检测食物或饮料消耗以便控制疗法或提供诊断
2020-01-05

检测食物或饮料消耗以便控制疗法或提供诊断

方法和系统可选地用定位在患者胃中的单个温度传感器在食物和饮料摄入之间进行区分。可以基于来自摄取之前、期间和之后的胃内温度信号的若干特性检测摄取事件并且将所摄取的物质分类为食物或饮料。组成餐食的多个摄取事件可以被检测并分类使得整个餐食可以被分类为仅食物、仅饮料或食物和饮料的混合。对患者的治疗可以至少部分基于对摄取事件的检测和分类。还提供了一种使用训练温度数据的集合准备摄入分类算法的方法。

图5示出了根据本发明实施例的一种分类摄取事件的方法。通过定位在患者胃中的温度传感器,以规律时间间隔采样胃部温度(步骤500)并且保持在包含多个最近的温度样本的缓冲器中。在优选的实施例中,温度每6秒被采样并且保持在包含最近32个温度样本的缓冲器中。分析该数据以确定摄取事件是否已发生,并且如果已发生,则将其分类为吃或喝事件。

上述的事件和餐食分类系统基于从温度传感器收集的温度数据的若干参数,因此本发明的实施例提供了一种准备用于患者摄取的分类系统以便生成那些参数的方法。系统的准备通过将训练温度数据的集合提供给分类算法而开始。训练数据集由已标记有它们的相应活动(即,无消耗、吃和喝)的温度数据的32样本序列组成。为了有效,使用代表了最终系统将测量的温度波形训练分类系统,者意味着热模型和信号调节匹配。包含表示用于植入的目标群体的各种日常活动和食物的大数据集是优选的。要生成的参数是事件阈值、用于食物和饮料分类的七个特征权重(上述)和用于该分类的偏移。

在一些实施例中,所述方法还包括当检测到所述第一摄取事件时获得胃部温度值,比较所述温度值和核心体温,并且确定接受所述第一摄取事件还是返回以等待摄取事件。

在一些实施例中,确定餐食结束包括确定胃部温度在基线温度的预定范围内或在预定时间段内没有事件检测发生。

许多疗法目前正被研究用于治疗肥胖症和与肥胖症相关联的疾病。迄今为止,广泛使用的肥胖症治疗还未表明是理想的,特别对于患有重度肥胖症的人群。已提出的方法从生活方式训练到大手术疗法包罗万象。不幸的是,患者顺应性会显著地限制训练的效果。尽管外科方法可以不考虑顺应性而在设定时间量内限制患者的胃肠食物摄入的能力,但是可能必须施加大规模切割的手术改变以获得期望的结果,潜在地限制当适于摄取时患者可以摄取的容易性。

图7示出了根据本发明一个实施例的餐食分类的算法。

在一些实施例中,所述权重对应的所述特征的集合包括温度值的均值、样本间温度差的绝对值之和、温度值的方差、在由采样窗口中的温度值限定的波形的后半部之下的面积、所述波形的前半部中的能量、所述波形的后半部中的能量和温度值的最大温度差。通常所述特征的集合将包括以上特征中的多于两个,优选多于三个特征,并且更优选多于四个。在最优选的实施例中,所述集合将包括所述特征中的多于五个。

在第七方面,本发明的实施例提供了一种用于对由患者摄取的餐食进行分类的系统,所述系统包括适于被置于患者胃中的温度传感器,连接到所述温度传感器的存储介质,以及连接到所述存储介质的处理器,所述处理器被配置为分析存储在所述存储介质中的温度值以分类餐食,其中所述处理器包括用于确定患者的基线胃温度的第一模块、用于基于所述温度值将第一摄取事件分类为食物或饮料的第二模块、以及用于分类餐食的第三模块,其中当所述第一摄取事件的分类为饮料时,所述第三模块确定和存储胃部温度离基线温度的最大偏差,确定和存储胃部温度的最大恢复斜率,确定餐食结束和餐食持续时间,确定恢复斜率是否超过预定阈值,和将餐食分类为仅仅饮料或食物和饮料的混合,并且当所述第一摄取事件的分类为食物时,所述第三模块确定随后的摄取事件是否被分类为饮料,确定餐食结束和将餐食分类为仅仅食物或食物和饮料的混合。

在一些实施例中,所述已知活动包括无消耗、吃和喝,其中吃和喝被限定为筛选函数。所述训练集合可以包括32样本数据集。确定所述事件阈值参数可以包括计算对应于每个所述筛选函数的所述数据集的第一和第二样本子集的平均温度,确定所述平均温度的绝对差,确定所述筛选函数值离无消耗值的标准偏差,以及确定所述事件阈值。

图8示出了根据本发明另一个实施例的用于限定餐食的算法。尽管该算法参考上述的基于温度的事件分类算法的使用,但是它可以用产生摄取事件检测和将事件分类为食物或饮料的任何事件分类算法实现。该算法包括使用基线体温和与温度偏差相关的参数来提供餐食分类。在图9中示出了例如在这里使用的一种确定基线体温的方法。

在一些实施例中,所述缓冲器存储限定采样窗口的预定数量的温度值。确定摄取事件是否已发生的步骤包括将所述采样窗口分割为第一、第二和第三时间段,确定在所述第一和第二时间段的温度值的第一和第二平均值,比较所述第一和第二平均值,以及确定所述第一和第二平均值之间的差值是否超过预定阈值。

图5示出了根据本发明一个实施例的事件分类的算法。