì)一類(lèi)病人而言是類(lèi)似，因此，非病人專(zhuān)用的閾值或模板對(duì)于探測(cè)病人狀態(tài)可能是有用的。然而，依靠非病人專(zhuān)用的閾值或信號(hào)模板的用于探測(cè)病人狀態(tài)的技術(shù)并不必須考慮病人參數(shù)可能在病人之間是不同的這些方面。病人之間的病人參數(shù)的差異可導(dǎo)致對(duì)于不同病人(盡管使用相同的病人狀態(tài)探測(cè)閾值或模板)的病人狀態(tài)探測(cè)算法的不同敏感性和特異性。作為示例，具有焦慮性障礙的第一病人在該第一病人并不處于焦躁?duì)顟B(tài)(也就是，處于非焦躁?duì)顟B(tài))的時(shí)候可能在生物電腦部信號(hào)的特定頻帶具有相對(duì)較高的功率值， 而與該第一病人相比，具有類(lèi)似焦慮性障礙的第二病人在其處于非焦躁?duì)顟B(tài)時(shí)可能在生物電腦部信號(hào)的特定頻帶具有較低的功率值。因此，指示第一和第二病人的非焦躁?duì)顟B(tài)的生物標(biāo)記可能不同。非病人專(zhuān)用的閾值可能沒(méi)有考慮這些差異，且可能，例如，因?yàn)樵诜墙箲]狀態(tài)過(guò)程中在特定頻帶中具有較高的整體功率級(jí)別，導(dǎo)致將第一病人的一些非焦慮狀態(tài)誤認(rèn)為是焦慮狀態(tài)。SVM和此處被用于區(qū)別兩個(gè)不同的病人狀態(tài)的基于SVM的分類(lèi)算法考慮到了病人之間的病人參數(shù)的差異。具體地，SVM被訓(xùn)練為自動(dòng)地基于對(duì)特定病人14的實(shí)際病人參數(shù)數(shù)據(jù)而分類(lèi)病人狀態(tài)，其中病人參數(shù)數(shù)據(jù)已知為指示第一病人狀態(tài)。在一些示例中，也將 SVM訓(xùn)練為基于對(duì)特定病人14的實(shí)際病人參數(shù)數(shù)據(jù)，其已知為指示不是第一病人狀態(tài)的第二病人狀態(tài)。對(duì)于不同病人的基于SVM的分類(lèi)算法可，因此，定義計(jì)算設(shè)備用于確定病人狀態(tài)的不同分類(lèi)界線(xiàn)。圖4是示例技術(shù)的流程圖，用于訓(xùn)練SVM(也被稱(chēng)為SVM算法)響應(yīng)將來(lái)的病人參數(shù)信號(hào)輸入并將該病人參數(shù)信號(hào)輸入分類(lèi)為代表第一病人狀態(tài)或第二病人狀態(tài)。SVM使用如圖4所示的技術(shù)可產(chǎn)生分類(lèi)界線(xiàn)，其由IMD16或另一個(gè)設(shè)備在稍后時(shí)刻用于確定所感知到的病人參數(shù)信號(hào)是否指示特定病人狀態(tài)。圖4中所示的技術(shù)可由IMD16、編程器觀或另一個(gè)計(jì)算設(shè)備所執(zhí)行。因此，盡管在整個(gè)圖4、以及圖6-8的描述中提及編程器觀的處理器 60，而整個(gè)圖5和9-19的描述中提及IMD16的處理器40，在其他示例中，此處描述的技術(shù)的任何部分可由IMD16的處理器40(圖2)、編程器28的處理器60、另一個(gè)醫(yī)療設(shè)備(如，外部醫(yī)療設(shè)備)、另一個(gè)計(jì)算設(shè)備的處理器、或其組合而實(shí)現(xiàn)。根據(jù)圖4中所示的技術(shù)，處理器60接收指示第一病人狀態(tài)的指示(100)，其可以是，例如，病人情緒狀態(tài)、動(dòng)作狀態(tài)、姿勢(shì)狀態(tài)或上述討論的任何其他病人狀態(tài)。在一些示例中，病人14經(jīng)由編程器觀的用戶(hù)界面66 (圖3)或另一個(gè)用戶(hù)輸入機(jī)制(諸如專(zhuān)用于接收來(lái)自病人14的指示病人狀態(tài)的發(fā)生的輸入)來(lái)提供指示病人狀態(tài)的發(fā)生的輸入。該專(zhuān)用的設(shè)備可以是，例如，具有有限個(gè)輸入按鈕(如，一個(gè)或兩個(gè)按鈕)的遙控鑰匙、被設(shè)置為記錄病人輸入的消費(fèi)電子設(shè)備(如，手機(jī)或個(gè)人數(shù)字助理)、或者能接收與存儲(chǔ)病人輸入的任何其他合適的設(shè)備。處理器60通過(guò)有線(xiàn)(如，電纜)連接或經(jīng)由無(wú)線(xiàn)連接，可接收來(lái)自專(zhuān)用設(shè)備的輸入。在其他示例中，處理器60單獨(dú)基于來(lái)自傳感器的數(shù)據(jù)或結(jié)合病人輸入，可自動(dòng)地確定病人狀態(tài)的發(fā)生?？蓪?shí)現(xiàn)基于SVM的算法，以容許處理器60基于來(lái)自第一類(lèi)型的傳感器的信號(hào)可自動(dòng)地探測(cè)病人狀態(tài)。處理器60基于來(lái)自第二類(lèi)型的傳感器的信號(hào)可自動(dòng)地探測(cè)病人狀態(tài)，該傳感器可以是，例如，對(duì)于病人狀態(tài)探測(cè)是可靠的、但由于其尺寸、功率消耗或其他因素對(duì)于流動(dòng)的IMD控制是沒(méi)有幫助的傳感器。因此，可使用第二類(lèi)型的傳感器來(lái)訓(xùn)練處理器60以基于第一類(lèi)型的傳感器探測(cè)病人狀態(tài)。第一病人狀態(tài)的指示可包括日期和時(shí)間戳來(lái)指示探測(cè)到該第一病人狀態(tài)的時(shí)間或病人14提供指示第一病人狀態(tài)的輸入的時(shí)間。取決于病人14被診斷的情況(如，障礙)， 直到第一病人狀態(tài)發(fā)作之后、甚至在第一病人狀態(tài)終止之后，病人14可能不能提供指示第一病人狀態(tài)的發(fā)生的輸入。因此，編程器觀可包括容許病人14修改病人輸入的特征，諸如通過(guò)修改與病人輸入相關(guān)聯(lián)的日期和時(shí)間戳使其變得更準(zhǔn)確。在一些示例中，病人14還可提供指示病人狀態(tài)結(jié)束的輸入。在一些示例中，IMD16可接收直接的病人輸入。例如，病人14可輕擊在IMD16之上的皮膚，IMD16可包括被設(shè)置為傳感輕擊的特定模式的運(yùn)動(dòng)傳感器，然后這可被認(rèn)為是病人輸入。處理器60還接收指示病人參數(shù)的信號(hào)(102)。在一些示例中，處理器60接收來(lái)自IMD16或獨(dú)立的被植入或外部的傳感設(shè)備的信號(hào)，其可產(chǎn)生指示生理學(xué)參數(shù)(如，生物電腦部信號(hào)、心率、體溫等)的信號(hào)或指示另一個(gè)病人參數(shù)(諸如病人活動(dòng)級(jí)別或病人姿勢(shì)狀態(tài))的信號(hào)。在一些示例中，處理器60接收多于一個(gè)的指示相應(yīng)病人參數(shù)的信號(hào)。在此處描述的示例中，處理器60接收來(lái)自IMD16的信號(hào)。然而，在其他示例中，替代或除了 IMD16，處理器60可接收來(lái)自另一個(gè)傳感設(shè)備的病人參數(shù)信號(hào)。另外，在IMDieW 處理器40執(zhí)行圖4中所示的技術(shù)的至少一部分的示例中，處理器40可接收來(lái)自傳感模塊 46(圖2)的信號(hào)。在圖4所示示例中，信號(hào)由IMD16或獨(dú)立的傳感設(shè)備所存儲(chǔ)，且處理器 60經(jīng)由無(wú)線(xiàn)通信技術(shù)接收來(lái)自IMD16或傳感設(shè)備的信號(hào)。在IMD16包括外部設(shè)備的示例中，處理器60可經(jīng)由有線(xiàn)(如，電纜)連接接收來(lái)自IMD 16的信號(hào)。處理器60可以基本連續(xù)的方式、有規(guī)律、周期性的方式接收來(lái)自IMD16的指示病人參數(shù)的信號(hào)，或者編程器觀的處理器60可詢(xún)問(wèn)IMD16來(lái)取回該信號(hào)。IMD16或單獨(dú)的傳感設(shè)備可以連續(xù)的方式、基本周期性并定期的方式或者相應(yīng)于接收到病人輸入或另一個(gè)觸發(fā)，傳感病人參數(shù)。例如，一旦經(jīng)由編程器觀或者直接經(jīng)由 IMD16接收到病人輸入，IMD16可開(kāi)始存儲(chǔ)指示病人參數(shù)的信號(hào)，且，在一些示例中，還可存儲(chǔ)在接收到病人輸入之前至少一段預(yù)確定的時(shí)間的信號(hào)部分。IMD16可包括循環(huán)記錄器或另一種類(lèi)型的存儲(chǔ)器來(lái)存儲(chǔ)病人參數(shù)信號(hào)，IMD16的處理器40可從中取回在接收到用于存儲(chǔ)在存儲(chǔ)器42中的病人輸入之前的信號(hào)部分。在一些示例中，處理器60開(kāi)始記錄并存儲(chǔ)傳感器信號(hào)，該傳感器信號(hào)由動(dòng)作傳感器36、傳感器38或傳感模塊46響應(yīng)于、并一旦在接收到經(jīng)由編程器觀的用戶(hù)界面66 (圖 3)或另一個(gè)設(shè)備的指示特定病人狀態(tài)發(fā)生的病人輸入之后立即而產(chǎn)生。在其他示例中，可使用通用算法(generic algorithm)來(lái)觸發(fā)數(shù)據(jù)的記錄。通用算法可以是，例如，大體上探測(cè)到病人狀態(tài)的發(fā)生，但是相比此處描述的基于SVM的算法，具有較低的精度和準(zhǔn)確性。例如，通用算法可能是過(guò)度概括(over-inclusive)的且相比基于SVM的算法，提供從訓(xùn)練數(shù)據(jù)中得出的更多的錯(cuò)誤的病人狀態(tài)的積極探測(cè)。在一個(gè)通用的、病人非專(zhuān)用算法中，運(yùn)動(dòng)傳感器36、傳感器38或傳感模塊46產(chǎn)生指示病人參數(shù)(如，姿勢(shì)、活動(dòng)級(jí)別或生理學(xué)參數(shù))的信號(hào)并提取信號(hào)的頻譜特征。IMD16、 編程器觀或另一個(gè)設(shè)備的處理器標(biāo)準(zhǔn)化這些所感知的信號(hào)，諸如通過(guò)確定在信號(hào)的特定頻帶的當(dāng)前能量與背景能量的比值?？苫谙鄬?duì)短(如，約2秒)的感知到的信號(hào)段確定在特定頻帶中的當(dāng)前能量級(jí)別(如，前景(foreground)能量級(jí)別)，而背景能量可基于所感知的信號(hào)的較長(zhǎng)時(shí)間窗(如，約30分鐘)而確定。根據(jù)病人非專(zhuān)用算法，當(dāng)特定頻帶中的處理器確定當(dāng)前能量與背景能量的比值大于或等于預(yù)確定的閾值的時(shí)候，處理器確定病人狀態(tài)發(fā)生。用于預(yù)測(cè)病人腦部活動(dòng)狀態(tài)變化(其可指示病人狀態(tài)的發(fā)生)的通用算法的示例，在專(zhuān)利號(hào)為 5，995，868、Dorfmeister 等人的、名為“SYSTEM FOR THE PREDICTION, RAPID DETECTION, WARNING, PREVENTION, OR CONTROL OF CHANGES IN ACTIVITY STATES IN THE BRAIN OF A SUBJECT(用于預(yù)測(cè)、快速探測(cè)、警告、防止或控制主體腦部的活動(dòng)狀態(tài)變化的系統(tǒng))”、在1999年11月30日授權(quán)的美國(guó)專(zhuān)利中有描述。在其他示例中，定時(shí)器控制何時(shí)處理器60開(kāi)始記錄并存儲(chǔ)由運(yùn)動(dòng)傳感器36、傳感器38或傳感單元46所產(chǎn)生的傳感器信號(hào)。定時(shí)器的持續(xù)時(shí)間可被設(shè)定為在預(yù)確定的時(shí)間間隔或在病人14的生理節(jié)奏周期的不同段內(nèi)激活數(shù)據(jù)記錄。記錄來(lái)自病人14生理節(jié)奏周期的不同段的傳感器數(shù)據(jù)對(duì)于那些在一天中不同時(shí)間表現(xiàn)不同癥狀的不同病人情況是有幫助的。例如，相關(guān)于諸如癲癇的癲癇癥，病人14的非促發(fā)(non-ictal)睡眠狀態(tài)的腦信號(hào)(如，LFP)可區(qū)別于病人14的非促發(fā)清醒狀態(tài)的腦信號(hào)。在一天中不同時(shí)間中傳感器信號(hào)的變化對(duì)于經(jīng)由SVM定義精確且準(zhǔn)確的分類(lèi)界線(xiàn)可能是有幫助的。在一些示例中，處理器60響應(yīng)于特定病人情況或事件的探測(cè)所產(chǎn)生的傳感器信號(hào)開(kāi)始記錄并存儲(chǔ)由動(dòng)作傳感器36、傳感器38或傳感模塊46。病人情況或事件可以是病人狀態(tài)的標(biāo)記。例如，相關(guān)于被診斷為重度抑郁疾病的病人，動(dòng)作傳感器36可通過(guò)探測(cè)到病人14展現(xiàn)相對(duì)較低的活動(dòng)級(jí)別(如，由預(yù)確定的閾值或范圍所指示的)的時(shí)間探測(cè)到抑郁發(fā)作(cbpressive印isode)，且處理器60可開(kāi)始記錄來(lái)自傳感模塊38、46中的至少一個(gè)的傳感器數(shù)據(jù)，其一旦探測(cè)到抑郁事件就傳感腦信號(hào)(如EEG、ECoG或LFP)來(lái)獲得可能表現(xiàn)抑郁事件的腦信號(hào)。作為另一個(gè)示例，相關(guān)于被診斷為癲癇癥的病人，一旦疾病發(fā)作或特定類(lèi)型的疾病發(fā)作，就開(kāi)始記錄來(lái)自一個(gè)或多個(gè)傳感器36、38、46的訓(xùn)練數(shù)據(jù)是有幫助的。 可使用任何合適的技術(shù)，諸如基于對(duì)動(dòng)作傳感器36所產(chǎn)生的數(shù)據(jù)的分析或經(jīng)由顱骨內(nèi)的壓力傳感器，來(lái)自動(dòng)地確定疾病發(fā)作或特定類(lèi)型的疾病發(fā)作。如共同轉(zhuǎn)讓的公開(kāi)號(hào)為12/359,055、由Giftakis等申請(qǐng)的、名為“SEIZURE DISORDER EVALUATION BASED ON INTRACRANIAL PRESSURE AND PATIENT MOTION(基于顱
24骨內(nèi)壓力和病人運(yùn)動(dòng)的癲癇癥評(píng)估)”、在2009年1月23日申請(qǐng)的美國(guó)專(zhuān)利申請(qǐng)和共同轉(zhuǎn)讓的公開(kāi)號(hào)為 12/；359，037、由 Giftakis 等申請(qǐng)的、名為 “SEIZURE DISORDER EVALUATION BASED ON INTRACRANIAL PRESSURE (基于顱骨內(nèi)壓力的癲癇癥評(píng)估)”、在2009年1月23 日申請(qǐng)的美國(guó)專(zhuān)利申請(qǐng)中描述的那樣，病人動(dòng)作和/或顱骨內(nèi)壓力可被用于探測(cè)疾病發(fā)作狀態(tài)的發(fā)生。另外，可基于與疾病發(fā)作相關(guān)聯(lián)的顱骨內(nèi)壓力和/或病人運(yùn)動(dòng)來(lái)產(chǎn)生疾病發(fā)作度量?？墒褂眉膊“l(fā)作度量來(lái)評(píng)估病人的疾病發(fā)作并區(qū)別不同類(lèi)型的疾病發(fā)作。例如， 可基于在疾病發(fā)作過(guò)程中探測(cè)到的活動(dòng)級(jí)別來(lái)確定疾病發(fā)作的類(lèi)型或疾病發(fā)作的嚴(yán)重性。 另外，在與所探測(cè)到的疾病發(fā)作的時(shí)間內(nèi)病人姿勢(shì)的突然改變可指示病人在疾病發(fā)作中跌倒，這可指示相對(duì)較為嚴(yán)重的疾病發(fā)作，其有益于訓(xùn)練數(shù)據(jù)的記錄，用于確定標(biāo)識(shí)將來(lái)病人狀態(tài)(其中這樣的疾病發(fā)作可能將要發(fā)生)的分類(lèi)界線(xiàn)。在數(shù)據(jù)記錄觸發(fā)的這些示例的每一個(gè)中，可在接收到觸發(fā)之后在預(yù)確定的時(shí)間段內(nèi)由處理器60或IMD16的處理器40記錄傳感器數(shù)據(jù)。如上所述，IMD16的存儲(chǔ)器42、編程器觀的存儲(chǔ)器62或者另一個(gè)設(shè)備的存儲(chǔ)器還可在接受到上述觸發(fā)中任何一個(gè)之前緩沖數(shù)據(jù)，從而獲得在病人指示的病人狀態(tài)的發(fā)生之前的一個(gè)時(shí)間段內(nèi)的傳感器信號(hào)。如專(zhuān)利號(hào)為7，610，083、Drew等人的美國(guó)專(zhuān)利中所描述的那樣，可植入的醫(yī)療設(shè)備可存儲(chǔ)具有特定的事前和事后次數(shù)的波形數(shù)據(jù)的循環(huán)記錄?？?，例如，用觸發(fā)來(lái)指示事件。在接收到病人狀態(tài)和病人參數(shù)信號(hào)的指示(100、10幻之后，處理器60，自動(dòng)地或在醫(yī)生幫助下，標(biāo)識(shí)指示第一病人狀態(tài)的信號(hào)的部分(104)。在一些示例中，處理器60可將病人參數(shù)信號(hào)與指示第一病人狀態(tài)的指示時(shí)間上關(guān)聯(lián)起來(lái)，來(lái)確定病人參數(shù)信號(hào)中的哪些部分是在第一病人狀態(tài)中被感知到的。另外，在一些示例中，處理器60還標(biāo)識(shí)病人參數(shù)信號(hào)中的哪些部分在時(shí)間上相關(guān)于正好在病人狀態(tài)發(fā)生之前的時(shí)刻和正好在病人狀態(tài)終止之后的時(shí)刻。處理器60可將指示第一病人狀態(tài)的病人參數(shù)信號(hào)的部分標(biāo)識(shí)為對(duì)應(yīng)于指示第一病人狀態(tài)的發(fā)生之前一段預(yù)確定事件和在第一病人狀態(tài)的發(fā)生之后一段預(yù)確定的時(shí)間，如果這些信息是已知的話(huà)。處理器60標(biāo)識(shí)病人參數(shù)信號(hào)中指示病人14處于不是第一狀態(tài)的狀態(tài)(也就是， 指示病人14處于第二狀態(tài))的部分(104)。總體上，第二狀態(tài)可以是特定病人狀態(tài)(瘋狂狀態(tài))或者大致是非第一狀態(tài)的狀態(tài)。SVM將數(shù)據(jù)段分類(lèi)為指示第一狀態(tài)或不是指示第一狀態(tài)。因此，第二狀態(tài)可以大致是非第一狀態(tài)的狀態(tài)。在其他示例中，處理器60基于來(lái)自醫(yī)生的輸入標(biāo)識(shí)指示第一和第二病人狀態(tài)的信號(hào)部分。醫(yī)生可確定所感知道的病人參數(shù)的哪些段相關(guān)聯(lián)于第一病人狀態(tài)并輸入信息到處理器60。在一些示例中(其中基于接收到來(lái)自用戶(hù)(如，病人14、照顧病人的人或醫(yī)生) 的指示病人狀態(tài)發(fā)生的指示而觸發(fā)記錄來(lái)自至少一個(gè)傳感器36、38、46的數(shù)據(jù))，處理器60 不需要標(biāo)識(shí)指示病人狀態(tài)的信號(hào)的部分。相反，全部的所存儲(chǔ)的數(shù)據(jù)段可關(guān)聯(lián)于病人14所指示的病人狀態(tài)或者自動(dòng)探測(cè)到的病人狀態(tài)。在標(biāo)識(shí)病人參數(shù)信號(hào)中指示第一和第二病人狀態(tài)的相關(guān)部分(104)之后，處理器60，自動(dòng)地或在醫(yī)生的幫助下，基于所標(biāo)識(shí)出的病人參數(shù)信號(hào)的部分而確定特征向量 (106)。特征向量是由指示病人參數(shù)信號(hào)特性(如，信號(hào)的形態(tài))的兩個(gè)或更多個(gè)參數(shù)值而定義的向量。在一些示例中，特征向量的至少一個(gè)特征包括形態(tài)特征，諸如在一個(gè)或多個(gè)頻帶中的病人參數(shù)信號(hào)的功率級(jí)別(也被稱(chēng)為頻譜能量)、病人參數(shù)信的部分或部分的子部分的幅值(如，瞬間的、峰值的、平均或中值幅值)，其他信號(hào)特性或其組合。特征向量可包括病人參數(shù)信號(hào)的所標(biāo)識(shí)部分的任何數(shù)量的特征。在此處描述的一些示例中，特征向量包括兩個(gè)特征。例如，如果第一病人狀態(tài)是疾病發(fā)作狀態(tài)而第二病人狀態(tài)是非疾病發(fā)作狀態(tài)，一個(gè)特征可以是病人參數(shù)信號(hào)在約OHz到約16Hz頻帶中的功率級(jí)別，而另一個(gè)特征可以是在約15Hz到約37Hz頻帶中的信號(hào)部分的功率級(jí)別。特征向量的特征被選擇為幫助區(qū)分不同病人狀態(tài)。在一些示例中，醫(yī)生通過(guò)評(píng)估指示第一和第二病人狀態(tài)的信號(hào)部分并確定哪些信號(hào)特性幫助區(qū)分病人狀態(tài)，而來(lái)選擇特征。在其他示例中，處理器60自動(dòng)地確定特征向量的特征。一般，處理器60選擇特征以使與第一病人狀態(tài)相關(guān)聯(lián)的特征值極大地區(qū)別于與第二病人狀態(tài)(如，非第一病人狀態(tài)的特定的病人狀態(tài)或通用的狀態(tài))相關(guān)聯(lián)的特征值，這樣可使用傳感器信號(hào)的特征來(lái)準(zhǔn)確地、 精確地分類(lèi)病人狀態(tài)。在特征是不同的頻帶的示例中，在第一和第二狀態(tài)中展示不同功率級(jí)別的特定頻帶在實(shí)現(xiàn)SVM之前是未知的。相應(yīng)地，在獲得訓(xùn)練數(shù)據(jù)的過(guò)程中，IMD16或編程器28(或者另一個(gè)設(shè)備)可記錄時(shí)域傳感器信號(hào)，其為帶寬數(shù)據(jù)且包括全頻譜。醫(yī)生或處理器60可在稍后時(shí)刻執(zhí)行分析以確定哪些傳感頻道和特征導(dǎo)致第一和第二病人狀態(tài)的顯著(如，最大的)分離界線(xiàn)。IMD16的傳感模塊46或另一個(gè)傳感模塊的每一個(gè)傳感頻道可提取所感知的病人參數(shù)信號(hào)的相應(yīng)頻帶。在一些示例中，處理器60經(jīng)由顯示器78 (圖幻呈現(xiàn)多個(gè)能導(dǎo)致第一和第二病人狀態(tài)的顯著(如，最大的)分離界線(xiàn)的特征給醫(yī)生，且醫(yī)生可經(jīng)由用戶(hù)輸入機(jī)制78選擇特征。在一些示例中，醫(yī)生可通過(guò)模擬來(lái)自包括所選特征的特征向量的分類(lèi)界線(xiàn)而選擇特征。例如，在經(jīng)由編程器觀(圖;3)的用戶(hù)輸入機(jī)制76接收指示一個(gè)或多個(gè)所選特征的用戶(hù)輸入之后，編程器60可基于所選特征產(chǎn)生分類(lèi)界線(xiàn)，并經(jīng)由顯示器78 (圖幻將分類(lèi)界線(xiàn)、特征空間和包括特征向量的特征向量的圖形化顯示呈現(xiàn)給醫(yī)生。以此方式，醫(yī)生可可視地分析多個(gè)分類(lèi)邊界并選擇能導(dǎo)致分類(lèi)界線(xiàn)看來(lái)在不同特征向量(其相關(guān)聯(lián)于用分類(lèi)界線(xiàn)描繪的兩個(gè)病人狀態(tài)的每一個(gè))之間提供相對(duì)顯著的分別(如，以距離來(lái)指示)的特征。在處理器60自動(dòng)地確定特征的示例中，處理器60可實(shí)現(xiàn)搜索算法來(lái)確定哪些頻帶或其他信號(hào)特性是展現(xiàn)第一和第二病人狀態(tài)的。當(dāng)實(shí)現(xiàn)搜索算法時(shí)，處理器60可在傳感頻道和頻帶的不同組合中掃描，使用諸如下述的技術(shù)之類(lèi)的任何合適的技術(shù)來(lái)確定分類(lèi)界線(xiàn)，并為每種組合產(chǎn)生分離度量。分離度量可以指示，例如，分類(lèi)界線(xiàn)之間的平均、中間、最大或最小距離，和基于訓(xùn)練數(shù)據(jù)而確定的并用于產(chǎn)生分類(lèi)界線(xiàn)的訓(xùn)練特征值。一般，訓(xùn)練特征值和分類(lèi)界線(xiàn)之間的較大的距離指示被用于產(chǎn)生分類(lèi)界線(xiàn)的特征在第一和第二病人狀態(tài)之間提供了較好的分離。然后，處理器60可經(jīng)由用戶(hù)界面66的顯示器78 (圖幻呈現(xiàn)與最大的分離度量相關(guān)聯(lián)的一個(gè)或多個(gè)特征給醫(yī)生。處理器60還可基于由醫(yī)生所選的傳感頻道和頻帶的組合而產(chǎn)生分離度量，而不是如上所述為處理器60所選的傳感頻道和頻帶的組合而產(chǎn)生分離度量。在選擇傳感模塊46或傳感特定展示病人狀態(tài)的信號(hào)的另一個(gè)傳感器的傳感頻道后，傳感模塊46可被配置為經(jīng)由所選的傳感頻道而傳感。另外，在確定展示特定病人狀態(tài)的頻帶之后，可將傳感模塊46調(diào)為在所選頻帶中傳感。由于IMD16和傳感能力的限制或功耗的限制，理想的是限制SVM所用的特征的數(shù)量。在其他示例中，特征向量可包括最多為16或更多的特征。例如，特征向量可包括在十個(gè)分離的頻帶中的功率級(jí)別。如果IMD16包括用于傳感的十六個(gè)分離頻道，可使用每個(gè)頻道來(lái)為每個(gè)相應(yīng)特征向量提取任何數(shù)量的特征。例如，為每個(gè)頻道，可使用10個(gè)分離能帶中的能量定義相應(yīng)的特征向量。特征向量中的每個(gè)特征對(duì)應(yīng)于特征空間中的一維，SVM使用這個(gè)特征空間來(lái)將數(shù)據(jù)段分為代表第一病人狀態(tài)或第二病人狀態(tài)(例如，基本不同于第一病人狀態(tài)的狀態(tài)或特定的、已知的狀態(tài))。每個(gè)特征向量定義特征空間中的點(diǎn)，用計(jì)算設(shè)備實(shí)現(xiàn)的SVM用此來(lái)分類(lèi)數(shù)據(jù)。以此方式，特征向量定義的每個(gè)數(shù)據(jù)點(diǎn)是在給定時(shí)間所監(jiān)測(cè)到的特征值的量化表示，每一個(gè)特征向量定義用于產(chǎn)生分類(lèi)界線(xiàn)的特征空間中的一個(gè)數(shù)據(jù)點(diǎn)。特征向量可包括任何合適數(shù)量的特征，諸如兩個(gè)、三個(gè)或更多個(gè)，且，相應(yīng)地，特征空間可具有任何合適的維數(shù)。在一些示例中，處理器60自動(dòng)地確定特征向量(106)，如，通過(guò)自動(dòng)地為每一個(gè)所標(biāo)識(shí)出的信號(hào)部分確定每一個(gè)選擇出的特征的值。在其他示例中，醫(yī)生或另一個(gè)人確定特征向量并將所確定的特征向量的特征值輸入到編程器觀中用于自動(dòng)確定分類(lèi)界線(xiàn)。在一些示例中，特征向量被確定的信號(hào)部分具有預(yù)確定時(shí)間期間。因此，每一個(gè)特征向量代表為該預(yù)確定時(shí)間期間的病人狀態(tài)。相應(yīng)地，持續(xù)時(shí)間段超過(guò)被用于確定單個(gè)特征向量的信號(hào)部分的時(shí)間的單個(gè)病人狀態(tài)的單次發(fā)生可能關(guān)聯(lián)于多個(gè)特征向量。在一些示例中，被用于確定特征向量的信號(hào)段具有在約0. 5秒到約5秒之間(諸如2秒)的持續(xù)時(shí)間，其他時(shí)間窗也可考慮。圖5示出其中使用病人參數(shù)信號(hào)來(lái)確定代表性特征向量的技術(shù)的示例，代表性特征向量提供用于定義分類(lèi)界線(xiàn)的訓(xùn)練點(diǎn)。圖5是用于配置SVM來(lái)產(chǎn)生用于將所感知的病人參數(shù)信號(hào)分類(lèi)為指示第一狀態(tài)或第二狀態(tài)的分類(lèi)界線(xiàn)的監(jiān)督學(xué)習(xí)技術(shù)的概念圖示。在圖5 中，IMD16感知指示病人14的疾病發(fā)作狀態(tài)的第一生物電腦部信號(hào)段120(也被稱(chēng)為信號(hào)部分)和指示狀態(tài)為非疾病發(fā)作狀態(tài)的第二生物電腦部信號(hào)段122。信號(hào)120、122的多個(gè)頻帶組分被示在圖5中。在一些示例中，IMD16的傳感模塊 46包括模擬傳感電路，其帶有使用有限功率來(lái)監(jiān)測(cè)在其中產(chǎn)生理想生物信號(hào)的放大器。如之前所示，頻選傳感電路可包括斬波穩(wěn)定的超外差式儀器放大器和信號(hào)分析單元，并且可利用外差的、斬波穩(wěn)定的發(fā)達(dá)器構(gòu)造來(lái)將生理學(xué)信號(hào)(諸如生物電腦部信號(hào))的所選頻帶轉(zhuǎn)換為用于分析的基帶。如此處所描述的，可在一個(gè)或多個(gè)所選頻帶中分析生理學(xué)信號(hào)來(lái)確定一個(gè)或多個(gè)特征。在圖5所示示例中，傳感模塊46提取相應(yīng)生物電腦部信號(hào)120、122的特定頻帶作為信號(hào)的特征，這樣所選頻帶中的頻譜能量可被確定以產(chǎn)生相應(yīng)的特征向量124、126。在使用頻選傳感電路的時(shí)候，處理器40可在相對(duì)低的速率，諸如約IHz的速率，采樣并數(shù)字化信號(hào)120、122。可使用相對(duì)較低的速率，因?yàn)閭鞲心K46的傳感放大器已經(jīng)提取了理想的頻譜能量特征。處理器40基于所傳感的信號(hào)120確定特征向量124，其中特征向量124的特征值 124A是在約OHz到約16Hz的第一頻帶中的能量級(jí)別，而第二特征值124B是約15Hz到約 37Hz的第二頻帶中的能量級(jí)別。可考慮并基于，例如，被認(rèn)為特定地展示第一和第二病人狀態(tài)的頻帶，選擇其他的頻帶。另外，可考慮特征向量包括多于兩個(gè)的特征。
處理器40也可基于所傳感的信號(hào)122確定特征向量126，其中特征向量126的特征值126A是在約OHz到約16Hz的第一頻帶中的能量級(jí)別，而第二特征值126B是約15Hz到約37Hz的第二頻帶中的能量級(jí)別。每個(gè)特征向量124、1沈定義特征空間128中的點(diǎn)，SVM 算法使用這個(gè)來(lái)產(chǎn)生分類(lèi)界線(xiàn)。因此，在圖5所示示例中，每一個(gè)特征向量定義特征空間中的一個(gè)數(shù)據(jù)點(diǎn)。如之前所示，特征向量中的每一個(gè)特征對(duì)應(yīng)于特征空間中的一維。因此，在圖5所示示例中，示出二維特征空間128?；氐綀D4中所示的技術(shù)，在為所標(biāo)識(shí)的信號(hào)部分確定特征向量(106)之后，處理器 60確定是否還有特征向量沒(méi)有被確定的指示第一和第二病人狀態(tài)的附加指示(108)。如果有處理器60還沒(méi)有確定特征向量的第一病人狀態(tài)的附加指示，處理器60可標(biāo)識(shí)病人參數(shù)信號(hào)的相關(guān)部分相關(guān)聯(lián)于第一和第二病人狀態(tài)的相應(yīng)指示(104)并確定與第一和第二病人狀態(tài)的相應(yīng)指示相關(guān)聯(lián)的特征向量(106)，直至沒(méi)有附加訓(xùn)練點(diǎn)(如圖4中所示的示例中的特征向量)留待被確定。例如，如果沒(méi)有附加訓(xùn)練點(diǎn)可用，處理器60可不繼續(xù)確定訓(xùn)練點(diǎn)ο處理器60，在沒(méi)有用戶(hù)輸入的情況下自動(dòng)地或基于用戶(hù)輸入地，為每一個(gè)所標(biāo)識(shí)的信號(hào)部分確定特征向量(106)。因此，確定了指示第一病人狀態(tài)的信號(hào)部分和指示第二病人狀態(tài)的信號(hào)部分的特征向量值。以此方式，由處理器60實(shí)現(xiàn)的SVM算法被訓(xùn)練為基于與第一或第二狀態(tài)相關(guān)聯(lián)的一致特征向量來(lái)分類(lèi)數(shù)據(jù)。如圖5的示例特征空間128中所示， 特征向量定義特征空間128中的點(diǎn)。在圖5所示示例中，對(duì)應(yīng)于疾病發(fā)作狀態(tài)(也就是，圖 5所示示例的第一狀態(tài))的探測(cè)的每個(gè)特征向量被繪在特征空間中為圓形標(biāo)志，而每一個(gè)不對(duì)應(yīng)于疾病發(fā)作的發(fā)生(也就是，圖5所示示例的第二狀態(tài))的特征向量被圖示為“X”。圖示在特征空間128的疾病發(fā)作狀態(tài)的每個(gè)探測(cè)并不必須是分離的疾病發(fā)作的發(fā)生。反之，用特征向量所指示的一些疾病發(fā)作狀態(tài)探測(cè)可以是共同的疾病發(fā)作的發(fā)生的片段，且，在一些示例中，這些疾病發(fā)作的片段可被群集起來(lái)探測(cè)疾病發(fā)作。群集神經(jīng)活動(dòng)的概念來(lái)探測(cè)并監(jiān)測(cè)神經(jīng)事件(如，疾病發(fā)作)的發(fā)生被描述在共同轉(zhuǎn)讓的專(zhuān)利號(hào)為 7,280,867 的、授權(quán)給 Frei 等的、名為 “CLUSTERING OF RECORDED PATIENT NEUROLOGICAL ACTIVITY TO DETERMINE LENGTH OF A NEUROLOGICAL EVENT (群集所記錄的病人神經(jīng)活動(dòng)來(lái)確定神經(jīng)事件的長(zhǎng)度)”、在2007年10月9日授權(quán)的美國(guó)專(zhuān)利中?；谒兄牟∪藚?shù)信號(hào)的部分來(lái)確定特征向量。因此，發(fā)生超過(guò)被用于確定單個(gè)特征向量的一段時(shí)間的病人狀態(tài)的單次發(fā)生可能關(guān)聯(lián)于多個(gè)特征向量。在對(duì)第一和第二狀態(tài)確定多個(gè)特征向量之后，處理器60自動(dòng)地基于所確定的多個(gè)特征向量確定描繪第一和第二病人狀態(tài)的分類(lèi)界線(xiàn)。具體地，定義分類(lèi)界線(xiàn)來(lái)分離于已知病人狀態(tài)相關(guān)聯(lián)的特征值，諸如位于界線(xiàn)一邊的第一病人狀態(tài)的特征值和位于另一邊的來(lái)自第二病人狀態(tài)的特征值。以此方式，處理器60分離所確定的特征值(其可被排入特征向量)為兩個(gè)類(lèi)別，藉此第一類(lèi)別對(duì)應(yīng)于第一病人狀態(tài)，第二類(lèi)別對(duì)應(yīng)于第二病人狀態(tài)的發(fā)生。圖4所示的技術(shù)可在訓(xùn)練階段被使用，其中訓(xùn)練數(shù)據(jù)來(lái)自特定病人，且支持向量機(jī)基于對(duì)特定病人的數(shù)據(jù)而被訓(xùn)練。以此方式，病人專(zhuān)用的分類(lèi)界線(xiàn)可減少錯(cuò)誤的積極和錯(cuò)誤的消極病人狀態(tài)探測(cè)的次數(shù)?？傮w上，當(dāng)使用分類(lèi)界線(xiàn)來(lái)區(qū)分的病人狀態(tài)之間的類(lèi)似性增多，可能需要更多的支持向量來(lái)定義更復(fù)雜的分類(lèi)界線(xiàn)。該分類(lèi)界線(xiàn)可以是線(xiàn)性的或非線(xiàn)性的。線(xiàn)性分類(lèi)界線(xiàn)130的示例示于圖6中。線(xiàn)性界線(xiàn)130定義特征空間1 的第一區(qū)域132和第二區(qū)域134，其稍后被SVM使用來(lái)基于所感知的病人參數(shù)信號(hào)來(lái)分類(lèi)所感知的病人狀態(tài)。第一區(qū)域132相關(guān)聯(lián)于第一病人類(lèi)別，其在圖6所示示例中，是疾病發(fā)作狀態(tài)。第二區(qū)域134相關(guān)聯(lián)于第二病人類(lèi)別，其在圖6所示示例中，是非疾病發(fā)作狀態(tài)。處理器60自動(dòng)地確定線(xiàn)性界線(xiàn)130來(lái)最大化第一和第二病人類(lèi)別之間的分離?？墒褂萌魏斡糜诖_定線(xiàn)性界線(xiàn)130的合適的技術(shù)。在一些示例中，處理器60使用如下式來(lái)確定線(xiàn)性界線(xiàn)130 WtX+β > 0 (Equation 1)(式 1)變量“W”是支持向量，變量“X”是特征空間1 中的已知數(shù)據(jù)點(diǎn)(也就是，訓(xùn)練特征向量)的每一個(gè)特征值定義的向量，“β”是偏置項(xiàng)(bias)。變量“Τ”指示支持向量是經(jīng)轉(zhuǎn)置的。向量W和偏置項(xiàng)β是由SVM學(xué)習(xí)算法所確定的參數(shù)。在一些示例中，處理器40可確定多于一個(gè)的線(xiàn)性界線(xiàn)，諸如兩個(gè)或更多。圖7是特征空間1 的概念圖示，處理器40為此特征空間1 確定了兩個(gè)線(xiàn)性界線(xiàn)130、136，用于描繪已知數(shù)據(jù)點(diǎn)的第一和第二類(lèi)別，其對(duì)應(yīng)于第一和第二病人狀態(tài)。稍后，當(dāng)IMD16的處理器40基于所感知的病人參數(shù)信號(hào)而確定病人14是否處于第一狀態(tài)或第二狀態(tài)，處理器40 可同時(shí)運(yùn)行線(xiàn)性SVM并基于線(xiàn)性界線(xiàn)130、136來(lái)執(zhí)行邏輯運(yùn)算(如AND或OR)來(lái)確定由所感知的病人參數(shù)信號(hào)所指示的病人狀態(tài)。例如，通過(guò)同時(shí)或相繼地基于線(xiàn)性界線(xiàn)130確定特征向量是否被分類(lèi)為指示第一狀態(tài)或第二狀態(tài)，且基于線(xiàn)性界線(xiàn)136確定特征向量是否被分類(lèi)為指示第一狀態(tài)或第二狀態(tài)，IMD16的處理器40可確定從病人參數(shù)信號(hào)提取出的特征向量指示病人14處于第一或第二狀態(tài)。使用帶有多個(gè)線(xiàn)性界線(xiàn)130、136的SVM導(dǎo)致分類(lèi)技術(shù)更接近于非線(xiàn)性SVM技術(shù)， 非線(xiàn)性SVM技術(shù)參看圖8A而描述。使用多個(gè)線(xiàn)性界線(xiàn)130、136，然而，相比于帶有非線(xiàn)性界線(xiàn)的SVM，可需要通過(guò)處理器的較少的處理，且，因此，相比于使用非線(xiàn)性界線(xiàn)的SVM，可能消耗較少的功率來(lái)分類(lèi)病人14為處于第一病人狀態(tài)或第二病人狀態(tài)。圖8A示出示例非線(xiàn)性界線(xiàn)140。非線(xiàn)性界線(xiàn)140將特征空間128分離為與第一病人狀態(tài)相關(guān)聯(lián)的第一區(qū)域142和與第二病人狀態(tài)相關(guān)聯(lián)的第二區(qū)域144。像用線(xiàn)性界線(xiàn)那樣，處理器60確定在第一和第二病人類(lèi)別之間最大化分離的界線(xiàn)140。處理器60使用任何合適的技術(shù)基于訓(xùn)練數(shù)據(jù)點(diǎn)(基于與已知的第一和第二病人狀態(tài)相關(guān)聯(lián)的特征向量所確定的)來(lái)確定非線(xiàn)性界線(xiàn)140。處理器60可，例如，使用內(nèi)核函數(shù)(kernel function) 通過(guò)病人狀態(tài)來(lái)確定分離數(shù)據(jù)點(diǎn)的非線(xiàn)性界線(xiàn)140。處理器60可利用以下式來(lái)確定非線(xiàn)性分類(lèi)界線(xiàn)" +—義,||2)>。(式幻
/=1在式2中，變量“ β ”是偏置項(xiàng)，“ α ”是由SVM學(xué)習(xí)算法自動(dòng)確定的系數(shù)，“exp”指示式子的隨后部分是系數(shù)“ α，，的指數(shù)，變量“ Y ”是用戶(hù)定義的用于控制分類(lèi)界線(xiàn)的曲線(xiàn)且可由用戶(hù)選擇的，且變量“X”是特征空間128的已知數(shù)據(jù)點(diǎn)(也就是，訓(xùn)練特征向量)的每一個(gè)特征向量所定義的向量。在一些示例中，變量“Y”可能是約0.1。“X/’指示SVM算法選擇以定義曲線(xiàn)界線(xiàn)的代表性支持向量。僅使用代表性特征向量中的一些來(lái)定義界線(xiàn)， 而所選擇的特征向量可被稱(chēng)為支持向量。
2
非線(xiàn)性界線(xiàn)可基于訓(xùn)練數(shù)據(jù)點(diǎn)提供第一和第二類(lèi)別的更好的分離，不過(guò)使用非線(xiàn)性界線(xiàn)，處理器可能消耗更多的功率和時(shí)間處理數(shù)據(jù)段來(lái)分類(lèi)數(shù)據(jù)段為第一和第二類(lèi)別。 在為可植入醫(yī)療設(shè)備(諸如IMD 16)選擇分類(lèi)技術(shù)的時(shí)候，功率消耗可能是重要的因素，因?yàn)镮MD16的可用壽命取決于電源52(圖2)的壽命。相比確定線(xiàn)性界線(xiàn)130，確定非線(xiàn)性界線(xiàn)還可能要求處理器60的更多的功率消耗。已經(jīng)發(fā)現(xiàn)處理器可通過(guò)限制式2的指數(shù)函數(shù)的項(xiàng)數(shù)來(lái)確定平衡功耗和特異性的非線(xiàn)性界線(xiàn)。例如，已經(jīng)發(fā)現(xiàn)用式2的指數(shù)函數(shù)的八項(xiàng)(如，8支持向量)產(chǎn)生的非線(xiàn)性界線(xiàn)產(chǎn)生可接受的非線(xiàn)性界線(xiàn)，其帶有的分類(lèi)特異性(接近于用式2的指數(shù)函數(shù)的約50到約200項(xiàng)所產(chǎn)生的非線(xiàn)性界線(xiàn)的SVM。因此，限制用于在特征空間1 中確定非線(xiàn)性界線(xiàn)132的項(xiàng)數(shù)可利用SVM，其使用對(duì)于帶有有限處理能力和有限電源的設(shè)備(諸如IMD16)而言更為可行的非線(xiàn)性界線(xiàn)。分類(lèi)特異性可以是SVM的不正確的狀態(tài)探測(cè)的數(shù)量、錯(cuò)誤的積極第一狀態(tài)探測(cè)的次數(shù)，和/或錯(cuò)誤的消極第一狀態(tài)探測(cè)的次數(shù)的函數(shù)。圖8B是特征空間1 的概念圖示，其比較使用帶有八項(xiàng)的式2所確定的非線(xiàn)性界線(xiàn)146和使用帶有50項(xiàng)的式2確定的非線(xiàn)性界線(xiàn)148。如圖8B所示，使用較少的項(xiàng)所確定的非線(xiàn)性界線(xiàn)146與界線(xiàn)148類(lèi)似，且，因此，可具有類(lèi)似的分類(lèi)特異性。圖8暗示，產(chǎn)生具有較少數(shù)量的項(xiàng)的有用的非線(xiàn)性界線(xiàn)可幫助在分類(lèi)特定病人狀態(tài)的時(shí)候限制IMD16的處理器40的功率消耗。在處理器60自動(dòng)地確定分類(lèi)界線(xiàn)(圖4中的框110)之后，使用SVM產(chǎn)生的分類(lèi)界線(xiàn)被加載到探測(cè)病人狀態(tài)的設(shè)備中。例如，編程器觀，獨(dú)立地或在醫(yī)生的幫助下，可將SVM 加載到MID16的存儲(chǔ)器42(圖2)中。在這個(gè)步驟之后，IMD16的處理器40自動(dòng)地處理實(shí)時(shí)的或存儲(chǔ)的病人參數(shù)信號(hào)，SVM使用所確定的分類(lèi)界線(xiàn)將從信號(hào)中提取出來(lái)的多個(gè)數(shù)據(jù)段(如，信號(hào)的樣本)進(jìn)行分類(lèi)。在此處所述的示例中，數(shù)據(jù)段是基于病人參數(shù)信號(hào)的特性而確定的特征向量。SVM將基于由IMD16所感知的病人參數(shù)信號(hào)的特性而確定的特征向量映射到特征空間中，并確定這個(gè)特征值落在分類(lèi)界線(xiàn)的哪一邊?；谶@個(gè)確定，處理器確定當(dāng)前的病人狀態(tài)。圖9是示例技術(shù)的流程圖，該技術(shù)用于基于實(shí)時(shí)或所存儲(chǔ)的病人參數(shù)信號(hào)，以使用SVM算法確定的分類(lèi)界線(xiàn)來(lái)確定病人狀態(tài)。圖9是相關(guān)于IMD16的處理器40而描述的。 然而，圖9所示的技術(shù)可由編程器觀的處理器60、另一個(gè)設(shè)備的處理器或其組合執(zhí)行。處理器40接收指示病人參數(shù)的信號(hào)(160)。信號(hào)可以是，例如，生理學(xué)信號(hào)或指示病人活動(dòng)級(jí)別或病人姿勢(shì)的信號(hào)。在一些示例中，SVM用來(lái)確定分類(lèi)界線(xiàn)的病人參數(shù)信號(hào)是與處理器40用來(lái)確定病人狀態(tài)的信號(hào)一樣的信號(hào)。在一些示例中，病人參數(shù)信號(hào)通過(guò)傳感模塊46 (圖幻、動(dòng)作傳感器36、另一個(gè)傳感器或其組合而產(chǎn)生。處理器40確定用于基于這些信號(hào)而確定的特征向量的一個(gè)或多個(gè)特征值(162)。 加以確定值的那些特征是SVM算法用來(lái)產(chǎn)生分類(lèi)界線(xiàn)(如，使用圖4中的技術(shù))的相同的特征。處理器40可使用任何合適的技術(shù)來(lái)確定特征向量值，諸如相關(guān)于圖4而描述的、用于確定用于SVM訓(xùn)練點(diǎn)的特征向量的技術(shù)。在一些示例中，處理器40基于具有預(yù)確定的時(shí)間持續(xù)的病人參數(shù)信號(hào)的樣本而確定特征向量。以此方式，具有相應(yīng)特征值的多個(gè)所確定的特征向量可代表持續(xù)了已知時(shí)間持續(xù)的病人狀態(tài)。在基于所接收到的信號(hào)確定特征向量值(16 之后，處理器40將該特征向量值和分類(lèi)界線(xiàn)(164)相比較，該分類(lèi)界線(xiàn)可能是線(xiàn)性的(圖5中的線(xiàn)性界線(xiàn)130)或非線(xiàn)性的 (圖7中的非線(xiàn)性界線(xiàn)140)。具體地，處理器40將所確定的特征向量映射到特征空間中并確定該特征向量落在界線(xiàn)的哪一側(cè)。在一些示例中，處理器40對(duì)確定病人14是否處于第一狀態(tài)感興趣。因此，如果該特征向量沒(méi)有落在與第一病人狀態(tài)相關(guān)聯(lián)的界線(xiàn)的那一側(cè)，處理器40可產(chǎn)生第二狀態(tài)指示(167)并且然后繼續(xù)監(jiān)測(cè)生理學(xué)信號(hào)(160)并確定特征向量 (162)。第二狀態(tài)指示可以是，例如，存儲(chǔ)在IMD或另一個(gè)設(shè)備(如，編程器28)的存儲(chǔ)器42 中的信號(hào)的值、標(biāo)記(flag)。在其他示例中，處理器40沒(méi)有產(chǎn)生第二狀態(tài)指示，而是僅繼續(xù)監(jiān)測(cè)生理學(xué)信號(hào) (160)以及確定特征向量(16 直至探測(cè)到第一狀態(tài)。如果特征向量落在與第一病人狀態(tài)相關(guān)聯(lián)的界線(xiàn)的那一側(cè)，處理器40將所確定的特征向量分類(lèi)在與第一病人狀態(tài)相關(guān)聯(lián)的特征空間中，且處理器40確定病人14處于第一狀態(tài)(166)。處理器40可產(chǎn)生第一狀態(tài)指示(168)。第一狀態(tài)指示可以是，例如，存儲(chǔ)在IMD或另一個(gè)設(shè)備(如，編程器28)的存儲(chǔ)器 42中的信號(hào)的值、標(biāo)記。在一些示例中，在確定病人14已經(jīng)改變了狀態(tài)之前，處理器40確定預(yù)確定數(shù)量(如，四個(gè))相鄰點(diǎn)是否位于界線(xiàn)的一側(cè)。如前所示，可為多個(gè)目的而使用第一病人狀態(tài)的確定，諸如控制治療傳遞(如，開(kāi)始、使無(wú)效、修改治療傳遞的一個(gè)或多個(gè)參數(shù))、產(chǎn)生病人提醒(如，警告來(lái)指示疾病發(fā)作狀態(tài)將要發(fā)生)、評(píng)估病人情況、或者開(kāi)始病人參數(shù)的記錄(以及存儲(chǔ)病人參數(shù)(諸如指示病人參數(shù)的信號(hào))在設(shè)備的存儲(chǔ)器中)。因此，一旦產(chǎn)生第一狀態(tài)指示(168)，IMD16的處理器40可采用任何合適的動(dòng)作過(guò)程(其可由醫(yī)生預(yù)先選擇且可包括前述動(dòng)作中的一個(gè)或多個(gè))。在IMD16的處理器40基于所確定的病人狀態(tài)而控制治療模塊(如，在IMD16產(chǎn)生并傳遞電刺激給14的示例中的刺激產(chǎn)生器44(圖2)、在IMD16產(chǎn)生并傳遞治療劑給14的示例中的流體傳遞模塊或傳遞外部提示的模塊)的示例中，處理器40響應(yīng)病人狀態(tài)的確定可修改治療傳遞的一個(gè)或多個(gè)參數(shù)。相應(yīng)于所探測(cè)到的病人狀態(tài)，對(duì)于一個(gè)或多個(gè)治療參數(shù)的修改(或調(diào)整)不同于使治療傳遞無(wú)效，這是指IMD16繼續(xù)有效地用經(jīng)調(diào)整的治療參數(shù)傳遞治療給病人14，而不是使治療傳遞無(wú)效。以此方式，IMD16可調(diào)整治療傳遞來(lái)兼容不同的病人狀態(tài)，其可關(guān)聯(lián)于不同癥狀或不同治療結(jié)果。這個(gè)響應(yīng)的治療傳遞幫助提供有效的治療給病人14。在一個(gè)示例中，基于所確定的病人狀態(tài)，處理器40從存儲(chǔ)器42(圖幻中選擇治療程序或?qū)τ诋?dāng)前程序調(diào)整一個(gè)或多個(gè)刺激參數(shù)值(包括諸如幅值、脈沖寬幅、脈沖速率、 電極組合、電極極性之類(lèi)的參數(shù))。然后，根據(jù)調(diào)整的治療參數(shù)，IMD16產(chǎn)生并傳遞治療給病人。在替代或除了電刺激，IMD16傳遞治療劑給病人14的示例中，處理器40可從存儲(chǔ)器 42(圖幻中選擇治療程序或調(diào)整一個(gè)或多個(gè)流體傳遞參數(shù)值(如，治療劑的劑量、治療劑的傳遞速率、每個(gè)劑團(tuán)中最大可接收的劑量、或治療劑的劑量可傳遞給病人的時(shí)間段)。在此之后，IMD16根據(jù)經(jīng)調(diào)整的參數(shù)將治療劑傳遞給病人14。在外部設(shè)備傳遞外部提示(諸如可視、可聽(tīng)或體感提示(如，脈搏振動(dòng)))給病人14的示例中，IMD16的處理器40或另一個(gè)設(shè)備(諸如外部設(shè)備)的處理器，可控制外部設(shè)備增加或降低可視提示的對(duì)比度或亮度、增加或降低可視提示的壽命、增加或降低可聽(tīng)提示的音量，等。圖10是技術(shù)的概念圖示，處理器40使用該技術(shù)，在實(shí)現(xiàn)SVM算法時(shí)，基于代表病人參數(shù)的信號(hào)而確定病人狀態(tài)。在圖10中，IMD16的傳感模塊46用一個(gè)傳感頻道(頻道 1)傳感病人14的腦部信號(hào)。在圖10所示示例中，傳感模塊46包括模擬頻率選擇傳感電路，其提取經(jīng)由傳感頻道所傳感的生物電信號(hào)中的頻率組分。從經(jīng)由頻道1感知的病人參數(shù)信號(hào)，傳感模塊46為第一特征170 (包括從OHz到約16Hz的頻帶中的能量級(jí)別)和第二特征值172(包括從15Hz到約37Hz的頻帶中的能量級(jí)別)提取值。這些特征170、172的值是為傳感頻道所產(chǎn)生的特征向量174的特征值X1和\2。在用特征值(X1和確定了特征向量174之后，處理器40將特征向量174映射到之前已確定的特征空間128(如，使用圖4中所示的技術(shù)而確定)中并確定特征向量174 落在線(xiàn)性界線(xiàn)130的哪一側(cè)。在其他示例中，替代或除了線(xiàn)性界線(xiàn)130，SVM算法可利用非線(xiàn)性界線(xiàn)。如果特征向量174落在區(qū)域132中，處理器40確定所感知的生物電腦部信號(hào)指示病人14處于第一狀態(tài)(如，疾病發(fā)作狀態(tài))。另一方面，如果特征向量174映射到區(qū)域 134，處理器40確定所感知到的生物電腦部信號(hào)指示病人14處于第二狀態(tài)(如，非疾病發(fā)作狀態(tài))或至少不處于第一狀態(tài)。在使用SVM算法確定的分類(lèi)界線(xiàn)的幫助下，處理器40確定病人14是否處于第一狀態(tài)或第二狀態(tài)。通過(guò)使用由SVM算法所確定的多個(gè)分類(lèi)界線(xiàn)，處理器40可確定病人14 是否處于多個(gè)病人狀態(tài)中的一個(gè)，此處每一個(gè)分類(lèi)界線(xiàn)被用于確定病人14是否處于相應(yīng)的狀態(tài)或不在這個(gè)狀態(tài)。在一些示例中，IMD16的處理器40 (或者另一個(gè)設(shè)備的處理器)可確定所感知的病人參數(shù)信號(hào)是否指示病人14正在向需要采取動(dòng)作過(guò)程的病人狀態(tài)移動(dòng)。如前所示，動(dòng)作過(guò)程可包括治療傳遞(如，刺激或治療劑)、病人提醒的傳遞、開(kāi)始記錄病人參數(shù)信號(hào)，等。并非等待直到基于病人參數(shù)信號(hào)而實(shí)際地探測(cè)到病人狀態(tài)，基于一段時(shí)間所感知的病人參數(shù)信號(hào)而確定的特征向量指示病人14正向著該病人狀態(tài)移動(dòng)，處理器40可開(kāi)始動(dòng)作過(guò)程。圖11是示例技術(shù)的流程圖，該示例技術(shù)用于確定所感知的病人參數(shù)信號(hào)是否指示病人14正在向特定病人狀態(tài)移動(dòng)。像使用圖9中所示的技術(shù)那樣，處理器40接收指示病人參數(shù)的信號(hào)(160)并確定基于信號(hào)的時(shí)間段確定特征向量的一個(gè)或多個(gè)特征值(162)。 處理器40可基于隨著時(shí)間所感知的病人信號(hào)參數(shù)的相應(yīng)部分確定多個(gè)特征向量，這樣每一個(gè)特征向量指示一段預(yù)確定時(shí)間的病人狀態(tài)?；诓∪藚?shù)信號(hào)的連續(xù)(或相繼)段而確定的特征向量可指示連續(xù)的病人狀態(tài)的確定。如前所述，特征向量的特征值定義特征向量的坐標(biāo)，這樣每一個(gè)特征向量可被映射到特征空間。在圖11所示示例技術(shù)中，處理器40確定連續(xù)的特征向量(如，特征空間中坐標(biāo)點(diǎn)發(fā)展(progression))是否接近分類(lèi)界線(xiàn)(177)。在一些示例中，處理器40基于具有預(yù)確定的時(shí)間持續(xù)的病人參數(shù)信號(hào)的段而確定特征向量?？苫诓∪藚?shù)信號(hào)的段的不同部分而確定每個(gè)特征向量。以此方式，在特征空間中的特征向量的軌跡可指示一段預(yù)確定時(shí)間持續(xù)中的病人情況的發(fā)展(progression)。在其他示例中，處理器40基于病人參數(shù)信號(hào)持續(xù)地確定特征向量。在這個(gè)示例中，處理器40在未知的、未確定的時(shí)間段上監(jiān)測(cè)該特征向量的軌跡。然而，例如為便于處理，處理器40可基于有限(如，預(yù)確定的)數(shù)量的特征向量而評(píng)估軌跡路徑。例如，處理器40可基于從約2個(gè)到約100個(gè)特征向量(諸如約2個(gè)到4個(gè)特征向量)的軌跡評(píng)估病人狀態(tài)。預(yù)確定數(shù)量的特征向量可基于病人參數(shù)信號(hào)的最新的段。以此方式，處理器40可基于相關(guān)于現(xiàn)有病人狀態(tài)的病人參數(shù)信號(hào)段而評(píng)估病人狀
32
不論軌跡被觀察的持續(xù)時(shí)間或軌跡中特征向量的數(shù)量，特征空間128(圖10)中連續(xù)特征向量的位置可指示病人狀態(tài)是否在變化，這可能指示預(yù)期的病人狀態(tài)變化。例如，隨時(shí)間的特征向量可定義朝向分類(lèi)界線(xiàn)的軌跡，藉此指示病人14可能位于逼近的或可能的病人狀態(tài)變化。以此方式，可使用基于所感知的連續(xù)病人參數(shù)信號(hào)段而確定的特征向量的軌跡來(lái)預(yù)測(cè)病人狀態(tài)的發(fā)生。在一些示例中，處理器40通過(guò)確定特征向量和分類(lèi)界線(xiàn)之間的距離而確定是否隨時(shí)間的特征向量定義了朝向分類(lèi)界線(xiàn)的軌跡(177)，如，向參看圖13-14B所描述的那樣。 如果病人參數(shù)信號(hào)的相繼段(可能不是必須是連續(xù)的段)的特征向量和分類(lèi)界線(xiàn)之間的距離隨著時(shí)間降低，處理器40可確定特征向量在定義向著分類(lèi)界線(xiàn)的軌跡。距離可以是特征空間中的特征向量和分類(lèi)界線(xiàn)之間延伸的垂直線(xiàn)的絕對(duì)值。軌跡可能是，但不必須是線(xiàn)性的。在一些示例中，如果軌跡中每一個(gè)后來(lái)的特征向量(如，基于病人參數(shù)信號(hào)的相繼段而確定的特征值)相比于之前的特征向量更接近于分類(lèi)界線(xiàn)，處理器40確定特征向量在定義向著分類(lèi)界線(xiàn)的軌跡。在其他示例中，軌跡中的每一個(gè)后來(lái)的特征向量并不必須相比于之前的特征向量而言更接近分類(lèi)界線(xiàn)，而是可用非相繼的特征向量定義軌跡的方向。例如，向著分類(lèi)界線(xiàn)的軌跡可包括距離分類(lèi)界線(xiàn)第一距離且在第一時(shí)間確定的第一特征向量、距離分類(lèi)界線(xiàn)第二距離且在接著第一時(shí)間的第二時(shí)間確定的第二特征向量、距離分類(lèi)界線(xiàn)第三距離且在接著第二時(shí)間的第三時(shí)間確定的第三特征向量，和距離分類(lèi)界線(xiàn)第四距離且在接著第三時(shí)間的第四時(shí)間確定的第四特征向量。在一些示例中，當(dāng)?shù)谒奶卣飨蛄肯啾鹊谌卣飨蛄扛咏诸?lèi)界線(xiàn)、第三特征向量相比第二特征向量更接近分類(lèi)界線(xiàn)、第二特征向量相比第一特征向量更接近分類(lèi)界線(xiàn)， 處理器40確定特征向量定義了隨時(shí)間朝向分類(lèi)界線(xiàn)的軌跡。在其他示例中，當(dāng)?shù)谒奶卣飨蛄肯啾鹊谝?、第二、第三特征向量中的任何一個(gè)更接近分類(lèi)界線(xiàn)(即使，如，第二或第三特征向量相比第一特征向量更遠(yuǎn)離分類(lèi)界線(xiàn))、第三特征向量相比第一、第二特征向量中的任何一個(gè)更接近分類(lèi)界線(xiàn)、或者第二特征向量相比第一特征向量更接近分類(lèi)界線(xiàn)，處理器40 確定特征向量定義了隨時(shí)間朝向分類(lèi)界線(xiàn)的軌跡。如果處理器40確定基于病人參數(shù)信號(hào)而確定的特征向量沒(méi)有定義隨時(shí)間向著分類(lèi)界線(xiàn)的軌跡，處理器40可繼續(xù)監(jiān)測(cè)病人參數(shù)信號(hào)(160)和特征向量隨時(shí)間的軌跡。另一方面，如果處理器40確定基于病人參數(shù)信號(hào)而確定的特征向量定義隨時(shí)間向著分類(lèi)界線(xiàn)的軌跡，處理器40產(chǎn)生預(yù)期的病人狀態(tài)指示(178)，其指示與分類(lèi)界線(xiàn)的另一側(cè)(特征向量的軌跡隨時(shí)間將要與之靠近)相關(guān)聯(lián)的病人狀態(tài)在逼近或至少像要發(fā)生。 預(yù)期的病人狀態(tài)指示可以是，例如，存儲(chǔ)在IMD或另一個(gè)設(shè)備(如，編程器觀)的存儲(chǔ)器42 中的信號(hào)的值、標(biāo)記(flag)。在特征值的軌跡沒(méi)有穿過(guò)分類(lèi)界線(xiàn)的示例中，預(yù)期的病人狀態(tài)指示的產(chǎn)生不表示處理器40探測(cè)到了病人狀態(tài)的實(shí)際發(fā)生，而是，處理器40基于特征向量的軌跡預(yù)測(cè)到了病人狀態(tài)的發(fā)生。在圖11所示示例中，一旦產(chǎn)生預(yù)期病人狀態(tài)指示，處理器40可開(kāi)始合適的動(dòng)作過(guò)程(如，無(wú)效、開(kāi)始或調(diào)整治療參數(shù)，產(chǎn)生病人提醒或開(kāi)始、無(wú)效或調(diào)整病人參數(shù)信號(hào)的記錄)。在一些示例中，當(dāng)特征向量與分類(lèi)界線(xiàn)之間的距離小于或等于預(yù)先確定的閾值(其可被存儲(chǔ)于存儲(chǔ)器42中)時(shí)，處理器40開(kāi)始合適的動(dòng)作過(guò)程(如，開(kāi)始治療傳遞或產(chǎn)生病人提醒)。在其他示例中，當(dāng)病人參數(shù)信號(hào)的相繼段的閾值數(shù)量的特征向量定義向著分類(lèi)界線(xiàn)的軌跡時(shí)，處理器40開(kāi)始合適的動(dòng)作過(guò)程(如，開(kāi)始治療傳遞或產(chǎn)生病人提醒)。被用于確定軌跡正在向著分類(lèi)界線(xiàn)的軌跡中的特征向量的閾值數(shù)量可以由醫(yī)生預(yù)先確定或存儲(chǔ)在 IMD16的存儲(chǔ)器42 (圖2)、編程器觀的存儲(chǔ)器62 (圖3)中另一個(gè)設(shè)備的存儲(chǔ)器中。在病人14達(dá)到病人狀態(tài)之前開(kāi)始動(dòng)作過(guò)程可以幫助預(yù)防病人狀態(tài)的發(fā)生或至少減輕與該病人狀態(tài)相關(guān)聯(lián)的任何癥狀的嚴(yán)重性。由特征向量界定的向著分類(lèi)界線(xiàn)的軌跡可指示有可能病人14最終將達(dá)到病人狀態(tài)。因此，任何預(yù)防性的治療傳遞對(duì)于管理病人情況是有用的。另外，在一些示例中，在實(shí)際達(dá)到病人狀態(tài)之前為病人14提供治療相比在病人實(shí)際處于病人狀態(tài)之后提供治療而言更有幫助。例如，如果病人處于癲癇癥中，在疾病發(fā)作狀態(tài)之前提供治療傳遞，相比在病人14處于疾病發(fā)作狀態(tài)之后的時(shí)候傳遞治療，會(huì)更有利于預(yù)防或減輕疾病發(fā)作。類(lèi)似地，在疾病發(fā)作之前產(chǎn)生病人提醒，相比在病人處于疾病狀態(tài)之后傳遞提醒，會(huì)更有利于為病人14提供提醒。例如，在疾病發(fā)作狀態(tài)之前的提醒可為病人14提供充分的提醒，先于疾病發(fā)作的任何微弱效果的發(fā)作之前到安全位置或者為疾病發(fā)作做其他準(zhǔn)備(如，如果病人14正在駕駛車(chē)輛的話(huà)則將車(chē)輛停下)。作為另一個(gè)示例，如果病人狀態(tài)是處于出現(xiàn)了運(yùn)動(dòng)障礙的一個(gè)或多個(gè)癥狀的狀態(tài)中，在運(yùn)動(dòng)狀態(tài)之前提供治療傳遞，相比于在運(yùn)動(dòng)障礙癥狀已經(jīng)出現(xiàn)之后為病人14提供治療，更有助于幫助病人14開(kāi)始和/或保持運(yùn)動(dòng)。在運(yùn)動(dòng)障礙的一個(gè)或多個(gè)癥狀出現(xiàn)之前治療的傳遞可能幫助最小化病人14所感知任何運(yùn)動(dòng)障礙癥狀?；谙蛑诸?lèi)界線(xiàn)的特征向量的軌跡而預(yù)測(cè)運(yùn)動(dòng)障礙癥狀的出現(xiàn)可有助于傳遞治療的時(shí)間，這樣病人14基本沒(méi)有感受到不能開(kāi)始運(yùn)動(dòng)或運(yùn)動(dòng)障礙的另一個(gè)影響。這還可應(yīng)用到其他病人狀態(tài)。一般，基于向著分類(lèi)界線(xiàn)(描繪了區(qū)別于另一個(gè)狀態(tài)的病人狀態(tài))的特征向量的軌跡而預(yù)測(cè)病人狀態(tài)的出現(xiàn)有助于傳遞治療的時(shí)間安排，這樣病人14基本沒(méi)有感受與病人狀態(tài)相關(guān)聯(lián)的癥狀。在一些示例中，有效的是控制刺激發(fā)生器14(或另一個(gè)治療模塊)來(lái)將傳遞給病人14的治療調(diào)整為一種治療設(shè)定，其在病人14處于病人狀態(tài)之前的姿勢(shì)狀態(tài)中提供給病人14有效治療。例如，如果病人14在特定病人狀態(tài)感覺(jué)更疼，那么對(duì)于病人14處于此病人狀態(tài)之前的姿勢(shì)狀態(tài)開(kāi)始治療是有幫助的，這樣在治療效果上沒(méi)有延遲。在一些示例中，相比于，例如，基于所感知的病人參數(shù)信號(hào)的單個(gè)部分而確定的分立的特征向量，取決于病人和病人參數(shù)信號(hào)的類(lèi)型，隨時(shí)間的病人情況發(fā)展可提供更好的對(duì)于病人狀態(tài)的指示。例如，分立的特征向量可能是界外值(outlier)(如，基于病人參數(shù)信號(hào)中的瞬時(shí)變化)且可能不提供當(dāng)前病人狀態(tài)的準(zhǔn)確表示。另一方面，隨時(shí)間的特征向量的軌跡基于較長(zhǎng)的時(shí)間窗，且可提供更穩(wěn)健的和有意義的當(dāng)前病人狀態(tài)的指示。在病人姿勢(shì)狀態(tài)的情況下，分立的特征向量可代表瞬時(shí)姿勢(shì)狀態(tài)(如，病人在第一和第二姿勢(shì)狀態(tài)之間的瞬時(shí)所采用的中間姿勢(shì)狀態(tài))。另一方面，基于指示病人姿勢(shì)或活動(dòng)的病人參數(shù)信號(hào)的相繼段而確定的特征向量的軌跡可指示病人姿勢(shì)狀態(tài)隨較長(zhǎng)時(shí)間段的變化，且，因此， 可能不考慮病人14處于瞬時(shí)的姿勢(shì)狀態(tài)，不過(guò)，而是，正在接近第二姿勢(shì)狀態(tài)。因此，可基于第二姿勢(shì)狀態(tài)的探測(cè)而控制給病人14的治療傳遞。在一些示例中，處理器40 (或另一個(gè)設(shè)備的處理器，諸如編程器28)可基于特征向量相對(duì)于由SVM定義的分類(lèi)界線(xiàn)的軌跡而確定評(píng)估度量。評(píng)估度量可被存儲(chǔ)在IMD16的存儲(chǔ)器42或設(shè)備的存儲(chǔ)器中。存儲(chǔ)器40產(chǎn)生的隨時(shí)間的評(píng)估度量的日志可提供數(shù)據(jù)，根據(jù)這些數(shù)據(jù)醫(yī)生可評(píng)估病人情況的發(fā)展、監(jiān)測(cè)病人情況的嚴(yán)重性等。評(píng)估度量可指示，例如， 病人的情況是否在改善(如，在病人14正當(dāng)前處于消極病人狀態(tài)的示例中，軌跡是否正在接近著分類(lèi)界線(xiàn))或者病人的情況是否在惡化(如，在病人14正當(dāng)前處于積極病人狀態(tài)的示例中，軌跡是否正在接近分類(lèi)界線(xiàn))。另外，在一些示例中，評(píng)估度量可指示病人是否正在接近病人狀態(tài)轉(zhuǎn)換(如，軌跡是否正在接近分類(lèi)界線(xiàn))。在一些示例中，評(píng)估度量是軌跡的至少一個(gè)特征向量和分類(lèi)界線(xiàn)之間的距離?？墒褂萌魏魏线m的技術(shù)，諸如下文中參考圖13而描述的技術(shù)，來(lái)確定距離。在一些示例中，評(píng)估度量是基于軌跡中的兩個(gè)或更多個(gè)特征向量和分類(lèi)界線(xiàn)的距離而確定的平均或中值距離。在其他示例中，評(píng)估度量是軌跡的任何一個(gè)特征向量和分類(lèi)界線(xiàn)之間的最小距離。還有在其他示例中，評(píng)估度量是基于最新的病人參數(shù)信號(hào)段(如，在最近的時(shí)間點(diǎn)處觀察的病人參數(shù)信號(hào)段)而確定的特征向量和分類(lèi)界線(xiàn)之間的距離。在這些示例中，評(píng)估度量可指示病人14是否正在接近病人狀態(tài)變化。在一些情況下，軌跡的至少一個(gè)特征向量和分類(lèi)界線(xiàn)之間的相對(duì)小(如，相比于預(yù)確定的閾值)的距離可指示病人情況正在改善。例如，如果病人14正處于消極病人狀態(tài)， 且一個(gè)或多個(gè)特征向量和分類(lèi)界線(xiàn)之間的距離正在減少，距離可指示病人正在接近更積極的病人狀態(tài)(如，非疾病發(fā)作狀態(tài)或病人的情緒障礙的一個(gè)或多個(gè)癥狀沒(méi)有出現(xiàn)的積極的情緒狀態(tài))。然而，在一些示例中，相對(duì)小的距離可指示病人情況正在惡化。例如，如果病人 14正處于積極病人狀態(tài)，且軌跡的至少一個(gè)特征向量和分類(lèi)界線(xiàn)之間的距離減少或小于預(yù)先確定的閾值，軌跡可指示病人14正在接近更消極的病人狀態(tài)(如，疾病發(fā)作狀態(tài)或更嚴(yán)重的疾病發(fā)作狀態(tài)，或消極的情緒狀態(tài)，諸如抑郁或焦慮情緒狀態(tài))。另外，在一些示例中，多個(gè)評(píng)估度量可指示病人是否正在接近病人狀態(tài)轉(zhuǎn)換(如， 如果特征向量和分類(lèi)界線(xiàn)之間的距離是減少的趨勢(shì)則，軌跡正在接近分類(lèi)界線(xiàn))。在評(píng)估度量是基于以最新的病人參數(shù)信號(hào)段為基礎(chǔ)而確定的特征向量和分類(lèi)界線(xiàn)之間的距離的示例中，基于與分類(lèi)界線(xiàn)的距離的大小，評(píng)估度量可指示病人14是否接近于轉(zhuǎn)換到不同的病人狀態(tài)。特征向量和分類(lèi)界線(xiàn)之間相對(duì)較小的大小可指示病人14接近轉(zhuǎn)換到不同的病人狀態(tài)，或者病人狀態(tài)轉(zhuǎn)換正在逼近。醫(yī)生可確定指示病人狀態(tài)轉(zhuǎn)換正在逼近的度量(如，距離值)。在一些情況下，這個(gè)度量可在SVM訓(xùn)練階段被確定，或者在其他情況下，度量可在緊接著監(jiān)測(cè)階段被確定，其中在監(jiān)測(cè)階段中使用此處描述的基于SVM的分類(lèi)算法探測(cè)到病人狀態(tài)且病人狀態(tài)指示被存儲(chǔ)在存儲(chǔ)器中用于后來(lái)的評(píng)估。如上所述，軌跡可具有已知數(shù)量(如，預(yù)確定的或計(jì)算出的)的特征向量。在這些示例中，除了或替代軌跡的一個(gè)或多個(gè)特征向量和分類(lèi)界線(xiàn)之間的距離，評(píng)估度量可包括距離分類(lèi)界線(xiàn)的距離小于閾值距離的軌跡中特征向量的數(shù)量或特征向量的百分比?？捎舍t(yī)生或監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)預(yù)先確定閾值，并存儲(chǔ)在IMD 16的存儲(chǔ)器42或另一個(gè)設(shè)備的存儲(chǔ)器中。另外，在一些示例中，評(píng)估度量可包括接近分類(lèi)界線(xiàn)的軌跡的相繼特征向量(例如，基于病人參數(shù)信號(hào)的連續(xù)段而確定)的數(shù)量。圖12是示例技術(shù)的流程圖，處理器40可實(shí)現(xiàn)此技術(shù)以確定病人參數(shù)信號(hào)指示了三個(gè)病人狀態(tài)中的哪一個(gè)。像使用圖9中所示的技術(shù)那樣，在圖12所示技術(shù)中，處理器40從運(yùn)動(dòng)傳感器36(圖幻、傳感器38(圖1)或傳感模塊46(圖幻或另一個(gè)傳感模塊(160) 處接收指示病人參數(shù)的信號(hào)，并基于所感知的信號(hào)的一部分而確定特征向量值(162)。處理器40將所確定的特征向量與由第一 SVM算法確定的第一分類(lèi)界線(xiàn)相比較(164)來(lái)確定病人14是否處于第一狀態(tài)或沒(méi)有處于第一狀態(tài)。界線(xiàn)可能是線(xiàn)性的(如，圖5中的線(xiàn)性界線(xiàn) 130)或非線(xiàn)性的(如，圖7中的非線(xiàn)性界線(xiàn)140)。處理器40將所確定的特征向量映射到特征空間中并確定該特征向量落在界線(xiàn)的哪一側(cè)。如果特征向量落在與第一病人狀態(tài)相關(guān)聯(lián)的界線(xiàn)的那一側(cè)，處理器40將所確定的特征向量分類(lèi)在與第一病人狀態(tài)相關(guān)聯(lián)的特征空間中并確定病人14處于第一狀態(tài)。然后，處理器40可產(chǎn)生第一狀態(tài)指示(168)。另一方面，如果特征向量沒(méi)有落在與第一病人狀態(tài)相關(guān)聯(lián)的界線(xiàn)的那一側(cè)，處理器40確定病人14沒(méi)有處于第一狀態(tài)。為了進(jìn)一步分類(lèi)病人狀態(tài)，處理器40實(shí)現(xiàn)附加的分類(lèi)界線(xiàn)?？赏ㄟ^(guò)基于同樣的或不同的訓(xùn)練數(shù)據(jù)的SVM而產(chǎn)生分類(lèi)界線(xiàn)。在圖12所示示例中，為了確定所確定的特征向量是否指示第二或第三病人狀態(tài)，處理器40實(shí)現(xiàn)由第一 SVM算法或第二 SVM算法實(shí)現(xiàn)的分類(lèi)界線(xiàn)并將所確定的特征向量與第二分類(lèi)界線(xiàn)比較(180)。處理器40確定特征向量是否指示病人14處于第二狀態(tài)(182)。具體地，如果特征向量落在與第二病人狀態(tài)相關(guān)聯(lián)的界線(xiàn)的那一側(cè)，處理器40將所確定的特征向量分類(lèi)在與第二病人狀態(tài)相關(guān)聯(lián)的特征空間中并確定病人14處于第二狀態(tài)。處理器40可產(chǎn)生第二狀態(tài)指示(182)。與第一狀態(tài)指示一樣， 第二狀態(tài)指示可以是，例如，存儲(chǔ)在IMD或另一個(gè)設(shè)備(如，編程器28)的存儲(chǔ)器42中的信號(hào)的值、標(biāo)記(flag)。在一些示例中，在確定病人14已經(jīng)改變狀態(tài)到第二狀態(tài)之前，處理器40確定預(yù)確定數(shù)量(如，四個(gè))相鄰點(diǎn)是否位于界線(xiàn)的一側(cè)。如果第二 SVM算法指示病人14沒(méi)有處于第二狀態(tài)(18 ，處理器40確定病人14處于第三狀態(tài)并產(chǎn)生第三狀態(tài)指示 (184)。在此處描述的示例中，每一個(gè)SVM算法提供關(guān)于病人14是否處于特定病人狀態(tài)的二元化指示。在希望分類(lèi)大于兩個(gè)狀態(tài)的示例中，處理器40可使用任何合適數(shù)量的SVM算法來(lái)確定病人14是否處于多個(gè)病人狀態(tài)中的一個(gè)。處理器40可將基于第二病人狀態(tài)確定的特征向量與相應(yīng)的基于SVM的分類(lèi)算法的任何數(shù)量的分類(lèi)界線(xiàn)比較?？墒褂妹恳粋€(gè)基于 SVM的分類(lèi)算法來(lái)進(jìn)一步區(qū)分病人狀態(tài)。處理器40可平行地或連續(xù)地做出比較。在一些示例中，當(dāng)病人狀態(tài)是不同的姿勢(shì)狀態(tài)時(shí)，多于兩個(gè)病人狀態(tài)的分類(lèi)是理想的。例如，相關(guān)于參看圖12而描述的技術(shù)，第一狀態(tài)可以是躺著的狀態(tài)、第二狀態(tài)可以是直立且活動(dòng)的狀態(tài)，而第三狀態(tài)可以是直立狀態(tài)。作為另一個(gè)示例，第一狀態(tài)可以是向上躺著的姿勢(shì)狀態(tài)，第二狀態(tài)可以是向右躺著的姿勢(shì)狀態(tài)，而第三狀態(tài)可以是向左躺著的姿勢(shì)狀態(tài)。使用一個(gè)或多個(gè)基于SVM的算法可實(shí)現(xiàn)任何可能的數(shù)量和順序的姿勢(shì)狀態(tài)探測(cè)。另外，在一些示例中，多于兩個(gè)病人狀態(tài)的分類(lèi)對(duì)于表征特定病人狀態(tài)(其中出現(xiàn)了病人事件或事情(諸如疾病發(fā)作事件、運(yùn)動(dòng)障礙事件或情緒狀態(tài)障礙事件)的一個(gè)或多個(gè)癥狀)的嚴(yán)重性是有幫助的。例如，相比于感覺(jué)性疾病發(fā)作(sensory seizure)(如， 不與運(yùn)動(dòng)組分相關(guān)聯(lián)的腦電變化)，與運(yùn)動(dòng)組分相關(guān)的腦電變化的疾病發(fā)作(如，強(qiáng)直性痙攣疾病發(fā)作)可被認(rèn)為相對(duì)更嚴(yán)重。相關(guān)于參看圖12而描述的技術(shù)，第一狀態(tài)可以是非疾病發(fā)作狀態(tài)、第二狀態(tài)可以是感覺(jué)性疾病發(fā)作狀態(tài)，而第三狀態(tài)可以是運(yùn)動(dòng)疾病發(fā)作狀態(tài)。 使用一個(gè)或多個(gè)基于SVM的算法可實(shí)現(xiàn)任何可能的數(shù)量和順序的疾病發(fā)作狀態(tài)探測(cè)。還可
36考慮疾病發(fā)作狀態(tài)和其他病人障礙(如，情緒障礙)的嚴(yán)重性分類(lèi)的其他類(lèi)型。區(qū)別不同嚴(yán)重性的病人狀態(tài)的不同分類(lèi)界線(xiàn)可基于與具有不同嚴(yán)重程度的病人狀態(tài)相關(guān)聯(lián)的訓(xùn)練數(shù)據(jù)而確定。通過(guò)實(shí)現(xiàn)將特征空間定義為與特定病人狀態(tài)的不同嚴(yán)重程度相關(guān)聯(lián)的不同部分的多個(gè)分類(lèi)界線(xiàn)，圖12中所示的技術(shù)對(duì)于確定特定病人狀態(tài)的嚴(yán)重性是有幫助的。在一些示例中，取決于病人狀態(tài)，處理器40或另一個(gè)設(shè)備(諸如編程器28的處理器)基于由SVM算法產(chǎn)生的共同分類(lèi)界線(xiàn)而確定病人狀態(tài)的嚴(yán)重性。例如，疾病發(fā)作狀態(tài)、 抑郁情緒狀態(tài)、焦慮情緒狀態(tài)、瘋狂情緒狀態(tài)等的嚴(yán)重性可通過(guò)確定做出病人狀態(tài)分類(lèi)的特征向量和SVM算法的分類(lèi)界線(xiàn)之間的距離而確定。圖13是示例技術(shù)的流程圖，處理器40可用此技術(shù)在使用SVM算法所產(chǎn)生的分類(lèi)界線(xiàn)的幫助下可實(shí)現(xiàn)評(píng)估度量(如，嚴(yán)重性度量)。評(píng)估度量可以是可被用于評(píng)估所探測(cè)到的病人狀態(tài)，且，在一些情況下，用于互相比較多個(gè)探測(cè)到的病人狀態(tài)的值或任何其他指示。評(píng)估度量可被存儲(chǔ)在設(shè)備的存儲(chǔ)器中，諸如IMD16或編程器觀中用于醫(yī)生的稍后分析。 然而，評(píng)估度量還可基于所存儲(chǔ)的病人參數(shù)信號(hào)由醫(yī)生依需要產(chǎn)生。在確定病人14處于特定病人狀態(tài)且將所確定的特征向量映射到預(yù)確定的特征空間之后，處理器40確定所確定的特征向量和SVM算法所定義的分類(lèi)界線(xiàn)之間的距離(190)。用于基于所感知的病人參數(shù)信號(hào)而確定特征向量的示例技術(shù)將會(huì)參看圖9和12進(jìn)一步描述，用于確定特征空間的示例技術(shù)參看圖4而描述。處理器40可使用任何合適的技術(shù)來(lái)確定特征向量(如，在指示當(dāng)前病人狀態(tài)的所感知的病人參數(shù)信號(hào)的段的基礎(chǔ)上確定的)和由SVM算法定義的分類(lèi)界線(xiàn)之間的距離。在一些示例中，處理器40用所確定的特征向量更新式1或2，其還可被用于確定分類(lèi)界線(xiàn)。用特征向量對(duì)新式1或2的更新導(dǎo)致一個(gè)特定數(shù)，其關(guān)聯(lián)于特征向量和分類(lèi)界線(xiàn)之間的距離。 處理器40可確定結(jié)果值是積極的還是消極的。積極的值可指示特征向量位于分類(lèi)界線(xiàn)的第一側(cè)，而消極的值可指示特征向量位于分類(lèi)界線(xiàn)的第二側(cè)。另外，基于式1所確定的值的大小指示特征向量與分類(lèi)界線(xiàn)之間的距離。一般，當(dāng)特征向量變得更遠(yuǎn)離分類(lèi)界線(xiàn)時(shí)該值增加，這樣相對(duì)小的值指示特征向量接近分類(lèi)界線(xiàn)，而相對(duì)大的值指示特征向量相對(duì)遠(yuǎn)離分類(lèi)界線(xiàn)。圖14A和14B是特征空間的概念圖示，示出如何可確定分類(lèi)界線(xiàn)與所確定的特征向量之間的距離。在圖14A中，處理器14基于所感知的病人參數(shù)信號(hào)的不同部分而確定特征向量196、198，并將特征向量196、198分類(lèi)在區(qū)域132中，其指示病人14處于第一狀態(tài) (如，疾病發(fā)作狀態(tài))?？稍诓煌瑫r(shí)間確定特征向量196、198，這樣特征向量196、198提供對(duì)于不同時(shí)間段的病人狀態(tài)指示。特征向量196、198具有不同的特征值。處理器40將特征向量196、198映射到特征空間1 并確定每一個(gè)特征向量196、198與線(xiàn)性界線(xiàn)130之間的距離。具體地，處理器40確定特征向量196距離線(xiàn)性界線(xiàn)130為距離D196，其中距離Dw6是向著線(xiàn)性界線(xiàn)130基本垂直的方向測(cè)出的。另外，處理器40確定特征向量198距離線(xiàn)性界線(xiàn)130為距離D198，其中距離D198是向著線(xiàn)性界線(xiàn)130基本垂直的方向測(cè)出的。如上所述， 在一些示例中，距離Dw6可以是用特征向量196更新式1得到的值，而距離D198可以是用特征向量198更新式2得到的值。在圖14B中，其示出了非線(xiàn)性界線(xiàn)140描繪第一和第二病人狀態(tài)的特征空間，處理器40在不同時(shí)間基于所感知的病人參數(shù)信號(hào)的不同部分而確定特征向量200、202，并將特征向量200、202分類(lèi)在區(qū)域142中，其指示病人14處于第一狀態(tài)(如，疾病發(fā)作狀態(tài))。處理器40將特征向量200、202映射到特征空間1 并確定每一個(gè)特征向量200、202與非線(xiàn)性界線(xiàn)140之間的距離。具體地，處理器40確定特征向量200距離非線(xiàn)性界線(xiàn)140為距離 D·，其中距離D2tltl是向著非線(xiàn)性界線(xiàn)140基本垂直的方向測(cè)出的。具體地，處理器40確定特征向量202距離非線(xiàn)性界線(xiàn)140為距離D2tl2，其中距離D2tl2是向著非線(xiàn)性界線(xiàn)140基本垂直的方向測(cè)出的。如上所述，在一些示例中，距離D2to可以是用特征向量200更新式1得到的值，而距離D2tl2可以是用特征向量202更新式2得到的值?，F(xiàn)在回到圖13中所示的技術(shù)，對(duì)于每一個(gè)特征向量，處理器40將在所確定的特征向量和分類(lèi)界線(xiàn)之間的所確定的距離與多個(gè)所存儲(chǔ)的距離值中的每一個(gè)進(jìn)行比較(192)。 距離值可由，如，醫(yī)生，預(yù)先確定，或者存儲(chǔ)于IMD16的存儲(chǔ)器42或另一個(gè)設(shè)備的存儲(chǔ)器中。 每一個(gè)所存儲(chǔ)的值，其可為一段值的范圍，可能相關(guān)聯(lián)于特定的嚴(yán)重性度量。例如，所存儲(chǔ)的值可指示特征向量距離分類(lèi)界線(xiàn)越遠(yuǎn)，如所確定的距離所指示的那樣，表示病人狀態(tài)越嚴(yán)重。這可能是由于描繪第一和第二病人狀態(tài)的分類(lèi)界線(xiàn)，且，因此，特征向量距離分類(lèi)界線(xiàn)越遠(yuǎn)，則該特征向量越是遠(yuǎn)離另一個(gè)病人狀態(tài)。例如，第二病人狀態(tài)可指示病人14不處于第一狀態(tài)。因此，第二狀態(tài)可以是對(duì)于第一狀態(tài)的相對(duì)最低的嚴(yán)重性比率，因?yàn)椴淮嬖诘谝粻顟B(tài)。存儲(chǔ)多個(gè)距離值來(lái)區(qū)分病人狀態(tài)的級(jí)別，其中不同級(jí)別可相關(guān)聯(lián)于，例如，不同的病人癥狀、病人癥狀的不同程度或病人對(duì)病人狀態(tài)的不同感知。以此方式，距離值代表不同嚴(yán)重性度量。嚴(yán)重性度量可指示病人狀態(tài)的一個(gè)或多個(gè)癥狀的相對(duì)嚴(yán)重性。例如，在疾病發(fā)作狀態(tài)的情況下，嚴(yán)重性度量可指示該疾病發(fā)作是否關(guān)聯(lián)于運(yùn)動(dòng)組分(如，強(qiáng)制性痙攣疾病發(fā)作)。作為另一個(gè)示例，在抑郁狀態(tài)的情況下，嚴(yán)重性度量可指示抑郁的一個(gè)或多個(gè)癥狀的嚴(yán)重性(如，快感缺乏)?？墒褂萌魏魏线m數(shù)量的嚴(yán)重性度量。處理器40基于將所確定的特征向量和分類(lèi)界線(xiàn)之間的所確定的距離和所存儲(chǔ)的值進(jìn)行比較而確定病人狀態(tài)的嚴(yán)重性。關(guān)聯(lián)嚴(yán)重性度量的多個(gè)距離范圍的每一個(gè)的示例數(shù)據(jù)結(jié)構(gòu)被圖示在圖15中。該數(shù)據(jù)結(jié)構(gòu)可被存儲(chǔ)在IMD16的存儲(chǔ)器42 (圖幻、編程器觀的存儲(chǔ)器62或另一個(gè)設(shè)備的存儲(chǔ)器中。該數(shù)據(jù)結(jié)構(gòu)包括列出多個(gè)數(shù)據(jù)范圍的列和指示與相應(yīng)距離范圍相關(guān)聯(lián)的嚴(yán)重性度量的列。在圖15所示示例中，數(shù)據(jù)結(jié)構(gòu)指示如果所確定的距離D(在所確定的特征向量和 SVM算法的分類(lèi)界線(xiàn)之間)小于預(yù)確定的距離D1，嚴(yán)重性度量是“1”，其中嚴(yán)重性度量指示病人狀態(tài)的嚴(yán)重性。另外，數(shù)據(jù)結(jié)構(gòu)指示如果所確定的距離D大于或等于距離Dl，不過(guò)小于距離D2，相關(guān)聯(lián)的特征向量所指示的病人狀態(tài)的嚴(yán)重性度量是“2”。數(shù)據(jù)結(jié)構(gòu)還指示如果所確定的距離D大于或等于距離D2，不過(guò)小于距離D3，相關(guān)聯(lián)的特征向量所指示的病人狀態(tài)的嚴(yán)重性度量是“3”。最后，數(shù)據(jù)結(jié)構(gòu)指示如果所確定的距離D大于或等于D3，嚴(yán)重性度量是“4”。距離Dl、D2和D3可使用任何合適的技術(shù)來(lái)確定。在一些示例中，編程器28的處理器60或者另一個(gè)設(shè)備(如，IMD16)的處理器基于在病人狀態(tài)分類(lèi)算法訓(xùn)練階段中的病人輸入而自動(dòng)地確定距離D1、D2和D3。例如，如果病人14提供指示病人事件發(fā)生(如，疾病發(fā)作、運(yùn)動(dòng)狀態(tài)、特定病人姿勢(shì)、特定情緒狀態(tài)或強(qiáng)迫)的輸入，病人14可提供關(guān)于病人事件嚴(yán)重性的反饋。處理器60基于病人反饋可將訓(xùn)練特征向量組織為不同嚴(yán)重性類(lèi)別，并確定基于訓(xùn)練特征向量與分類(lèi)界線(xiàn)之間的距離的每一個(gè)嚴(yán)重性類(lèi)別的距離范圍。在其他示例中，距離Dl、D2和D3可由醫(yī)生單獨(dú)地或在編程器28的幫助下而確定。不管如何確定了距離，可基于對(duì)病人14特定的訓(xùn)練數(shù)據(jù)或?qū)τ诙嘤谝粋€(gè)病人的數(shù)據(jù)而確定距離。病人14或另一個(gè)用戶(hù)可使用任何合適的機(jī)制來(lái)提供有關(guān)于特定病人事件(或病人狀態(tài))嚴(yán)重性的反饋。在一些示例中，可使用數(shù)字化定量表(numeric rating scale) 0 在一些示例中，諸如在使用IMD16傳遞治療用于疼痛管理的示例中，可使用Wong-Baker FACES疼痛量表或McGill疼痛調(diào)查表。在病人事件是情緒狀態(tài)的示例中，可使用貝克抑郁量表(Beck Depression hventory)、用于抑郁的漢米爾頓抑郁量表(Hamilton Rating Scale for D印ression) (HAM—D)或蒙哥馬利-艾森貝格抑郁量表(Montgomery—Asberg Depression Rating Scale) (MADRS)來(lái)評(píng)估病人狀態(tài)的嚴(yán)重性。貝克抑郁量表(Beck Depression Inventory)和HAM-D都是由病人14填寫(xiě)的21個(gè)多選問(wèn)題的調(diào)查，而MADRS是十項(xiàng)調(diào)查表。這些問(wèn)題的答案可指示病人癥狀的嚴(yán)重性或整體的病人情緒狀態(tài)，且處理器 60(或醫(yī)生)可基于主動(dòng)病人(subjective patient)或照顧病人的人的評(píng)估而對(duì)所指示的病人狀態(tài)給出嚴(yán)重性評(píng)分。在共同轉(zhuǎn)讓的申請(qǐng)?zhí)枮?2/236，211、Kovach等人申請(qǐng)的、名為“PATIENT EVENT INF0RMATI0N(病人事件信息)”、在2008年9月23日申請(qǐng)的美國(guó)專(zhuān)利申請(qǐng)中描述了用于獲得與病人事件有關(guān)的病人數(shù)據(jù)(如，與病人事件的嚴(yán)重性相關(guān)的病人參數(shù)信號(hào)和/或主動(dòng)的病人反饋)的示例系統(tǒng)和技術(shù)。如Kovach等人申請(qǐng)的、系列號(hào)為No. 12/236,211的美國(guó)專(zhuān)利申請(qǐng)中所描述的，一旦病人14激活了編程器觀的事件指示按鈕，編程器觀或另一個(gè)計(jì)算設(shè)備的處理器60可產(chǎn)生事件標(biāo)記。例如，如果病人14探測(cè)到病人事件，病人14可激活事件指示按鈕，且，作為響應(yīng)，處理器60可產(chǎn)生事件標(biāo)記。病人可提供與病人事件相關(guān)的事件信息。例如，事件信息可包括病人事件的類(lèi)型、病人對(duì)于病人事件嚴(yán)重性的評(píng)分、病人時(shí)間持續(xù)事件，等。然后可使用及時(shí)對(duì)應(yīng)事件指示的病人參數(shù)信號(hào)段來(lái)確定特征向量，可使用特征向量與使用任何合適的監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)所確定的分類(lèi)界線(xiàn)之間的距離來(lái)產(chǎn)生被用于提供嚴(yán)重性度量的距離范圍。嚴(yán)重性度量1-4可以是等級(jí)標(biāo)尺的一部分，藉此與特征向量相關(guān)聯(lián)的嚴(yán)重性度量 “4”指示相關(guān)聯(lián)于特征向量的病人狀態(tài)是比與嚴(yán)重性度量“ 1”相關(guān)聯(lián)的病人狀態(tài)更為嚴(yán)重的病人狀態(tài)(如，更嚴(yán)重的疾病發(fā)作或病人情緒狀態(tài))?？煽紤]其他類(lèi)型的嚴(yán)重性度量，并不需要是等級(jí)標(biāo)尺。例如，嚴(yán)重性度量可以是二元化的且指示所探測(cè)到的病人狀態(tài)是嚴(yán)重還是不嚴(yán)重。圖15中所示的表格僅為了示例目的。在其他示例中，可定義任何合適數(shù)量的距離范圍和與之相關(guān)聯(lián)的嚴(yán)重性度量，且數(shù)據(jù)結(jié)構(gòu)可具有除表格之外的其他結(jié)構(gòu)。處理器40可參考圖15中所示的數(shù)據(jù)結(jié)構(gòu)來(lái)確定由所確定的特征向量196、 198(圖14A)所指示的病人狀態(tài)的相對(duì)嚴(yán)重性。例如，處理器40可將特征向量196和線(xiàn)性界線(xiàn)130(圖14A)之間的距離D196與圖15中所示數(shù)據(jù)結(jié)構(gòu)所存儲(chǔ)的多個(gè)距離范圍進(jìn)行比較。在圖14A所示示例中，處理器40確定所確定的距離D196大于D1，但小于D2，因此處理器40將在與特征向量196相關(guān)聯(lián)的時(shí)刻探測(cè)到的病人狀態(tài)相關(guān)聯(lián)為嚴(yán)重性度量“2”。所探測(cè)到的病人狀態(tài)和與之關(guān)聯(lián)的嚴(yán)重性度量可被存儲(chǔ)IMD16的存儲(chǔ)器42 (圖幻、編程器觀的存儲(chǔ)器62或另一個(gè)設(shè)備的存儲(chǔ)器中。處理器40還可將特征向量198和線(xiàn)性界線(xiàn)130(圖14A)之間的距離Dw6與圖15中所示數(shù)據(jù)結(jié)構(gòu)所存儲(chǔ)的多個(gè)距離范圍相比較。在圖14A所示示例中，處理器40確定所確定的距離D198大于D3。因此，處理器40將在與特征向量198相關(guān)聯(lián)的時(shí)刻探測(cè)到的病人狀態(tài)相關(guān)聯(lián)為嚴(yán)重性度量“4”。由于特征向量198和線(xiàn)性界線(xiàn)130之間的距離D198大于特征向量196和線(xiàn)性界線(xiàn)130之間的距離D196，處理器40確定在與特征向量198相關(guān)聯(lián)的時(shí)刻探測(cè)到的病人狀態(tài)比在與特征向量196相關(guān)聯(lián)的時(shí)刻探測(cè)到的病人狀態(tài)更嚴(yán)重。嚴(yán)重性之間的差別用與相應(yīng)特征向量相關(guān)聯(lián)的不同嚴(yán)重性度量來(lái)指示。處理器40還可參考圖15中所示的數(shù)據(jù)結(jié)構(gòu)來(lái)確定基于被映射到帶有非線(xiàn)性界線(xiàn) 140的特征空間1 中的特征向量200、202(圖14B)而確定的病人狀態(tài)的相對(duì)嚴(yán)重性。在一些示例中，取決于圖15中所示的數(shù)據(jù)結(jié)構(gòu)所存儲(chǔ)的距離范圍，處理器14可確定，由于特征向量202和非線(xiàn)性界線(xiàn)140之間的距離D2tl2大于特征向量200和非線(xiàn)性界線(xiàn)140之間的距離D2Q2。因此，處理器40可確定在與特征向量202相關(guān)聯(lián)的時(shí)刻探測(cè)到的病人狀態(tài)比在與特征向量200相關(guān)聯(lián)的時(shí)刻探測(cè)到的病人狀態(tài)更嚴(yán)重。在其他示例中，取決于圖15中所示的數(shù)據(jù)結(jié)構(gòu)所存儲(chǔ)的距離范圍，處理器14可確定，盡管距離D2tl2大于距離D·，在與特征向量200、202相關(guān)聯(lián)的時(shí)刻探測(cè)到的病人狀態(tài)具有一樣的嚴(yán)重性度量，藉此指示與其他所探測(cè)到的病人狀態(tài)相比而言同樣的相對(duì)嚴(yán)重性。在這些事例中的每一個(gè)中，距離D196、D198、D2tltl和D2tl2可被標(biāo)準(zhǔn)化，這樣彼此之間的比較可以是有用的。另外，在其他示例中，編程器觀的處理器60可為每一個(gè)所探測(cè)到的病人狀態(tài)而確定嚴(yán)重性度量。IMD16的處理器40、編程器28的處理器60或者另一個(gè)設(shè)備的處理器可通過(guò)確定一段時(shí)間內(nèi)在分類(lèi)界線(xiàn)的一邊或兩邊上特征向量能達(dá)到的最大距離或者追蹤所確定的特征向量的距離的隨時(shí)間的趨勢(shì)，來(lái)追蹤病人狀態(tài)的嚴(yán)重性(和，在一些情況下，病人情況的發(fā)展)。不管是隨時(shí)間的最大距離或者隨時(shí)間所確定的距離，可指示，例如，病人情況是否在改善或惡化。例如，如果在第一時(shí)間確定了特征向量196，處理器可存儲(chǔ)距離D196 (或者與特征向量196相關(guān)聯(lián)的且基于距離Dw6所確定的嚴(yán)重性度量)作為病人14的基準(zhǔn)狀態(tài)或病人14的當(dāng)前狀態(tài)。處理器40可在后來(lái)的時(shí)刻探測(cè)特征向量198并確定D198，其指示在與特征向量198相關(guān)聯(lián)的時(shí)刻的病人狀態(tài)的相對(duì)嚴(yán)重性。如果處理器40確定距離D198大于距離D196，從而指示最近所探測(cè)到的狀態(tài)的嚴(yán)重性增加了，處理器40可確定病人情況在惡化。除了嚴(yán)重性度量之外，還可基于所確定的特征空間和特征向量(其每一個(gè)指示病人狀態(tài)探測(cè))來(lái)確定其他類(lèi)型的度量。例如，處理器40 (或者編程器觀的處理器60或另一個(gè)設(shè)備的處理器)可通過(guò)確定映射到與該病人狀態(tài)相關(guān)聯(lián)的特征空間1 的分類(lèi)的那一側(cè)的特征向量的數(shù)量來(lái)追蹤病人14處于特定病人狀態(tài)的時(shí)間段。在一些示例中，處理器40 基于預(yù)定病人參數(shù)信號(hào)持續(xù)而確定特征向量。這個(gè)持續(xù)可能是，例如，約一秒到一分鐘或更多(如，以小時(shí)為數(shù)量級(jí))。因此，每個(gè)特征向量可指示病人14保持了預(yù)確定時(shí)間段的狀態(tài)。位于由SVM算法定義的分類(lèi)界線(xiàn)的第一側(cè)的特征向量可被累加或乘以預(yù)確定的時(shí)間段來(lái)確定病人14保持與分類(lèi)界線(xiàn)的第一側(cè)相關(guān)聯(lián)的第一病人狀態(tài)的時(shí)間段。位于第二側(cè)的特征向量也可被累加或乘以預(yù)確定的時(shí)間段來(lái)確定病人14保持與分類(lèi)界線(xiàn)的第二側(cè)相關(guān)聯(lián)的第二病人狀態(tài)的時(shí)間段。如前所示，在一些示例中，如果基于相繼的病人參數(shù)信段而確定的多個(gè)特征向量指示了狀態(tài)變化，處理器40確定病人14從一個(gè)狀態(tài)變化到另一個(gè)狀態(tài)。因此，如果一個(gè)特征向量落在與不同于之前狀態(tài)確定的病人狀態(tài)相關(guān)聯(lián)的區(qū)域內(nèi)，處理器40可連續(xù)監(jiān)測(cè)病人參數(shù)信號(hào)并基于隨時(shí)間的相繼的病人參數(shù)信段而確定特征向量是否是指示狀態(tài)變化的附加的特征向量。SVM 示例使用所存儲(chǔ)的帶有癲癇癥的病人的ECoG信號(hào)來(lái)執(zhí)行各種自動(dòng)疾病發(fā)作探測(cè)算法的評(píng)估。SVM示例示出用于探測(cè)疾病發(fā)作狀態(tài)的基于SVM的算法，相比于其他自動(dòng)的疾病發(fā)作探測(cè)算法，可導(dǎo)致改善的敏感性、特異性、反應(yīng)時(shí)間和功耗。這表示基于所感知的病人參數(shù)信號(hào)的用于探測(cè)任何病人狀態(tài)的SVM算法可能是有用的，且，在一些情況下，相比于現(xiàn)有的病人狀態(tài)探測(cè)算法更為有利。在SVM示例中，使用了包括斬波穩(wěn)定的超外差儀式器放大器的傳感模塊和提取所傳感的EcoG信號(hào)的所選頻帶到基帶的信號(hào)分析單元。傳感模塊使用串行接口用于實(shí)時(shí)數(shù)據(jù)上載所存儲(chǔ)的EcoG信號(hào)。使用一組所存儲(chǔ)的EcoG信號(hào)訓(xùn)練SVM算法并將其上載到可編程集成電路(PIC) (R)處理器(可在亞利桑那州、Chandler的Microchip Technology有限公司獲得)，其可能是傳感模塊的一部分或者分立于傳感模塊。由于傳感模塊被配置為提取 EcoG信號(hào)的頻譜能量特征，EcoG信號(hào)的數(shù)字化可被以相對(duì)低的速率(約IHz)來(lái)執(zhí)行。將所感知到的EcoG信號(hào)分類(lèi)為指示疾病發(fā)作狀態(tài)或非疾病發(fā)作可由PIC處理器基于另一組所存儲(chǔ)的EcoG信號(hào)，使用三個(gè)不同的算法來(lái)執(zhí)行。在第一算法(算法1)中，如果EcoG信號(hào)的部分的標(biāo)準(zhǔn)化頻譜大于閾值的話(huà)，確定EcoG信號(hào)來(lái)指示疾病發(fā)作狀態(tài)，如之前參考用于觸發(fā)訓(xùn)練數(shù)據(jù)記錄的病人非特定算法而描述的那樣。僅使用一個(gè)閾值用于第一疾病發(fā)作狀態(tài)算法，且該閾值并不是病人專(zhuān)用的，而是意在用于多個(gè)病人的通用的疾病發(fā)作探測(cè)算法中。在第二算法(算法幻中，使用單個(gè)的由SVM算法定義的線(xiàn)性分類(lèi)界線(xiàn)來(lái)將 EcoG信號(hào)分類(lèi)為指示疾病發(fā)作狀態(tài)或非疾病發(fā)作狀態(tài)。在第三算法(算法幻中，使用由 SVM算法定義的非線(xiàn)性分類(lèi)界線(xiàn)來(lái)將EcoG信號(hào)分類(lèi)為指示疾病發(fā)作狀態(tài)或非疾病發(fā)作狀態(tài)?；谟?xùn)練數(shù)據(jù)而確定線(xiàn)性和非線(xiàn)性分類(lèi)界線(xiàn)，其中訓(xùn)練數(shù)據(jù)包括收集自17個(gè)成人對(duì)象的約81小時(shí)的顱內(nèi)EEG(IEEG)。平均，每個(gè)病人獲得約4. 5小時(shí)的記錄時(shí)間，含有3次疾病發(fā)作。對(duì)于每一個(gè)病人，醫(yī)生標(biāo)識(shí)出所有疾病發(fā)作的發(fā)作時(shí)間以標(biāo)識(shí)該訓(xùn)練數(shù)據(jù)。在稍后時(shí)刻，選擇展示稍早的疾病發(fā)作活動(dòng)的信號(hào)的兩個(gè)頻道。由于每一個(gè)病人的可用的疾病發(fā)作的次數(shù)很少，采用留一法(leave-one-out)的測(cè)試方法。例如，一個(gè)病人的IEEG數(shù)據(jù)記錄有K個(gè)十分鐘的IEEG數(shù)據(jù)塊，含有L次疾病發(fā)作?；诤蠰-I次疾病發(fā)作的K/2數(shù)據(jù)塊而確定對(duì)病人特定的分類(lèi)界線(xiàn)。接著，在剩余的含有第L次疾病發(fā)作的K/2塊上評(píng)估對(duì)病人特定的和對(duì)病人非特定的探測(cè)器。這樣重復(fù) L次，從而測(cè)試了每一個(gè)疾病發(fā)作探測(cè)算法的能力。圖16是被用于SVM示例的傳感模塊電路的概念框圖。圖17是傳感模塊電路的另一個(gè)概念框圖，該傳感模塊電路可被用在IMD16中用于傳感一個(gè)或多個(gè)生理學(xué)信號(hào)并提取所傳感信號(hào)中的特定頻帶組分。在圖17中，開(kāi)關(guān)可被打開(kāi)的或被關(guān)閉來(lái)構(gòu)建相比圖16中的電路更多的“觸點(diǎn)”組合。“觸點(diǎn)”可以是，例如，被置于病人腦部中傳感生物電腦部信號(hào)的可植入醫(yī)療引線(xiàn)的電極(如，圖1中所示的電極對(duì)、26)。如圖16和17所示，可使用不同的傳感頻道來(lái)提取ECoG信號(hào)中的頻率組分(被指示為“頻率提取”)或者傳感時(shí)域ECoG信號(hào)。在疾病發(fā)作探測(cè)的情況下，時(shí)域信號(hào)對(duì)于SVM 訓(xùn)練是非常重要的，因?yàn)獒t(yī)生可確定ECoG信號(hào)(或者其他被傳感到的信號(hào))的哪個(gè)數(shù)據(jù)段含有疾病發(fā)作以及哪些數(shù)據(jù)段不是基于時(shí)域信號(hào)的。使用如圖16中所示的傳感電路結(jié)構(gòu)， 不太可能用時(shí)域數(shù)據(jù)同時(shí)收集多于一個(gè)的頻譜特征向量。因此，使用圖17中所示的更穩(wěn)健的SVM訓(xùn)練可能是有用的，其通過(guò)具有兩個(gè)傳感頻道來(lái)提取所傳感的信號(hào)的不同的頻譜組分。圖18是表格，其對(duì)于使用含有相應(yīng)傳感能力的概念的傳感模塊所產(chǎn)生的信號(hào)而探測(cè)到的疾病發(fā)作，比較了基于疾病發(fā)作探測(cè)延遲、靈敏度和每天錯(cuò)誤探測(cè)的次數(shù)的不同傳感能力。延遲可以是，例如，在疾病發(fā)作的發(fā)作時(shí)刻與PIC處理器探測(cè)到疾病發(fā)作的時(shí)刻之間的時(shí)間段。消極延遲指示疾病發(fā)作在疾病發(fā)作的發(fā)作之前被探測(cè)到，其中“發(fā)作”可能根據(jù)不同準(zhǔn)則而定義且可能對(duì)于特定醫(yī)生的準(zhǔn)則而言都是特定的。錯(cuò)誤探測(cè)是指，在醫(yī)生標(biāo)記為沒(méi)有疾病發(fā)作活動(dòng)的時(shí)間窗內(nèi)做出了疾病發(fā)作探測(cè)。圖18中所用的標(biāo)簽如下RBF_2C_2B 非線(xiàn)性SVM (算法幻，使用兩個(gè)傳感頻道且每個(gè)頻道兩個(gè)頻帶Linear_2C_2B 線(xiàn)性SVM (算法2)，使用兩個(gè)傳感頻道且每個(gè)頻道兩個(gè)頻帶RBF_1C_2B 非線(xiàn)性SVM (算法3)，使用一個(gè)傳感頻道和兩個(gè)頻帶Linear_lC_2B 線(xiàn)性SVM (算法2)，使用一個(gè)傳感頻道和兩個(gè)頻帶RBF_2C_1B 非線(xiàn)性SVM (算法3)，使用兩個(gè)傳感頻道且每個(gè)頻道一個(gè)頻帶Linear_2C_lB 線(xiàn)性SVM (算法2)，使用兩個(gè)傳感頻道且每個(gè)頻道一個(gè)頻帶BR 3 Sec 算法1，帶有三秒的時(shí)間閾值用于確定與疾病探測(cè)閾值相比的幅值BR 10 Sec 算法1，帶有十秒的時(shí)間閾值用于確定與疾病探測(cè)閾值相比的幅值如圖18中所示的表格所示，PIC處理器在實(shí)現(xiàn)算法3并使用兩個(gè)傳感頻道且每個(gè)頻道兩個(gè)引出(extracted)頻帶的時(shí)候表現(xiàn)出最好的延遲、靈敏度和最低的每天錯(cuò)誤探測(cè)的次數(shù)。在用兩個(gè)頻道和每個(gè)頻道兩個(gè)頻帶的情況下不是可行的，如，由于傳感硬件限制， 圖18中所示數(shù)據(jù)顯示帶有兩個(gè)頻帶的一個(gè)傳感頻道的傳感結(jié)構(gòu)提供了相對(duì)較低的延遲和相對(duì)較高的靈敏度，同時(shí)最小化了每天錯(cuò)誤探測(cè)的次數(shù)。圖18中所示的表格比較了由PIC處理器實(shí)現(xiàn)的不同疾病發(fā)作探測(cè)算法的性能。圖 18中所示表格還指示使用算法2的疾病發(fā)作探測(cè)，相比于現(xiàn)有的技術(shù)(算法1)(其依靠單個(gè)并非特定于病人的閾值幅值來(lái)探測(cè)疾病發(fā)作)，SVM算法使用線(xiàn)性分類(lèi)界線(xiàn)，導(dǎo)致較好的延遲、靈敏度和每天較少次數(shù)的錯(cuò)誤疾病發(fā)作狀態(tài)探測(cè)。另外，圖18中所示的表格還指示相比于算法1，使用算法3 (使用非線(xiàn)性分類(lèi)界線(xiàn)的SVM算法)的疾病發(fā)作探測(cè)導(dǎo)致較好的敏感度，以及可比較的延遲和每天錯(cuò)誤疾病發(fā)作狀態(tài)探測(cè)。錯(cuò)誤探測(cè)率可通過(guò)將算法1的延遲限制從1延長(zhǎng)為10秒來(lái)予以減少，不過(guò)圖18顯示采樣生物電腦部信號(hào)的延遲延長(zhǎng)的代價(jià)是增加的延遲和下降的靈敏度。圖19是表格，其比較了使用原型可植入的設(shè)備(其含有PIC處理器)實(shí)現(xiàn)的疾病發(fā)作探測(cè)算法的耗用電流。圖19中所示的數(shù)據(jù)顯示，使用線(xiàn)性界線(xiàn)的SVM算法(算法2) 在疾病發(fā)作探測(cè)過(guò)程中消耗了最少量的電流G微安，相比于算法1的12微安和算法3的 48微安)。相信，如果PIC處理器使用含有多個(gè)線(xiàn)性界線(xiàn)的SVM算法來(lái)探測(cè)病人的疾病發(fā)作狀態(tài)，圖19中所示的電流消耗將會(huì)乘以被用于疾病發(fā)作探測(cè)的線(xiàn)性界線(xiàn)的數(shù)量。圖18和19中所示的數(shù)據(jù)指示線(xiàn)性SVM算法(算法2)相比起消耗的總體電流，提供了最好的整體性能。如前所示，用于確定病人14是否處于特定狀態(tài)(如，探測(cè)病人狀態(tài))的SVM算法， 可能對(duì)于各種病人狀態(tài)都是有用的。用于訓(xùn)練和運(yùn)行SVM算法用作疾病發(fā)作探測(cè)的示例技術(shù)如下1.選擇一個(gè)生物電腦部信號(hào)頻道，如，提供最好的相對(duì)疾病發(fā)作探測(cè)的頻道。2.將傳感設(shè)備(如，IMD16)配置為記錄時(shí)域數(shù)據(jù)和生物電腦部信號(hào)的兩個(gè)頻帶， 且能使記錄(如，循環(huán)記錄)來(lái)抓取這些頻道。3.經(jīng)由編程器觀或另一個(gè)輸入設(shè)備來(lái)教示病人14(和/或照顧病人的人)關(guān)于病人輸入的規(guī)定，這樣病人14(或照顧病人的人)經(jīng)由輸入設(shè)備來(lái)提供指示疾病發(fā)作的發(fā)生的輸入。病人14還提供指示何時(shí)疾病發(fā)作沒(méi)有發(fā)生的輸入，這樣醫(yī)療設(shè)備抓取了非疾病發(fā)作的數(shù)據(jù)。4.抓取訓(xùn)練數(shù)據(jù)。在一些示例中，一旦探測(cè)到疾病發(fā)作，醫(yī)生可通過(guò)使用非特定于病人14的單個(gè)閾值的傳感設(shè)備來(lái)使疾病發(fā)作探測(cè)算法觸發(fā)循環(huán)記錄(如，上述的病人非特定算法)。疾病發(fā)作探測(cè)算法可被偏置向靈敏度而最小化沒(méi)有被探測(cè)到的疾病發(fā)作的發(fā)生的次數(shù)。除了或替代數(shù)據(jù)的閾值觸發(fā)，可基于病人輸入的定時(shí)而開(kāi)始訓(xùn)練數(shù)據(jù)的存儲(chǔ)，如上所述。疾病發(fā)作數(shù)據(jù)的自動(dòng)抓取可在病人被送到家里且不在醫(yī)療機(jī)構(gòu)的流動(dòng)性 (ambulatory)時(shí)間段內(nèi)發(fā)生。5.上載數(shù)據(jù)到計(jì)算設(shè)備，如，編程器觀。6.將數(shù)據(jù)段分類(lèi)為疾病發(fā)作和非疾病發(fā)作。7.在經(jīng)分類(lèi)和分離的數(shù)據(jù)段上運(yùn)行自動(dòng)SVM產(chǎn)生軟件(或另一個(gè)監(jiān)督式機(jī)器學(xué)習(xí)技術(shù))來(lái)確定一個(gè)或多個(gè)分類(lèi)界線(xiàn)。8.上載一個(gè)或多個(gè)分類(lèi)界線(xiàn)到IMD16。9.啟用(Enable)使用SVM所產(chǎn)生的一個(gè)或多個(gè)分類(lèi)界線(xiàn)的基于SVM的疾病探測(cè)算法。為多個(gè)目的而使用基于分類(lèi)界線(xiàn)的疾病發(fā)作探測(cè)，諸如疾病發(fā)作負(fù)擔(dān)監(jiān)測(cè)、治療的閉環(huán)傳遞、提供病人提醒等?？煽紤]用于訓(xùn)練和運(yùn)行用于疾病發(fā)作探測(cè)的基于SVM的算法的其他技術(shù)。用于訓(xùn)練和運(yùn)行用于各種運(yùn)動(dòng)障礙狀態(tài)(如，其中病人14的運(yùn)動(dòng)障礙的一個(gè)或多個(gè)癥狀出現(xiàn)的第一狀態(tài)，和癥狀沒(méi)有出現(xiàn)的第二狀態(tài))的基于SVM的算法的示例技術(shù)如下1.當(dāng)病人14不在進(jìn)行運(yùn)動(dòng)障礙治療的藥物治療時(shí)(如，沒(méi)有刺激治療且最近沒(méi)有服用治療劑)，醫(yī)生確定用于確定不同運(yùn)動(dòng)障礙狀態(tài)的最好的傳感電極組合。這可經(jīng)由自動(dòng)例程由IM16執(zhí)行。2.確定在不同運(yùn)動(dòng)障礙狀態(tài)中有所不同的頻帶。3.將傳感模塊調(diào)到所選的頻帶且啟動(dòng)閉環(huán)記錄在所選頻道中抓取生物電腦部信號(hào)。4.為第一運(yùn)動(dòng)障礙狀態(tài)而抓取數(shù)據(jù)。通過(guò)觀察病人14并確認(rèn)所選的運(yùn)動(dòng)障礙癥狀出現(xiàn)了，醫(yī)生可保證第一狀態(tài)的數(shù)據(jù)修正。5.傳遞治療(藥物和/或刺激治療)來(lái)將病人14轉(zhuǎn)換到第二運(yùn)動(dòng)障礙狀態(tài)，其中
43所選的運(yùn)動(dòng)障礙癥狀被減輕或者不出現(xiàn)。6.為第二運(yùn)動(dòng)障礙狀態(tài)而抓取生物電腦部信號(hào)。通過(guò)觀察病人14并確認(rèn)所選的運(yùn)動(dòng)障礙癥狀不出現(xiàn)或被減輕了，醫(yī)生可保證第二狀態(tài)的數(shù)據(jù)修正。7.上載數(shù)據(jù)到計(jì)算設(shè)備，如，編程器觀。8.將數(shù)據(jù)段分類(lèi)為指示第一或第二狀態(tài)。9.在經(jīng)分類(lèi)和分離的數(shù)據(jù)段上運(yùn)行自動(dòng)SVM產(chǎn)生軟件(或另一個(gè)監(jiān)督式機(jī)器學(xué)習(xí)技術(shù))。10.上載一個(gè)或多個(gè)分類(lèi)界線(xiàn)到IMD16。11.啟用使用一個(gè)或多個(gè)分類(lèi)界線(xiàn)的基于SVM的算法。為多個(gè)目的而使基于SVM 的算法運(yùn)行并執(zhí)行不同運(yùn)動(dòng)障礙狀態(tài)的探測(cè)，諸如運(yùn)動(dòng)障礙監(jiān)測(cè)、治療的閉環(huán)傳遞、提供病人提醒等。在用于訓(xùn)練和運(yùn)行用于探測(cè)抑郁情緒狀態(tài)和非抑郁情緒狀態(tài)的SVM算法的一個(gè)示例技術(shù)中，SVM算法是基于這樣的示例其中抑郁的指示是在病人14的腦部12的皮層兩半球中所感知到的生物電腦部信號(hào)的愛(ài)爾法頻帶(如，大約5Hz到約13Hz)中的能量平衡。 因此，可使用帶有兩個(gè)傳感頻道且每一個(gè)頻道有一個(gè)頻帶的傳感設(shè)備來(lái)傳感生物電腦部信號(hào)用于SVM算法的實(shí)現(xiàn)。用于訓(xùn)練和運(yùn)行用于探測(cè)抑郁情緒狀態(tài)和非抑郁情緒狀態(tài)的SVM 算法的示例技術(shù)如下1.選擇兩個(gè)生物電腦部信號(hào)傳感頻道，一個(gè)來(lái)自一個(gè)半球。2.將所傳感到的信號(hào)調(diào)(time)至愛(ài)爾法頻帶。3.將傳感設(shè)備調(diào)到所選頻道并啟用循環(huán)記錄以抓取這些頻道。4.經(jīng)由編程器觀或另一個(gè)輸入設(shè)備來(lái)教示病人14(和/或照顧病人的人)關(guān)于病人輸入的規(guī)定，這樣病人14(或照顧病人的人)經(jīng)由輸入設(shè)備來(lái)提供指示抑郁情緒狀態(tài)的發(fā)生的輸入。病人14還提供指示非抑郁情緒狀態(tài)的輸入，這樣醫(yī)療設(shè)備抓取非抑郁情緒狀態(tài)的生物電腦部信號(hào)數(shù)據(jù)。5.使用病人事件觸發(fā)器抓取抑郁狀態(tài)數(shù)據(jù)?？稍诹鲃?dòng)性(ambulatory)方式中完成用于SVM訓(xùn)練的數(shù)據(jù)收集，因?yàn)榭赡懿荒転榕R床中的每一個(gè)情緒狀態(tài)抓取數(shù)據(jù)。情緒狀態(tài)經(jīng)常是緩慢地變化的狀態(tài)，難以在臨床上被觸發(fā)。6.使用病人事件觸發(fā)器抓取非抑郁狀態(tài)數(shù)據(jù)。7.對(duì)于還經(jīng)受瘋狂狀態(tài)的病人，抓取瘋狂狀態(tài)數(shù)據(jù)(當(dāng)病人被送回家，可以是完全流動(dòng)性時(shí)間段)。8.上載數(shù)據(jù)9.將數(shù)據(jù)段分類(lèi)為指示抑郁和非抑郁狀態(tài)。10.對(duì)于還經(jīng)受瘋狂狀態(tài)的病人，將數(shù)據(jù)段分類(lèi)為指示瘋狂和非瘋狂狀態(tài)。11.在經(jīng)分類(lèi)和分離的數(shù)據(jù)段上運(yùn)行自動(dòng)SVM產(chǎn)生軟件(或另一個(gè)監(jiān)督式機(jī)器學(xué)習(xí)技術(shù))來(lái)產(chǎn)生分立的分類(lèi)界線(xiàn)，用于探測(cè)抑郁和非抑郁狀態(tài)，且還可產(chǎn)生用于探測(cè)瘋狂和非瘋狂狀態(tài)的分類(lèi)界線(xiàn)。11.上載分類(lèi)界線(xiàn)到IMD16上。12.啟用使用分類(lèi)界線(xiàn)的基于SVM的病人探測(cè)算法。為多個(gè)目的而使基于SVM的算法運(yùn)行并執(zhí)行情緒狀態(tài)探測(cè)，諸如病人情緒障礙監(jiān)測(cè)、治療的閉環(huán)傳遞、提供病人提醒等。用于探測(cè)瘋狂情緒狀態(tài)和非瘋狂情緒狀態(tài)的基于SVM的算法可結(jié)合用于探測(cè)抑郁情緒狀態(tài)和非抑郁情緒狀態(tài)的基于SVM的算法而使用。在一些情況下，可使用基于SVM的算法來(lái)探測(cè)病人姿勢(shì)狀態(tài)。在各種情況下姿勢(shì)狀態(tài)探測(cè)是有幫助的，諸如來(lái)編程并實(shí)現(xiàn)響應(yīng)姿勢(shì)的治療傳遞?？蓪?duì)于疼痛治療實(shí)現(xiàn)響應(yīng)姿勢(shì)的刺激。用于訓(xùn)練和運(yùn)行基于SVM的算法來(lái)基于三軸加速度計(jì)所產(chǎn)生的信號(hào)而探測(cè)直立的病人姿勢(shì)狀態(tài)(如，在IMD被植入病人14中之后)的示例算法如下1.如，在將加速度計(jì)植入病人14之后，啟動(dòng)收集運(yùn)動(dòng)傳感器(如，加速度計(jì))數(shù)據(jù)?？墒褂萌S加速度計(jì)來(lái)提供三個(gè)頻道的數(shù)據(jù)，藉此每一個(gè)頻道相關(guān)聯(lián)于不同的軸。2.病人14采取各種姿勢(shì)和活動(dòng)，且為每個(gè)已知的姿勢(shì)和活動(dòng)記錄數(shù)據(jù)。在一些情況下，姿勢(shì)狀態(tài)可包括姿勢(shì)和活動(dòng)級(jí)別(如，直立姿勢(shì)狀態(tài)可區(qū)別于直立且活動(dòng)的姿勢(shì)狀態(tài))。3.上載數(shù)據(jù)。4.將數(shù)據(jù)段分類(lèi)為指示直立和非直立的姿勢(shì)狀態(tài)?！胺侵绷ⅰ弊藙?shì)狀態(tài)可以是任何不適直立姿勢(shì)狀態(tài)的任何一個(gè)或多個(gè)其他姿勢(shì)狀態(tài)。例如，“非直立”姿勢(shì)狀態(tài)可包括躺臥的姿勢(shì)狀態(tài)。5.在經(jīng)分類(lèi)和分離的數(shù)據(jù)段上運(yùn)行自動(dòng)SVM產(chǎn)生軟件(或另一個(gè)監(jiān)督式機(jī)器學(xué)習(xí)技術(shù))來(lái)生成一個(gè)或多個(gè)分類(lèi)界線(xiàn)用于探測(cè)直立和非直立姿勢(shì)狀態(tài)。6.上載一個(gè)或多個(gè)分類(lèi)界線(xiàn)到IMD16。7.啟用使用一個(gè)或多個(gè)分類(lèi)界線(xiàn)的基于SVM的算法。為多個(gè)目的而使基于SVM的算法運(yùn)行并執(zhí)行不同姿勢(shì)狀態(tài)探測(cè)，諸如提供治療的閉環(huán)傳遞、提供病人提醒等。一個(gè)或多個(gè)附加的基于SVM的算法可被實(shí)現(xiàn)以進(jìn)一步定義姿勢(shì)狀態(tài)探測(cè)。例如， 在用一個(gè)基于SVM的算法而確定病人14處于直立的姿勢(shì)狀態(tài)之后，IMD16的處理器40可實(shí)現(xiàn)另一個(gè)使用不同分類(lèi)界線(xiàn)(且在一些情況下，不同的病人參數(shù)信號(hào)特征)的基于SVM的算法來(lái)確定病人14是否是活動(dòng)的還是不活動(dòng)的而進(jìn)一步確定病人14是否處于直立且活動(dòng)的姿勢(shì)狀態(tài)。作為另一個(gè)示例，在用一個(gè)基于SVM的算法而確定病人14處于直立的姿勢(shì)狀態(tài)之后，IMD16的處理器40可實(shí)現(xiàn)另一個(gè)基于SVM的算法來(lái)確定病人14是否處于躺臥的姿勢(shì)狀態(tài)?？墒褂酶郊拥幕赟VM的算法來(lái)進(jìn)一步精細(xì)化躺臥姿勢(shì)狀態(tài)，如，確定病人14的身體哪一側(cè)躺臥著。本公開(kāi)中描述的技術(shù)，包括歸于編程器觀、IMD 16或各構(gòu)成組件的那些技術(shù)，可至少部分地以硬件、軟件、固件或其任意組合來(lái)實(shí)現(xiàn)。例如，技術(shù)的各個(gè)方面可實(shí)現(xiàn)在包括一個(gè)或多個(gè)微處理器、DSP、ASIC、FPGA或任何其它等效的集成或分立邏輯電路以及這些組件的任意組合的一個(gè)或多個(gè)處理器中，以編程器形式體現(xiàn)，例如醫(yī)生或患者編程器、刺激器、圖像處理設(shè)備或其它設(shè)備。術(shù)語(yǔ)“處理器”或“處理電路” 一般可指任何前述邏輯電路、 獨(dú)立的或與其它邏輯電路一起或任何其它等效電路。這些硬件、軟件、固件可實(shí)現(xiàn)在同一設(shè)備中或若干分立的設(shè)備中，以支持本說(shuō)明書(shū)中描述的各個(gè)操作和功能。盡管此處主要描述為由IMD16的處理器40和/或其編程器觀的處理器60執(zhí)行的技術(shù)，此處描述的技術(shù)的任何一個(gè)或多個(gè)部分可由IMD16、編程器觀或另一個(gè)設(shè)備中的一個(gè)、獨(dú)立地或彼此組合地來(lái)實(shí)現(xiàn)。
另外，任意所述單元、模塊或組件可一起實(shí)現(xiàn)或作為分立但可互操作的邏輯設(shè)備單獨(dú)實(shí)現(xiàn)。將不同的特征描述為模塊或單元旨在強(qiáng)調(diào)不同的功能方面而不一定意指這些模塊或單元必定通過(guò)單獨(dú)的硬件或軟件組件來(lái)實(shí)現(xiàn)。相反，與一個(gè)或多個(gè)模塊或單元關(guān)聯(lián)的功能可通過(guò)單獨(dú)的硬件或軟件組件來(lái)執(zhí)行，或集成在共同的或分立的硬件或軟件組件內(nèi)。當(dāng)用軟件實(shí)現(xiàn)的時(shí)候，歸因于此處描述的系統(tǒng)、設(shè)備和技術(shù)的功能可實(shí)現(xiàn)為在計(jì)算機(jī)可讀介質(zhì)上的指令，計(jì)算機(jī)可讀介質(zhì)諸如RAM、R0M、NVRAM、EEPR0M、閃存、磁數(shù)據(jù)存儲(chǔ)介質(zhì)、光數(shù)據(jù)存儲(chǔ)介質(zhì)等?？蓤?zhí)行指令以支持本公開(kāi)中描述的功能的一個(gè)或多個(gè)方面。
權(quán)利要求
1.一種系統(tǒng)，包括用于產(chǎn)生指示病人參數(shù)的信號(hào)的裝置；用于基于所述信號(hào)確定特征向量的裝置；用于應(yīng)用基于支持向量機(jī)的算法以基于所述特征向量分類(lèi)病人狀態(tài)的裝置，其中，所述基于支持向量機(jī)的算法定義了分類(lèi)界線(xiàn)；用于確定所述特征向量和所述分類(lèi)界線(xiàn)之間的距離的裝置；以及用于基于所述距離為所述病人狀態(tài)確定評(píng)估度量的裝置。
2.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述特征向量包括所述信號(hào)的至少兩個(gè)特性的相應(yīng)值，其中所述特性各自包括所述信號(hào)的幅值或頻域特性中的至少一個(gè)。
3.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述病人狀態(tài)包括疾病發(fā)作狀態(tài)、情緒狀態(tài)、運(yùn)動(dòng)狀態(tài)或病人姿勢(shì)狀態(tài)中的至少一個(gè)。
4.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述參數(shù)包括病人運(yùn)動(dòng)或活動(dòng)、心率、呼吸速率、皮電活動(dòng)、熱活動(dòng)或肌肉活動(dòng)中的至少一個(gè)。
5.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述用于確定評(píng)估度量的裝置包括評(píng)估數(shù)據(jù)結(jié)構(gòu)，所述數(shù)據(jù)結(jié)構(gòu)將多個(gè)評(píng)估度量與到所述分類(lèi)界線(xiàn)的相應(yīng)距離關(guān)聯(lián)起來(lái)。
6.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述評(píng)估度量指示病人狀態(tài)的嚴(yán)重性。
7.如權(quán)利要求1所述的系統(tǒng)，其特征在于，還包括用于基于所述評(píng)估度量而控制給所述病人的治療傳遞的裝置。
8.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述用于基于所述評(píng)估度量而控制給所述病人的治療傳遞的裝置選擇至少一個(gè)治療參數(shù)，所述系統(tǒng)還包括治療模塊，其基于所述所選的至少一個(gè)治療參數(shù)值而將治療傳遞給所述病人。
9.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述評(píng)估度量包括距離，且其中如果所述評(píng)估度量小于或等于閾值，所述基于所述評(píng)估度量而控制給所述病人的治療傳遞的裝置對(duì)病人的治療傳遞執(zhí)行無(wú)效、激活或調(diào)整中的至少一個(gè)。
10.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述評(píng)估度量包括距離，且其中如果所述評(píng)估度量大于或等于閾值，所述基于所述評(píng)估度量而控制給所述病人的治療傳遞的裝置對(duì)病人的治療傳遞執(zhí)行無(wú)效、激活或調(diào)整中的至少一個(gè)。
11.如權(quán)利要求1所述的系統(tǒng)，其特征在于，還包括存儲(chǔ)所述評(píng)估度量的存儲(chǔ)器。
12.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述用于基于所述信號(hào)確定特征向量的裝置、用于應(yīng)用基于支持向量機(jī)的算法以基于所述特征向量分類(lèi)病人狀態(tài)的裝置、用于確定所述特征向量和所述分類(lèi)界線(xiàn)之間的距離的裝置、和用于基于所述距離為所述病人狀態(tài)確定評(píng)估度量的裝置中的至少一個(gè)包括處理器。
13.如權(quán)利要求1所述的系統(tǒng)，其特征在于，還包括可植入醫(yī)療設(shè)備，其包括用于產(chǎn)生指示病人參數(shù)的信號(hào)的裝置。
全文摘要
用由監(jiān)督式機(jī)器學(xué)習(xí)技術(shù)(諸如支持向量機(jī))所產(chǎn)生的至少一個(gè)分類(lèi)界線(xiàn)來(lái)探測(cè)病人狀態(tài)。在一些示例中，使用病人狀態(tài)探測(cè)來(lái)做以下至少一件事控制治療傳遞給病人、產(chǎn)生病人提醒、開(kāi)始數(shù)據(jù)記錄、或者評(píng)估病人情況。另外，可基于特征向量和分類(lèi)界線(xiàn)而確定評(píng)估度量，特征向量是基于病人參數(shù)信號(hào)的特性而確定的。示例的評(píng)估度量可基于至少一個(gè)特征向量和分類(lèi)界線(xiàn)之間的距離，和/或多個(gè)特征向量隨時(shí)間相對(duì)于分類(lèi)界線(xiàn)的軌跡。
文檔編號(hào)A61B5/11GK102413872SQ201080020021
公開(kāi)日2012年4月11日 申請(qǐng)日期2010年1月26日 優(yōu)先權(quán)日2009年4月30日
發(fā)明者A·H·休伯, D·L·卡爾森, T·J·丹尼森 申請(qǐng)人:麥德托尼克公司