CN105246399B - 前导中风风险指标的检测 - Google Patents
前导中风风险指标的检测 Download PDFInfo
- Publication number
- CN105246399B CN105246399B CN201380076895.0A CN201380076895A CN105246399B CN 105246399 B CN105246399 B CN 105246399B CN 201380076895 A CN201380076895 A CN 201380076895A CN 105246399 B CN105246399 B CN 105246399B
- Authority
- CN
- China
- Prior art keywords
- video
- under inspection
- person under
- face
- impulse waveform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0013—Medical image data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Cardiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Vascular Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
此处一般性地描述了用于使用低成本的,非接触型视觉计算方法来检测前导中风风险指标的系统和方法的各实施例。在某些实施例中,视频摄像机被配置为捕捉待评估是否具有中风风险指标的受检者的脸的视频。提供了用于存储数据的存储器。处理器耦合到存储器,被配置为分析与由视频摄像机捕捉到的受检者的脸的视频相关联的已处理的图像数据。处理器进一步被配置为判断已处理的图像数据是否表现出颈动脉狭窄的前导指标。
Description
背景技术
从心脏,有两个颈动脉,它们在离开心脏之后分离并形成通过颈部的对称配置,以馈给脸和大脑的左侧和右侧。成人病人的中风的一种风险因素是存在叫做颈动脉狭窄的状况,即馈给大脑的血管的阻塞或缩窄。通常在血液到达脸之前,累积发生在内部和外部颈动脉在颈部发散处。
馈给大脑的血管的阻塞或缩窄倾向于随着时间的推移而累积,并会以两种方式导致中风。首先,可能会发生缺血性中风,其中,动脉中的血小板导致凝块随着时间的推移而堆积,直到凝块完全堵塞正常的血流,并使大脑丧失充氧血液。相比之下,血栓型脑中风涉及累积的凝块发生移动,并沿着血液前进,进一步进入大脑之内,直到它被堵塞在较小的血管中,并堵塞血流。
当前没有建议对于无症状的狭窄的预防性的筛选。然而,这会让病人处于危险之中,直到第一次发作。
附图简述
图1示出了根据一实施例的颈动脉;
图2a-c示出了根据一实施例的颈内动脉和颈外动脉的分开;
图3示出了根据一实施例的用于颈动脉狭窄的初步标识的方法的流程图;
图4示出了根据一实施例的面部视频捕捉;
图5示出了根据一实施例的受检者的脸的所感兴趣的两个区域;
图6示出了根据一实施例的导出由健康的人的心搏动所引起的脉冲波形的示例;
图7示出了根据一实施例的由遇到狭窄状况的人的心搏动所引起受检者的脉冲波形;
图8是根据一实施例的经过处理的脉冲波形的详细视图;
图9示出了根据一实施例的用于检测颈动脉狭窄的前导指标的系统;以及
图10示出了根据一实施例的用于使用低成本的非接触视觉计算方法来检测前导中风风险指标的示例机器的框图。
具体实施方式
此处所描述的各实施例允许对可能会导致颈动脉狭窄的颈动脉中的早期的累积的标识。早期检测使受检者,诸如病人、形成自我评价的人,正在由另一个人评估的某人,等等,在受检者遇到脑血管发病(通常被称为中风)之前,去看医生,进行验证。受检者可能不会表现出将把他们置于中风的危险之中的任何其他症状。如此,根据一实施例的过程允许以可忽略的成本对中等到严重的狭窄的非侵入性的标识。对中等到严重的狭窄的标识是中风的前导指标。在保健领域,前导指标涉及一般在某种其他现象之前发生的,并有助于预测较晚发生的现象的现象,例如,高胆固醇对于心脏病发作。这样的前导指标用于预测疾病和/或医学状况的可能性。相应地,通过对受检者的脸的相对的两侧之间的脉冲相移的视频检测来对颈动脉狭窄的检测可以被用作中风的风险指标。通过使用非侵入性的技术来标识中等到严重的狭窄,用户能够在发生中风事件之前标识潜在地严重的状况。
不存在由受检者报告的中风或其他事件的情况下,例如,脸、臂或腿的突然麻木或衰弱,特别是在身体的一侧、意识模糊、说话或理解障碍、一只或两只眼睛看东西障碍、行走障碍、眩晕、平衡或协调丧失,没有已知的原因的剧烈头痛,等等,对于无症状的狭窄的预防性的筛选当前不是被推荐的过程。在没有预防性的筛选的情况下,潜在的中风受害者处于危险之中,直到他们的第一次发作发生:美国(US)预防性的服务特别工作组当前建议对于没有表现出任何其他警告标志的受检者中的狭窄的预防性的筛选。这意味着,否则可诊断的状况会是持续的,只有在发生第一次中风事件之后被检查到。此处所描述的各实施例提供允许以可忽略的成本对中等到严重的狭窄的侵入性的标识的方法,由此,警告用户在发生中风事件之前检查潜在地严重的状况。
图1示出了颈动脉100。在图1中,头部的两个半部各自由它们自己的颈动脉馈送,例如,左总颈动脉110和右总颈动脉112。左颈动脉110和右总颈动脉112各自都被分成颈内动脉120,122和颈外动脉130,132。颈内动脉120,122向大脑140提供血流。颈外动脉130,132向脸142提供血流。
左总颈动脉110和右总颈动脉112具有独立的发展狭窄状况的风险。此外,还可能在一侧有狭窄,但在另一侧没有。如果在一侧发生累积,当与可能不堵塞的另一侧相比时,该阻塞的下游将会有显著非对称的心搏动。
图2a-c示出了根据一实施例的颈内动脉和颈外动脉的分开。图2a示出了通向大脑212和脸214的右总颈动脉210。左总颈动脉(在图2a-c中未示出)和/或右总颈动脉210的累积通常发生在颈内动脉220和颈外动脉230分开的位置,例如,在血液到达大脑212和脸214之前在颈部分叉的位置。
图2b示出了总颈动脉210的近视图。在图2b中,总颈动脉210分成颈内动脉220和颈外动脉230。图2b示出了从总颈动脉210到颈内动脉220和颈外动脉230的正常的血流250。
图2c示出了总颈动脉210中的累积260。累积260被示为沿着总颈动脉210的外壁270、272。还在总颈动脉210分叉到颈内动脉220和颈外动脉230的总颈动脉分叉240处示出了累积260。作为总颈动脉的外壁270、272以及在总颈动脉分叉240处的累积260的结果,血流280被示为减少进入颈内动脉220和颈外动脉230中的每一个中。然而,所属领域的技术人员将认识到,累积可能会影响颈内动脉220或颈外动脉230,而不会影响另一个。
图3示出了根据一实施例的用于颈动脉狭窄的初步标识的方法300的流程图。在图3中,在框310,从聚焦于受检者/用户的脸的摄像机捕捉视频。在框320中,在摄像机的帧中标识受检者的脸。在框330中,对来自受检者的脸的左侧以及来自受检者的脸的右侧的数据执行图像处理。在框340中,判断是否有将表示阻塞的显而易见的不对称性,例如,脸的两个半部之间的脉冲的时移。如果没有检测到显而易见的不对称性342,则在框350中,不报告狭窄风险检测结果。然而,如果检测到显而易见的不对称性344,则在框360中,报告产生了严重的狭窄风险,并受检者可去看医生以便验证。
此处所描述的涉及对来自受检者的脸的左侧以及右侧的图像数据的处理不旨在是限制性的。相反,所属领域的技术人员将认识到,可以使用额外的方法来判断血流活动是非对称的。例如,脉冲波活动的其他特征可能是更好的指标,其特征在于,代替在一侧延迟明显,可以同时检测到一种波形的振幅,但是,可以确定一个脉冲较小,由此,可以检测到脸的一侧的脉冲效应较弱。相应地,对时移的标识只是确定不对称性的一种方法。
图4示出了根据一实施例的面部视频捕捉400。受检者412的脸410被示为在摄像机的帧420中被标识。通过使用视觉计算技术,可以检测到一个颈动脉中的狭窄状况,并可以生成让用户去看医生进行验证以及治疗的警告。通过使用基于摄像机的方法来监视向脸412的血流,可以标识脉冲峰值时间中的警告性的差异,这将指出向脸的一侧供血的颈动脉中的狭窄状况。
图4还示出了用于导出由通过跟踪当新鲜血液到达皮肤表面时导致的微小的颜色起伏所成像的人的心搏动所引起的脉冲波形430的脸412的视频。可以对受检者的脸的视频流执行后处理,以标识受检者的面部脉冲432。在图4中,X轴440是时间,Y轴442是非常小的颜色强度起伏的量,该量围绕受检者的皮肤的平均颜色振荡。
图5示出了具有根据一实施例的所示出的脸500的所感兴趣的两个区域的受检者。在图5中,受检者512的脸510被示为在受检者的脸510的右侧的摄像机的左帧520中以及在受检者的脸510的左侧的摄像机的右帧522中被标识。相应地,可以导出相异的脉冲波530,即,与受检者512的脸522的左侧相关联的左脉冲波形532,以及与受检者512的脸520的右侧相关联的右脉冲波形534。通过利用颈动脉的对称的本质(在很大程度上)在从主动脉分叉之后独立地表现,可以记录独立波形,并观察是否有将指出沿着它们的路径中的某处的阻塞的任何不对称性。
在大脑内,在左和右部颈内动脉结构之间有链接,被称为“威利氏环”。威利氏环的一个功能是在此处所描述的狭窄的情况下提供尝试重新分布血流的冗余。然而,此处所描述的各实施例不会使威利氏环的效果打折扣。相反,当狭窄明显时,威利氏环从未受影响的动脉重新分布血流的能力可能不足以防止病人的中风。尽管如此,由于此处所描述的各实施例处理预防性的筛选,威利氏环如何良好地执行其功能无关紧要。在任何情况下,威利氏环都是具体地链接颈内动脉的结构。向脸供血并如此导致波形被监视的颈外动脉不会被链接,如此,独立地表现。
图6示出了根据一实施例的导出由健康的人600的心搏动所引起的脉冲波形的示例。在图6中,受检者612的脸610被示为在受检者的脸610的右侧的摄像机的左帧620中以及在受检者的脸610的左侧的摄像机的右帧622中被标识。再次,可以导出相异的脉冲波630,即,与受检者612的脸622的左侧相关联的左脉冲波形632,以及与受检者612的脸620的右侧相关联的右脉冲波形634。
在健康的受检者中,每一个脉冲都将基本上同时到达脸的两侧,如此,在两个脉冲波形632、634的峰值650、652或峰值660、662之间没有明显的时移。相应地,左侧脉冲波形632的相位与右脉冲波形634的相位同步。然而,本领域技术人员将认识到,峰值,例如,峰值650、652或峰值660、662可以表现出微小且可忽略的相移,因此,可能不能完美地同步。这样的微小的差异可能是由于受检者的组织构造、各种系统容差等等而造成的。
图7示出了根据一实施例的由经历狭窄状况700的人的心搏动所引起受检者的脉冲波形。在图7中,受检者712的脸710被再次示为在受检者的脸710的右侧的摄像机的左帧720中以及在受检者的脸722的左侧的摄像机的右帧722中被标识。再次,可以导出相异的脉冲波730,即,与受检者712的脸722的左侧相关联的左脉冲波形732,以及与受检者712的脸720的右侧相关联的右脉冲波形734。
处理左脉冲波形732和右脉冲波形734,以测量第一脉冲波形732的峰值750和第二脉冲波形734的峰值752之间的时移/相移780。如图7所示,左脉冲波形732早于右脉冲波形734达到峰值。在图7中,左脉冲波形732正在引导右脉冲波形734。此时移/相移780是馈给脸710的一侧的动脉中的阻塞所导致的。如此,当脉冲波形732、734之间的相移780大于额定值时,可以确定表现出颈动脉狭窄的前导指标。如上文所提及的,峰值,例如,峰值750、752或峰值760、762,可以表现出微小且可忽略的相移,因此,可能由于各种因素、诸如受检者的组织构造,各种系统容差,等等,不能完美地同步。如此,可以将相移780与表示颈动脉狭窄的预定值进行比较。当相移780大于预定值时,标识为表现出了颈动脉狭窄的前导指标。例如,在图7中,相移780大致是5帧。然而,可以确定用于标识表现出颈动脉狭窄的前导指标的预定值为0.1帧、0.75帧、1帧,2帧,等等。可以通过对颈动脉狭窄数据的统计分析,导出预定值,并随着时间的推移,对其进行细化。如此,在图7中,如果用于标识表现出颈动脉狭窄的前导指标的预定值被设置为2帧,则大致5帧的相移780将被标识为指出颈动脉狭窄。
图8是根据一实施例的经过处理的脉冲波形800的详细视图。可以对左脉冲波形和右脉冲波形应用诸如交叉关联之类的共同的信号处理技术,以产生经过处理的波形,以标识是否有不对称性,例如,两个脉冲事件之间的非零时间延迟。
交叉关联是这样的操作:以不断增大的偏移系列,比较两个信号,例如,多次移动一个信号的开始相对于另一个信号的起始位置的起始x值,量不断增大,然后,确定它们是如何相似的值。如此,图8示出了相似度值(即,垂直轴)对偏移(即,横轴)的量的所产生的曲线。
在比较两个正弦信号的特殊情况下,它们的所产生的交叉关联还将作为正弦结束,因为随着两个信号偏移越来越多,它们的峰值最终将再次对齐,它们的相似度测量将再次达到峰值。随着偏移增大,它们的相似度将缩小,并下降,直到信号完全是反相位,但是,一旦偏移足够,以让下一组峰值对齐,将再次增大。
在图8中,波形880是对来自图6的两个波形(即,健康的情况)执行交叉关联操作的结果。由于它们开始时它们的峰值对齐,因此,它们将在偏移=0(标为“t”)时具有最大相似度峰值882。
相比之下,标记为890的波是交叉关联类似于图7中所示出的那些(即,不健康的情况)的波形的结果。在信号的峰值完全对齐之前(通过峰值892来表示),偏移被引入到其中一个信号中。如图8所示,偏移898,t=27帧894的量,标识在两个信号(例如,与脸的左侧相关联的波形和与脸的右侧相关联的波形)之间存在多少时移。
图9示出了根据一实施例的用于检测颈动脉狭窄的前导指标的系统900。系统900包括视频捕捉设备910。捕捉设备910可以由诸如病人、保健师、朋友、亲戚等等之类的用户930操作。用户930可以是受检者本地的或远离受检者。捕捉设备910可包括处理器912、存储器914、视频摄像机916、本地视频处理设备918和收发器920。视频摄像机916可以聚焦于受检者的脸,如上文所描述的。受检者可以根据需要定向包括视频摄像机916的捕捉器设备910,或本地的用户930可以定向捕捉器设备910和视频摄像机924。当用户930远离时,用户930可以通过扬声器922向受检者提供音频指令,以帮助定向捕捉设备910和视频摄像机916。
一旦视频摄像机916捕捉了视频并且捕捉到的视频924存储在存储器914中,处理器912就可以启动由视频处理设备918本地对捕捉到的视频924的视频处理,或可以将存储器914中的捕捉到的视频924发送到远程视频处理设备950。收发器920可以通过因特网、蜂窝通信网络或另一种类型的通信网络960与远程视频处理设备950进行通信。远程视频处理器950和/或本地视频处理设备918可以提供与对捕捉到的视频924的处理相关联的数据,以便可以通知受检者,已经检测到颈动脉狭窄事件,或没有检测到颈动脉狭窄事件。例如,处理器912可以被配置为测量与受检者的脸的右侧的视频相关联的第一脉冲波形的峰值和与受检者的脸的左侧的视频相关联的第二脉冲波形的峰值之间的相移。处理器912可以被配置为当第一脉冲波形和第二脉冲波形之间的相移超出预定值时确定表现出颈动脉狭窄的前导指标。
如上所述,由于美国预防性的服务特别工作组没有对于颈动脉狭窄建议预防性的筛选,因此,常常会发生这样的情况:这种状况直到受检者发作第一次中风事件(希望是微小并且简短)之前保持未被诊断。由局部缺血(即,无血流)所引起的瞬时的神经机能障碍被称为暂时性缺血性发作。暂时性缺血性发作通常以视觉的临时丧失或言语不清为特征,还有其他症状。
图9还示出了医疗设备970,用户可以使用医疗设备970的诊断设备972来获得比较详细的医疗诊断。此时,医疗服务提供商可以使用诊断设备972,例如,双工超声波,磁共振成像(MRI),等等,来分析左和右颈动脉的内部结构,以判断在一个或另一个颈动脉中是否有阻塞。此后,在检查由医疗设备970的诊断设备972所提供的诊断报告之后,可以由医生开处方进行治疗,以防止第二次发作。
通过使用此方法,当视频摄像机916可以捕捉受检者的脸的视频时,可以在家或潜在地任何地方标识未能诊断的状况。由于系统使用常见的网络摄像头,因此,可以以可忽略的费用分发系统,或者甚至,将其嵌入到启用摄像机的移动设备中。受检者可以周期性地使用系统来预防性地检查他们自己或他们爱的人。
视频处理设备918,950可能会生成假阳性状况,即,当系统报告不实际存在的狭窄状况时。然而,假阳性状况很少,因为这种情况将由于某种原因涉及受检者在他们的脸的两侧具有由于某种原因不是由狭窄导致的非常不同的脉冲活动。视频处理设备918,950还可能会生成假阴性状况,即,当系统没有成功地报告受检者实际具有的狭窄状况时。然而,这将不会将受检者置于比他们否则所处的更大风险中,因为医生通常不会测试在无症状的受检者中是否有状况。相应地,根据一实施例的系统900被视为能够标识明显的狭窄风险的早期预警工具。
例如,亲戚或保健师,例如,用户930,可能拜访受检者,或用户930可能使用SkypeTM或另一种视频通信模块940来联络回家的受检者。这样的联络可以基于受检者抱怨在受检者的脸的一侧有某种虚弱和麻木,或者可以是例行检查的一部分。当用户930拜访受检者时,亲戚/保健师使用该系统来获得传入的视频馈送并捕捉短视频,供进行处理。如果用户930将与受检者进行远程联系,则用户930可以让受检者坐在膝上型计算机或其他视频捕捉设备910的正面,同时用户930操作该系统以捕捉受检者的视频。系统900可以生成在心搏中在受检者的脸的两侧之间有明显的不对称性的报告,建议去看医生进行进一步的检查。在医生的办公室,医生能够快速地验证受检者的明显的阻塞,并开处方以防止进一步的累积。可另选地,在更严重的情况下,医生可以安排手术,以清除阻塞,如此,避免意外的中风的风险。
视频处理设备918可以标识脸的两侧之间的脉冲活动中的差异。对系统900的校准可以通过生成其中存在不对称性的示例视频馈送来实现,例如,脸的一半已经延迟若干个帧,并向视频处理设备918呈现视频馈送。当给视频处理设备918供应此经过修改的视频作为输入时,将检测到狭窄状况。
图10示出了根据一实施例的用于使用低成本的,非接触型视觉计算方法来检测引导中风风险指标的示例机器1000的框图,在其上可以执行此处所讨论的技术(方法)中的任何一个或更多。在替换实施例中,机器1000可以作为独立设备来操作或可以连接到(例如,联网)到其他机器。在联网的配置中,机器1000可以在服务器-客户端网络环境中以服务器机器、和/或客户端机器的身份来操作。在一个示例中,机器1000可以充当对等(P2P)(或其他分布式)网络环境中的对等机器。机器1000可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、web设备、网络路由器、交换机或桥接器或执行指定要由该机器所采取的动作的指令(顺序地或以别的方式)的任何机器。进一步地,尽管只示出了单个机器,但是,术语“机器”也应该被视为包括分别地或联合地执行一组(或多组)指令以执行此处所讨论的方法中的任何一个或多个(诸如云计算、作为服务的软件(SaaS)、其他计算机集群配置)的机器的任何集合。
示例,如此处所描述的,可包括逻辑或许多组件、模块,或机制,或可以对它们进行操作。“模块”是独立的功能组件。可以使用硬件、软件、固件或其任何组合来实现模块。软件模块是执行特定任务或实现特定抽象数据类型的软件组件和数据结构的集合。硬件实现的模块是能够执行某些操作的有形的单元,并可以以某一方式配置或排列。在示例实施例中,一个或多个计算机系统(例如,独立,客户端或服务器计算机系统)或一个或多个处理器可以通过软件(例如,应用或应用的一部分)作为操作以执行如此处所描述的某些操作的硬件实现的模块来配置。
在一个示例中,一个或多个计算机系统(例如,独立,客户端或服务器计算机系统)的至少一部分或一个或多个硬件处理器1002可以通过固件或软件(例如,指令、应用的一部分,或应用)作为操作以执行指定的操作的模块来配置。在一个示例中,软件可以驻留在至少一个机器可读的介质上。在一个示例中,软件,当由模块的底层硬件执行时,导致硬件执行指定的操作。
相应地,术语“模块”被理解为包含有形的实体,只要该实体是在物理上构建的,专门配置的(例如,硬连线),或临时(例如,短暂地)配置的(例如,编程的)以指定的方式操作或执行此处所描述的任何操作中的至少一部分的实体。考虑模块是临时配置的示例,模块不必在任何一个时刻实例化。例如,在模块包括使用软件配置的通用硬件处理器1002的情况下,通用硬件处理器可以在不同的时间被配置为相应的不同的模块。软件可以相应地配置硬件处理器,例如,以在时间的一个实例构成特定模块并在时间的不同的实例构成不同的模块。术语“应用”,或其变体,此处在广义上使用,以包括例程、程序模块、程序,组件等等,并可以在各种系统配置上实现,包括单处理器或多处理器系统、基于微处理器的电子器件、单核或多核系统,其组合,等等。如此,术语“应用”可以被用来指被配置为执行此处所描述的任何操作的至少一部分的的软件或硬件的实施例。
机器(例如,计算机系统)1000可包括硬件处理器1002(例如,中央处理单元(CPU)、图形处理单元(GPU)、硬件处理器核,或其任何组合)、主存储器1004和静态存储器1006,这些中的至少一些可以通过连结(例如,总线)1008与其他组件进行通信。机器1000还可以包括显示单元1010、字母数字输入设备1012(例如,键盘),以及用户接口(UI)导航设备1014(例如,鼠标)。在一个示例中,显示单元1010、输入设备1012以及UI导航设备1014可以是触摸屏显示器。机器1000可以另外包括存储设备(例如,驱动单元)1016、信号生成设备1018(例如,扬声器),网络接口设备1020,以及一个或多个传感器1021,诸如全球定位系统(GPS)传感器、罗盘、加速度计,或其他传感器。机器1000可以包括输出控制器1028,诸如串行(例如,通用串行总线(USB)、并行,或其他有线或无线(例如,红外线(IR))连接以进行通信或控制一个或多个外围设备(例如,打印机、读卡器、等等)。
存储设备1016可以包括至少一个机器可读取的介质1022,在其上面存储了一组或多组实现了或用于此处所描述的技术或功能中的任何一个或多个数据结构或指令1024(例如,软件)。指令1024还可以在由机器1000执行过程中至少部分地驻留在诸如主存储器1004、静态存储器1006内,或在硬件处理器1002之类的额外的机器可读的存储器内。在一个示例中,硬件处理器1002、主存储器1004、静态存储器1006,或存储设备1016中的一个或任何组合可以构成机器可读的介质。
尽管机器可读取的介质1022被示为单个介质,但是术语“机器可读的介质”可包括被配置用于存储一个或多个指令1024的单个介质或多个介质(例如,集中式或分布式数据库,和/或相关联的缓存和服务器)。
术语“机器可读取的介质”可包括能够存储、编码或携带由机器1000执行的并且使机器1000执行本发明的技术中的任何一个或多个的指令,或能够存储、编码或携带这样的指令所使用的或与这样的指令相关联的数据结构的任何有形的介质。非限制性的机器可读的介质示例可以包括固态存储器,以及光学以及磁性介质。机器可读取的介质的具体示例可包括:非易失性存储器,诸如半导体存储器设备(例如,电可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM))以及闪存设备;磁盘,诸如内部硬盘以及可移动磁盘;磁光盘;以及CD-ROM以及DVD-ROM光盘。
还可以进一步使用传输介质,通过网络接口设备1020,使用若干个传输协议中的任何一种,通过通信网络1026传输或接收指令1024。示例通信网络可包括局域网(LAN)、广域网(WAN)、分组数据网络(例如,因特网)、移动电话网络((例如,信道访问方法,包括码分多址(CDMA)、时分多址(TDMA)、频分多址(FDMA),以及正交频分多址(OFDMA),以及蜂窝网络,诸如全球移动通信系统(GSM)、全球移动通信系统(UMTS)、CDMA 2000 1x*标准,以及长期演进(LTE))、普通老式电话业务(POTS)网络,以及无线数据网络(例如,电气与电子工程师学会(IEEE)802系列标准,包括IEEE 802.11标准(WiFi)、IEEE 802.16标准及其他)、对等(P2P)网络,或现在已知或以后开发的其他协议。
例如,网络接口设备1020可以包括连接到通信网络1026的一个或多个物理插孔(例如,以太网、同轴,或耳机塞孔)或一个或多个天线。在一个示例中,网络接口设备1020可包括使用单输入多输出(SIMO)、多输入多输出(MIMO),或多输入单输出(MISO)技术中的至少一个,以无线方式进行通信的多个天线。术语“传输介质”应该被视为包括能够存储、编码或携带由机器1000执行的指令,并包括数字或模拟通信信号的任何无形的介质或促进这样的软件的传递其他无形的介质。
附加的注意事项与示例:
示例1可包括主题(诸如设备、装置、客户端或系统),包括被配置为捕捉待评估是否具有中风风险指标的受检者的脸的视频的视频摄像机,用于在其中存储数据的存储器,以及耦合到存储器的处理器,处理器被配置为处理所述受检者的脸的所述视频,以产生与所述受检者的脸的右侧的脉冲相关联的第一脉冲波形,并产生与所述受检者的脸的左侧的脉冲相关联的第二脉冲波形,所述处理器进一步被配置为分析所述第一和第二脉冲波形,以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标。
示例2可以可任选地包括示例1的主题,进一步包括本地视频处理设备,所述本地视频处理设备被配置为对由所述视频摄像机捕捉到的所述受检者的脸的所述视频进行图像处理,以产生所述第一和第二脉冲波形。
示例3可以可任选地包括示例1或2的主题,进一步包括收发器,所述收发器被配置为将由所述视频摄像机捕捉到的所述受检者的脸的所述视频转发到远程视频处理设备,所述远程视频处理设备对所述受检者的脸的所述转发的视频进行图像处理,以产生所述第一和第二脉冲波形,并将所述第一和第二脉冲波形转发到所述处理器。
示例4可以可任选地包括示例1-3中的一个或多个的主题,其中,存储器被配置为存储捕捉到的视频。
示例5可以可任选地包括示例1-4中的一个或多个的主题,其中,第一以及第二脉冲波形包括已处理的图像数据。
示例6可以可任选地包括示例1-5中的一个或多个的主题,其特征在于,所述处理器进一步被配置为标识与所述受检者的脸的右侧相关联的所述第一脉冲波形的用于检测颈动脉狭窄的第一特征,并标识与所述受检者的脸的左侧相关联的所述第二脉冲波形的用于检测颈动脉狭窄的第二特征。
示例7可以可任选地包括示例1-6中的一个或多个的主题,其中,第一特征是受检者的脸的右侧的第一脉冲波形的峰值,第二特征是受检者的脸的左侧的第二脉冲波形的峰值,处理器被配置为测量第一脉冲波形的峰值和第二脉冲波形的峰值之间的相移,并当所述相移超出预定值时确定表现出颈动脉狭窄的所述前导指标。
示例8可以可任选地包括示例1-7中的一个或多个的主题,其特征在于,由所述处理器处理所述第一和第二脉冲波形,以交叉关联所述第一和第二脉冲波形,以标识所述第一和第二脉冲波形之间的相似度,用于判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标。
示例9可以可任选地包括示例1-8中的一个或多个的主题,其中,视频摄像机通过视频通信模块向远程用户提供视频数据。
示例10可以可任选地包括示例1-9中的一个或多个的主题,进一步包括扬声器,其中,远程用户使用所提供的视频数据来通过扬声器向受检者提供音频指令。
示例11包括下列主题(诸如用于执行下列动作的方法或装置):在视频捕捉设备中,捕捉待评估是否显示出颈动脉狭窄的前导指标的受检者的脸的视频,由视频图像处理器,处理所述受检者的脸的所述视频,以产生与所述受检者的脸的右侧的脉冲相关联的第一脉冲波形,并产生与所述受检者的脸的左侧的脉冲相关联的第二脉冲波形,分析所述第一和第二脉冲波形,以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标,以及,当对所述第一和第二脉冲波形的所述分析被判断为表现出颈动脉狭窄的所述前导指标时,生成指出检测到狭窄风险的报告,并建议所述受检者去看医生以便验证。
示例12可以可任选地包括示例11的主题,进一步包括,在所述受检者本地,对所述捕捉到的视频进行图像处理,以产生所述第一和第二波形。
示例13可以可任选地包括示例11或12的主题,进一步包括,从所述视频捕捉设备,向远程视频处理设备传输所述受检者的脸的所述捕捉到的视频,在所述远程视频处理设备上对所述受检者的脸的所述捕捉到的视频进行图像处理,以产生所述第一和第二脉冲波形,以及,向所述视频捕捉设备传输所述第一和第二脉冲波形。
示例14可以可任选地包括示例11-13中的一个或多个的主题,进一步包括在视频捕捉设备中的存储器中存储捕捉到的视频。
示例15可以可任选地包括示例11-14中的一个或多个的主题,其特征在于,所述捕捉所述受检者的脸的所述视频包括捕捉所述受检者的脸右侧和左侧的视频。
示例16可以可任选地包括示例11-15中的一个或多个的主题,其中,分析第一和第二脉冲波形以判断受检者的脸的视频是否表现出颈动脉狭窄的前导指标进一步包括:标识所述受检者的脸的右侧的所述第一脉冲波形的峰值,标识所述受检者的脸的左侧的所述第二脉冲波形的峰值,测量所述第一脉冲波形的所述峰值和所述第二脉冲波形的所述峰值之间的相移,并当所述相移超出预定值时确定表现出颈动脉狭窄的所述前导指标。
示例17可以可任选地包括示例11-16中的一个或多个的主题,其中,分析第一和第二脉冲波形以判断受检者的脸的视频是否表现出颈动脉狭窄的前导指标进一步包括:处理所述第一和第二脉冲波形,以交叉关联所述第一脉冲波形与所述第二脉冲波形,以标识所述第一和第二脉冲波形之间的相似度,以便判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标。
示例18可以可任选地包括示例11-17中的一个或多个的主题,进一步包括通过视频通信模块将来自所述视频捕捉设备的视频数据提供到远程用户,基于通过所述视频通信模块被提供给所述远程用户的所述视频数据,通过扬声器,将音频指令提供到所述受检者。
示例19可包括主题(诸如用于执行动作的装置或包括指令的机器可读的介质,所述指令,当由机器执行时,导致机器执行动作),包括:在视频捕捉设备中,捕捉待评估是否显示出颈动脉狭窄的前导指标的受检者的脸的视频,由视频图像处理器,处理所述受检者的脸的所述视频,以产生与所述受检者的脸的右侧的脉冲相关联的第一脉冲波形,并产生与所述受检者的脸的左侧的脉冲相关联的第二脉冲波形,分析所述第一和第二脉冲波形,以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标,以及,当对所述第一和第二脉冲波形的所述分析被判断为表现出颈动脉狭窄的所述前导指标时,生成指出检测到狭窄风险的报告,并建议所述受检者去看医生以便验证。
示例20可以可任选地包括示例19的主题,进一步包括,在所述受检者本地,对所述捕捉到的视频进行图像处理,以产生所述第一和第二波形。
示例21可以可任选地包括示例19或20中的一个或多个的主题,进一步包括:从所述视频捕捉设备,向远程视频处理设备传输所述受检者的脸的所述捕捉到的视频,在所述远程视频处理设备上对所述受检者的脸的所述捕捉到的视频进行图像处理,以产生所述第一和第二脉冲波形,以及,向所述视频捕捉设备传输所述第一和第二脉冲波形。
示例22可以可任选地包括示例19-21中的一个或多个的主题,其特征在于,所述捕捉所述受检者的脸的所述视频包括捕捉所述受检者的脸右侧和左侧的视频。
示例23可以可任选地包括示例19-22中的一个或多个的主题,其中,分析第一和第二脉冲波形以判断受检者的脸的视频是否表现出颈动脉狭窄的前导指标进一步包括:标识所述受检者的脸的右侧的所述第一脉冲波形的峰值,标识所述受检者的脸的左侧的所述第二脉冲波形的峰值,测量所述第一脉冲波形的所述峰值和所述第二脉冲波形的所述峰值之间的相移,并当所述相移超出预定值时确定表现出颈动脉狭窄的所述前导指标。
示例24可以可任选地包括示例19-23中的一个或多个的主题,其中,分析第一和第二脉冲波形以判断受检者的脸的视频是否表现出颈动脉狭窄的前导指标进一步包括:处理所述第一和第二脉冲波形,以交叉关联所述第一脉冲波形与所述第二脉冲波形,以标识所述第一和第二脉冲波形之间的相似度,以便判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标。示例25可以可任选地包括示例19-24中的一个或多个的主题,进一步包括通过视频通信模块将来自所述视频捕捉设备的视频数据提供到远程用户,基于通过所述视频通信模块被提供给所述远程用户的所述视频数据,通过扬声器,将音频指令提供到所述受检者。
上述详细描述包括对构成详细描述的一部分的各个附图的引用。附图作为说明来示出可以被实施的特定的实施例。这些实施例此处还被“示例”。这样的示例还可包括除所示出的或所描述的那些之外的元件。然而,包括所示出的或所描述的元件的示例也是可以的。此外,使用所示出的或所描述的那些元件(或其一个或多个方面)的任何组合或置换,相对于特定示例(或其一个或多个方面),或相对于此处所示出的或所描述的其他示例(或其一个或多个方面)也是可以的。
在本文中所引用的出版物、专利,及专利文件全部并入本文中,作为参考,好像被分别地包括作为参考。在在本文档和那些作为参考包括的文档之间不一致的使用的情况下,包括的参考文献中的使用是对本文档的使用的补充;对于矛盾的不一致性,本文中的使用控制。
在本文中,使用了术语“一个”,如在专利文件中常见的,以包括一个或一个以上,独立于“至少一个”或“一个或多个”的任何其他实例或使用。在本文中,使用术语“或”来表示非排他的或,以便“A或B”包括“A但不是B”,“B但不是A”,以及“A和B”,除非另有陈述。在所附权利要求书中,术语“包括”和“其特征在于”被用作相应的术语“包含”和“其中”的普通英语等效词。此外,在下面的权利要求中,术语“包括”是开放的,即,在权利要求中在这样的术语之后包括除那些列出的之外的元件的系统、设备、制品或过程仍被视为在该权利要求的范围之内。此外,在下面的权利要求中,术语“第一”、“第二”、以及“第三”等等仅仅被用作标记,并不旨在对它们的对象建议数字顺序。
上文的描述只是说明性的,而不是限制性的。例如,上文所描述的示例(或其一个或多个方面)可以其他示例相结合使用。可以使用其他实施例,诸如由那些精通本技术的普通人员在阅读上面的描述时。“摘要”将使读者快速地弄清本技术公开的本质,例如,以符合美国的37C.F.R.§1.72(b)。但应理解,它不能被用来解释或限制权利要求的范围或含义。此外,在上面的详细描述中,各种特征还可以分组在一起,以便简化说明。然而,权利要求可能没有阐述此处所公开的特点,因为各实施例可包括所述特点的子集。进一步,各实施例可包括比在特定示例中所公开的那些少一些的特点。如此,下面的权利要求被包括到本发明的“具体实施方式”,权利要求本身也作为本发明的单独的实施例。因此,此处所公开的各实施例的范围将由所附的权利要求以及与这样的权利要求等效的全部范围来确定。
Claims (25)
1.一种用于检测前导性中风风险指标的设备,包括:
被配置为捕捉待评估是否具有中风风险指标的受检者的脸的视频的视频摄像机;
用于在其中存储数据的存储器;以及
耦合到所述存储器的处理器,所述处理器被配置为处理所述受检者的脸的所述视频,以产生与所述受检者的脸的右侧的脉冲相关联的第一脉冲波形,并产生与所述受检者的脸的左侧的脉冲相关联的第二脉冲波形,所述处理器进一步被配置为分析所述第一和第二脉冲波形,以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标。
2.如权利要求1所述的设备,进一步包括本地视频处理设备,所述本地视频处理设备被配置为对由所述视频摄像机捕捉到的所述受检者的脸的所述视频进行图像处理,以产生所述第一和第二脉冲波形。
3.如权利要求1或2所述的设备,进一步包括收发器,所述收发器被配置为将由所述视频摄像机捕捉到的所述受检者的脸的所述视频转发到远程视频处理设备,所述远程视频处理设备对所述受检者的脸的所述转发的视频进行图像处理,以产生所述第一和第二脉冲波形,并将所述第一和第二脉冲波形转发到所述处理器。
4.如权利要求1或2所述的设备,其特征在于,所述存储器被配置为存储所述捕捉到的视频。
5.如权利要求1或2所述的设备,其特征在于,所述第一和第二脉冲波形包括已处理的图像数据。
6.如权利要求1或2所述的设备,其特征在于,所述处理器进一步被配置为标识与所述受检者的脸的右侧相关联的所述第一脉冲波形的用于检测颈动脉狭窄的第一特征,并标识与所述受检者的脸的左侧相关联的所述第二脉冲波形的用于检测颈动脉狭窄的第二特征。
7.如权利要求6所述的设备,其特征在于,所述第一特征是所述受检者的脸的右侧的所述第一脉冲波形的峰值,而所述第二特征是所述受检者的脸的左侧的所述第二脉冲波形的峰值,所述处理器被配置为测量所述第一脉冲波形的所述峰值和所述第二脉冲波形的所述峰值之间的相移,并当所述相移超出预定值时确定表现出颈动脉狭窄的所述前导指标。
8.如权利要求5所述的设备,其特征在于,由所述处理器处理所述第一和第二脉冲波形,以交叉关联所述第一和第二脉冲波形,以标识所述第一和第二脉冲波形之间的相似度,用于判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标。
9.如权利要求1或2所述的设备,其特征在于,所述视频摄像机通过视频通信模块向远程用户提供视频数据。
10.如权利要求9所述的设备,进一步包括扬声器,其特征在于,所述远程用户使用所述所提供的视频数据通过所述扬声器向所述受检者提供音频指令。
11.一种用于检测前导性中风风险指标的设备,包括:
用于在视频捕捉设备中捕捉待评估是否显示出颈动脉狭窄的前导指标的受检者的脸的视频的装置;
用于由视频图像处理器处理所述受检者的脸的所述视频以产生与所述受检者的脸的右侧的脉冲相关联的第一脉冲波形并产生与所述受检者的脸的左侧的脉冲相关联的第二脉冲波形的装置;
用于分析所述第一和第二脉冲波形以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标的装置;以及
用于当对所述第一和第二脉冲波形的所述分析被判断为表现出颈动脉狭窄的所述前导指标时生成指出检测到狭窄风险的报告并建议所述受检者去看医生以便验证的装置。
12.如权利要求11所述的设备,进一步包括:用于在所述受检者本地对所述捕捉到的视频进行图像处理以产生所述第一和第二波形的装置。
13.如权利要求11或12所述的设备,进一步包括:
用于从所述视频捕捉设备向远程视频处理设备传输所述受检者的脸的所述捕捉到的视频的装置;
用于在所述远程视频处理设备上对所述受检者的脸的所述捕捉到的视频进行图像处理以产生所述第一和第二脉冲波形的装置;以及
用于向所述视频捕捉设备传输所述第一和第二脉冲波形的装置。
14.如权利要求11或12所述的设备,进一步包括:用于将所述捕捉到的视频存储在所述视频捕捉设备中的存储器中的装置。
15.如权利要求11或12所述的设备,其特征在于,所述用于捕捉所述受检者的脸的所述视频的装置包括:用于捕捉所述受检者的脸右侧和左侧的视频的装置。
16.如权利要求15所述的设备,其特征在于,所述用于分析所述第一和第二脉冲波形以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标的装置进一步包括:用于标识所述受检者的脸的右侧的所述第一脉冲波形的峰值的装置;用于标识所述受检者的脸的左侧的所述第二脉冲波形的峰值的装置;用于测量所述第一脉冲波形的所述峰值和所述第二脉冲波形的所述峰值之间的相移的装置;以及用于当所述相移超出预定值时确定表现出颈动脉狭窄的所述前导指标的装置。
17.如权利要求15所述的设备,其特征在于,所述用于分析所述第一和第二脉冲波形以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标的装置进一步包括:用于处理所述第一和第二脉冲波形以交叉关联所述第一脉冲波形与所述第二脉冲波形来标识所述第一和第二脉冲波形之间的相似度以便判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标的装置。
18.如权利要求11所述的设备,进一步包括:用于通过视频通信模块将来自所述视频捕捉设备的视频数据提供到远程用户的装置;以及用于基于通过所述视频通信模块被提供给所述远程用户的所述视频数据来通过扬声器将音频指令提供到所述受检者的装置。
19.至少一个非瞬时的机器可读的介质,包括指令,所述指令,当由所述机器执行时,导致所述机器执行用于检测前导中风风险指标的操作,所述操作包括:
在视频捕捉设备中,捕捉待评估是否显示出颈动脉狭窄的前导指标的受检者的脸的视频;
由视频图像处理器,处理所述受检者的脸的所述视频,以产生与所述受检者的脸的右侧的脉冲相关联的第一脉冲波形,并产生与所述受检者的脸的左侧的脉冲相关联的第二脉冲波形;
分析所述第一和第二脉冲波形,以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标;以及
当对所述第一和第二脉冲波形的所述分析被判断为表现出颈动脉狭窄的所述前导指标时,生成指出检测到狭窄风险的报告,并建议所述受检者去看医生以便验证。
20.如权利要求19所述的至少一个非瞬时的机器可读的介质,进一步包括在所述受检者本地,对所述捕捉到的视频进行图像处理,以产生所述第一和第二波形。
21.如权利要求19或20所述的至少一个非瞬时的机器可读的介质,进一步包括:
从所述视频捕捉设备,向远程视频处理设备传输所述受检者的脸的所述捕捉到的视频;
在所述远程视频处理设备上对所述受检者的脸的所述捕捉到的视频进行图像处理,以产生所述第一和第二脉冲波形;以及
向所述视频捕捉设备传输所述第一和第二脉冲波形。
22.如权利要求19或20所述的至少一个非瞬时的机器可读的介质,其特征在于,所述捕捉所述受检者的脸的所述视频包括捕捉所述受检者的脸右侧和左侧的视频。
23.如权利要求22所述的至少一个非瞬时的机器可读的介质,其特征在于,所述分析所述第一和第二脉冲波形,以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标进一步包括标识所述受检者的脸的右侧的所述第一脉冲波形的峰值,标识所述受检者的脸的左侧的所述第二脉冲波形的峰值,测量所述第一脉冲波形的所述峰值和所述第二脉冲波形的所述峰值之间的相移,并当所述相移超出预定值时确定表现出颈动脉狭窄的所述前导指标。
24.如权利要求22所述的至少一个非瞬时的机器可读的介质,其特征在于,所述分析所述第一和第二脉冲波形以判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标进一步包括处理所述第一和第二脉冲波形,以交叉关联所述第一脉冲波形与所述第二脉冲波形,以标识所述第一和第二脉冲波形之间的相似度,以便判断所述受检者的脸的所述视频是否表现出颈动脉狭窄的前导指标。
25.如权利要求19所述的至少一个非瞬时的机器可读的介质,进一步包括通过视频通信模块将来自所述视频捕捉设备的视频数据提供到远程用户,基于通过所述视频通信模块被提供给所述远程用户的所述视频数据,通过扬声器,将音频指令提供到所述受检者。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2013/047947 WO2014209303A1 (en) | 2013-06-26 | 2013-06-26 | Detection of a leading stroke risk indicator |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105246399A CN105246399A (zh) | 2016-01-13 |
CN105246399B true CN105246399B (zh) | 2017-10-03 |
Family
ID=52116270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380076895.0A Active CN105246399B (zh) | 2013-06-26 | 2013-06-26 | 前导中风风险指标的检测 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9579067B2 (zh) |
EP (1) | EP3013220A4 (zh) |
JP (1) | JP6139025B2 (zh) |
CN (1) | CN105246399B (zh) |
WO (1) | WO2014209303A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10551455B2 (en) * | 2015-05-04 | 2020-02-04 | Duke University | Magnetic resonance imaging (MRI) systems and methods using adiabatic tip-down and matched adiabatic flip-back pulses |
US11139079B2 (en) | 2017-03-06 | 2021-10-05 | International Business Machines Corporation | Cognitive stroke detection and notification |
JP7156628B2 (ja) * | 2018-04-23 | 2022-10-19 | 学校法人同志社 | 動脈閉塞判定装置及び動脈閉塞判定装置として機能させるためのプログラム |
CN109480780B (zh) * | 2018-11-14 | 2021-08-24 | 重庆三峡医药高等专科学校 | 一种脑卒中预警系统的评估方法及系统 |
EP3908173A4 (en) | 2018-12-11 | 2022-11-09 | Cvaid Ltd. | SYSTEMS AND METHODS FOR DIAGNOSING A STROKE CONDITION |
CN109864745A (zh) * | 2019-01-08 | 2019-06-11 | 国家康复辅具研究中心 | 一种新型的脑卒中风险评估方法与系统 |
CN109875595B (zh) * | 2019-03-12 | 2021-02-09 | 数坤(北京)网络科技有限公司 | 一种颅内血管状态检测方法及装置 |
RU2740532C1 (ru) * | 2020-03-12 | 2021-01-15 | федеральное государственное бюджетное образовательное учреждение высшего образования "Новосибирский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО НГМУ Минздрава России) | Способ прогнозирования риска развития инсульта у мужчин, работающих в условиях воздействия производственного шума по профессии "пилот воздушных судов гражданской авиации" |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102469942A (zh) * | 2009-10-30 | 2012-05-23 | 欧姆龙健康医疗事业株式会社 | 脉搏波解析装置以及记录介质 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU5247198A (en) * | 1997-11-10 | 1999-05-31 | Medacoustics, Inc. | Non-invasive turbulent blood flow imaging system |
US6993378B2 (en) * | 2001-06-25 | 2006-01-31 | Science Applications International Corporation | Identification by analysis of physiometric variation |
US6976963B2 (en) * | 2002-09-30 | 2005-12-20 | Clift Vaughan L | Apparatus and method for precision vital signs determination |
US20040215244A1 (en) * | 2003-04-23 | 2004-10-28 | Marcovecchio Alan F. | Processing pulse signal in conjunction with ECG signal to detect pulse in external defibrillation |
JP2006305260A (ja) | 2005-04-28 | 2006-11-09 | Ichiro Hagiwara | 表情診断支援装置 |
JP2007295946A (ja) | 2006-04-27 | 2007-11-15 | Konica Minolta Holdings Inc | 酒気帯び検知システム及び酒気帯び検知方法 |
US7539533B2 (en) * | 2006-05-16 | 2009-05-26 | Bao Tran | Mesh network monitoring appliance |
US8360986B2 (en) * | 2006-06-30 | 2013-01-29 | University Of Louisville Research Foundation, Inc. | Non-contact and passive measurement of arterial pulse through thermal IR imaging, and analysis of thermal IR imagery |
WO2008131201A1 (en) * | 2007-04-19 | 2008-10-30 | Global Rainmakers, Inc. | Method and system for biometric recognition |
JP2010187928A (ja) | 2009-02-18 | 2010-09-02 | Gifu Univ | 測定対象血管の力学的機能の評価方法、測定対象血管の力学的機能評価装置、測定対象血管の力学的機能の評価プログラム及び記憶媒体 |
EP2509508A4 (en) * | 2009-12-08 | 2015-11-18 | Aum Cardiovascular Inc | SYSTEMS AND METHOD FOR DETECTING HEART CIRCULAR DISEASES |
EP2675345B1 (en) * | 2011-02-17 | 2019-03-27 | Tyto Care Ltd. | System and method for performing an automatic and self-guided medical examination |
IN2014CN01067A (zh) | 2011-08-22 | 2015-04-10 | Koninkl Philips Nv | |
US9171131B2 (en) * | 2012-06-22 | 2015-10-27 | Integrated Deficit Examinations, LLC | Device and methods for mobile monitoring and assessment of clinical function through sensors and interactive patient responses |
US9307912B2 (en) * | 2012-08-08 | 2016-04-12 | Welch Allyn, Inc. | Temperature measurement system |
US9504391B2 (en) * | 2013-03-04 | 2016-11-29 | Microsoft Technology Licensing, Llc | Determining pulse transit time non-invasively using handheld devices |
JP6102433B2 (ja) | 2013-03-29 | 2017-03-29 | 富士通株式会社 | 脈波検出プログラム、脈波検出方法および脈波検出装置 |
-
2013
- 2013-06-26 US US14/125,422 patent/US9579067B2/en active Active
- 2013-06-26 JP JP2016516494A patent/JP6139025B2/ja active Active
- 2013-06-26 EP EP13888104.0A patent/EP3013220A4/en not_active Withdrawn
- 2013-06-26 CN CN201380076895.0A patent/CN105246399B/zh active Active
- 2013-06-26 WO PCT/US2013/047947 patent/WO2014209303A1/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102469942A (zh) * | 2009-10-30 | 2012-05-23 | 欧姆龙健康医疗事业株式会社 | 脉搏波解析装置以及记录介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105246399A (zh) | 2016-01-13 |
EP3013220A4 (en) | 2017-03-29 |
WO2014209303A1 (en) | 2014-12-31 |
US20150005645A1 (en) | 2015-01-01 |
JP2016522730A (ja) | 2016-08-04 |
EP3013220A1 (en) | 2016-05-04 |
US9579067B2 (en) | 2017-02-28 |
JP6139025B2 (ja) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105246399B (zh) | 前导中风风险指标的检测 | |
Alsaade et al. | [Retracted] Classification and Detection of Autism Spectrum Disorder Based on Deep Learning Algorithms | |
US9805466B2 (en) | Computer aided diagnosis apparatus and method based on size model of region of interest | |
US10039501B2 (en) | Computer-aided diagnosis (CAD) apparatus and method using consecutive medical images | |
EP3479763B1 (en) | System and method for photoplethysmogram (ppg) signal quality assessment | |
Phung et al. | Reproducibility and comparison of visual acuity obtained with sightbook mobile application to near card and Snellen chart | |
JP6736706B2 (ja) | 弾性検出装置のデータ解析処理方法及び弾性検出装置 | |
US10277682B2 (en) | Method and system for recommending features for developing an iot application | |
WO2019114618A1 (zh) | 一种深度神经网络训练方法、装置及计算机设备 | |
CN112203582A (zh) | 脉冲传播时间确定方法和系统 | |
Al-Jumeily et al. | Applied computing in medicine and health | |
KR20220064098A (ko) | 기계학습 기반 고장 진단 장치 및 방법 | |
Davidsen et al. | Eating disorder severity and functional impairment: moderating effects of illness duration in a clinical sample | |
Shaikh et al. | Novel IoT framework for event processing in healthcare applications | |
US20210182568A1 (en) | Methods for improved operative surgical report generation using machine learning and devices thereof | |
JP7188463B2 (ja) | 解析装置、解析方法、およびプログラム | |
Smith et al. | Meeting the challenges of delirium assessment across the aging spectrum | |
US11688264B2 (en) | System and method for patient movement detection and fall monitoring | |
KR102461705B1 (ko) | 소아 청소년의 뇌 건강 상태에 대한 정보를 제공하는 방법 및 이를 수행하기 위한 장치 | |
Akhtar et al. | MapReduce with deep learning framework for student health monitoring system using IoT technology for big data | |
WO2019228195A1 (zh) | 空间环境的感知方法及装置 | |
TWI746381B (zh) | 利用深度學習分析眼振感測資料的方法及眼振感測分析系統 | |
US20230162084A1 (en) | System and method for generating signal images using multi-modal sensing signal | |
Cao et al. | Modeling Functional Brain Networks with Multi-Head Attention-based Region-Enhancement for ADHD Classification | |
Zhu et al. | Quality assurance: Best practices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |