CN113903468A - 一种基于手机终端的高危儿超早期智能筛查及监测方法 - Google Patents
一种基于手机终端的高危儿超早期智能筛查及监测方法 Download PDFInfo
- Publication number
- CN113903468A CN113903468A CN202111278037.7A CN202111278037A CN113903468A CN 113903468 A CN113903468 A CN 113903468A CN 202111278037 A CN202111278037 A CN 202111278037A CN 113903468 A CN113903468 A CN 113903468A
- Authority
- CN
- China
- Prior art keywords
- infant
- mobile phone
- ultra
- infants
- motion
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及医疗技术领域,具体涉及一种基于手机终端的高危儿超早期智能筛查及监测方法,通过采集婴幼儿在平躺体位时的身体自然运动视频;将视频上传至云端服务器进行检测分析;通过计算机图像处理,提取婴幼儿四肢及躯干部位的运动轨迹;将运动轨迹参数进行量化;根据量化结果对婴幼儿运动状态进行评分,对婴幼儿全身运动评估进行优化,使其更加简便易行,家长能在家中用智能手机采集图像,快速上传至云端,由系统自动化分析图像是否合格并作出初步分析,再由人工核实出具报告。此方法是实现对婴幼儿超早期筛查神经运动发育异常的重要手段,帮助临床医生超早期预测神经发育结局,从而患儿能够得到超早期的指导和康复。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种基于手机终端的高危儿超早期智能筛查及监测方法。
背景技术
目前高危儿是指在出生过程中存在各类高危因素的患儿,高危因素主要包括早产低体重、窒息、缺氧缺血性脑病、颅内出血、脑膜炎、惊厥、高胆红素血症、呼吸衰竭等。调查显示,存在高危因素的患儿,在后期的生长发育过程中,发展为脑瘫的风险显著高于正常儿童。在高危儿随访工作领域,已有多种方法与技术用来评估早期婴儿的脑功能,致力于对小婴儿的神经发育结局(脑瘫等运动发育结局、智力认知等)做出早期预测。这些方法和技术包括各种形式的神经学和发育评估、神经影像学评估(头颅B超、CT、MRI)、神经电生理学评估(脑电图和诱发电位等)。以上神经学和发育评估工具在当前的临床检测中仍不可或缺,但也存在着明显的不足,如评测耗时过长、主要是揭示了婴儿神经系统的急性期状态。神经影像学和电生理学评估需要专业的医疗设备、价格昂贵,并且在预测神经学发育结局时的敏感性、特异性和准确性差异较大。
此外,临床上还使用全身运动评估方法对高危儿进行评估,但是往往需要家长带婴幼经过长时间的路途和就诊到具有评估能力的医院录像15分钟(为了录制出小婴儿更好的状态,总是需要更长的时间),然后等待检测人员出具全身运动评估报告,如此在婴幼儿生长过程中,需要经常带婴幼儿到医院进行检测,进而对家长造成很大的工作负担。
发明内容
本发明的目的在于提供一种基于手机终端的高危儿超早期智能筛查及监测方法,旨在解决现有技术中的临床上还使用全身运动评估方法对高危儿进行评估,但是往往需要家长带婴幼经过长时间的路途和就诊到具有评估能力的医院录像15分钟,然后等待检测人员出具全身运动评估报告,如此在婴幼儿生长过程中,需要经常带婴幼儿到医院进行检测,进而对家长造成很大的工作负担的技术问题。
为实现上述目的,本发明采用的一种基于手机终端的高危儿超早期智能筛查及监测方法,包括如下步骤,
采集婴幼儿在平躺体位时的身体自然运动视频;
将视频上传至云端服务器进行检测分析;
通过计算机图像处理,提取婴幼儿四肢及躯干部位的运动轨迹;
将运动轨迹参数进行量化;
根据量化结果对婴幼儿运动状态进行评分。
其中,在“采集婴幼儿在平躺体位时的身体自然运动视频”中,所述方法还包括,
拍摄过程中拍摄环境保持安静、舒适,婴幼儿状态良好,无哭闹和打瞌睡的行为。
其中,在“采集婴幼儿在平躺体位时的身体自然运动视频”中,所述方法还包括,
拍摄时,手机位置固定不变,拍摄背景选用深色床单。
其中,在“采集婴幼儿在平躺体位时的身体自然运动视频”中,所述方法还包括,
婴幼儿身体无衣物覆盖,没有穿戴物品。
其中,在“将运动轨迹参数进行量化”中,所述方法还包括,
量化婴幼儿四肢摆动空间范围;
量化婴幼儿四肢摆动的振幅;
量化婴幼儿四肢摆动的频率;
量化婴幼儿四肢摆动的速度。
其中,在“根据量化结果对婴幼儿运动状态进行评分”中,所述方法还包括,
统计量化数据;
将量化数据与阈值区间进行对比,得出对应的得分;
统计得分情况,得分越高,运动质量越优,表明脑神经发育越好,发展为脑瘫的概率越小。
其中,在“根据量化结果对婴幼儿运动状态进行评分”后,所述方法还包括,
将评估结果通过手机APP反馈给婴幼儿家长。
其中,在“将评估结果通过手机APP反馈给婴幼儿家长”后,所述方法还包括,
在婴幼儿生长发育过程中的不同时间节点进行检测,得到不同时间节点的检测数据,对比分析数据,对婴幼儿脑神经发育及运动发育做出预测。
其中,在“在婴幼儿生长发育过程中的不同时间节点进行检测,得到不同时间节点的检测数据,对比分析数据,对婴幼儿脑神经发育及运动发育做出预测”后,所述方法还包括,
家长得知检测结果后,对发育落后的婴幼儿进行有针对性的干预和训练。
本发明的一种基于手机终端的高危儿超早期智能筛查及监测方法,通过采集婴幼儿在平躺体位时的身体自然运动视频;将视频上传至云端服务器进行检测分析;通过计算机图像处理,提取婴幼儿四肢及躯干部位的运动轨迹;将运动轨迹参数进行量化;根据量化结果对婴幼儿运动状态进行评分,对婴幼儿全身运动评估进行优化,使其更加简便易行,家长能在家中用智能手机采集图像,快速上传至云端,由系统自动化分析图像是否合格并作出初步分析,再由人工核实出具报告。此方法是实现对婴幼儿超早期筛查神经运动发育异常的重要手段,帮助临床医生超早期预测神经发育结局,从而患儿能够得到超早期的指导和康复。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的基于手机终端的高危儿超早期智能筛查及监测方法的流程图。
图2是本发明的将运动轨迹参数进行量化的流程图。
图3是本发明的根据量化结果对婴幼儿运动状态进行评分的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1至图3,本发明提供了一种基于手机终端的高危儿超早期智能筛查及监测方法,包括如下步骤,
S101:采集婴幼儿在平躺体位时的身体自然运动视频,拍摄过程中拍摄环境保持安静、舒适,婴幼儿状态良好,无哭闹和打瞌睡的行为,拍摄时,手机位置固定不变,拍摄背景选用深色床单,婴幼儿身体无衣物覆盖,没有穿戴物品;
在本实施方式中,利用智能手机的录像功能采集婴幼儿在平躺体位时的身体自然运动视频,其中,自然运动视频中需要对婴幼儿的全身状态进行采集。为保证提取运动姿态的准确性,要求拍摄环境相对安静、舒适,婴幼儿状态良好,无哭闹、打瞌睡等行为;拍摄时,手机位置固定不变、拍摄背景选用深色床单;婴幼儿身体无衣物覆盖以及其它穿戴物品,为保护隐私可穿尿不湿。
S102:将视频上传至云端服务器进行检测分析;
在本实施方式中,在家长通过手机获取婴幼儿的运动视频后,将运动视频通过APP传输到云端服务器,并在上传时备注婴幼儿的年龄、升高、体重情况,以使得评估检测人员能够更精准地对婴幼儿的运动情况和发育情况进行比对。
S103:通过计算机图像处理,提取婴幼儿四肢及躯干部位的运动轨迹;
在本实施方式中,评估检测人员在获得婴幼儿活动图像后,将婴幼儿活动图像导入计算机图像处理系统中,计算机图像处理系统通过动态捕捉技术对婴幼儿关键活动轨迹进行提取,并生成活动轨迹图。
S104:将运动轨迹参数进行量化;
S1041:量化婴幼儿四肢摆动空间范围;
S1042:量化婴幼儿四肢摆动的振幅;
S1043:量化婴幼儿四肢摆动的频率;
S1044:量化婴幼儿四肢摆动的速度;
在本实施方式中,将婴幼儿的四肢运动轨迹参数进行量化,包括婴幼儿四肢摆动空间范围、振幅、频率和速度,靶标设置于运动平台上;固定部件上设置接近传感器;接近传感器与电感采集平台连接,接近传感器的感应面与靶标的感应面相对设置;运动平台用于根据多组运动轨迹数据控制运动平台运动,以控制靶标运动;电感采集平台用于获取接近传感器产生的各个电感值,基于每组运动轨迹数据生成与各个电感值对应的运动轨迹,将各个电感值对应的运动轨迹和靶标安装合格时的电感值对应的运动轨迹作为靶标安装等级对应的靶标判据,进而完成对婴幼儿四肢运动轨迹的量化处理。
S105:根据量化结果对婴幼儿运动状态进行评分;
S1051:统计量化数据;
S1052:将量化数据与阈值区间进行对比,得出对应的得分;
S1053:统计得分情况,得分越高,运动质量越优,表明脑神经发育越好,发展为脑瘫的概率越小;
在本实施方式中,统计量化数据,并将量化数据生成数据表格,输入量化数据的阈值区间,其阈值区间为阶梯式,可将生成的数据对应到阈值区间的对应位置,将量化数据与输入的阈值区间进行比对,进而得到对应区间的评分,统计量化数据对应的得分情况,进而对应婴幼儿的四肢运动得分情况,得分越高,运动质量越优,表明脑神经发育越好,发展为脑瘫的概率越小。
S106:将评估结果通过手机APP反馈给婴幼儿家长;
在本实施方式中,云端服务器通过无线网络将评估结果通过手机APP发送至婴幼儿家长,家长能够及时获取婴幼儿的运动评估情况。
S107:在婴幼儿生长发育过程中的不同时间节点进行检测,得到不同时间节点的检测数据,对比分析数据,对婴幼儿脑神经发育及运动发育做出预测;
在本实施方式中,在婴幼儿生长过程中,特别是在节点时间,比如周岁的时间点,对婴幼儿进行检测,进而会得到不同时间节点的检测数据,由于云端数据库中存储有大数据推算的婴幼儿发育情况数据,通过对比分析数据,可在不同时间点婴幼儿脑神经发育及于东发育做出预测。
S108:家长得知检测结果后,对发育落后的婴幼儿进行有针对性的干预和训练。
在本实施方式中,家长在获得检测结果后,可对发育落后的婴幼儿进行针对性的干预和训练,以使得婴幼儿能够进行恢复,在下一次检测时,获得合格的检测分数。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (9)
1.一种基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,包括如下步骤,
采集婴幼儿在平躺体位时的身体自然运动视频;
将视频上传至云端服务器进行检测分析;
通过计算机图像处理,提取婴幼儿四肢及躯干部位的运动轨迹;
将运动轨迹参数进行量化;
根据量化结果对婴幼儿运动状态进行评分。
2.如权利要求1所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“采集婴幼儿在平躺体位时的身体自然运动视频”中,所述方法还包括,
拍摄过程中拍摄环境保持安静、舒适,婴幼儿状态良好,无哭闹和打瞌睡的行为。
3.如权利要求1所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“采集婴幼儿在平躺体位时的身体自然运动视频”中,所述方法还包括,
拍摄时,手机位置固定不变,拍摄背景选用深色床单。
4.如权利要求1所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“采集婴幼儿在平躺体位时的身体自然运动视频”中,所述方法还包括,
婴幼儿身体无衣物覆盖,没有穿戴物品。
5.如权利要求1所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“将运动轨迹参数进行量化”中,所述方法还包括,
量化婴幼儿四肢摆动空间范围;
量化婴幼儿四肢摆动的振幅;
量化婴幼儿四肢摆动的频率;
量化婴幼儿四肢摆动的速度。
6.如权利要求1所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“根据量化结果对婴幼儿运动状态进行评分”中,所述方法还包括,
统计量化数据;
将量化数据与阈值区间进行对比,得出对应的得分;
统计得分情况,得分越高,运动质量越优,表明脑神经发育越好,发展为脑瘫的概率越小。
7.如权利要求1所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“根据量化结果对婴幼儿运动状态进行评分”后,所述方法还包括,
将评估结果通过手机APP反馈给婴幼儿家长。
8.如权利要求7所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“将评估结果通过手机APP反馈给婴幼儿家长”后,所述方法还包括,
在婴幼儿生长发育过程中的不同时间节点进行检测,得到不同时间节点的检测数据,对比分析数据,对婴幼儿脑神经发育及运动发育做出预测。
9.如权利要求8所述的基于手机终端的高危儿超早期智能筛查及监测方法,其特征在于,在“在婴幼儿生长发育过程中的不同时间节点进行检测,得到不同时间节点的检测数据,对比分析数据,对婴幼儿脑神经发育及运动发育做出预测”后,所述方法还包括,家长得知检测结果后,对发育落后的婴幼儿进行有针对性的干预和训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111278037.7A CN113903468A (zh) | 2021-10-30 | 2021-10-30 | 一种基于手机终端的高危儿超早期智能筛查及监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111278037.7A CN113903468A (zh) | 2021-10-30 | 2021-10-30 | 一种基于手机终端的高危儿超早期智能筛查及监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113903468A true CN113903468A (zh) | 2022-01-07 |
Family
ID=79027200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111278037.7A Withdrawn CN113903468A (zh) | 2021-10-30 | 2021-10-30 | 一种基于手机终端的高危儿超早期智能筛查及监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113903468A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999648A (zh) * | 2022-05-27 | 2022-09-02 | 浙江大学医学院附属儿童医院 | 基于婴儿动态姿态估计的脑性瘫痪早期筛查系统、设备及存储介质 |
-
2021
- 2021-10-30 CN CN202111278037.7A patent/CN113903468A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999648A (zh) * | 2022-05-27 | 2022-09-02 | 浙江大学医学院附属儿童医院 | 基于婴儿动态姿态估计的脑性瘫痪早期筛查系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201918222A (zh) | 事件檢測方法及設備、房顫檢測方法和非暫時性儲存介質 | |
US20180014784A1 (en) | System and method for electrophysiological monitoring | |
US20180000408A1 (en) | Baby sleep monitor | |
Kantoch et al. | Monitoring activities of daily living based on wearable wireless body sensor network | |
US20180303366A1 (en) | Method for Detecting Seizures | |
Farago et al. | A review of techniques for surface electromyography signal quality analysis | |
CN107913060A (zh) | 用于监测心跳的方法及装置 | |
Fabietti et al. | Artifact detection in chronically recorded local field potentials using long-short term memory neural network | |
CN113903468A (zh) | 一种基于手机终端的高危儿超早期智能筛查及监测方法 | |
Klefot et al. | Development of a noninvasive system for monitoring dairy cattle sleep | |
KR20160120482A (ko) | 생체 신호를 이용한 사용자 행동 예측 시스템 및 방법 | |
CN109480852A (zh) | 体征监测方法、系统、可穿戴式的信号采集设备 | |
Adami et al. | Detection and classification of movements in bed using load cells | |
Patel et al. | A novel two-body sensor system to study spontaneous movements in infants during caregiver physical contact | |
Gaurav et al. | A Machine Learning Approach to the Smartwatch-based Epileptic Seizure Detection System | |
CN109171656B (zh) | 一种不宁腿综合症的早期检测设备 | |
Jeng et al. | Stream data analysis of body sensors for sleep posture monitoring: An automatic labelling approach | |
Leone et al. | An EMG-based system for pre-impact fall detection | |
Kok et al. | Assessing the feasibility of acoustic based seizure detection | |
Sukanesh et al. | A portable wireless ECG monitoring system using GSM technique with real time detection of beat abnormalities | |
Prajitha et al. | ECG diagnosis for arrhythmia detection with a cloud-based service and a wearable sensor network in a smart city environment | |
Chen et al. | Subtle Motion Detection Using Wi-Fi for Hand Rest Tremor in Parkinson's Disease | |
Uhríková et al. | Action tremor analysis from ordinary video sequence | |
CN211834368U (zh) | 一种运动员疲劳度检测系统 | |
ZiYing et al. | An integrated fall prevention system with single-channel EEG and EMG sensor |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220107 |
|
WW01 | Invention patent application withdrawn after publication |