CN111449642A - 影像式血压测量方法 - Google Patents
影像式血压测量方法 Download PDFInfo
- Publication number
- CN111449642A CN111449642A CN201910149104.1A CN201910149104A CN111449642A CN 111449642 A CN111449642 A CN 111449642A CN 201910149104 A CN201910149104 A CN 201910149104A CN 111449642 A CN111449642 A CN 111449642A
- Authority
- CN
- China
- Prior art keywords
- face
- processing module
- hand
- blood pressure
- subject
- 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.)
- Pending
Links
- 230000036772 blood pressure Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 66
- 230000035488 systolic blood pressure Effects 0.000 claims abstract description 26
- 230000035487 diastolic blood pressure Effects 0.000 claims abstract description 25
- 230000001815 facial effect Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000009530 blood pressure measurement Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 4
- 210000000744 eyelid Anatomy 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 7
- 208000008589 Obesity Diseases 0.000 description 5
- 235000020824 obesity Nutrition 0.000 description 5
- 206010033307 Overweight Diseases 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000035485 pulse pressure Effects 0.000 description 4
- 210000000887 face Anatomy 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 2
- 230000001121 heart beat frequency Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0064—Body surface scanning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- 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
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Cardiology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种影像式血压测量方法，用于血压侦测系统。该血压侦测系统包含处理模块以及影像撷取模块，该影像撷取模块持续地拍摄受测者手部和脸部以获得相关于该受测者的手部和脸部的多张影像。该方法包含通过该处理模块，根据该影像撷取模块所撷取的该手部和脸部的多张影像，获得受测者的血压相关的生理信息；以及通过该处理模块，根据该血压相关的生理信息，获得受测者的收缩压与舒张压预测结果。
Description
【技术领域】
本发明涉及一种影像式血压测量方法，尤其涉及一种使用影像式脉波时间差的影像式血压测量方法。
【背景技术】
现有的影像式血压测量装置多是通过前镜头、后镜头的方式同时测量受测者的手指和脸部脉波讯号，通过两处的讯号评比出脉波的时间差。而此种测量方式需手握手机，在特定状况(如驾驶车辆时)下便无法测量。而现有的影像血压测量方式仅使用手指和脸部脉波波峰讯号时间差做为脉冲传递时间特征，因此在实际的实施上测量血压的准确率无法达到理想的成果。
有鉴于此，如何提升血压测量的准确率，实乃本领域的首要课题。
【发明内容】
因此，本发明的目的，即在于提供一种使用影像式脉波时间差的影像式血压测量方法，以提升血压测量的准确率。
本发公开了一种影像式血压测量方法，通过处理模块来实施，该处理模块连接影像撷取模块，其中该影像撷取模块持续地拍摄受测者的脸部和手部，以连续获得手部和脸部的多张影像。该方法包含通过该处理模块，根据该影像撷取模块所撷取的该手部和脸部的该多张影像，获得该受测者的血压生理信息；通过该处理模块，根据该血压生理信息，获得该受测者的收缩压以及舒张压的预测结果。
本发明的有益效果在于：通过该影像撷取模块所撷取的该多张影像，获得受测者的血压相关的生理信息，以及受测者手部和脸部的脉波时间差讯号，并根据该血压相关的生理信息及该脉波时间差讯号，获得脉冲传递时间的讯号特征，便可根据该讯号特征，预测受测者的收缩压和舒张压。
【附图说明】
图1为本发明实施例的测量系统的功能方块图。
图2为本发明实施例获得手部以及脸部脉波讯号特征的程序的流程图。
图3为本发明实施例的流程图。
图4为本发明实施例的流程图。
图5为本发明实施例用于计算脸部BMI特征的示意图。
附图标记说明：
1 血压测量系统
12 存储模块
13 影像撷取模块
14 处理模块
2 测量流程
20、21、22、23 步骤
211、212、213、214、215、216、 子步骤
217、218、219、221、222、223、
224、225
W1、W5 距离
W2、W3、W61、W62 宽度
W4、W7 高度
【具体实施方式】
请参阅图1，其为本发明实施例的血压测量系统1的功能方块图。血压测量系统1用来执行评估受测者的收缩压和舒张压的方法，包括处理模块14、影像撷取模块13、存储模块12。处理模块14耦接于影像撷取模块13及存储模块12，用来处理影像撷取模块13输出的影像。
存储模块12存储有根据多种已知的学习样本特征，例如利用K最近邻居学习法(k-nearest neighbors learning)与类神经网络算法(artificial neural networkalgorithm)所训练出的回归预测模型#1～回归预测模型#N，但不以此为限。其中该多个回归预测模型包含身体质量指数(body mass index，BMI)预测模型以及收缩压与舒张压测量模型。在本实施例中，存储模块12的实施态样例如为硬盘或存储器，但不以此为限。
影像撷取模块13用于持续地拍摄受测者(例如连续拍摄45秒)，以连续获得多张相关于受测者的影像以及多张连续的色光影像。在本实施例中，影像撷取模块13例如是高帧率90帧/秒摄影机，但不以此为限。
请参阅图2，其为本发明实施例的收缩压与舒张压的测量流程2，包含以下步骤。
步骤20：影像撷取模块13撷取受测者的脸部和手部的多张影像。
步骤21：处理模块14根据受测者的脸部和手部的多张影像，得出受测者的血压相关的生理信息。
步骤22：处理模块14根据受测者的血压相关的生理信息，得出收缩压与舒张压回归预测模型。
步骤23：处理模块14根据血压特征回归模型及受测者的脸部和手部的多张影像，得出受测者的收缩压与舒张压预测结果。
在步骤20中，影像撷取模块13撷取的多张影像包含受测者的脸部及手部，并将多张影像输出到处理模块14。在一实施例中，影像撷取模块13用来撷取受测者的脸部及手部的人体散射光。
在步骤21中，对于每一张影像，处理模块14分别撷取该张影像中受测者的脸部区域影像及手部区域影像，以得出受测者的血压相关的生理信息。在一实施例中，处理模块14可利用机器学习，从每一张影像中辨识受测者的脸部区域影像及手部区域影像，再将影像光体积变化描记图(Remote PhotoPlethysmoGraphy，简称rPPG)转换为脸部和手部的脉波讯号。在一实施例中，处理模块14可根据连续的脸部rPPG和手部rPPG，得知受测者的血压相关的生理信息，其中血压相关的生理信息包含脉冲传递时间(PTT，Pulse transit time)、受测者的身体质量指标(Body mass index，BMI)特征、心率、脉冲讯号、血氧值的其中至少一者。
在步骤22中，处理模块14根据受测者的血压相关的生理信息，得出收缩压与舒张压回归预测模型。在一实施例中，收缩压与舒张压回归预测模型可根据至少包含BMI特征、肥胖指标、手部脉波讯号、脸部脉波讯号，以及手部与脸部脉波时间差讯号特征的其中一者来进行建构。
在步骤23中，处理模块14根据包含受测者的脸部和手部的多张影像来获取血压相关的生理信息，并利用脉波讯号等时域特征回归模型进行K最近邻居学习法或类神经网络算法，以获得指示出受测者收缩压与舒张压的预测结果。值得特别说明的是，在本实施例中，处理模块14可仅根据血压相关的生理信息，并利用已训练完成的收缩压与舒张压回归预测模型，获得收缩压与舒张压预测结果。特别地，当收缩压与舒张压回归预测模型仅根据血压相关的生理信息，获得预测结果时，表示血压回归预测模型是利用回归预测算法(例如K最近邻居学习法与类神经网络算法)，以及对应血压相关的生理信息的训练资料所训练出，但不以此为限。特别地，当通过血压相关的生理信息，获得血压预测结果时，表示血压回归预测模型是利用例如回归算法(例如K最近邻居学习法、类神经网络算法)，以及对应血压相关的生理信息与受测者BMI特征二者的训练资料所训练出，但不以K最近邻居学习法或类神经网络算法为限。特别地，处理模块14还可以通过存储模块12来存储血压相关的生理信息以及脉波时域时间差讯号特征以扩增资料库，以供回归预测模型的扩增以及分析。
以资料库结合机器学习模型为例，血压测量系统1可使用美国食品和药物管理局认证的血压计来测量实际血压，再使用影像撷取模块13来连续撷取受测者的多张影像(进行45秒的影像撷取)，处理模块14可使用K最近邻居学习法或类神经网络算法来计算受测者在脸部及手部的脉波时间差特征，将实际血压和对应的特征建成数据库。进行机器学习时，处理模块14可使用K最近邻居学习法或类神经网络算法来计算受测者的血压相关的时域生理信息(例如在脸部及手部的脉波时间差特征)，通过获得的时域生理信息以及特征数据库进行预测，再以血压测量结果的平均值作为最后的血压预测结果。
以K最近邻居学习法为例，处理模块14可使用算法计算受测者在脸部及手部的脉波时间差特征，利用K最近邻居学习法来选定K值，获取与脉波时间差特征最近的K笔资料对应的血压值进行平均，以获得血压预测结果。
在一实施例中，在步骤21、23中，处理模块14产生并传送提醒讯息至影像撷取模块13，以提醒受测者移动手部到摄影范围内，以供侦测与测量血压。
值得特别说明的是，如图3所示，步骤21进一步包含子步骤211、212、213、214、215、216、217、218、219。
子步骤211～213用于获得脸部时域波形图和脸部脉冲传递时间。在子步骤211中，对于每一影像，处理模块14获得该影像中受测者的脸颊部份的平均绿色通道值。值得特别说明的是，在本实施例中，处理模块14先从原始影像中转换出所有绿色通道，接着将脸颊部份的绿色通道值取平均，以获得平均绿色通道值。其中，脸颊部份的每一像素的绿色通道值是例如将影像中的绿色影像值的标准化后数值计算而得，也可以是不同颜色通道讯号标准化后的像素值相加而得，例如R*0.299+G*0.587+B*0.114，其中R为红色数值、G为绿色数值、B为蓝色数值，但不以此为限。而在例如为不同色光影像时，更可以视需求或影像特性来调整所取用脸颊部份的每一像素的三原色数值。
在子步骤212中，处理模块14根据每张影像的脸颊部份的平均绿色通道值，获得受测者的脸部时域波形图。值得特别说明的是，随着心跳的变化，脸部血液流动也随着心跳在变化，这种血液流动就会引起脸部颜色的变化，通过此原理，即可根据每张影像的脸部部份的平均绿色通道值的变化，获得对应受测者脸部的心跳脉波。在一实施例中，处理模块14根据多个脸部平均绿色通道值，获得脸部影像式光体积变化描记图讯号；再根据脸部影像光体积变化描记图讯号，换算出受测者心跳脉波的时域波形图。
在子步骤213中，处理模块14根据脸部时域波形图中的每一组相邻波峰的间距和每一组相邻波谷的间距，获得血压相关的时域生理信息(包含但不限于多个脉波波峰、多个脉波波谷，以及脉冲传递时间)。值得特别说明的是，在步骤213中是先将噪声(例如，过小的波峰，以及不符合心跳频率范围的脉波特征)去除后，才获得每一组相邻波峰与波谷的间距。
子步骤214～216用于获得手部时域波形图和手部脉冲传递时间。在子步骤214中，对于每一影像，处理模块14获得该影像中受测者的手部部份的平均绿色通道值。在子步骤215中，处理模块14根据每张影像的手部部份的平均绿色通道值，获得相关于受测者的手部时域波形图(即，对应手部的心跳脉波)。
在子步骤216中，处理模块14根据手部时域波形图中的每一组相邻波峰的间距和每一组相邻波谷的间距，获得包含于血压相关的生理信息的脉冲传递时间。值得特别说明的是，在步骤216中是先将噪声(例如，过小的波峰，以及不符合心跳频率范围的脉波特征)去除后，才获得每一组相邻波峰与波谷的间距。
在子步骤217中，处理模块14根据脸部影像，计算脸部BMI特征，以获得包含血压相关的生理信息的BMI特征。特别地，受测者可分为低BMI范围(<18kg/m^2)的过轻受测者，正常范围(18～23kg/m^2)的正常受测者，过重范围(23～27kg/m^2)的过重受测者，与肥胖范围(>28kg/m^2)的肥胖受测者。值得特别说明的是，处理模块14可将脸部BMI特征所对应的肥胖程度指标(即，用来表示低、正常、过重及肥胖范围的参数)来作为血压预测的衡量特征之一。
在子步骤218中，处理模块14根据脸部时域波形图，获得收缩压的测量结果。值得特别说明的是，在本实施例中，处理模块14根据心跳时域波形图，获得在一段时间区间内的脉冲传递时间特征后，再根据脉冲传递时间特征推算出收缩压(Systolic bloodpressure，SBP)的测量结果。
在子步骤219中，处理模块14根据脸部及手部时域波形图，获得脉压及舒张压。值得特别说明的是，在本实施例中，处理模块14根据时域波形图，获得在一段时间区间内的脉冲传递时间特征后，再根据脉冲传递时间特征推算出脉压(Pulse pressure，PP)的测量结果。通过收缩压与脉压的差值可以推算出舒张压(Diastolic blood pressure，DBP)。
值得特别说明的是，如图4所示，步骤22进一步包含子步骤221、222、223、224、225。
在子步骤221中，处理模块14判断受测者的脸部部分及手部部分是否皆被侦测到，若是则执行步骤222，若否则执行步骤223。在步骤223中，处理模块14提醒受测者变换姿势以使测量顺利进行，并回到步骤221。在子步骤222中，处理模块14根据影像撷取模块所撷取的该多张影像中获得受测者的脸部部分及手部部分影像。在子步骤224中，处理模块14根据当前的受测者脸部影像，计算脸部BMI特征，以输出包含于受测者血压相关生理信息的肥胖特征计算结果。在子步骤225中，处理模块输出预测的肥胖特征，以供后续进行包含但不仅限于机器学习以及类神经网络演算。
图5为本发明实施例用于计算脸部BMI特征的示意图。脸部BMI特征包含但不限于双眼中心至嘴唇中心距离W1与唇高的脸部宽度W2的比值(W1/W2)、眼高的脸部宽度W3与唇高的脸部宽度W2的比值(W3/W2)、双眼中心至下巴中心距离W5与脸部高度W4的比值(W5/W4)、右眼宽度W61与左眼宽度W62的平均宽度((W61+W62)/2)以及眼皮高度W7。
综上所述，本发明评估受测者的收缩压与舒张压的方法，通过处理模块14根据影像撷取模块13所撷取到的该多张影像获得血压相关的生理信息、BMI特征，并利用类神经网络所训练出的血压回归预测模型进行预测，以获得受测者收缩压和舒张压的预测结果。便可根据预测结果判定出受测者当前的血压状况。因此，故确实能达成本发明的目的。
以上所述仅为本发明的较佳实施例，凡依本发明权利要求所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (9)
1.一种影像式血压测量方法，其特征在于，通过处理模块来实施，该处理模块连接影像撷取模块，其中该影像撷取模块持续地拍摄受测者的脸部和手部，以连续获得手部和脸部的多张影像，该方法包含：
通过该处理模块，根据该影像撷取模块所撷取的该手部和脸部的该多张影像，获得该受测者的血压生理信息；以及
通过该处理模块，根据该血压生理信息，获得该受测者的收缩压以及舒张压的预测结果。
2.根据权利要求1所述的影像式血压测量方法，其特征在于，在通过该处理模块，根据该血压生理信息，获得该受测者的该收缩压以及该舒张压的预测结果之前，还包含以下步骤：
通过该处理模块，根据该手部和脸部的多张影像的其中一者，获得该受测者的身体质量指数；以及
通过该处理模块，根据该受测者的该身体质量指数，获得该受测者的血压回归预测模型所需的特征。
3.根据权利要求1所述的影像式血压测量方法，其特征在于，另包含：
通过该处理模块，根据该影像撷取模块所撷取的该手部和脸部的多张影像，获得该受测者的血压时域生理信息；以及
通过该处理模块，根据该血压时域生理信息，获得该受测者的该收缩压和该舒张压的测量结果。
4.根据权利要求3所述的影像式血压测量方法，其特征在于，通过该处理模块，根据该影像撷取模块所撷取的该手部和脸部的多张影像，获得该受测者的该血压时域生理信息的步骤包含：
对于该手部和脸部的该多张影像的每一者，通过该处理模块，根据该手部和脸部的该多张影像，分别获得该受测者的脸部的脸部平均绿色通道值和该受测者的手部平均绿色通道值；
通过该处理模块，根据该脸部平均绿色通道值和该手部平均绿色通道值，获得相关于该受测者的心跳脉波的时域波形图；以及
通过该处理模块，根据该时域波形图中的多组相邻波峰的间距，获得该血压时域生理信息，其中该血压时域生理信息包含多个脉波波峰、多个脉波波谷，以及多个脉冲传递时间。
5.根据权利要求4所述的影像式血压测量方法，其特征在于，在对于该手部和脸部的该多张影像的每一者，通过该处理模块，根据该手部和脸部的该多张影像，分别获得该受测者的脸部的该脸部平均绿色通道值和该受测者的该手部平均绿色通道值的步骤之后，还包含：
通过该处理模块，根据该脸部平均绿色通道值和该手部平均绿色通道值，获得脸部影像式光体积变化描记图和手部影像式光体积变化描记图；以及
通过该处理模块，根据脸部影像式光体积变化描记图和该手部影像式光体积变化描记图，换算为相关于该受测者心跳脉波的脸部时域波形图和手部时域波形图。
6.根据权利要求3所述的影像式血压测量方法，其特征在于，通过该处理模块，根据该血压时域生理信息，获得该受测者的收缩压和舒张压的该测量结果的步骤包含：
通过该处理模块，根据该血压时域生理信息与脉冲传递时间，获得该受测者的收缩压和舒张压的该测量结果。
7.根据权利要求1所述的影像式血压测量方法，其特征在于，另包含：
通过该处理模块，根据该手部和脸部的该多张影像中的脸部区域影像，计算该受测者的多个脸部身体质量指数特征；以及
通过该处理模块，根据该多个脸部身体质量指数特征，获得该受测者的收缩压和舒张压的该测量结果。
8.根据权利要求7所述的影像式血压测量方法，其特征在于，该多个脸部身体质量指数特征包含该受测者的双眼中心至嘴唇中心的第一距离与唇高的第一脸部宽度的第一比值、眼高的第二脸部宽度与唇高的该第一脸部宽度的第二比值、该双眼中心至下巴中心的第二距离与脸部高度的第三比值、左眼与右眼的平均宽度以及眼皮高度。
9.根据权利要求1所述的影像式血压测量方法，其特征在于，另包含：
通过该处理模块，判断未获得手部和脸部的多张影像时，产生并传送提醒讯息至该影像撷取模块，以提醒该受测者移动手部和脸部到该影像撷取模块的摄影范围内。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108102106 | 2019-01-19 | ||
| TW108102106A TWI708924B (zh) | 2019-01-19 | 2019-01-19 | 影像式血壓量測裝置與方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111449642A true CN111449642A (zh) | 2020-07-28 |
Family
ID=71609441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910149104.1A Pending CN111449642A (zh) | 2019-01-19 | 2019-02-28 | 影像式血压测量方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20200229715A1 (zh) |
| CN (1) | CN111449642A (zh) |
| TW (1) | TWI708924B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117034238A (zh) * | 2023-08-10 | 2023-11-10 | 南京云思创智信息科技有限公司 | 一种光电脉搏信号增强式人脸识别方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699931A (zh) * | 2013-12-09 | 2015-06-10 | 广州华久信息科技有限公司 | 一种基于人脸的神经网络血压预测方法及手机 |
| CN104887209A (zh) * | 2015-06-26 | 2015-09-09 | 京东方科技集团股份有限公司 | 一种血压测量方法和测量系统 |
| US20160253549A1 (en) * | 2015-02-27 | 2016-09-01 | Leo Ramic | Estimating personal information from facial features |
| CN106357961A (zh) * | 2016-08-25 | 2017-01-25 | 维沃移动通信有限公司 | 一种拍照方法及移动终端 |
| CN107397540A (zh) * | 2016-05-19 | 2017-11-28 | 松下知识产权经营株式会社 | 血压计测装置 |
| US20180042486A1 (en) * | 2015-03-30 | 2018-02-15 | Tohoku University | Biological information measuring apparatus and biological information measuring method |
| US20180075209A1 (en) * | 2016-09-14 | 2018-03-15 | Boe Technology Group Co., Ltd. | Method and apparatus for establishing a blood pressure model and method and apparatus for determining a blood pressure |
| US20180070887A1 (en) * | 2016-08-29 | 2018-03-15 | Gwangju Institute Of Science And Technology | Blood pressure measuring device and blood pressure measuring method using the same |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9269157B2 (en) * | 2005-03-01 | 2016-02-23 | Eyesmatch Ltd | Methods for extracting objects from digital images and for performing color change on the object |
| US10736517B2 (en) * | 2014-10-09 | 2020-08-11 | Panasonic Intellectual Property Management Co., Ltd. | Non-contact blood-pressure measuring device and non-contact blood-pressure measuring method |
| PL3061391T3 (pl) * | 2015-02-27 | 2021-02-08 | Preventicus Gmbh | Urządzenie i sposób oznaczania ciśnienia krwi |
| KR101777738B1 (ko) * | 2015-07-07 | 2017-09-12 | 성균관대학교산학협력단 | 동영상을 이용하여 혈압을 추정하는 방법 |
| CN105100610A (zh) * | 2015-07-13 | 2015-11-25 | 小米科技有限责任公司 | 自拍提示方法和装置、自拍杆及自拍提示系统 |
| EP3117766B1 (en) * | 2015-07-16 | 2021-02-24 | Preventicus GmbH | Processing biological data |
| US11026634B2 (en) * | 2017-04-05 | 2021-06-08 | doc.ai incorporated | Image-based system and method for predicting physiological parameters |
| US20190262664A1 (en) * | 2018-02-23 | 2019-08-29 | Nicholas Edward Schindler | Creating customized adaptive workout program |
-
2019
- 2019-01-19 TW TW108102106A patent/TWI708924B/zh active
- 2019-02-28 CN CN201910149104.1A patent/CN111449642A/zh active Pending
- 2019-04-22 US US16/391,265 patent/US20200229715A1/en not_active Abandoned
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699931A (zh) * | 2013-12-09 | 2015-06-10 | 广州华久信息科技有限公司 | 一种基于人脸的神经网络血压预测方法及手机 |
| US20160253549A1 (en) * | 2015-02-27 | 2016-09-01 | Leo Ramic | Estimating personal information from facial features |
| US20180042486A1 (en) * | 2015-03-30 | 2018-02-15 | Tohoku University | Biological information measuring apparatus and biological information measuring method |
| CN104887209A (zh) * | 2015-06-26 | 2015-09-09 | 京东方科技集团股份有限公司 | 一种血压测量方法和测量系统 |
| CN107397540A (zh) * | 2016-05-19 | 2017-11-28 | 松下知识产权经营株式会社 | 血压计测装置 |
| CN106357961A (zh) * | 2016-08-25 | 2017-01-25 | 维沃移动通信有限公司 | 一种拍照方法及移动终端 |
| US20180070887A1 (en) * | 2016-08-29 | 2018-03-15 | Gwangju Institute Of Science And Technology | Blood pressure measuring device and blood pressure measuring method using the same |
| US20180075209A1 (en) * | 2016-09-14 | 2018-03-15 | Boe Technology Group Co., Ltd. | Method and apparatus for establishing a blood pressure model and method and apparatus for determining a blood pressure |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200229715A1 (en) | 2020-07-23 |
| TW202028698A (zh) | 2020-08-01 |
| TWI708924B (zh) | 2020-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Driver drowsiness detection using multi-channel second order blind identifications | |
| KR102265934B1 (ko) | 모바일 단말을 이용한 맥파 신호 및 스트레스 측정 방법 및 장치 | |
| US9854976B2 (en) | Pulse wave velocity measurement method | |
| CN107427233B (zh) | 脉波检测装置、以及脉波检测程序 | |
| CN107427242B (zh) | 脉波检测装置、以及脉波检测程序 | |
| JP6521845B2 (ja) | 心拍に連動する周期的変動の計測装置及び計測方法 | |
| KR101738278B1 (ko) | 영상을 이용한 감정 인식 방법 | |
| WO2014155750A1 (ja) | 血流指標算出方法、血流指標算出プログラム及び血流指標算出装置 | |
| JP6167614B2 (ja) | 血流指標算出プログラム、血流指標算出装置および血流指標算出方法 | |
| US20200121256A1 (en) | Video-based physiological measurement using neural networks | |
| JP7068339B2 (ja) | 血圧測定装置、および、血圧測定方法 | |
| TW201315438A (zh) | 非接觸式之心脈量測方法及其系統 | |
| US11547309B2 (en) | Biological information detection device, biological information detection method and non-transitory computer-readable storage medium for biological information detection | |
| JP2014176584A (ja) | 信号処理装置、信号処理方法及び信号処理プログラム | |
| JP2015116368A (ja) | 脈拍計測装置、脈拍計測方法及び脈拍計測プログラム | |
| JP6455761B2 (ja) | 脈波検出装置、及び脈波検出プログラム | |
| Po et al. | Frame adaptive ROI for photoplethysmography signal extraction from fingertip video captured by smartphone | |
| CN111449642A (zh) | 影像式血压测量方法 | |
| CN111820870B (zh) | 生物影像处理方法以及生理信息检测装置 | |
| CN111970965B (zh) | 模型设定装置、非接触式血压测定装置、模型设定方法以及记录介质 | |
| EP3942999A1 (en) | Apparatus and method for estimating bio-information | |
| JP7237768B2 (ja) | 生体情報検出装置 | |
| CN117136027A (zh) | 从rgb图像提取心率的方法和系统 | |
| US20220022762A1 (en) | Apparatus and method for estimating bio-information | |
| KR102570982B1 (ko) | 비접촉 생체정보 측정 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |