CN116491939A - 一种用于监测用户血糖值的非接触和非侵入性方法 - Google Patents
一种用于监测用户血糖值的非接触和非侵入性方法 Download PDFInfo
- Publication number
- CN116491939A CN116491939A CN202210059113.3A CN202210059113A CN116491939A CN 116491939 A CN116491939 A CN 116491939A CN 202210059113 A CN202210059113 A CN 202210059113A CN 116491939 A CN116491939 A CN 116491939A
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- contact
- image
- user
- invasive method
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 90
- 210000004369 blood Anatomy 0.000 title claims abstract description 90
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 title claims abstract description 87
- 239000008103 glucose Substances 0.000 title claims abstract description 87
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003384 imaging method Methods 0.000 claims abstract description 29
- 238000012014 optical coherence tomography Methods 0.000 claims abstract description 17
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 238000013186 photoplethysmography Methods 0.000 claims abstract description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 201000010099 disease Diseases 0.000 claims description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 4
- 206010012601 diabetes mellitus Diseases 0.000 abstract description 8
- 201000005665 thrombophilia Diseases 0.000 abstract 1
- 230000036541 health Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 229940079593 drug Drugs 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 201000001421 hyperglycemia Diseases 0.000 description 4
- 230000004962 physiological condition Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000002483 medication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 2
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 2
- 208000013016 Hypoglycemia Diseases 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 208000025721 COVID-19 Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010018429 Glucose tolerance impaired Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 208000001280 Prediabetic State Diseases 0.000 description 1
- 208000013200 Stress disease Diseases 0.000 description 1
- 206010042496 Sunburn Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003935 attention Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000005800 cardiovascular problem Effects 0.000 description 1
- 208000003295 carpal tunnel syndrome Diseases 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000006397 emotional response Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000007410 oral glucose tolerance test Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 201000009104 prediabetes syndrome Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Computing Systems (AREA)
- Heart & Thoracic Surgery (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Emergency Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种用于监测用户血糖值的非接触和非侵入性方法，包括：通过一个或多个摄影机取得所述用户的实时影片；通过一处理器，将所述用户的实时影片处理成一帧帧影像，并自每帧影像中的脸部区域提取一个或多个关键区；通过所述处理器，将所述一个或多个关键区域连同一个或多个光体积描记成像(iPPG)和光学相干层析成像(OCT)变化馈送给至少一个基于图像的生理监测模型以处理所述一个或多个关键区域，并通过使用卷积神经网络算法获得基于所述实时影片的指示所述关键区域的血糖值的至少一个结果，可以实时提供糖尿病及高凝血等异常血糖警示。
Description
【技术领域】
本发明主要涉及一种非侵入式及非接触式方法，用于监测血糖及因血糖变化引起相关疾病。
【背景技术】
背景技术包括了解本件发明的有用信息。以下叙述包括可能有助于了解现有技术的信息。本处 提供的任何现有技术或与本申请相关发明的信息，或任何特定公开或影射参考的技术，并非承认这 些技术。
血糖是指人们血液中来自所吃食物的糖分，提供人们身体运作所需主要能量来源。血液将葡萄 糖输入身体细胞中以产生必要的能量。糖尿病是血糖值过高的一种疾病。血液长时间有太多葡萄糖 会引起严重问题。甚至即使没有糖尿病，人们有时可能会因为血糖过高或过低而产生问题。维持固 定的饮食、活动及服用必要的药物可能会有帮助。如果真的有糖尿病，维持目标范围内的血糖数值 是非常重要的。人们每天可能会需要检查血糖值数次。健康照顾者也将会为被照顾者施作糖化血色 素HbA1c血糖测试，这个可以测得过去数个月的平均血糖值。人们如血糖过高，可能需要服用药物 及(或)进行特殊的饮食。
以下表格显示各类型血糖值的范围(善意建议葡萄糖值范围)
被诊断为糖尿病的血糖值:
| 血浆葡萄糖测试 | 正常 | 糖尿病前期 | 糖尿病 |
| 随机 | 11.1mmol/L以下 | N/A | 11.1mmol/L以上 |
| 禁食 | 5.5mmol/L以下 | 5.5至6.9mmol/L | 7.0mmol/L以上 |
| 饭后2小时 | 7.8mmol/L以下 | 7.8至11.0mmol/L | 11.1mmol/L以上 |
血糖值可以提供糖尿病是否控制良好的信息，亦可告知人们饮食、运动及用药计划是否可行。 将血糖值尽量维持正常，可以减少或预防多数并发症产生问题的风险。
健康照顾专业人士所使用的监测血糖值器材，包括数字血糖仪，需要用针刺用户的手指以检测 血液中的葡萄糖值。健康照顾专业人士亦可能指导用户采用快速或随机血浆测试或口服葡萄糖耐量 试验或接受糖化血色素HbA1c测试，用以诊断是否有糖尿病。这些器材需要接触病人，会被归类为 侵入式或接触式。
持续监测血糖值可帮助健康照顾专业人士及用户仔细照顾健康状况，对有心血管问题的病人特 别重要。
现有技术如美国专利No.6,611,206及No.6,968,294预期家庭健康监测的个人需求，例如：通常 需要健康照护者的长者。这些专利申请公开的监测系统包括遍布的传感器阵列，包括使用摄影机， 才可以监测对象的行为、情绪状况、行动安全、环境及保全。这些系统亦包括对对象提供近端或远 程警示的器材。美国专利No.6,611,206及No.6,968,294并非不显眼，亦非企图将家庭健康照护普遍 化。此外，这些系统确实不能为多个个体提供基于成像的健康评估以解决预期的可变性，包括年龄 变化、种族、周遭光线状况、外表因季节诱发的变化、隐私权、健康史及其它因素的变化。
另一项美国专利No.6,539,281提供了医疗柜或类似器材，以帮助用户选择、取得及追踪其使用 的药物。在此情况下，药品被提供有射频识别标签，而此医疗柜是由射频识别标签读取者所安置。 柜子上附有触摸屏幕、平面显示器作为用户的接口。此医疗柜可包括摄影机及脸部辨识软件以识别 用户。即使此美国专利No.6,539,281公开的智能型医疗柜是有用途的，但它不使用摄影机评估用户 的生理状况，因此，不期待可以有机会评估用户的健康状况。
其他健康照护器材大多注重家庭健康监测或医疗测量参数，而非一般行为及活动。举例来说， PCT专利申请WO2001/071636描述了一种个性化健康档案系统，企图收集个人在其家庭环境中的 定量健康数据，以得到潜在疾病或个人健康或生理变化的警告信号。这些数据可以在十分不显眼情 况下，自每日活动(如：走路、睡觉或运动)中收集。PCT专利申请WO2001/071636特别是预期 用穿戴在接近个人身体的一个或多个传感器以监测心率、血氧、走路节奏、或体温。类似的PCT专 利申请WO2005/006969是预期以健康监测系统作为个人在自家的健康教练。此系统可能有多个戴在 个人身上或植入身体内的传感器，此传感器可以测得个人心电图(ECG)或呼吸率，亦可能提供其他 传感器，例如安装在墙上、监测环境数据的传感器，类似空气温度计、湿度计及其他参数。PCT专 利申请WO2001/071636和WO2005/006969公开的装置及系统是以家庭照顾为目标，非以家庭健康 照护普遍化为目标。特别是它们没有预期用一个不显眼但可以日以继夜的持续监测多数个人的健康 系统。此外，这些系统也没有提供影像标准化来解释与多数个人、光线条件、季节变化及其他变化因素相关的可变性。
因此，用户有以简易方式获得血糖监测值的需求。
【发明内容】
本发明主要有关通过使用一个或多个数字摄影设备取得的影像，以不显目持续方式，监测一人 或多人的生理状况，特别是有关对血糖及因血糖变化产生的相关疾病，使用非接触及非侵入的方式 进行监测的仪器、方法及设备。
本发明目的在于提供一种以非接触及非侵入的方式监测血糖的机器及方法。
本发明的解决方案跨多个平台开发，便于用户访问和使用。此解决方案包括达生健康监测网站 (DOCSUN Health Monitoring Web)及手机程序(Mobile Application)，还有达生DOCSUN DC系列 的门廊机/非接触健康监测机(主要可用于公共场所)，以及其他解决方案，包含但不限于将软件植 入芯片用于人工智能产品。
本发明提供了一种血糖监测方法，包括通过一软件及一平台将由一高质量摄影镜头拍摄取得的 一段影片传送至一AI数据库，通过一处理器，快速分析取得血糖数值，并生成报告。
该软件用来分析血糖，并提供妥当监测的必备条件，如运作该软件的器材需要配备有高质量的 摄影镜头，及用户应在脸部光线良好的环境下使用。用户应避免戴眼镜、化妆及脸部覆盖物品。
本发明实现了以下有益技术效果：
a:用户可以通过简单且简易的接口，以非接触及非侵入的方式，以手机、电脑或在公共场所测 量血糖。
b:达生非接触健康监测机可以设定为持续监测用户的血糖。
c:较其他医疗器材的成本更为低廉。
d:利用人工智能AI尖端技术提升本发明功能。
【附图说明】
通过以下附图可以更进一步了解本发明，这些附图也作为本发明的一部分，图示内容为本发明 的举例。
这些附图中相似的部分及(或)特征用相同的附图标记表示。再者，相同型式的不同部分得参 考下列相似部分再为区分的第二附图标记以示区别，如只有第一个附图标记被使用于此说明书内， 其叙述可以适用与第一附图标记相似的部分，与第二附图标记无关。
图1为通过实施本发明方法对用户的脸部区域影像进行处理的示意图。
图2A-2B为说明按照本发明使用器材取得预测的血糖值及实际血糖值的运用举例，分别为预测 的血糖读数示意图和读取的血糖读数示意图。
图3是说明根据本发明的示例性实施例的用户与本发明提供的系统的互动方式的示意图。
图4是说明根据本发明的示例性实施例的将本发明配置为网络的示意图。
图5是说明根据本发明示例性实施例的用于监测用户血糖值的非接触和非侵入的方法的示意图。
图6是说明根据本发明示例性实施例的用于非接触和非侵入性监测用户血糖值的设备或装置的 示例性物理组件的结构方框图。
【符号说明】
10：对象/用户
100：电子影像设备
110：显示器
120：摄影机
122：影像镜头
124：影像传感器
126：光谱滤波器
134：半透明镜
136：镜子
140：环境光检测器
142：移动检测器
144：检测器
300：血糖监测系统
320：图像处理电子产品
330：系统控制器
340：电脑
345：存储器
355：通信控制器
360：网络
410：血糖值
570：处理器
602：摄影机
604：处理器
【具体实施方式】
以下叙述细节与本发明技术实施有关。此是为了说明本发明技术所优先采取实施方法的叙述， 是但本发明的保护范围不限于此叙述。本领域的普通技术人员将认识到与本说明书描述的示例等效 的各种变化。
本部分描述了按照本发明实施的系统、仪器、电脑可读取存储介质及方法的举例。这些举例只 是为了添加上下文，以帮助了解本发明的实施方式。因此，对于本领域技术人员来说显而易见的是， 可以在不提供部分或全部特定细节的情况下实施所公开的实现方式。其他举例、某些过程或运作方 法会以特定方框标示，将不叙述细节，以免不必要地模糊本发明公开的实施方法。以下示例并未限 制采用其他可能的实施及运用，亦未限制其范围或设定。
以下叙述细节请参考相关附图，以作为特定实施方法的叙述。尽管对这些公开的实施方法了足 够详细的描述，以使本领域技术人员能够实践这些实施方法，但请明了并不限于这些举例，其他实 施方法亦可能加以使用，亦可能进行未与本发明精神及范围相悖的改变。例如，本文所示和描述的 方法的方框不一定按照一些其他实现中指示的顺序执行。另外，在一些其他实现中，所公开的方法 可以包括比所描述的更多或更少的方框。作为另一示例，本文中描述为单独方框的一些方框可以在 一些其他实现中组合。相反，在一些其他实现中，可以在多个方框中实现本文中描述为单个方框的 内容。此外，除非另有说明，否则在适当的情况下，本文中的连词“或”应具有包容性，也就是说， 「A、B或C」即表示包括「A」、「B」、「C」、「A及B」、「B及C」、「A及C」及「A、B 及C」。
本文叙述和引用的一些实施方法是针对用于检测涌入大量消息的系统、装置、电脑实施方法及 电脑可读取存储介质的。
因此，例如，本领域的普通技术人员将认识到图表、示意图、插图等表示说明体现本发明的系 统和方法的概念视图或过程。在附图中显示的各种元件的功能可能经由专用硬件和可以执行这些硬 件的软件的使用而加以提供。类似地，在附图中显示的任何电子代码产生器只是概念性的，其功能 可以经由程序逻辑、专用逻辑、程序控制及专用逻辑互动、甚至手动来实现，具体技术可由实施本 发明的实体选择。再者，由实施本发明的实体选择的特定技术本领域的普通技术人员进一步理解， 本文所述的示例性硬件、软件、过程、方法和/或操作系统是为了说明目的，因此，并不打算限于任 何特定技术。
本文中使用的各种术语如下所示。如果权利要求中使用的术语未在下文中定义，则应参照在递 交本申请时印刷出版物和发布的专利中所反映的该术语的定义而给出最广泛的定义。
本发明主要是有关利用一种或多种数字摄影设备取得影像，以不显目持续方式，监测一人或多 人的生理状况，特别是对血糖及因血糖变化产生的相关疾病的采用非接触及非侵入方式的相关仪器、 方法及设备。
在本发明的一实施例中，提供了一种血糖监测方法，包括通过一软件及一平台，将由一高质量 摄影镜头拍摄取得的一段影片传送至一AI数据库，快速分析取得血糖数值，并生成报告，让用户得 以用非侵入、非接触方式快速精准监测血糖，可以实时提供高血糖及低血糖等异常血糖警示。
本发明是以C、C++,java-script及python等语言开发，利用网站、Android、iOS、Windows x86 及Linux x86等设备的多重平台开发功能。本发明的软件需要使用光学相机。
图1是说明按照本发明采用非接触及非侵入方式监测用户血糖值的运用举例的示意图。
如图1所示，本发明软件处理实时影片，影片的每一帧影像会先以去噪轮廓(de-noising profiles) 处理，再通过多层的不同增强模块(layers of varyingaugmentation profiles)进行处理，在提供相关数 据前，脸部区域中的关键区域影像遮罩会被筛选出来。本发明的软件提供光学相干层析成像OCT (optical coherencetomography)与iPPG的变异信息作为相关性标示的输入数据，并利用卷积神经网络 CNN(Convolutional Neural Network)算法，计算影像变化与生理信号的对应关系，得出判读的生理信 号数据，取得较好的结果，并协助微调读数。之后结果会归类为三种提示，绿色表示健康、黄色表 示应注意，红色表示异常。这些提示可以提供给用户，亦提供用户易于了解的界面。结果可以显示 用户的血糖值mmol/L及mg/dL读数及文字叙述的健康提示，帮助用户了解提示内容。
此模块处理脸部区域并提取多重关键区域，在数据送入模块前，增加额外过滤的模块，以提供 更多相关性数据给提取的关键区域，可以增强预测的一致性及帮助提升正确性。
提示文字为：血糖值正常、及血糖值异常。数字读数以mmol/L及mg/dL显示。
读数会在30秒内产生，有效率地提供读数，亦可在持续监测时的持续读取状态中被使用，以帮 助病人免于心绞痛、高血糖等疾病痛苦，可以用持续非接触及非侵入的方式监测病人血糖值。
有关血糖预测，比较基准的研究是在肯尼亚进行，实验室研究是在中国台湾进行，以实证误差 及正确性。研究结果显示，不同种族及肤色并未存在重大差异的误差。图2A-2B示出了经由使用标 准数字血糖监测机及达生健康监测系统软件计算血糖值读数的比较研究，所得到的正确性及误差的 实证。
读数的误差是少于0.5mmol/L。这些误差是在考虑实证正确性的器材的误差后所计算出来。本 发明的设备正确预测微小变化的血糖值，可以辨识因移动或光线造成的假影或噪声。本发明包含因 移动或光线造成的假影或噪声的校正，以维持误差在一定范围，并促进读数的正确性。图2A-2B是 说明依本发明使用器材取得预测的血糖值及实时(读取的)血糖值的运用举例的波形图。此模型实 证已有98％的正确性及2％的误差。该图形绘制了针对不同种族地区及肤色用户的研究读数。
本发明在床上用来筛检及诊断新冠肺炎COVID-19的自我诊断AI软件的已知及潜在优点为：快 速正确取得血糖值读数，可以辨识用户症状，并检测是否有高血糖或健康的状态；确保本软件用户 的体验质量；不存储影像数据，保护用户隐私。
本件所使用“引擎”一词，乃指本软件、固件、硬件或其他相关构件，以贯彻本发明目的。引擎 通常将包括存储于非易失性存储器(Non-Volatile Memory)的软件指令。当执行这项软件指令，至少 这项软件指令的一个子集合可被加载于处理器的存储器(亦称主存储器)。此处理器之后可以在存储 器内执行软件指令。此处理器可以是一个分享式处理器、专用式处理器，或是分享或专用混合的处 理器。通常程序将包括呼叫硬件组件(如I/O设备)，其中通常需要执行驱动程序。此驱动程序可能 或不可能被视同引擎，但此区分并不重要。
就此技术，“数据库”一词被广泛使用以包括任何已知或方便存储数据的方法，不管是否中央管 控或分布式、或其他形式。
本发明的实施例包括以下叙述的数项步骤。这些步骤可以经由硬件组件执行或包含在机器可执 行指令中，得以被使用于通用或专用的处理器，执行程序指令以执行这些步骤。另外，这些步骤可 以选择通过硬件、软件及固件的组合来执行，亦可经由人员手动操作执行。
本发明实施例可以作为电脑程序产品提供，此产品可以包括明确植入指令的机器可读取存储介 质，此可被使用于电脑程序(或其他电子设备)进行执行处理。此可机器读取介质可能包括但不限 于固定(硬件)驱动器，磁带、磁盘、光盘、只读存储光盘CD-ROM、及带磁光盘、半导体存储器， 如只读存储器ROM、可编程只读存储器PROM、随机存取存储器RAM、抹除式可复写只读存储器 EPROMs、电子抹除式可复写只读存储器EEPROMs、闪存、磁卡或光学卡或其他适于存储电子指 令的媒介/机器可读介质(如电脑编程代码，如软件或固件)。
电脑本文描述的各种方法可以通过将包含根据本发明的代码的一个或多个机器可读存储介质与 适当的标准电脑硬件相结合来实施，以执行其中包含的代码。用于实施本发明的各种实施例的装置 可涉及一台或多台电脑(或单个电脑内的一台或多台处理器)和存储系统，所述存储系统包含或具 有对根据本文所述的各种方法编码的电脑程序的网络访问，本发明的方法步骤可以通过电脑程序产 品的模块、例程、子例程或子部分来完成。
图3是说明根据本发明的示例性实施例的用户与本发明提供的系统的互动方式的示意图。
图3所示举例为血糖监测系统(300)。血糖监测系统(300)主要包括电子影像设备(100)，其 中至少包括一个摄影机(120)，亦可包括显示器(110)。电子影像设备(100)与影像处理电子产品 (320)、通信控制器(355)及网络(360)相链接。此图像处理电子产品(320)可以达成潜在多重 目的，包括改善结合本地的电子影像设备(100)的摄影机(120)所获取的影像质量、改善本地显 示器(110)所显示的影像质量，并处理获取的影像以帮助产生有关生理状况的指标。电脑(340) 协调图像处理电子产品(320)及系统控制器(330)的控制。电脑(340)操纵存储器(345)及显 示器(110)、图像处理电子产品(320)及网络(360)，并自其取得信息。图像处理电子产品(320) 及电脑(340)都可以进入各种数据库(随后将会被讨论)，很多数据库是存储于存储器(345)。系 统控制器(330)提供本地的电子影像设备(100)各种控制及驱动功能，包括显示器驱动程序及影 像获取控制功能。亦可能提供各种检测器，包括环境光检测器(140)、移动检测器(142)及各种附 带检测器(未示出)，用来测量环境光或其他生理或环境指标。这些检测器与电脑(340)及系统控 制器(330)互联。通信控制器(355)作为通信线路的接口，如无线或有线网络(360)，可以将影 像及其他信息自一处传输至他处。
如前所述，血糖监测系统(300)主要是运用在住家巿场，但从医疗及人类健康幸福的观点而言， 尚有其他需求有待满足。按照今日美国报(USA Today)报载，在2020年美国可能短缺85,000至200,000 个医生，可能是因为医疗过失保险及其他非医疗业务原因而影响就读医学院学生的人数，更可能是 因为婴儿潮出生的7,900万人已达到退休年龄，而产生更多的医疗照护需求。再者，健康护理雇主及 政府单位减少，将会使消费者支付更多健康照护费用。以上压力将可能使消费者增加健康护理费用， 这些压力可能会迫使消费者增加医疗保健费用，如果消费者能够更好地评估医疗保健专业人员是否 以及何时进行干预，这可能会有所改善。
不可否认地，医生短缺、婴儿潮增加需求、及不计其数雇主贡献的减少，意味着消费者照顾自 己及其家人健康的需求增加。精准健康的重要护理将成为三明治世代重责大任。依2002年General Social Survey研究，45至64岁家有小孩的人，十个当中就有三个可能需要护理一个长辈，这些父 母中很多就算没有年长的父母与其共住，他们仍会担忧其年长的父母健康，特别是如果长辈住在遥 远的外地时。
虽然血糖监测系统(300)每天会获得信息，很多健康指针(特别是用本发明测得的血糖值)一 般将会慢慢改变，因此，可以测得一些健康信息，并以较少次数的方式予以保留。例如：体重或姿 势缓慢改变的身体特性，根据相关的特征及测量目标的变化所结合的健康指标(特别是用本发明测 得的血糖值)，可能被采用或以周、月或季的方式予以保留。
因此，血糖监测系统(300)得以收集一个人或多人的身体信息纪录。为达此目的，血糖监测系 统(300)配备多重目的设备及特别有电子影像设备(100)，而可以经由一台或多台摄影机(120)， 不醒目地获取用户或目标物影像。电子影像设备(100)可能是当对象(用户10)注视设备时，可以 看到对象的电脑监视器、电视、手机、镜子或其他显示器(配备有摄影机120)。如图3所示，电子影 像设备(100)为一台电脑，如桌上型或笔记本电脑。摄影机(120)可能是安装在显示器边缘(如 图所示)或整合于电子影像设备(100)之中，可以通过显示器(110)看到用户(10)。然而，电子 影像设备(100)包括整合于摄影机(120)及(可选择性地)显示器(110)的镜子(136)。摄影机 (120)通常包括影像镜头(未示出)，可以经由光谱滤波器(未示出)自一连串影像传感器(未示 出)提供影像。此时，摄影机(120)可以自半透明镜(未示出)提供的孔径A看到影像。为协助隐 藏摄影机(120)及孔径A，半透明镜可以具有梯度反射率，在孔径A的中心具有最低反射率。半透 明镜亦可能是闪烁设备，被电子驱动以在反射及投射状态间切换。孔径A可选择光学针孔(直径少 于0.5mm)，摄影机(120)可以为针孔摄影机。任何情况下，摄影机(120)最好藏在电子影像设 备(100)之中，通常让用户看不到。如图3所示，血糖监测系统(300)可以在住家通过网络及利用 电子影像设备(100)使用，包括使用电脑监视器及镜子型式。原则上，本发明是当一个或多个对象 看着自己或看着其他信息、消息或娱乐节目时，等同是注视着镜子或显示器，就可以用不显目的方式收集身体影像。这些捕获的图像可以日复一日、月复一月、年复一年地获取，从而在长时间内获 得丰富的基于图像的对象表示。
虽然血糖监测系统(300)网络配置对多数家庭成员获取身体影像为主的数据特别有用，有关个 人及家庭隐私的问题有特别强调。特别是将电子影像设备(100)作为一个或多个浴室镜子的配置对 获取影像特别有用。例如，在住家中，电子影像设备(100)可以设置于主卧室的浴室中，其他可以 放置于小孩的浴室中。考虑个人爱美的人类行为模式，可以日复一日获取影像的最好方式就是将电 子影像设备(100)镜子化。亦即，最好可能是配置在浴室中，可以重复获取及采光状况亦佳。然而， 在浴室时特别要注意用户隐私的管控。另外，电子影像设备(100)亦可整合于电脑、电视或娱乐器 材之中，并可期待在住家是可以近乎每天规律地使用。自非位于浴室的影像获取可能较无隐私顾虑， 但这样获取的影像可能质量较差及易变的。任何情况下，各种硬件及软件设计特性可能整合于血糖 监测系统(300)，并可以说明隐私权保护及结合获取状况的变化。
尤有甚者，不只是简化获取影像，使影像正常化的影像评估更是关键。再者，考虑住家环境， 家庭成员外表可能因性别、年龄、肤色、发色、身高、体重及其他因素而重大改变。任何人基本外 表也可能因季节(如晒黑或晒伤)、行为(包括使用化妆品、运动或使用或滥用酒精及药物)及其他 因素而有所变化。环境光线亦可能对连续的获取影像产生重大改变。在相似的条件下，获取影像的 个人位置可能会导致所获取影像中个人尺寸、方向或位置的变化。因此，为弥补影响获取影像可能 很多的变化及可以不显著地获取影像，血糖值监测程序采用影像正常化程序，以减少影像变化的影 响。特别是在获取的步骤是遵循影像正常化程序时，可以在自影像数据产生以尺寸或颜色为基础的 健康指标(特别是用本发明测得的血糖值)前修正获取的影像。
图4是说明根据本发明的示例性实施例的本发明配置为网络的示意图。
即使图4将血糖监测系统(300)叙述作为网络系统，但本系统主要包括可以建置于浴柜上的电 子影像设备(100)，此种运用可能会有特别的限制。例如：镜子(136)因个人淋浴冷却而蒙上雾气， 电子影像设备(100)获取影像能力可能因此减损。当然，外在的镜子表面可能因加热或有涂层而减 少这个问题。在很多浴室，镜子后面会放有医药柜。当然可以预期任何摄影机(120)、显示器(100) 或其他检测器或传感器(136)将会放在这个位置不大的潜在空间。再如图3所示，血糖监测系统(300) 的电子影像设备(100)可能放置于住家的别处，包括图画后或浴柜上。如其他案例，一个或多个摄 影机(120)可以放置于电脑或电视，如同现今所使用的网络摄影机。在此时，血糖监测系统(300) 可以观察到前述健康指针以外的其他因素。例如：血糖监测系统(300)可以在电脑或电视观察到对 象(10)的姿势、人体工程学、情绪反应、注意力、花费时间、疲劳。此信息可以有用的评估心理 压力程度、潜在重复压力障碍，例如：腕管综合征或对任务的精神关注力。对小孩而言，心理注意 评估对注意力缺乏(ADD)或了解教育执行状况很有用。此外，血糖监测系统(300)亦可接受其他生 医设备的结合，包括手持式或穿戴式传感器。这些补充设备亦可能包括掌上电脑PDA或手机型态设 有影像能力的器材。
图5示出了根据本发明示例性实施例的用于监测用户血糖值的非接触和非侵入的方法。
在示例性实施例中，是以非接触及非侵入的方法监测用户血糖值。此非接触及非侵入的方法包 括以下步骤：
步骤502，一个或多个摄影机获取用户的实时影片。
步骤504，一个处理器将所获取的用户的实时影片处理成一帧帧影像。
步骤506，一个处理器从所述一帧帧影像中提取一个或多个脸部区域，再从其中提取一个或多个 关键区域。
步骤508，一个处理器从所述一帧帧影像中提取一个或多个脸部区域，再从其中提取一个或多个 关键区域后，将所述一个或多个关键区域连同一个或多个光体积描记成像(iPPG)和光学相干层析 成像(OCT)变化馈送至至少一个基于图像的生理监测模型，并利用卷积神经网络CNN(Convolutional Neural Network)算法处理所述一个或多个关键区域，获得至少一个指示用户血糖值的结果。
所述获得的至少一个结果会至少指出是在健康、需注意及异常其中一个范围内。可替换地，所 述获得的至少一个结果提供一个或多个可能的预测疾病的指示。
在示例性实施例中，至少一个基于图像的生理监测模型从以下任何一个或组合中选择。
在示例性实施例中，将一个或多个光体积描记成像(iPPG)和光学相干层析成像(OCT)变化 馈送至该至少一个基于图像的生理监测模型，以添加一个或多个相关标签，同时获得至少一个结果。
在示例性实施例中，该至少一个基于图像的生理监测模型利用人工智能(AI)或深度学习技能或 训练有素的分类器，以获得至少一个结果。
在示例性实施例中，该至少一个基于图像的生理监测模型包括运用卷积神经网络CNN (Convolutional Neural Network)算法或软件，以获得至少一个结果。
在示例性实施例中，处理步骤进一步包括处理的步骤进一步包括去噪轮廓和对去噪轮廓执行一 个或多个增强。
在示例性实施例中，提取步骤还包括：该至少一个基于图像的生理监测模型会过滤一个或多个 关键区域。
在示例性实施例中，通过所述至少一个基于图像的生理监测模型处理所述一个或多个提取的感 兴趣区域的步骤，还包括为所述一个或多个提取的感兴趣区域提取多个相关区域。
图6示出了根据本发明示例性实施例的用于非接触和非侵入性监测用户血糖值的设备或装置的 示例性物理组件。
在示例性实施例中，描述了以非接触及非侵入的方式监测用户血糖值的装置。此装置包括摄影 机(602)以获取用户的实时影片。此装置亦包括一个处理器(604)的系统(未示出)，可以耦合摄 影机(602)。处理器(604)是用来处理实时影片得到的每帧影像，自每帧影像提取一个或多个脸部 区域，再随之提取一个或多个关键区域，并将所述一个或多个关键区域与一个或多个光体积描记成 像(iPPG)和光学相干层析成像(OCT)变化一起馈送至至少一个基于图像的生理监测模型，以处 理所述一个或多个关键区域，并基于该实时影片获得指示所述用户的血糖值的至少一个结果。
在示例性实施例中，所述至少一个基于图像的生理监测模型利用人工智能(AI)或深度学习技 术或包括卷积神经网络(CNN)算法或软件来获得所述至少一个结果。
在另一示例性实施例中，描述了以非接触及非侵入的方式监测用户血糖值的装置。此装置包括 摄影机(602)以获取用户的实时影片。此装置亦包括处理器(604)，可以耦合摄影机(602)。处理 器(604)是用来从处理取自实时影片所得的每帧影像中提取一个或多个脸部区域后，再提取一个或 多个关键区域，并将所述一个或多个关键区域与一个或多个光体积描记成像(iPPG)和光学相干层 析成像(OCT)变化一起馈送至至少一个基于图像的生理监测模型，以处理所述一个或多个关键区 域，并基于该实时影片获得指示所述用户的血糖值的至少一个结果。
在示例性实施例中，处理器进一步可以显示用户使用设备后所产生的结果，至少会指出是在健 康、需注意及异常其中一个范围内，并提供一个或多个可能预期疾病的指示。
本发明提供了使用单一地点进行跨多个组织、多个地点和类型的医疗检测和疫苗预约的简单方 法。这可以通过应用程序或网站访问。
在示例性实施例中，图6是依据本发明的设备或装置的实施例的结构示意图。如图6所示，本实 施例提供的设备或装置包括一个处理器及一个摄影机。此设备或装置还可包括一个发射器(未示出) 及一个接收器(未示出)及一个存储器(未示出)。此存储器、发射器及接收器使用一个总线与处理 器连接。此存储器存储执行指令，当设备或装置运作时，处理器与存储器交换信号，处理器执行存 储器内的指令，得以进行如图5所述的运作。
在示例性实施例中，设备或装置或服务器可以在电脑系统中被执行以实行本公开所述的技术。 本发明的实施例包括上述各种步骤。这些步骤中的各步骤可以由硬件组件执行，或者可以以机器可 执行指令的形式有形地体现在计算机可读存储介质上，机器可执行指令可用于使用指令编程的通用 或专用处理器执行这些步骤。或者，可以通过硬件、软件和/或固件的组合来执行这些步骤。
此电脑系统或计算设备或服务器包括外在存储设备、计算器、主要存储器、只读存储器、大量 存储设备、通信端口及处理器。本领域技术人员将理解，计算机系统或计算设备或服务器可以包括 多个处理器和通信端口。示例中的处理器包括但不限于一个或Itanium 2处理器、或 />或Athlon/>处理器、/>系列处理器、FortiSOCTM芯片处理器系统或 其他处理器。本发明例示的处理器可能包括各种模块。通信端口可能有一个耦合拨号连结的调制解 调器加以使用的RS-232端口、一个10/100以太网络端口、使用铜或光纤的一个千兆端口或一个十千 兆端口、一个串行端口、一个并列端口或其他现存或未来端口。通信端口可能根据网络加以选择， 包括局域网络(LAN)、广域网(WAN)、或任何与电脑系统链接的网络。存储器可能是随机存取存储 器(RAM)或任何在此技术中被广知的其他动态存储设备。只读存储器可能是任何静态存储设备，包 括但不限于可编程只读存储器(PROM)芯片，以存储静态信息，例如处理器开始或基本输入输出系统BIOS指令。大容量存储可能是用任何目前或未来大容量存储解决方案，可以被使用来存储信息及 (或)指令。大容量存储解决方案举例包括但不限于：并列高技术附件(PATA)、串行高技术附件 (SATA)硬盘驱动器或固态硬盘，可以是内建或外在，如附有通用串行总线(USB)及(或)火线接口， 如：可自Seagate(如：Seagate Barracuda 7200 family)或Hitachi(如：Hitachi Deskstar 7K1000)取 得，一个或多个光盘、容错式磁盘阵列(RAID)存储，如：一列光盘(如：SATA串行高技术附件)， 可自包括Dot Hill Systems Corp.、LaCie、Nexsan Technologies,Inc.及Enhance Technology,Inc.等各 种供货商取得。计算器可以和其他存储器、存储及沟通障碍处理器加以沟通耦合。计算器可能例如 是外部连结标准(PCI)、PCI升级版(PCI-X)计算器、小电脑系统接口(SCSI)、USB或其他类似物，用 以链接扩张卡、驱动器及其他附属系统及其他计算器，如：链接处理器及软件系统的前端计算器(FSB)。可选择地，操作者及执行接口，如:显示器、键盘及光标控制设备可能也耦合计算器以支持 直接操作者与电脑系统的互动。其他操作者及执行接口可能经由通信端口链接的网络链接加以提供。 外在存储设备可能是任何一种外在硬盘机、软盘驱动器、/>Zip Drives、只读存储光盘 (CD-ROM),可重复录写光盘(CD-RW),数字激光视盘-只读存储光盘(DVD-ROM)。以上叙述的组 件仅为各种可能的举例。以上举例电脑系统并不会限制本发明范围。
虽然以上已详细说明主要模块的建议系统，实际执行完全可能包括建议模块通过可以互相耦合 运作的多数设备(包括云端)的一部分或其组合或各种组合的部分的次组合。再者，此模块可能在 任何顺序中运用，以达成精心设定的目标。建议的系统亦可能在计算设备或通过多个计算设备互相 连结运作，此计算设备可能是一个电脑、笔记本电脑、智能型手机、可使用网络的行动设备及其他 类似设备。所有修正及改型均在本发明范围内。
除其他另有说明外，这里所使用「耦合c」一词是包括直接耦合(即两个互相彼此耦合或接触的 组件)及间接耦合(位在二个组件中的至少一个额外组件)。因此，「和…耦合」及「与…耦合」是 同义。「和…耦合」及「与…耦合」的用语亦被委婉地使用表示于网络上沟通地耦合，即可以通过网 络彼此交换信息的二个或多个设备，可能经由一个或多个中介设备。
再者，在解释说明书和权利要求时，所有术语都应以与上下文一致的最广泛的方式进行解释。 尤其是，术语“包括”和“包括”应解释为以非排他性方式指代元件、组件或步骤，表示所引用的元件、 组件或步骤可以存在、使用或与未明确引用的其他元件、组件或步骤组合。其中，说明书权利要求 涉及从A、B、C……组成的组中选择的至少一种…和N，文本应解释为只需要该组中的一个元素， 而不是A+N或B+N等。
虽然已经对本发明的一些实施例进行了说明和描述，但这些实施例在本质上是完全示例性的。 本发明不限于如本文所阐述的实施例，并且对于本领域技术人员来说显而易见的是，在不脱离本文 的发明概念的情况下，除了已经描述的那些之外，还可以进行许多修改。所有此类修改、变更、变 更、替换和等效物完全在本发明的范围内。因此，除所附权利要求书的保护范围外，本发明的主题 不受限制。
Claims (10)
1.一种用于监测用户血糖值的非接触和非侵入性方法，包括：
通过一个或多个摄影机取得所述用户的实时影片；
通过一处理器，将所述用户的实时影片处理成一帧帧影像，并自每帧影像中的脸部区域提取一个或多个关键区；
通过所述处理器，将所述一个或多个关键区域连同一个或多个光体积描记成像(iPPG)和光学相干层析成像(OCT)变化馈送给至少一个基于图像的生理监测模型以处理所述一个或多个关键区域，并通过使用卷积神经网络算法获得基于所述实时影片的指示所述关键区域的血糖值的至少一个结果。
2.根据权利要求1所述的非接触和非侵入性方法，其中，获得的所述至少一个结果提供指示在健康范围、警告范围和异常范围类别中的至少一个的血糖值。
3.根据权利要求1所述的非接触和非侵入性方法，其中，获得的所述至少一个结果提供一个或多个可能的预测的疾病的指示。
4.根据权利要求1所述的非接触和非侵入性方法，其中，将所述一个或多个光体积描记成像(iPPG)和光学相干层析成像(OCT)变化馈送至所述至少一个基于图像的生理监测模型，以添加一个或多个相关标签，同时通过使用卷积神经网络算法获得所述至少一个结果。
5.根据权利要求1所述的非接触和非侵入性方法，其中，所述至少一个基于图像的生理监测模型利用人工智能(AI)或深度学习技术或经过训练的分类器来获得所述至少一个结果。
6.根据权利要求1所述的非接触和非侵入性方法，其中，所述至少一个基于图像的生理监测模型包括卷积神经网络算法或软件以获得所述至少一个结果。
7.根据权利要求1所述的非接触和非侵入性方法，其中，所述处理步骤进一步包括去噪轮廓和对所述去噪的轮廓执行一个或多个增强。
8.根据权利要求1所述的非接触和非侵入性方法，其中，通过所述至少一个基于图像的生理监测模型处理所述一个或多个关键区域的步骤还包括为所述一个或多个关键区域提取多个相关区域。
9.根据权利要求1所述的非接触和非侵入性方法，其中，所述至少一个基于图像的生理监测模型利用人工智能(AI)或深度学习技术，或包括卷积神经网络算法或软件以获得所述至少一个结果。
10.根据权利要求1所述的非接触和非侵入性方法，其中，所述处理器进一步配置为在所述设备的用户界面上显示至少一个获得的结果，其中所述用户界面显示基于所述至少一个获得的结果，在健康范围、警告范围以及异常范围类别中的至少一个中的血糖值指示，以及一个或多个可能的预测的疾病的指示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210059113.3A CN116491939A (zh) | 2022-01-19 | 2022-01-19 | 一种用于监测用户血糖值的非接触和非侵入性方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210059113.3A CN116491939A (zh) | 2022-01-19 | 2022-01-19 | 一种用于监测用户血糖值的非接触和非侵入性方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116491939A true CN116491939A (zh) | 2023-07-28 |
Family
ID=87317160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210059113.3A Pending CN116491939A (zh) | 2022-01-19 | 2022-01-19 | 一种用于监测用户血糖值的非接触和非侵入性方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116491939A (zh) |
-
2022
- 2022-01-19 CN CN202210059113.3A patent/CN116491939A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Anikwe et al. | Mobile and wearable sensors for data-driven health monitoring system: State-of-the-art and future prospect | |
| US20240257981A1 (en) | Method and apparatus for determining health status | |
| JP7514252B2 (ja) | ボディの分析 | |
| Selvaraju et al. | Continuous monitoring of vital signs using cameras: A systematic review | |
| Rodriguez-León et al. | Mobile and wearable technology for the monitoring of diabetes-related parameters: Systematic review | |
| Dubosson et al. | The open D1NAMO dataset: A multi-modal dataset for research on non-invasive type 1 diabetes management | |
| Oung et al. | Technologies for assessment of motor disorders in Parkinson’s disease: a review | |
| CN106659392A (zh) | 非侵扰式皮肤组织水合确定设备及相关的方法 | |
| Casalino et al. | Contact-less real-time monitoring of cardiovascular risk using video imaging and fuzzy inference rules | |
| US20180060518A1 (en) | Electronic community medical marijuana network | |
| US20180301211A1 (en) | Electronic community medical marijuana network | |
| AU2018285950A1 (en) | Mental state indicator | |
| Ko et al. | Quantification analysis of sleep based on smartwatch sensors for Parkinson’s disease | |
| Colantonio et al. | Computer vision for ambient assisted living: Monitoring systems for personalized healthcare and wellness that are robust in the real world and accepted by users, carers, and society | |
| David et al. | Quantification of the relative arm use in patients with hemiparesis using inertial measurement units | |
| Tacchino et al. | Spontaneous movements in the newborns: a tool of quantitative video analysis of preterm babies | |
| Dave et al. | Detection of hypoglycemia and hyperglycemia using noninvasive wearable sensors: electrocardiograms and accelerometry | |
| Pirzada et al. | Automated remote pulse oximetry system (ARPOS) | |
| Siyanbade et al. | Unobtrusive monitoring of sleep cycles: a technical review | |
| CN116491939A (zh) | 一种用于监测用户血糖值的非接触和非侵入性方法 | |
| Deny et al. | IoT-based Sweat Glucose Monitoring System | |
| US20220117524A1 (en) | Apparatus, method and device for non-contact and non-invasive blood sugar monitoring to help monitor diabetic patients and hypercoagulation | |
| TW202325221A (zh) | 協助監測糖尿病及高凝血症狀的非接觸式及非侵入式血糖監測 | |
| Kumar et al. | ISSK-an integrated self service kiosk for health monitoring and management | |
| Su et al. | Estimation of heart rate and heart rate variability with real-time images based on independent component analysis and particle swarm optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |