[发明专利]生物电磁场中异常的机器判别

说明书

心脏、大脑和胃以及人体其他器官和组织中的电磁场异常可以指示严重的健康状况。本文描述了用于通过分析由器官或组织生成的电磁场来检测受试者的器官或组织中存在异常的方法、软件、系统和设备。

交叉引用

本申请要求2017年5月22日提交的美国临时专利申请号62/509,433的权益，其通过引用并入本文

背景技术

人和动物组织由于电流经过所述组织而与电磁场(EMF)相关联。例如，心磁图描记术(MCG)可用于检测与心脏相关联的EMF。例如，脑磁图描记术(MEG)可用于检测与大脑相关联的EMF。例如，胃磁图描记术(MGG)可用于检测与胃相关的EMF。在这样的电磁场中的异常可以指示严重的健康状况。

发明内容

心脏、大脑和胃以及人体其他器官和组织中的电磁场异常可以指示严重的健康状况。本文描述了用于分析EMF并基于由器官或组织生成的EMF来生成与个体的健康状况相关联的输出的设备、系统、方法和软件。

在本文所述的设备、系统、方法和软件的一些实施方式中，通过利用机器学习软件模块来鉴别受试者的器官或组织中的异常来实现对EMF的分析。

在一些实施方式中，使用EMF数据和包括其记录的与个体有关的数据以及与个体体内的器官和/或组织有关的数据来训练机器学习软件模块。异常数据包括器官或组织内是否存在异常，并且所述异常与任何已知的结果或相关疾病、病症或病况一起被鉴别。与个体有关的数据包括群体统计数据、医学图像数据、临床数据(例如，来自包括电子健康记录的健康记录)、编码数据和编码特征或来源于电磁场的指标。

EMF数据包括EMF测量和EMF测量的模拟。在一些实施方式中，本文所述的机器学习软件模块在EMF数据和对应的异常数据(即，对应于EMF数据)两者上训练，使得机器学习软件模块能够基于训练分析新的EMF数据并确定是否存在异常。此外，机器学习软件模块可以确定与检测到的异常相关的状况。

本文描述了通过分析由器官或组织生成的电磁场来检测受试者的器官或组织中存在异常的方法、软件、系统和设备。在一些实施方式中，EMF数据用于生成医学图像、临床数据和编码数据中的一个或多个。在这些实施方式中，医学图像数据、临床数据、编码数据和/或来源于EMF数据的其他特征或指标被用作训练机器学习算法的输入，该机器学习算法被配置为鉴别个体中存在异常。所述异常可以与感测EMF的器官或个体中的其他器官或系统有关。在一些实施方式中，机器学习算法被配置为确定或预测个体的异常评分。

本文描述了用于诊断个体中存在异常的方法、软件、系统和设备，包括：使用电磁场传感器来感测与个体相关联的电磁场数据，生成医学图像数据和/或临床数据和/或编码数据和/或使用EMF数据来源于所述数据的特征或指标，使用一个或多个医学图像和/或临床数据和/或来自EMF测量的编码数据和/或由上述数据计算出的任何特征或指标的已知患者数据库在训练阶段构造假设函数，以及使用训练阶段的构建的假设函数根据EMF测量和/或由一个或多个患者的以上所述数据计算出的任何特征或指标预测未知医学图像和/或临床数据和/或编码数据中异常的概率。

本文描述了用于诊断个体中存在异常的方法、软件、系统和设备，包括：使用电磁场传感器感测与个体相关联的电磁场数据，使用机器学习算法生成电磁场数据的分析，以及基于电磁场数据的分析确定个体中存在异常。