用于配置用于数字孪生的数据收集的系统和方法与流程

医药医疗技术的改进;医疗器械制造及应用技术1.本发明涉及个人数字模型(数字孪生)的领域，并且具体地涉及用于配置用于供应给数字模型的数据收集以从该模型获得一组输出信息的系统和方法。背景技术：2.技术的最新发展是所谓的数字孪生概念。在该概念中，提供物理系统的数字表示(数字孪生)，并且例如通过如us2017/286572a1中所解释的物联网将其连接到其物理对应物。通过这种连接，数字孪生通常接收与物理系统的状态有关的数据，诸如传感器读数等，基于该数据，数字孪生可以例如通过模拟来预测物理系统的实际或未来状态，以及分析或解读物理孪生的状态历史。在机电系统的情况下，这例如可以用于预测系统的部件的寿命终止，从而降低部件故障的风险，因为可以基于如通过数字孪生估计的其寿命终止来安排部件的及时更换。3.这种数字孪生技术在医学领域中也变得令人感兴趣，因为它提供了一种更有效的医学护理提供的方法。例如，可以使用患者(例如，患有如在成像数据中捕获的诊断医学状况的患者)的成像数据来构建数字孪生，例如由vanessa diaz博士在https://www.wareable.com/health-and-wellbeing/doctor-virtual-twin-digital-patient-ucl-887中解释的，如于2019年10月22日可从互联网上检索到。这样的数字孪生可以用于许多目的。首先，可以使数字孪生而不是患者经受多次虚拟测试，例如处置计划，以确定哪个处置计划最可能对患者成功。因此，这减少了物理上需要对实际患者执行的测试的数量。4.例如，患者的数字孪生还可以用于使用患者导出的数字模型(例如，已经从患者的医学图像数据导出的数字模型)来预测患者的这种医学状况的发作、处置或发展。5.以这种方式，可以在没有医学从业者的常规参与的情况下监测患者的医学状态，例如，从而避免对患者的周期性常规身体检查。替代地，只有当数字孪生基于所接收的传感器读数预测指示患者需要医学注意的患者的医学状态时，数字孪生才可以为患者安排看医师的预约。这通常导致对患者的医学护理的改善，因为可以利用数字孪生预测特定疾病或医学状况的发作，使得可以在早期阶段相应地对患者进行处置，这不仅有益于患者，而且还可以降低(处置)成本。此外，数字孪生可以基于对患者的传感器读数的监测来预测患者可能即将遭受的重大医学事件，从而降低此类事件实际发生的风险。这种预防避免了在这种重大医学事故之后提供大量后护理的需要，这也减轻了要不然提供这种后护理的医学保健系统的压力。6.可以至少部分地基于患者的医学图像数据来导出数字模型。数字模型可以另外地或替代地基于生理传感器数据(包括例如生命体征，诸如心率、呼吸率、皮肤温度)和/或根据从传感器数据和/或病史数据推断或计算的心理患者数据来导出。医学历史数据还可以包括例如主观患者数据，例如借助于问卷或患者反馈收集的。7.数字孪生可以用于使用输入物理传感器数据来模拟患者的新的物理情况或状态，例如每当新的信息或数据变得可用时，例如当如利用传感器或用户输入检测到的参数已经改变时。结果是一组输出参数中的新的输出变量字段或分布。8.在一些应用中，例如基于传感器数据实时或间歇地更新数字孪生可以是有用的，使得它准确地表示患者的真实物理状态。这例如在外科手术或患者参数的实时估计将有用的其他医学流程期间可以是有用的。9.数字孪生通常允许导出和提取关于物理孪生的不同的可能输出信息，这取决于可以向孪生提供什么特定输入信息以更新它或者在孪生上运行合适的模拟。为了从数字孪生导出特定测量或预测或参数，可能存在需要提供给数字孪生的特定的一组输入信息。10.然后可以从相关联的物理传感器获得必要的信息，并导出期望的输出信息。11.然而，物理传感器的使用受到特定约束的限制，诸如：(i)功率和寿命，(ii)性能和鲁棒性，(iii)可实现的采样频率、精度或信噪比、以及(iii)与测量的物理对象的匹配(例如，人类对象的舒适度)。12.取决于所需输出信息，在一些情况下，系统中的可用物理传感器可能无法向数字孪生提供必要的输入信息以使得输出能够被计算。13.例如，这可能在以下情况下发生：当物理传感器已经以全容量设置(例如，最大采样频率、最大精度)操作，而(更新的)数字孪生需要具有更高采样率和更高精度的输入数据，以便生成期望的输出信息，例如由于需要以足够的频率或精度更新其生物物理模型。14.在另外的示例中，可能发生收集针对数字孪生的输入数据的物理传感器发生故障或变得暂时不可用(例如，出现故障、被不正确地使用、被黑客攻击或与系统断开)。在这种情况下，典型的方法将是等待传感器恢复在线并暂停数字孪生操作的运行。然而，在数字孪生实时用于生成测量或患者参数信息以供立即使用的情况下，这不是合适的选项。传统上，这使得数字孪生方法不可靠，并且必须采取其他后备措施来适用于关键操作。15.数字孪生用于估计患者测量或参数的另一个问题是，因为数字孪生是动态更新模型，所以其数据输入要求可能随着患者的身体状况变化而改变。在一些情况下，例如，(更新的)数字孪生可能需要现有物理传感器无法供应的新类型的数据。16.因此，能够解决上述问题中的一个或多个的改进的基于数字孪生的系统将是有利的。技术实现要素：17.本发明由独立权利要求限定。从属权利要求限定了有利的实施例。18.根据依据本发明的一个方面的示例，提供了一种系统，包括：19.处理器装置，其通信地耦合到存储患者的解剖结构的至少部分的数字模型的数据存储装置；所述数字模型被配置用于基于对一组一个或多个模型输入参数的调整来模拟所述解剖结构的所述至少部分的物理状态，并且所述模型能提供与所述解剖结构的模拟物理状态有关的输出信息；20.所述处理器装置在使用中可与一个或多个物理传感器通信地耦合，以接收物理患者传感器数据；21.所述处理器装置包括虚拟感测模块，所述虚拟感测模块在使用中被配置用于生成补充数据；22.所述处理器装置在使用中被配置为：23.确定指示来自所述物理传感器的当前可用的物理患者传感器数据的信息；24.根据所述数字模型确定用于提供给所述数字模型的所需的一组输入信息，以便从所述数字模型获得来自所述模型的特定的定义的一组输出信息；25.执行所述所需的一组输入信息与所述可用的物理患者传感器数据的比较；26.基于所述比较的结果，使用所述虚拟感测模块来生成补充数据以补充或替换所述物理患者传感器数据，并且调整所述一个或多个物理传感器的一个或多个操作设置，以便改善所述可用的物理患者数据与所述所需的一组输入信息之间的匹配。27.所述数字模型可以被描述为生物物理模型、或机器学习算法、或这些的组合。在所有情况下，输入和输出是预定义的。可以考虑索引数据库来确定哪些输入可以用于生成什么输出。然后将输出的特性(例如准确性、置信区间)进一步用作数学函数的输入，以确定进一步的输入特性，诸如所需的数据量、最大噪声水平、采样频率、收集频率等。如下面进一步解释的，数字模型的技术特征和技术目的涉及物理传感器(资源)的(最佳)使用、以及健康服务的速度、成本和功效。28.本发明的实施例具有各种技术效果和技术目的。技术效果可以关于下式来定义：29.·物理传感器的特性，诸如改善寿命、电池持续时间、降低传感器温度(防止过热)、功耗等30.·物理传感器操作，最小化收集所需数据的时间，并收集高质量的数据(通过选择性地决定何时以及如何使用传感器)31.·物理传感器和患者交互，诸如最小化患者的不适，例如防止由于血压袖带测量引起的不必要的唤醒。32.技术目的涉及与物理传感器的使用相关联的问题(例如，寿命、过热、准确度漂移、噪声、时间和附接和使用物理传感器所需的专业知识，最有效地使用有限数量的资源(物理传感器))，并且我们的解决方案通过选择和操作物理传感器来解决这些问题。33.此外，数字模型有助于做出正确的诊断并选择正确的处置，这具有以下技术目的：34.·缩短住院时间35.·降低住院费用、药物费用、人员费用36.·向临床医师提供更好的指导，这将导致他们更有效地对患者进行处置，并且因此增加他们可以同时处置的患者的数量。37.概念补充数据是指数字模型的输入中的一个。它被称为补充，以强调其使用是基于物理传感器的特性和可用性以及输出需求和数字模型特性来确定的。可能存在仅使用来自物理传感器的数据的情况。补充数据被定义为从物理传感器数据合成的数据。它可以是通过处理多个物理传感器信号中的一个以及从物理传感器信号提取的特征而生成的时域信号。38.虚拟传感器模块可以被配置为至少部分地基于所接收的物理传感器数据的处理来生成补充数据。替代地，它可以以不同的方式导出。39.本发明的实施例提出的解决方案基于：基于检测到的针对数字模型的输入信息要求来动态地配置系统的数据生成和采集配置，以便实时地更好地满足信息要求。40.特别地，提供了虚拟感测模块，所述虚拟感测模块可以例如临时地生成补充数据或在下文中备选地称为虚拟(传感器)数据，其可以补充或补偿由于传统物理传感器提供的数据不足而导致的数字模型的输入信息要求中的任何差距，或增强可用物理传感器数据以便改善结果。这可以至少部分地基于使用被配置用于从物理传感器数据计算进一步测量或估计结果的算法来处理所收集的物理传感器数据。它还可以基于其他数据源，包括例如先前生成的虚拟数据。41.在一些情况下，虚拟传感器数据可以完全替换物理传感器数据，例如以减少物理传感器的功耗，或使得物理传感器资源能够被释放用于另一目的。42.除此之外，本发明的实施例可以额外地或替代地动态调整所连接的物理传感器的设置，以便配置传入的物理数据集以更好地匹配数字孪生的输入信息要求。物理传感器的可调整操作设置可以包括传感器采样率(即测量采集的频率)、传感器精度或准确性水平和/或传感器激活/停用(即打开/关闭个体传感器)。因此，系统能够基于检测到的数字模型的输入信息需求来策划特定患者数据集，所述特定患者数据集被提供给数字模型以用于生成期望的一组输出信息。43.还可以参考一个或多个优化准则或约束来执行物理传感器设置的调整。优化准则可以采取不同的形式。它们可以包括用于改善系统效率的标准，例如通过最小化激活传感器的数量和数据收集的速率，同时仍然满足输入信息要求。这可以节省功率和处理资源。44.针对调整的准则可以由输出(类型、准确性、置信水平)需求、物理传感器特性和可用性以及虚拟感测能力来定义。物理传感器的调整可以包括选择使用哪些传感器、打开/关闭传感器、监测传感器的状态、确定数据收集的质量、量、定时和频率、物理传感器与用户的交互等。45.因此，本发明的实施例提供了用于配置用于提供给数字孪生的数据收集以便根据数字孪生生成期望的一组输出信息(例如一个或多个生理或解剖参数的估计或测量)的系统和方法。46.这些发展使得系统能够解决上述问题。特别地，在一些情况下，在一个或多个物理传感器由于故障而离线的情况下，虚拟感测模块可以(临时地)生成虚拟数据来替换损坏的传感器数据，以防止干扰数字模型操作。此外，假如当数字模型随着患者的物理场景发展时而数字模型出现其所需输入信息的变化，系统可以自动检测这一点，并且被配置为以上述方式相应地对提供给数字模型的总数据集(物理传感器和虚拟传感器数据)进行改变或调整。例如，可以例如临时生成虚拟传感器数据，直到可以使新的或另外的物理传感器在线，或例如可以增加一个或多个传感器的采样频率以提供额外的数据。47.上面提到的数字模型可以是患者的个性化数字模型，即患者的数字孪生。术语数字模型和数字孪生在本公开中可以可互换地使用。下面将更详细地概述用于构建和操作合适的数字模型(例如包括一个或多个生物物理模型)的描述。48.数字模型可以被配置为运行一个或多个模拟以生成输出信息。处理器装置可以被配置为根据数字模型确定用于提供给数字模型的所需的一组输入信息，以便基于在数字模型上运行的模拟来从该模型获得特定的定义的一组输出信息。49.确定物理数据的当前可用源可以基于检测哪些传感器连接到处理器装置，并且还可以包括检测传感器的设置或参数，诸如可用精度和/或可用测量采样频率。50.与可用的患者传感器数据有关的信息可以涉及哪种类型的传感器数据是可用的，并且可选地还涉及可用的数据的质量量度，诸如可用数据来源的采样率和/或精度水平和/或信噪比。51.由(上面概述的)处理器装置执行的步骤可以递归地或重复地运行，并且其中在每次“运行”中，基于系统在生成所需输出信息(例如，通过输出数据和特定所需输出数据之间的比较确定)时和/或在满足所需输入信息要求时的性能，可以对被生成的虚拟传感器数据和物理传感器的操作设置进行调整。52.上面提到的处理器装置可以包括多个处理器装置，或可以包括执行处理器装置的所有功能的单个中央处理器。虚拟模块可以是单独的处理部件，或可以仅表示由共享或中央处理部件执行的特定功能。因此，它可以是象征性或功能性模块。53.尽管上面没有指定，但是根据一个或多个实施例，所述处理器装置还可以被配置为使用物理传感器数据和任何虚拟传感器数据的组合作为数字模型的输入信息来根据数字模型生成输出信息。换句话说，在使用中，一旦进行了输入数据调整，系统就可以执行将收集和生成的数据实际馈送到数字模型的步骤，以便从模型导出输出信息(例如，预测、生理或解剖参数)。54.根据一个或多个实施例，所述处理器装置还可以被配置为执行所生成的输出信息(来自数字模型)与特定的定义的一组输出信息之间的进一步比较。取决于结果，所述系统可以被配置为例如调整由虚拟感测模块生成的虚拟数据和/或调整可用物理传感器的操作设置。另外地或备选地，取决于结果，所述系统可以被配置为调整数字模型本身的某些设置，以便实现由数字模型生成的输出信息与定义的一组所需输出信息之间的更好匹配。55.根据一个或多个实施例，处理器装置可以被配置为修改要提供给数字模型的一组输入信息，即确定可以提供给数字模型的备选输入数据集，同时仍然允许满足输出信息要求。这可以例如基于可用物理数据与模型输入数据要求之间的比较、基于来自模型的输出数据与输出数据要求之间的上述进一步比较和/或基于来自虚拟感测模块的反馈来确定。基于此或其他因素，处理器装置可以使用数字模型确定可以提供给数字模型的备选或修改的一组输入信息，以便获得所述输出信息。56.例如，可以修改备选或修改的一组输入信息以与可用的物理和/或虚拟传感器数据更好地匹配。57.通常，多于一组输入信息能够实现输出信息，即输入信息与输出信息之间通常不存在一对一的关系。因此，在模型中存在可用的自由度来调整提供给模型的输入信息，同时仍然允许计算期望的输出。系统可以利用这种自由度来调整输入数据要求，以更好地适合于例如可用的物理或虚拟数据。58.这可以基于例如调整数字模型的一个或多个操作设置或模型参数，使得它能够接收修改的一组输入信息，同时仍然生成所需的定义的一组输出信息。例如，可以降低或以其他方式修改模型的精度水平或分辨率水平，使得需要提供更少的输入传感器数据或可以提供不同的传感器数据集。59.这可以在递归或迭代的基础上完成，其中，输入数据要求例如基于在由系统执行的步骤的每次新运行上收集的反馈来调整，以从该模型生成输出数据。60.作为示例，可以在各种一个或多个比较、数字模型和虚拟感测模块之间实施反馈循环，使得系统的各种数据收集参数可以一起被智能地配置为共同优化所收集的输入数据和所得到的输出数据。61.例如，可以在以下之间实施反馈流或反馈循环：62.可用物理数据与模型输入数据要求之间的比较的结果，63.虚拟感测模块，64.数字模型，和/或65.来自模型的输出数据与输出数据要求之间的上述进一步比较的结果，66.以便迭代地或递归地调整以下中的一个或多个：67.从物理传感器采集的物理传感器数据，68.由虚拟感测模块生成的虚拟传感器数据，69.物理传感器中的一个或多个的操作设置，和/或70.数字模型的操作设置和/或模型参数。71.在本发明的实施例中，对物理传感器的调整可以涉及收集的信号的性质，诸如采样频率、收集的时间和频率、降噪、传感器温度、传感器功耗、传感器电池电量、估计的传感器不适、传感器使用或不使用等。72.可以基于最佳(或期望或预编程的)物理传感器设置(包括物理传感器数据特性)与实际物理传感器设置和数据之间的差异来确定对虚拟传感器数据的调整。取决于传入的物理传感器数据的特性，对数据执行的处理将改变。例如，如果传感器关闭，则可以合成丢失的数据，如果数据丢失或质量低，则可以生成和改善数据等。此外，由虚拟感测模块进行的调整取决于所收集的传感器数据的类型。例如，ppg和温度数据的融合/处理将不同于呼吸和血压数据的融合。73.物理传感器的操作设置的调整可以是上述比较的结果。它们可以基于输入数据的误差信号生成(即，比较)，以及物理传感器类型、配置、使用协议、许可等。74.根据一个或多个实施例，处理器装置可以被配置为执行初始阶段和至少另一阶段，在所述初始阶段中，仅激活可用物理传感器的子集用于数据收集，在所述至少另一阶段中，基于执行根据该模型使用传感器数据的子集产生的输出信息与特定的定义的一组输出信息之间的进一步比较，激活物理传感器的经修改的子集。75.因此，在这组实施例中，最初仅激活传感器的子集，并且基于关于数字模型在生成所需输出信息时的性能的反馈，随后，可以调整特定的一组激活的传感器(例如，迭代地，通过模型的多次运行)以更好地满足用于生成期望的输出信息的数据要求。初始阶段和另一阶段都可以可选地在系统的初始化或设置时段或模式期间实施，其中，尚不需要来自模型的准确和优化的输出信息。76.可以额外地或替代地基于在设置的任何调整之后采集的物理传感器数据和任何生成的虚拟传感器数据的组合与所需输入信息之间的比较来完成相同的事情。换句话说，基于该比较，可以调整初始的一组激活的传感器(激活更多的传感器或激活不同的一组传感器)，使得所采集的数据更好地满足数字模型的输入数据要求，以生成所需输出信息。77.另外地或备选地，在任一种情况下，代替调整在两个阶段之间激活或停用哪些传感器，可以在两个阶段之间调整一个或多个传感器的操作设置，例如以激活物理传感器的某些另外特征。作为一个示例，例如，在第一阶段中，传感器x可能以有限的容量(例如1hz采样频率)运行，仅收集数据类型y，而在第二阶段中，相同的传感器x可能被调整到更高的采样频率(例如50hz)，并收集数据类型y和z。78.在各种实施例中，利用不同类型(例如，血压、温度和ecg传感器)和不同特性(例如，使用动脉管线或袖带来测量血压)的物理传感器。在一种情况下，输入集合包括物理传感器信号、以及由虚拟信号替换的一些物理传感器信号。取决于来自输出的比较的误差信号，激活的一组物理传感器(及其特性)可以改变，并且这将导致不同的虚拟信号。换句话说，修改后的子集是指从其收集数据以用于生成输出的一组物理传感器。79.根据一组有利的实施例，处理器装置可以被配置为执行以下项之间的进一步比较：80.在设置的任何调整之后采集的物理传感器数据和任何生成的虚拟传感器数据的组合，以及81.所需输入信息。82.基于该结果，可以调整物理传感器的操作设置和/或由虚拟感测模块生成的虚拟数据，以便组合地更好地满足模型的输入数据要求。该比较可以在将数据提供给模型之前或与其并行地执行。可以执行所提及的调整例如准备好在处理器装置的步骤的下一次运行中实施。还可以执行由模型使用一些组合输入数据生成的输出数据之间的比较。这两个结果可以被组合地用于通知对物理传感器的操作设置或虚拟数据生成的任何调整。83.所定义的一组输出信息(即，输出信息要求)可以是用户定义的，例如由处理器装置从用户接口设备接收。84.例如，处理器装置可以被配置为在确定模型的所需输入信息之前接收指示定义的一组输出信息的输入，例如从用户接口接收。该系统可以包括用户接口，或用户接口可以在系统的外部并且可与系统通信。85.在其他示例中，所述定义的一组输出信息可以从不同的来源导出。例如，在一些情况下，它可以简单地从数据集或数据库(例如查找表)读取，或可以作为输入从远程服务器或计算机接收，或可以由本地算法或程序(例如人工智能算法，例如机器学习算法)定义或确定。86.根据一个或多个实施例，所述系统可以包括多个物理传感器，所述多个物理传感器在使用中可与处理器装置通信地耦合以用于供应所述物理医学传感器数据，即，所述系统可以包括物理传感器。87.物理传感器可以包括生命体征传感器，例如心率传感器、血压传感器、spo2传感器、呼吸传感器、ecg传感器、ppg传感器和/或温度传感器。物理传感器还可以包括医学成像传感器或设备，例如超声传感器或探头，例如长期监测探头或传感器。88.根据本发明的另一方面的示例提供了一种方法，包括：89.访问患者的解剖结构的至少一部分的数字模型，所述数字模型被配置用于：基于对一组一个或多个模型输入参数的调整来模拟所述解剖结构的所述至少一部分的物理状态，并且所述模型能提供与所述解剖结构的模拟物理状态有关的输出信息；根据所述数字模型确定用于提供给所述数字模型的所需的一组输入信息，以便基于在所述数字模型上运行模拟而从所述模型获得特定的定义的一组输出信息；90.确定来自物理患者传感器的物理传感器数据的当前可用源的指示；91.执行所述所需的一组输入信息与物理传感器数据的所述可用源的比较；并且92.基于所述比较的结果，93.生成补充数据以补充或替换所述物理传感器数据，并且94.调整所述可用物理传感器的一个或多个操作设置，以便改善所述可用数据和所需输入信息之间的匹配。95.生成补充数据可以至少部分地基于接收到的物理传感器数据的处理。然而，它可以备选地基于其他来源。例如，它可以至少部分地基于先前获得的虚拟传感器数据。它可以基于用于估计某些类型的患者数据的一个或多个算法或方程或程序，例如以复制物理传感器数据，但不需要物理传感器操作。下面将更详细地描述这些选项。96.该方法还可以包括使用物理传感器数据和/或虚拟传感器数据作为数字模型的输入信息根据数字模型生成输出信息的步骤。97.根据一个或多个实施例，所述方法还可以包括执行所生成的输出信息与特定的定义的一组输出信息之间的进一步比较。98.根据一个或多个实施例，所述方法还可以包括基于所需的一组输入信息与物理传感器数据的可用源之间的比较、上述所生成的输出信息与输出信息要求之间的进一步比较、和/或基于来自虚拟感测模块的反馈，使用数字模型来确定可以提供给数字模型的备选或改的一组输入信息，以便获得所述输出信息。该选项在上面关于系统方面更详细地进行解释，并且这些解释也适用于该方法实施例。99.根据一个或多个实施例，所述方法还可以包括执行以下项之间的进一步比较：在设置的任何调整之后采集的物理传感器数据和任何生成的虚拟传感器数据的组合、和所需输入信息。100.根据本发明的另一方面的示例提供了一种包括代码装置的计算机程序产品，所述代码装置被配置为当在处理器上运行时，所述处理器与存储患者的解剖结构的至少部分的数字模型的数据存储装置通信地耦合，所述数字模型被配置用于基于对一组一个或多个模型输入参数的调整来模拟所述解剖结构的所述至少一部分的物理状态，并且所述模型能提供与所述解剖结构的模拟物理状态有关的输出信息，以执行根据上面概述或下面描述的任何示例或实施例或根据本技术的任何权利要求的方法。101.本发明的这些和其他方面将参考下文描述的(一个或多个)实施例变得显而易见并将参考下文描述的(一个或多个)实施例得以阐述。附图说明102.为了更好地理解本发明并且为了更清楚地示出它可以如何被实施，现在将会仅以示例的方式参照附图，其中：103.图1以框图形式示出了根据本发明的一个或多个实施例的示例系统的部件；104.图2示出了图示根据本发明的一个或多个实施例的示例系统的部件和操作的流程图；105.图3示出了图示ppg幅值随温度的变化和所得到的相关函数的曲线图；并且106.图4示出了根据本发明的一个或多个实施例的示例方法的框图。具体实施方式107.将参考附图来描述本发明。应当理解，详细描述和具体示例在指示装置、系统和方法的示例性实施例的同时，仅旨在用于图示的目的，而不旨在限制本发明的范围。根据以下描述、所附权利要求和附图将更好地理解本发明的装置、系统和方法的这些和其他特征、方面和优点。应当理解，附图仅仅是示意性的，并且未按比例绘制。还应当理解，在整个附图中使用相同的附图标记来指示相同或相似的部件。108.患者的数字孪生为临床医师提供患者的相关健康信息的高级交互式可视化和物理见解。将可视化与提供未来健康状态的预测和医学干预结果的效果的预测模型组合导致个性化临床决策支持，以改善诊断、处置选择和干预。数字孪生可以被认为是真实对象的“活体”数字副本，诸如由患者监测器监测的患者(或患者器官)。在一个示例中，所述模型接收：109.·个人数据:emr、传感器数据、成像数据等；110.·人口数据：包括来自其他人(除了“真实对象”之外)的数据；111.·人类智能：由人类用户提供的输入，诸如参数值设置、数据要求、模拟设置、使用计划等；112.并且使用机器学习和ai、深度学习、生物物理建模等来提供以下项作为输出：113.·过去和当前状态的量化、纵向风险评估；114.·将来状态的预测、效果的预测，并且提供建议。115.数字孪生可以具有上述组成中的全部或仅一些，或不同的组成。116.本发明提供了一种用于配置用于提供给数字孪生的数据收集以便根据数字孪生生成期望的一组输出信息(例如生理或解剖参数估计)的系统。所述系统被配置为检测与患者有关的物理传感器数据的可用源，并将这些与患者的数字孪生的所确定的输入数据要求进行比较，以便计算特定的定义的一组所需输出信息。取决于结果，可以使用虚拟感测模块以生成补充“虚拟”传感器数据，以补偿可用物理传感器数据中的任何不足，和/或该系统可以重新配置可用物理传感器的操作设置，以最佳地满足数字孪生的输入数据要求。117.可以在特定实施例中应用各种有利的其他特征，以改善所采集的输入数据与数字模型(数字孪生)的需求之间的匹配。例如，可以在由数字模型生成的实际输出信息和输出数据要求之间、和/或在总的组合的物理和虚拟传感器数据与所确定的模型的输入数据要求之间进行比较。可以使用来自各种检查和比较的每次运行的反馈，通过系统步骤的多次运行迭代地或递归地调整虚拟数据生成和/或物理传感器操作设置，以便朝向用于提供给数字模型的最佳的一组收集数据迭代地收敛以从该模型获得期望的输出信息。118.图1示出了根据一个或多个实施例的示例系统10的主要部件的示意图。119.该系统包括通信地耦合到数据存储装置30的处理器装置22，数据存储装置30存储患者的解剖结构的至少一部分的个性化数字模型32。在图1的示例中，数据存储装置被示出为在系统10本身的外部(即，不是系统的一部分)，但是在替代示例中，数据存储装置可以被包括作为本发明的系统的一部分。120.数字模型32被配置用于基于对一组一个或多个模型输入参数的调整来模拟解剖结构的所述至少部分的物理状态。所述模型能提供与解剖结构的模拟物理状态相关的输出信息，例如一个或多个输出参数。这些可以对应于患者的生理或解剖参数。121.处理器装置22在使用中可与一组一个或多个物理患者传感器56通信地耦合，以接收物理患者传感器数据58。物理传感器可以在系统外部(如图1所示)，或者在替代示例中，可以被包括作为本发明的系统的部分。122.处理器装置22包括被配置用于生成补充数据的虚拟传感器或感测模块28。这可以至少部分地基于接收到的物理传感器数据58的处理，或可以从另一个来源或通过另一种手段导出。123.在使用中，处理器装置22被配置为执行以下步骤：124.确定指示可从物理患者传感器56获得的物理传感器数据58的当前可用源的信息；125.根据数字模型32确定用于提供给数字模型的所需的一组输入信息，以便例如基于在数字模型上运行模拟而从模型获得特定的定义的一组输出信息；126.执行所需的一组输入信息与物理传感器数据58的可用源的比较；127.基于所述比较的结果，使用虚拟感测模块28来生成补充数据以补充或替换物理传感器数据，并调整可用物理传感器的一个或多个操作设置，以便改善可用数据与所需输入信息之间的匹配。128.如本公开中所使用的，数字模型(或数字孪生)可以被理解为接收物理和/或虚拟数据作为输入并生成一个或多个输出的数据和模型驱动系统。在典型的使用中，以各种输入激活(即，运行复制患者解剖结构的真实物理状态的模拟)数字模型，并且观察或分析输出的变化。数字模型输出可以用于评价当前患者状况，或预测未来状况。它还可以用于量化数字模型输出对过去状况的预测值(即，通过使用过去的输入数据，生成输出信息，并将输出信息与过去观察到的状况进行比较)。129.作为上面概述的典型操作(即，将输入信息馈送到数字模型32，运行(一个或多个)数字模型模拟，并且监测所得到的输出)的替代方案，也可以使用模型算法在‘相反方向’上预测。换句话说，可以指定期望(类型的)输出信息或特性(例如预测24小时内的患者状况、评估心房纤颤的风险、评价心脏状况、预测药物x的效果等)和/或特定的数据质量要求(准确性、置信区间)，并且使用模型来指示用于馈送到模型的所需(类型和/或质量的)输入信息，以便生成指定的输出。130.取决于所设置的输出规格，可以(自动地或半自动地)确定输入信息要求。131.从输出信息要求导出输入信息要求可以以各种方式完成。132.根据一个示例，它可以是基于规则的，意味着在期望的输出信息和必要的输入信息之间存在简单的基于规则的关系。指示哪些输入对于哪些输出是必要的信息可以在例如数字模型可访问的查找表中指定，或基于所设置的规则或临床指南来选择。133.根据另外的示例，它可以基于所学习的输出信息和所需输入信息之间的关系。例如，它可以基于先前运行的数字孪生模拟(例如，输入和输出历史)来学习。134.在示例中，它可以基于运行测试模拟来学习，其中，各种不同的模拟以变化的输入信息运行，并且寻找特定的已知输出。对于每个测试模拟，记录所获得的输出与期望的输出之间的误差，并且由此可以学习哪组输入信息(例如，类型和质量)最接近地到达期望的输出(例如，获得最小误差所需的最佳的一组输入)。该学习过程的结果可以例如存储在数据库中，稍后可以查阅该数据库以基于特定的所需的一组输出信息导出所需输入信息特性。135.如上所述，除了指定(一种或多种)特定的所需类型的输出信息(即，哪些参数、测量、预测)之外，还可以指定该信息的质量或其他特性，并且必要的输入信息特性由数字模型来确定。作为示例，这些质量特性可以包括所生成的输出值的精度水平、所导出的输出值的估计准确性水平(例如，置信水平)和/或数据值计算的频率。136.除了输出信息的质量特性之外，根据一个或多个实施例，可以指定对要由模型确定的输入信息特性或要求的一个或多个约束。这些约束可以包括例如要激活的物理传感器的最佳(例如，最小)数量、物理传感器的最佳(例如，最小或最大)功率使用和/或数据生成的最佳(例如，最小)速率。137.约束可以额外地或替代地包括特定的数据冗余水平，例如，以使得能够检查错误或损坏的数据。例如，冗余水平可以被定义为使得在使用中，可以通过来自其他传感器的数据的组合(以有损或无损方式)恢复每一个物理传感器信号。例如如果传感器信号是至关重要的，则恢复要求可以被设置为使得无损恢复是可能的，或如果数字孪生可以容许与要恢复的传感器信号有关的一定程度的误差，则恢复要求可以被设置为实现有损恢复。138.处理器装置22包括虚拟感测模块28。虚拟感测模块28能生成补充数据以补充或替换物理传感器数据58。虚拟感测模块可以是数据和模型驱动系统。139.在优选的示例中，虚拟感测模块28可以执行以下功能：基于数字模型32的输入数据要求与检测到的可用传感器数据之间的比较来确定是否以及如何可以调整物理传感器56的操作设置以更好地满足输入数据需求和/或确定是否应当生成虚拟数据以及应当生成什么类型的虚拟数据。然而，这不是必需的，并且处理器装置22的另一部件可以执行该功能。140.例如，虚拟感测模块28可以能检测或接收指示可用物理传感器56以及可选地还指示那些传感器中的每个传感器的各种可能操作设置的信息作为输入。例如，它可以接收(多个)物理传感器设置、利用多个传感器设置和多个传感器生成的来自各种传感器的(多个)物理传感器数据集。它可以运行计算(即模拟)以确定是否存在可以用于减少物理传感器的操作(以节省功率和处理资源)的冗余，或是否可以通过来自多个传感器的信息的组合来计算从个体传感器信号不可获得的新信息。141.来自虚拟感测模块28的输出之一可以包括指示所提出的新的物理传感器操作设置的反馈，所述新的物理传感器操作设置用于配置可用物理传感器来收集特定类型的数据并且任选地以特定质量水平或以特定频率进行(以便满足数字模型32的输入数据要求)。可以迭代地达到最佳物理传感器设置，例如通过自适应学习循环，通过执行数字模型32模拟的多次运行，并寻求优化所收集的输入数据。这些可以例如在真实操作开始之前作为试验运行来执行。142.如下面将讨论的，可以提供与可用物理传感器56通信的单独物理感测模块。虚拟感测模块28可以向物理感测模块输出反馈(作为自适应学习循环的一部分)，并且物理感测模块可以基于反馈来调整传感器的操作设置。虚拟感测模块28可以是单独的处理器装置，或可以仅仅表示单个中央处理部件的功能，即它可以是图形或功能模块。为了便于参考，它将被称为单独模块，但是应当理解，这仅仅是作为示例。143.如上所述，处理器装置22还可以包括用于在使用中与任何一个或多个物理医学传感器56通信以接收物理传感器数据58的物理感测模块(图1中未示出)。它还可以执行处理器装置的将所需的一组输入信息与可用源的物理传感器数据进行比较的功能。144.作为示例，物理传感器模块可以包括配置为接收模型的输入信息要求和来自虚拟感测模块的反馈作为输入的模型驱动系统。基于这些输入，它可以执行确定对可用物理传感器的操作设置的任何调整的功能，以便改善可用数据与模型的所需输入信息之间的匹配。145.例如，物理传感器模块可以被配置为使用本地编码的模型(或模型的网络)来确定最佳(个体或网络)物理传感器设置，以便最佳地满足数字模型的输入信息要求。146.在一些示例中，物理感测模块可以采用个体物理传感器的数字孪生的形式，或可以体现一整组可用物理传感器的数字孪生。147.物理感测模块可以被配置用于相对于数字模型32的输入信息要求并且相对于由虚拟感测模块生成的建议的传感器设置变化来确定可与系统10通信的物理传感器的限制或能力。换句话说，物理感测模块可以提供物理传感器与系统的其余部件之间的接口，并且可以被配置为通过确保在能力(或限制)或物理传感器内分配角色来确保物理传感器(或物理传感器的网络)可以满足所分配的角色(即，要收集的数据的所需类型、频率和质量)。148.与虚拟感测模块一样，物理传感器模块可以是单独的处理器部件，或可以表示单个中央处理模块的功能，即它可以是象征性模块。为了便于参考，它将被称为单独模块，但这仅仅表示一个示例。149.尽管已经根据专用物理感测模块的存在描述了上述内容，但是这不是必需的，并且在其他示例中，属于它的功能可以由系统的另外一个或多个部件执行。150.此外，在一些示例中，物理感测模块和虚拟感测模块28可以被提供为与数字孪生32交互的单个集成模块。在另外的示例中，物理和/或虚拟感测模块仍然可以是数字孪生本身的一部分。151.系统10的处理器装置22可以采用任何合适的形状。处理器装置可以例如包括协作以形成这样的处理器装置的一个或多个处理器、处理器内核等。它可以由单个部件组成，或者其功能可以分布在多个处理部件中。152.如所讨论的，实施例利用患者的解剖结构的至少部分的个性化数字模型32。这在本公开中可以称为数字孪生。153.这样的数字孪生通常提供患者的解剖结构的至少部分的元素和动态两者的模型(即物理孪生)。作为示例，数字孪生可以将人工智能、机器学习和/或软件分析与空间网络图集成，以产生患者解剖结构的至少部分的“活的”数字模拟模型。作为非限制性示例，患者解剖结构的至少部分可以是患者的管腔系统(例如，血管或消化系统)的部分，使得数字孪生包括患者管腔系统的该部分的模型。这样的活体数字模拟可以例如涉及流体动力学模型、系统模型、组织变形模型和/或流体-结构相互作用模型的使用，以便基于所接收的指示患者的物理状态的参数的传感器数据来发展或更新数字孪生。154.换句话说，传感器数据(物理或虚拟)可以用于动态地并且任选地实时更新和改变数字孪生，使得如通过数据突出显示的患者的任何变化都在数字孪生中反映。因此，数字孪生形成使用传感器数据从其自身学习的学习系统。因此，数字孪生优选地是动态地发展或更新以便提供患者真实解剖结构的准确表示的动态模型。155.患者的生物物理模型32(即数字孪生)可以最初从患者数据(例如成像数据，诸如ct图像、mri图像、超声图像)和/或物理传感器数据(诸如生命体征数据)发展。例如，可以对患者进行医学扫描，和/或对患者进行一组一个或多个生理或解剖参数测量，并且基于此来构建数字模型。156.在neal和kerckhoff的"current progress in patient-specific modeling"(1,2009,第2卷,第111-126页)中描绘了用于产生和验证3d对象特异性生物物理模型的典型工作流程。例如，在表示患者心血管系统的部分的数字孪生的情况下，这样的生物物理模型可以从患者的一个或多个血管造影导出。例如，由传感器产生的传感器数据可以用于连续地或周期性地更新通过患者的数字管腔模型(即，数字孪生)的流动模拟的边界条件。157.在操作中，处理器装置22可以使用所接收的传感器数据或虚拟传感器数据来发展或更新数字孪生，以便模拟患者的解剖结构的至少部分的实际物理状态。158.在该领域的文献中描述了用于各种示例应用的数字孪生模型的发展和实施。作为示例，在以下文章中描述了各种示例数字孪生模型的实施细节：gonzález,d.,cueto,e.&chinesta,f.ann biomed eng(2016)44:35；ritesh r.rama&sebastian skatulla,towards real-time cardiac mechanics modelling with patient-specific heart anatomies,computer methods in applied mechanics and engineering(2018)328；47-74；hoekstra,a等人的virtual physiological human 2016:translating the virtual physiological human to the clinic,interface focus 8:20170067；以及neal and kerckhoff,1,2009,第2卷,第111-126页的"current progress in patient-specific modeling"。159.在grand r.joldes等人的“computational biomechanics for medicine”(springer)中也概述了细节。160.通常，例如患者的器官或组织区域的数字模型包含许多不同的(例如异质的)材料性质作为模型的参数，其可以包括血管、肌肉、脂肪、粘膜组织(lining tissue)、骨骼、钙化区域，其均具有特定的(生物力学)材料性质。这些材料性质形成用于模型的参数，以允许解剖结构随着要建模的不同生理情况的物理发展。161.在一些示例中，例如，可以在特定流程之前开发针对给定患者解剖结构的患者特异性数字模型的基本原理，使得在该流程之前，数字模型是患者解剖结构的部分的当前物理状态的准确表示，并且包含关于材料特性和物理响应特性的足够信息和知识，以允许模型被动态地演变或发展或更新。162.参数值可以例如从文献获得并映射到模型上，或直接从对患者执行的测量(例如弹性成像)获得。163.因此，所述模型模拟患者的真实物理状态。通过向模型馈送适当的输入信息，模型能够提供与一个或多个生理或解剖参数有关的计算的输出信息。这可以基于通过调谐模型的输入参数而在更新的模型上运行某些模拟，或可以基于使用被编码在模型中的一个或多个算法基于输入信息来计算或导出关于患者解剖结构的状态的生理信息。164.因此，根据最新的数字孪生，可以从模型提取或读取出建模的解剖结构的一个或多个生理或解剖参数(输出信息)。这些可以有利地是不能使用传感器实时直接测量的参数，使得模型提供对除了可以使用标准传感器或成像设备测量的物理参数之外的物理参数的了解。165.图2以流程图形式示意性地图示了根据本发明的一个或多个实施例的示例系统10的部件和功能。处理器装置22被指示并且通过图示的方式被示出为包括物理感测模块26和虚拟感测模块28(如上所述)。示出了数据存储装置30，其在使用中存储患者的解剖结构的至少部分的数字模型32。数据存储装置30和处理器装置22通信地耦合。166.还示出了与处理器装置22可操作地耦合并且被布置为从处理器装置接收操作设置的一组物理传感器56。物理传感器56被布置成将输出传感器数据提供回到处理器装置22，在处理器装置22中，输出传感器数据在作为输入信息提供给数字模型(数字孪生)32之前与由虚拟感测模块28生成的虚拟传感器数据组合64。使用所提供的输入信息，数字孪生生成例如指示一个或多个生理或解剖参数或一个或多个医学预测或估计的一组输出信息或输出数据。167.注意，在一些情况下，虚拟传感器模块可以确定所有物理传感器可以被停用(例如，以节省功率和处理资源)，并且其数据被由虚拟传感器模块生成的虚拟数据(例如，估计数据)替换。在这种情况下，仅将虚拟传感器数据提供给数字模型。在其他情况下，可能不会生成虚拟传感器数据，并且因此仅将物理传感器数据提供给数字孪生32。168.如图所示，在将物理和/或虚拟传感器数据64提供给数字孪生32之前或与其并行，将组合的收集数据64与由数字孪生32基于定义的一组输出数据要求先前确定的输入数据要求进行比较。两者之间的任何不匹配可以被记录并且可以在该流程的下一个迭代或循环中用于进一步改善所生成的虚拟数据和/或物理传感器的操作设置，以便实现组合的收集数据64和数字模型32的输入数据要求之间的更好匹配。169.在从数字孪生32生成输出信息或数据之后，可以将输出信息与预定义(例如，用户定义的)输出数据要求进行比较。任何不匹配可以被记录，并且可以调整由数字孪生设置的输入数据要求，或调整被生成的虚拟传感器数据或物理传感器56的操作设置。170.更详细地，并且参考图2，根据一个或多个实施例，系统10所遵循的程序可以运行如下。171.由处理器装置22接收或获得数字模型32所需的特定的定义的一组输出信息。例如，输出信息要求可以由用户(例如由人类操作者(例如临床医师))指定。它们可以由用户通过用户接口输入并由处理器装置22从用户接口接收。替代地，输出信息要求可以被指定并从系统10下游的被布置为接收输出信息的另一设备被通信到处理器装置。替代地，它们可以根据某些临床指南来指定，在此情况下，处理器装置22本身可以查找或确定或检索要求。172.特定输出信息要求被通信到数字模型32，数字模型32基于这些被配置以确定用于导出指定输出信息的所需输入信息。如上所述，输入信息要求可以包括输入信息的类型和质量，和/或可以包括输入数据点的频率或数量。173.如上所述，确定输入数据要求可以以不同的方式完成。例如，可以参考查找表。可以参考预先存储的一组数字孪生设计规格。替代地，它们可以基于以下来确定：以不同的输入规格运行多个试验模拟，并且寻求最接近提供所需输出信息(即最小化已知的期望输出要求与实际计算的输出之间的误差)的一组输入数据要求。174.物理感测模块26在使用中与一组物理传感器56可操作地耦合，所述组物理传感器56可以是系统10的部分或在系统的外部。物理感测模块可以被配置为例如基于检测当前激活的连接或通信信道来检测或确定当前可用的一组物理传感器。175.基于所确定的输入数据要求，物理感测模块26确定可以用于(如果由虚拟感测模块28选择)生成所需输入信息(或最接近生成所需输入信息)的(潜在的)一组物理传感器56设置。因此，物理感测模块生成传感器设置的建议，所述传感器设置符合已知的传感器(硬件)规格(例如，采样率、灵敏度、操作温度等)并且最接近地匹配数字模型32的所需输入信息。176.然后，虚拟感测模块28可以确定可以如何根据所选择的(优化)标准来修改物理传感器设置，所选择的(优化)标准可以根据数字模型32的(实时)操作或修改而改变，同时仍然确保满足模型的输入数据要求。优化准则可以采取不同的形式。它们可以包括用于改善系统效率的标准，例如通过最小化激活传感器的数量和数据收集的速率，同时仍然满足输入信息要求。这可以节省功率和处理资源。177.作为另外的示例，虚拟感测模块28在确定对物理传感器56的操作设置的调整时使用的优化准则可以包括以下中的一个或多个：[0178]-仅在需要时并且以所需的容量利用每个可用物理传感器，[0179]-实现物理传感器数据的连续性能和质量检查，[0180]-改善物理传感器和与其机械相互作用的物理对象之间的物理相互作用(例如，最小化对对象的不适)，[0181]-采集足够的数据以使得能够生成新的(虚拟)数据用于补偿缺失或不准确的物理传感器数据。[0182]所确定的物理传感器操作设置被通信到物理传感器56(例如，通过虚拟感测模块28)，并且物理传感器数据被收集。[0183]虚拟感测模块28还确定是否需要生成另外的虚拟感测数据来补充物理传感器数据，以便满足数字模型32的输入数据要求。如果需要，虚拟感测模块基于对所收集的物理传感器数据(以及潜在地可用的存档历史)的处理来生成虚拟传感器数据。[0184]所收集的物理传感器数据和任何生成的虚拟传感器数据被组合64。[0185]然后执行检查或比较(由箭头68指示)以确定组合的收集数据64是否满足数字模型的输入信息要求。这可以在利用所收集的输入数据运行数字模型之前或与其并行地完成。[0186]例如，在将组合的收集数据64提供给数字模型32以生成输出信息之前(即，在允许dt使用数据之前)，将收集数据与所需输入数据特性进行比较68(例如，在数据类型和数据质量方面)。可以计算指示输入数据要求与收集数据64之间的任何差异的误差信号或误差信息。可以为误差信号设置预定义的最大阈值，关于所述预定义的最大阈值，收集的数据被认为不足以满足数字模型的输入数据要求。[0187]如果收集的数据64不满足输入数据要求，那么这可以导致流程或程序循环回到物理26感测模块和/或感测模块虚拟28以重新收集输入数据或收集额外的输入数据。在这种情况下，虚拟感测模块28可以使用误差信号/信息来确定可以对物理传感器56的操作设置和/或被生成的虚拟传感器数据的类型或质量进行的调整，以便改善与输入数据要求的匹配。因此，在检查68(在总收集数据64和输入数据要求之间)和虚拟感测模块28之间实施反馈流或反馈循环。[0188]此外，还可以探测数字孪生32以确定是否可以对输入数据要求进行改变(同时仍然满足输出数据要求)，以尝试实现收集数据64和输入数据要求之间的更好匹配。例如，输出数据要求与实现输出数据所需的单个输入数据集之间通常不存在一对一的对应关系。对于输入数据要求，通常可能存在多个选项。来自检查68和/或虚拟感测模块28的反馈可以用于探测数字模型32以便对输入数据要求进行调整。因此，这里在检查68、虚拟感测模块28和数字模型32之间实施反馈流或反馈循环。[0189]在一些实施例中(并且如图2中通过图示的方式所示)，即使在不满足数字模型32的输入信息要求(例如，输入数据的误差高于所设置的阈值)的情况下，收集数据64仍然可以被传递到数字模型32(即，仍然允许数字模型使用收集数据)，并且数字模型32基于所接收的输入数据运行其模拟来生成输出信息。[0190]在任一种情况下，在程序或流程中的某个点处，数字模型32接收组合的收集数据64(物理传感器数据和虚拟传感器数据(如果生成了的话))，并且基于此来生成输出信息。[0191]将所生成的输出信息与所定义的输出信息要求和所记录的任何差异或不匹配进行比较(由箭头70指示)。像对输入数据检查68一样，可以根据差异的程度和所设置的最大误差阈值来计算误差信号。[0192]基于输出数据要求与所生成的输出数据之间的比较70，可以向虚拟感测模块28或物理感测模块26和/或数字模型32本身提供反馈。作为示例，基于该反馈，可以进一步调整可用物理传感器56的操作设置和/或可以改变由虚拟感测模块28生成的虚拟传感器数据，以便改善所生成的输出数据与输出信息要求之间的对应性。[0193]在一些示例中，来自输出信息检查70的反馈可以用于通知对输入数据要求的调整。例如，如上所述，基于检查70的结果，可以针对仍然满足输出信息要求的备选的一组输入信息要求来探测数字模型32，以便改善所生成的输出数据与所需输出数据之间的匹配。因此，可以在以下之间实施反馈流或循环：所生成的输出数据与定义的输出信息要求之间的比较70、收集数据64与输入数据要求之间的比较68、虚拟感测模块28和/或数字模型32，以便迭代地或递归地调整数据收集设置和参数以朝向最佳的所收集的数据的集合收敛以实现所需输出信息。可以在系统的这些各种部件和步骤之间实施学习机制，以便改善所生成的输出信息和输出信息要求之间的对应性，例如同时还考虑物理传感器的任何优化约束(如上所述)。[0194]因此，由数字模型32和虚拟感测模块28确定的输入信息要求控制和引导所采集的物理传感器数据和所生成的虚拟传感器数据的选择和规格。[0195]如上所述，处理器装置22(例如，处理器装置的虚拟感测模块28)被配置为确定可用物理传感器的操作设置以及要收集的虚拟数据的类型和用于计算虚拟传感器数据(来自物理传感器数据的处理)的算法或方法。如所讨论的，针对物理传感器的操作设置可以包括一整组可用物理传感器中的哪一个在给定时间是激活的和/或从它们收集的数据的速率。用于虚拟传感器数据收集的配置可以包括应用于处理物理传感器数据以实现虚拟传感器数据的算法或模型或关系。[0196]现在将讨论与物理传感器操作设置的确定和虚拟传感器数据生成的配置有关的一些示例特征和选项。[0197]根据一个或多个实施例，处理器装置22可以被配置为在特定的一个或多个物理传感器的激活和停用之间周期性地交替。例如，根据一个或多个实施例，可以由虚拟感测模块28生成特定的所需数据类型作为虚拟传感器数据，并且其中，等价物理传感器被周期性地重新激活以检查或证实正在生成的虚拟传感器数据仍然与真实物理量一致。如果不是，则可以更新或校正由虚拟感测模块使用的算法或关系。[0198]现在将关于使用数字模型32基于ppg读数和皮肤温度的输入导出生理应激的特定情况来概述这种情况的一个示例。尽管关于一个特定临床应用进行了描述，但这仅仅是为了便于解释，并且应当理解，作为该示例的基础的操作原理可以应用于任何期望的应用以实现相同或等同的优点。[0199]对于该示例，考虑数字模型32，其被配置为评估在发热运动期间的生理应激(即，生成在发热运动期间的生理应激作为输出信息)。数字模型32所需的两个输入(尤其)是皮肤温度和心率。[0200]作为示例，操作场景可以运行如下。[0201]在时间t0和t1之间，皮肤温度传感器和ppg传感器(两者都是物理传感器)已经以同步方式被激活，并且数字模型32已经使用这些信号来估计患者状况。而且在该时间期间，虚拟感测模块观察特定患者的ppg幅值与皮肤温度之间的关系，并且通过该关系检测和学习ppg幅值与患者特定的皮肤温度变化之间的相关性或传递函数。[0202]注意，红外ppg幅值变化与皮肤温度变化之间的联系在现场被很好地建立，并且这些参数可以是高度相关的，如图3中所示。对于红色ppg信号(即，亚红外波长)，类似的相关性也是可观察到的。线74示出了平均ppg幅值测量(y轴，左侧)与温度(x轴，℃)之间的趋势线。因此，虚拟感测模块28针对特定患者检测特定定量相关函数或它们之间的关系。[0203]图3中的线74示出了作为温度(x轴，℃)的函数的平均脉冲幅值(y轴，左)的趋势。在所图示的示例中，随着局部皮肤温度从34℃增加到45℃，观察到平均脉冲幅值(线74)几乎增加五倍。[0204]线76示出了作为温度(x轴，℃)的函数的逐搏脉冲幅值变化(y轴，右侧)的趋势。这对应于光电体积描记信号中的逐搏波动。在该示例中可以观察到，ppg信号随着温度增加而变得更稳定，导致更小的逐搏动幅值波动(变化在34℃和45℃之间从大约6.5％下降到大约1％)。这是因为，通过加热皮肤，血管床变得血管舒张，并且因此逐搏幅值波动更小。[0205]在时间t1和t2之间，运行试验或测试模式以基于学习到的从一个物理参数到另一个物理参数的传递函数来测试是否可以生成虚拟传感器数据来替换物理传感器中的一个。为此，在t1到t2期间，数字模型被控制为生成两个输出，输出1：使用物理ppg传感器和物理温度传感器作为输入，以及输出2：利用物理ppg传感器和使用学习的传递函数从ppg幅值变化导出的虚拟温度信号。[0206]比较输出1和输出2以查看其结果是否一致。出于该示例的目的，假设其结果是一致的，例如它们之间的任何差异在(定义的或接受的)误差容限内。[0207]在此之后，在时间t3处，虚拟感测模块28通过停用物理温度传感器来响应(例如，以节省功率或最小化由传感器引起的患者不适)。还可以向数字模型32提供物理温度传感器将被禁用的警报(例如，由虚拟感测模块28通信)。物理温度传感器在t3处被停用。[0208]在t4处，虚拟感测模块28重新激活物理皮肤温度传感器，并且数字模型32被控制为重新运行在时间[t1 t2]内执行的试验或测试模式，以验证虚拟传感器信号仍然可信。[0209]对于该示例，假设检查是肯定的。因此，在此之后，在t5处，物理温度传感器再次关闭。[0210]在t6处，再次重复在时间[[t1 t2]内执行试验或测试模式，以检查虚拟传感器估计和物理传感器读数之间的对应关系。应当注意，在一个实施例中，可以以规律的间隔执行安排的检查，并且任选地，其中，间隔频率根据患者的状况而改变。例如，对于不稳定的患者，检查频率可以相对高，即更频繁，并且对于更稳定的患者，检查频率可以更低，即更不频繁。[0211]在t6处执行的检查时，对于该示例，现在假设检查是否定的：物理和虚拟传感器输出不一致(利用物理和虚拟温度信号生成的数字模型32输出彼此不同)。因此，先前已经学习的(ppg与温度之间的)传递函数不再可靠(例如，这可能是由于患者状况或传感器功能或传感器使用的变化)。[0212]取决于差异的程度(即，误差)或由数字模型在[t5 t6]期间产生的临床输出的类型和性质，可以生成警报以通知临床医师t5和t6之间的数字模型输出可能不准确。[0213]继续该示例，在t7处，基于监测给定时间段内两个传感器的读数之间的关系来建立两个物理传感器的读数之间的新的传递函数。记录该新的传递函数以替换先前的传递函数。然后再一次关闭温度传感器。[0214]在t8处，温度传感器再次接通，并且再次执行[t1 t2]的试验或测试模式。t8可以被设置在t7之后定义的时间间隔，或可以基于预测或观察此时患者状况的变化(例如脱水或中暑)的数字模型来选择，所述变化从而触发皮肤温度传感器的重新激活。[0215]如上所述，关于物理传感器被选择为激活和停用的特定定时存在不同的选项。现在将讨论关于激活和去激活的定时的多个示例选项。[0216]如上所述，在一些示例中，物理传感器重新激活的频率(和伴随的准确性检查)可以至少部分地基于(过去、当前或预测的未来)患者状况。这可以例如由患者数字模型32确定或预测。[0217]根据一个或多个示例，物理传感器重新激活的频率可以至少部分地取决于物理传感器设置/规格或物理性质。例如，可以知道，在某个使用时段之后，通常发生信号值的漂移(例如，由于传感器中的温度升高)。在这种情况下，可以考虑这种已知行为，并且物理传感器的激活和停用被规划为使得漂移最小，同时确保可靠地监测患者。[0218]根据一个或多个示例，物理传感器重新激活的定时可以至少部分地基于在物理传感器数据中观察到的并且观察到与不可靠的虚拟传感器数据相关的信号特征或模式或指纹。例如，某些信号特征或模式或特征的组合的存在可以可靠地与对应的数据不可靠相关。在一些示例中，可以基于使用一个或多个机器学习算法来学习这些关系。[0219]根据一个或多个示例，物理传感器重新激活的定时可以至少部分地基于从虚拟传感器数据提取的信号特征。与上述内容类似，虚拟传感器信号特征可以被链接并用于确定激活安排。例如，如果虚拟感测模块在一段时间内估计更高的温度值，虽然已知对于特定患者，这样的值是非常不可能的，但是这可以触发物理传感器的立即激活。[0220]根据一个或多个示例，物理传感器重新激活的定时可以部分地基于用于从物理数据计算虚拟数据的特定算法。例如，如果检测到算法不能收敛到单个值(如机器学习中的情况)，或不满足已知可靠且鲁棒的算法操作所需的边界(或假定)条件，则作为响应，可以自动重新激活物理传感器。[0221]根据一个或多个示例，物理传感器重新激活的定时可以被严格地定义，例如被编纂在法律法规中或内部机构规章中。这些可以以计算机可读的形式存储，并且处理器装置可以参考这些来确定物理传感器激活定时。[0222]如上面简要讨论的，根据一个或多个实施例，虚拟感测模块28确定可用物理传感器的操作设置，并且这可以基于一个或多个优化准则。根据一个或多个有利的实施例，虚拟感测模块28在配置操作设置时使用的优化准则可以与检测到的患者状况的变化相关联，例如，如由数字孪生32确定。现在将讨论示例。[0223]可以考虑两种主要情况：(i)患者状况的改善，和(ii)患者状况的恶化。在这些情况中的每一种情况下可以应用不同优化准则。[0224]在患者状况改善的第一种情况下，(a)传感器的功率和寿命以及(b)人类对象的舒适度的优化准则可以被给予更多的权重：可以放宽用于高精度和高频监测的物理传感器的使用，并且一些物理测量可以由虚拟测量代替。这样的适应可以帮助改善传感器功能(例如，降低功耗并延长寿命)和患者的舒适度(例如，如果血压测量可以被停用并且血压可以基于其他测量(诸如在多个位置处执行的ppg测量)来推断)。[0225]在第二种情况下，当患者状况恶化时(或者当预期恶化时)，数字模型性能和鲁棒性以及输入数据质量和可靠性的优化准则可以被给予更多的权重。使用虚拟传感器来评价患者状况可能受到限制，并且替代地物理传感器可以被更普遍地使用。在不使用可用物理传感器的全部容量或全部集合的情况下使用虚拟传感器可以减少正在收集的数据的实际量，并且因此增加丢失信息的风险。因此，减少虚拟传感器的使用改善了所利用的数据的可靠性和鲁棒性。[0226]在这种情况下，虚拟传感器数据仍然可以被计算，但是可以例如主要用于评估或证实由物理传感器实时收集的信号的质量(例如，鲁棒性、准确性、一致性等)。[0227]例如，在一些情况下，可能的是，从多个不同的物理传感器源提取相同的物理信息。在这种情况下，虚拟传感器值可以用于比较不同的来源并消除冗余和重复的信号。例如，可以比较从不同来源导出的信息以评估物理传感器的质量。例如，从ppg、血压袖带和呼吸带传感器计算的血压和呼吸率可以彼此进行比较，以判断物理传感器数据是否保持可靠。[0228]还可能存在可以增加物理和虚拟传感器两者的使用的情况。例如，在基于数字模型输出观察到患者状况的新发展的情况下，虚拟感测模块28可以用于计算可以(至少暂时地)用于评价新观察到的状况的新信号。[0229]例如，可能出现向心力衰竭患者(正在使用她的心脏数字孪生对其进行监测)施用新药(例如赖诺普利)的情况。可以观察到(罕见的)副作用(例如小肠的血管性水肿)。在这种情况下，可以使用虚拟感测模块来生成使得能够监测副作用的新数据(通过处理物理传感器数据)，例如至少直到被专门设计为监测副作用的其他物理传感器可用。[0230]根据一个或多个示例，可以基于观察到的或预期的患者状况的改善(/恶化)来逐渐减少(/增加)物理(/虚拟)传感器的使用。[0231]示例临床案例是神经科学重症监护病房(icu)中的核心体温的测量。在这种情况下，需要非常准确的核心体温测量，因为高热会对大脑产生严重影响。对于危重患者，发热与更差的结果相关联。[0232]对于危重患者，一个非常准确(但侵入性)的温度传感器是肺动脉导管。这被认为是金标准，并且可以获得连续的温度测量。对于不太严重的患者，不太准确(+/-0.1°‑0.8℃)但仍有侵入性的温度传感器是膀胱温度传感器。对于普通患者，非侵入性但不太准确(+/-0.9℃-2.5℃)的温度传感器是鼓室温度传感器。[0233]作为示例，可能存在测量膀胱温度的情况。在此之后，虚拟感测模块28可以用于例如基于已知或观察到的两者之间的关系(例如，肺动脉导管温度～＝膀胱温度–0.2)，将测量结果校正为更符合肺动脉导管温度。在该示例中，数字模型32可以预测患者状况的预期恶化，并因此增加输入温度准确性要求，导致使用肺动脉导管来测量温度。[0234]根据一个或多个有利的实施例，处理器装置22可以被配置为执行检查程序，所述检查程序包括检查可从物理传感器获得的物理传感器数据的质量。[0235]对于一些物理传感器，为了实现高质量的传感器读数，在身体上的精确定位是重要的。例如，如果已知数字模型输出对信号质量的变化非常敏感，则执行检查程序以检查输入数据是否具有所需的最低质量可以是有利的。质量标准可以是由数字模型32初始确定的输入信息要求的一部分。[0236]在一些情况下，可以根据对信噪比的确定来容易地确定数据的质量。然而，在一些情况下，例如在潜在错位的传感器在传感器数据中引入均匀偏差的情况下，可能无法仅基于对信号的分析来确定质量。在这些情况下，可以使用其他信息来检查质量。[0237]例如，来自一些传感器的输出可以用于导出多于一个参数测量结果。这种冗余可以用于检查给定传感器的准确性。例如，如果数字模型32的输入信息要求需要传感器1具有高质量，那么虚拟感测模块28可以从传感器1提取第二信号(信号2)，并将此与来自第二传感器(传感器2)的信号2的物理传感器测量结果进行比较。该比较可以用于验证传感器1的可靠性。[0238]注意，通常，输入数据的质量要求可以静态地设置，即总是相同的，但是它们也可以变化，例如交替变化，例如取决于数字模型32模拟设置。[0239]在ppg传感器(传感器1)和温度传感器(传感器2)可用并且温度传感器的定位重要的示例使用情况下，可以从ppg数据提取温度(如上所述)并与来自温度传感器的真实值进行比较。任何检测到的差异可以用于量化温度传感器是否已经如预期的那样如数字模型32所需要的那样放置(或通常使用或正常工作)。[0240]另一示例使用情况是ppg传感器和呼吸系带的使用。呼吸数据可以从ppg数据提取，并且与测量的呼吸数据进行比较，以确定ppg传感器是否已经被准确地放置(或正在使用或正常工作)。[0241]根据一个或多个有利的实施例，虚拟感测模块28的功能可以由同一患者的另一数字孪生来实施。[0242]例如，主数字孪生32可以是患者的心脏的数字孪生，并且虚拟感测模块可以是患者的肺的数字孪生。在这种情况下，肺数字孪生的作用可以是通过生成可由心脏数字孪生使用的虚拟传感器数据来支持心脏数字孪生。[0243]因此，本发明的实施例使用连接到数字孪生的虚拟感测模块来驱动物理传感器的操作。通过使物理传感器的操作由虚拟传感器控制，可以最佳地利用物理传感器，而不损害传感器寿命和所收集的数据的质量。此外，通过融合来自不同类型的传感器的数据，可以计算新信息。数字孪生与虚拟传感器的交互使得能够根据数字孪生的需要来确定虚拟感测操作，从而通过改善使用数字孪生的临床医师的活动(诸如更快和更精确的诊断和处置)来促进实现对患者的更好护理。[0244]现有的虚拟感测定义(或应用)将虚拟传感器视为其能够处理和融合物理传感器数据以生成难以或不可能使用物理传感器直接测量的物理对象或物理对象的一部分(物理对象通常是结构，如建筑物或机器的一部分)的数据/信号的(基于ai或机器学习的)软件。还存在将由对象的数字孪生(诸如机器)计算的数据/信号描述为虚拟传感器信号的定义。所有这些定义可以被汇总为将虚拟传感器定义为对物理传感器信号进行后处理的软件。换句话说，所述关系是单向的，并且虚拟信号生成器不控制物理传感器的操作，而仅使用它。[0245]在本发明的实施例中，除了使用和处理物理传感器信号之外，还提供了双向交互，其中虚拟传感器还可以影响物理传感器操作。这种情况如何的确定依赖于数字孪生操作。控制物理传感器操作和定义控制设置的虚拟感测模块的方面(i)，基于(实时)数字孪生特性，或者(ii)，基于物理传感器特性，或者(iii)，(i)和(ii)的组合。[0246]通常，通过物理传感器监测患者，分析从传感器收集的数据，然并且后基于分析结果采取措施。示例措施可以是(i)患者相关的(例如，给药x)，或(ii)传感器相关的(例如，增加收集数据的采样频率)，或(iii)数据分析/用户接口相关的(例如，除了心率之外，开始显示/计算心率变异性)。所有这些动作都是反应性的，即基于历史。[0247]在循环中具有数字孪生使得能够预测未来的患者状态。例如，可以估计若干未来患者状况的可能性，诸如血压升高：0.7、心源性休克：0.6等。在预测潜在未来状况的情况下，可以采取对应的措施：(i)患者相关的：增加对患者的监测(更频繁地生成血液动力学休克预测)、增加传感器的数量等，(ii)物理传感器相关的：开始存储原始传感器数据，而不仅仅是经处理的数据，(iii)数据分析和用户接口相关的：使用虚拟感测来生成与估计状况相关的“虚拟”信号：例如，估计递送到(特定器官中的)身体组织的氧气量。[0248]氧气(o2)供应到身体组织的速率是心输出量(全身血流)和动脉氧含量的乘积。动脉o2含量是动脉血红蛋白浓度、血红蛋白o2饱和度和o2压力的函数。全身o2依赖于许多因素，诸如输送到肺、血液和循环系统的o2。此外，每个器官可以不同地响应以克服o2递送中的缺陷。[0249]在临床环境中，存在需要快速或非常快速的决策的情况(例如，当患者正在经历血液动力学休克时)。在这些紧急情况下，时间无疑是如何计算输出的主要决定因素。在患者稳定的情况下，输出的确定性变得更重要，并且时间变得不太重要。在时间和不确定性之间存在连续的权衡。[0250]通过甚至在收集所有物理传感器数据之前生成(估计)可能需要的相关信息(例如，如果数字孪生需要60s的温度数据，则可以经由虚拟传感器从前30s估计最后30s)，并且通过确保正确的输入被给予数字孪生，虚拟感测模块的使用可以积极地促进减少时间和不确定性。例如，为了实现更快的计算，临床医师可以选择降阶生物物理模型作为在数字孪生中运行的模型。现在，这种降阶模型的(输入)要求可能与全生物物理模型(略微)不同。但是问题是，根据全模型使用场景选择和操作物理传感器，这意味着仍然可以操作降阶模型，但是可能不是以最佳方式。已经更新了来自数字孪生的输入要求(由于生物物理模型变化)，虚拟感测模块可以“填充间隙”但生成新信号，或根据降阶模型的最佳需要来修改物理传感器信号。[0251]总之，虚拟感测模块的使用支持将物理传感器设置更快且更好地适合于预测的未来患者状态，并且适合于数字孪生的设置中的不同用途和(现场)修改。[0252]根据本发明的另一方面的示例还提供了一种方法。在图4中以框图形式示出了根据一个或多个实施例的示例方法80。[0253]该方法80包括访问84患者的解剖结构的至少部分的数字模型32，所述数字模型被配置用于基于对一组一个或多个模型输入参数的调整来模拟所述解剖结构的所述至少部分的物理状态，并且所述模型能提供与所述解剖结构的模拟物理状态有关的输出信息。[0254]该方法还包括根据所述数字模型32确定86用于提供给所述数字模型的所需的一组输入信息，以便从所述模型获得来自所述数字模型的特定的定义的一组输出信息。[0255]该方法还包括确定88来自物理患者传感器的物理传感器数据的当前可用源的指示。[0256]该方法还包括执行90所述所需的一组输入信息与物理传感器数据的所述可用源的比较。[0257]基于所述比较的结果，所述方法包括生成92a补充数据以补充或替换所述物理传感器数据，并且调整92b所述可用物理传感器的一个或多个操作设置，在任一种情况下以便改善所述可用数据与所述所需输入信息之间的匹配。[0258]可以根据上面针对本发明的装置方面(即，系统方面)提供的解释和描述来理解和解读上述步骤中的每一个的实施选项和细节。[0259]上面关于本发明的系统10的方面描述的任何示例、选项或实施例特征或细节可以应用或组合或并入到本发明的本方法方面中。[0260]例如，生成补充数据可以至少部分地基对于所接收的物理传感器数据的处理。然而，它可以备选地基于其他源。例如，它可以至少部分地基于先前获得的虚拟传感器数据。它可以基于用于估计某些类型的患者数据的一个或多个算法或方程或程序，例如以复制物理传感器数据，但不需要物理传感器操作。上面更详细地概述了这方面的各种选项。[0261]根据本发明的另一方面的示例还提供了一种包括代码装置的计算机程序产品，所述代码装置被配置为当在处理器上运行时，所述处理器与存储患者的解剖结构的至少部分的数字模型32的数据存储装置30通信地耦合，所述数字模型被配置用于基于对一组一个或多个模型输入参数的调整来模拟所述解剖结构的所述至少部分的物理状态，并且所述模型能提供与所述解剖结构的模拟物理状态有关的输出信息，执行根据上述任何示例或实施例或根据本技术的任何权利要求的方法。[0262]如上面所讨论的，本发明的实施例利用处理器装置22来执行数据处理。如所讨论的，处理器装置可以包括一个或多个处理器。这样的处理器可以利用软件和/或硬件以多种方式实施，以执行所需的各种功能。处理器通常采用一个或多个微处理器，所述一个或多个微处理器可以使用软件(例如，微代码)来编程以执行所需的功能。处理器可以被实施为执行一些功能的专用硬件和执行其他功能的一个或多个编程的微处理器和相关联的电路的组合。[0263]可以在本公开的各种实施例中采用的电路的示例包括但不限于常规微处理器、专用集成电路(asic)和现场可编程门阵列(fpga)。[0264]在各种实施方式中，处理器装置可以与一个或多个存储介质相关联，诸如易失性和非易失性计算机存储器，诸如ram、prom、eprom和eeprom。存储介质可以利用一个或多个程序来编码，所述一个或多个程序当在一个或多个处理器和/或控制器上运行时以所需的功能来执行。各种存储介质可以固定在处理器或控制器内，或者可以是可转移的，使得存储在其上的一个或多个程序可以加载到处理器中。[0265]本领域技术人员通过研究附图、公开内容以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。尽管特定措施是在互不相同的从属权利要求中记载的，但是这并不指示不能有利地使用这些措施的组合。如果上面讨论了计算机程序，它可以被存储/分布在合适的介质上，例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由互联网或其他有线或无线的电信系统。如果术语“适于”用于权利要求书或说明书中，应注意术语“适于”旨在相当于术语“被配置为”。权利要求中的任何附图标记都不应被解释为对范围的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!