DE102014019760A1 - Method and device for determining the time course of the respiratory depth - Google Patents
Method and device for determining the time course of the respiratory depth Download PDFInfo
- Publication number
- DE102014019760A1 DE102014019760A1 DE102014019760.3A DE102014019760A DE102014019760A1 DE 102014019760 A1 DE102014019760 A1 DE 102014019760A1 DE 102014019760 A DE102014019760 A DE 102014019760A DE 102014019760 A1 DE102014019760 A1 DE 102014019760A1
- Authority
- DE
- Germany
- Prior art keywords
- data structure
- segment
- matrix data
- height profile
- person
- 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.)
- Ceased
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1073—Measuring volume, e.g. of limbs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Bestimmung des zeitlichen Verlaufs der Atemtiefe (T) einer, insbesondere schlafenden, Person. Es werden laufend zu einzelnen Aufnahmezeitpunkten Höhenprofile (H) der Person (1) erstellt. Höhenprofile aus benachbarter Aufnahmezeitpunkte werden zu Segmenten zusammengefasst. Der Bereich, der den Bauch- oder Brustbereich der Person in Abhängigkeit vom jeweiligen Referenzpunkt oder Referenzbereich (21) angibt, wird als Betrachtungsbereich (22) ausgewählt. Für jedes Höhenprofil (H) innerhalb des Segments (S1, ..., Sq) wird jeweils gesondert der Mittelwert der Abstände der innerhalb des Betrachtungsbereichs (22) befindlichen Punkte des Höhenprofils (H) zu einem Referenzpunkt oder Referenzgegenstand ermittelt wird. Für das Segment (S1, ..., Sq) wird ein Signal (si) ermittelt, dem zum jeweiligen Aufnahmezeitpunkt (t1, ..., tp) des Höhenprofils (H) der für dieses Höhenprofil (H) ermittelte Mittelwert zugeordnet wird. Basierend auf dem ermittelten Signal (si), insbesondere basierend auf dessen Signalamplitude, werden ein oder mehrere den zeitlichen Verlauf der Atemtiefe (T) charakterisierende Werte ermitteltThe invention relates to a method and a device for determining the time course of the breathing depth (T) of a, in particular sleeping, person. There are continuously created at individual recording times height profiles (H) of the person (1). Height profiles from adjacent recording times are combined into segments. The area indicating the abdominal or chest area of the person depending on the respective reference point or reference area (21) is selected as the viewing area (22). For each height profile (H) within the segment (S1,..., Sq), the mean value of the distances of the points of the height profile (H) within the viewing area (22) to a reference point or reference object is determined separately. For the segment (S1,..., Sq), a signal (si) is determined, to which the mean value determined for this height profile (H) is assigned to the respective recording time (t1,..., Tp) of the height profile (H). Based on the determined signal (si), in particular based on its signal amplitude, one or more values characterizing the temporal course of the breathing depth (T) are determined
Description
Die Erfindung betrifft ein Verfahren zur Bestimmung zeitlichen Verlaufs der Atemtiefe einer, insbesondere schlafenden, Person. Weiters betrifft die Erfindung eine Vorrichtung zur Bestimmung des zeitlichen Verlaufs der Atemtiefe. Schließlich betrifft die Erfindung einen Datenträger mit einem Programm zur Bestimmung des zeitlichen Verlaufs der Atemtiefe.The invention relates to a method for determining the time course of the breathing depth of a, in particular sleeping, person. Furthermore, the invention relates to a device for determining the time course of the respiratory depth. Finally, the invention relates to a data carrier with a program for determining the time course of the breathing depth.
Es werden laufend zu einzelnen Aufnahmezeitpunkten Höhenprofile der Person erstellt. Höhenprofile aus benachbarten Aufnahmezeitpunkten werden zu Segmenten zusammengefasst. Der Bereich, der den Bauch- oder Brustbereich der Person in Abhängigkeit vom jeweiligen Referenzpunkt oder Referenzbereich angibt, wird als Betrachtungsbereich ausgewählt.There are continuously created at individual recording times height profiles of the person. Height profiles from adjacent recording times are grouped into segments. The area indicating the abdominal or chest area of the person depending on the respective reference point or reference area is selected as the viewing area.
Für jedes Höhenprofil innerhalb des Segments wird jeweils gesondert der Mittelwert der Abstände der innerhalb des Betrachtungsbereichs befindlichen Punkte des Höhenprofils zu einem Referenzpunkt oder Referenzgegenstand ermittelt wird. Für das Segment wird ein Signal ermittelt, dem zum jeweiligen Aufnahmezeitpunkt des Höhenprofils der für dieses Höhenprofil ermittelte Mittelwert zugeordnet wird.For each height profile within the segment, the mean value of the distances of the points of the height profile located within the viewing area to a reference point or reference object is determined separately in each case. For the segment, a signal is determined, which is assigned to the respective recording time of the height profile of the determined for this height profile average.
Basierend auf dem ermittelten Signal, insbesondere basierend auf dessen Signalamplitude, werden ein oder mehrere den zeitlichen Verlauf der Atemtiefe charakterisierende Werte ermitteltBased on the detected signal, in particular based on its signal amplitude, one or more values characterizing the temporal course of the breathing depth are determined
Aus dem Stand der Technik ist eine Vielzahl von Verfahren bekannt, mit denen die Atmungsaktivität einer Person, insbesondere während des Schlafs, aufgezeichnet wird. Bei diesen bekannten Verfahren wird die zu untersuchende Person jeweils unmittelbar mit unterschiedlichen Sensoren verbunden, die die Person während des Schlafs stören können. Auch die mitunter zur sofortigen Auswertung der Sensorsignale verwendeten Kabel und Leitungen können den Schlaf der betreffenden Person stören.From the prior art, a variety of methods are known, with which the breathability of a person, especially during sleep, is recorded. In these known methods, the person to be examined is in each case directly connected to different sensors which can disturb the person during sleep. Also, the cables and wires sometimes used for immediate evaluation of the sensor signals can disturb the sleep of the person concerned.
Aufgabe der Erfindung ist es daher, ein Verfahren und eine Vorrichtung zur Verfügung zu stellen, die für die zu untersuchende Person wenig störend ist und insbesondere berührungslos die Atmung feststellt.The object of the invention is therefore to provide a method and a device which is not very disturbing for the person to be examined and in particular determines the respiration without contact.
Die Erfindung löst diese Aufgabe bei dem eingangs genannten Verfahren mit den Merkmalen des Patentanspruchs 1. Die Erfindung löst diese Aufgabe bei der eingangs genannten Vorrichtung mit den Merkmalen des Patentanspruchs 18.The invention solves this problem in the aforementioned method with the features of
Bei einem Verfahren zur Bestimmung des zeitlichen Verlaufs der Atemtiefe einer, insbesondere schlafenden, Person, sieht die Erfindung vor, dass mit einer auf die Person gerichteten Detektoreinheit laufend zu aufeinander folgenden Aufnahmezeitpunkten jeweils ein Höhenprofil der Person erstellt wird,
- a) wobei im Höhenprofil eine Anzahl von zumindest zwei Punkten im Raum festgelegt ist, die auf der Oberfläche der Person oder auf der Oberfläche eines auf oder neben der Person befindlichen Gegenstands liegen,
- b) wobei für jeden der Aufnahmezeitpunkte das jeweilige Höhenprofil in einer Datenstruktur abgespeichert und zur Verfügung gehalten wird,
- c) wobei eine Anzahl von zu aufeinander folgenden Aufnahmezeitpunkten, insbesondere innerhalb eines Zeitbereichs von 3 bis 20 Sekunden, aufgenommenen Höhenprofilen zu einem Segment zusammengefasst werden,
- d) wobei ein Bereich, der den Bauch- oder Brustbereich der Person in Abhängigkeit vom jeweiligen Referenzpunkt oder Referenzbereich angibt als Betrachtungsbereich ausgewählt wird,
- e) wobei für jedes Höhenprofil innerhalb des Segments jeweils gesondert der Mittelwert der Abstände der innerhalb des Betrachtungsbereichs befindlichen Punkte des Höhenprofils zu einem Referenzpunkt oder Referenzgegenstand ermittelt wird, und für das Segment ein Signal ermittelt wird, dem zum jeweiligen Aufnahmezeitpunkt des Höhenprofils der für dieses Höhenprofil ermittelte Mittelwert zugeordnet wird, und
- f) wobei basierend auf dem ermittelten Signal, insbesondere basierend auf dessen Signalamplitude, ein oder mehrere den zeitlichen Verlauf der Atemtiefe charakterisierende Werte ermittelt wird oder werden.
- a) wherein the height profile defines a number of at least two points in the space lying on the surface of the person or on the surface of an object located on or next to the person,
- b) wherein for each of the recording times the respective height profile is stored in a data structure and made available,
- c) wherein a number of height profiles recorded at successive recording times, in particular within a time range of 3 to 20 seconds, are combined to form a segment,
- d) wherein an area indicating the abdominal or chest area of the person as a function of the respective reference point or reference area is selected as the viewing area,
- e) wherein for each height profile within the segment each separately the average of the distances of the points located within the viewing range of the height profile is determined to a reference point or reference object, and for the segment, a signal is determined to the respective recording time of the height profile of the height profile determined mean value is assigned, and
- f) wherein based on the detected signal, in particular based on the signal amplitude, one or more of the temporal course of the breathing depth characterizing values is or will be determined.
Durch diese vorteilhaften Maßnahmen wird eine berührungslose Detektion der Atmung einer Person ermöglicht, die die zu untersuchende Person im Schlaf nicht stört. Insbesondere ist es nicht erforderlich, Sensoren am Körper der zu untersuchenden Person zu befestigen.Through these advantageous measures, a non-contact detection of the breathing of a person is made possible, which does not disturb the person to be examined while sleeping. In particular, it is not necessary to attach sensors to the body of the person to be examined.
Eine vorteilhafte und numerisch einfache Ausführungsform der Erfindung sieht vor, dass zur Bestimmung des zeitlichen Verlaufs der Atemtiefe einer, insbesondere schlafenden, Person, mit einer auf die Person gerichteten Detektoreinheit laufend zu aufeinander folgenden Aufnahmezeitpunkten jeweils ein Höhenprofil der Person erstellt wird,
- a) wobei das Höhenprofil eine Anzahl von zumindest zwei Abstandswerten zur Festlegung jeweils eines Punktes im Raum aufweist, wobei die einzelnen Abstandswerte jeweils den Abstand des Schnittpunktes eines relativ zur Detektoreinheit vorab festgelegten, insbesondere von der Detektoreinheit ausgehenden, Strahls mit der Oberfläche der Person oder der Oberfläche eines auf der oder neben der Person befindlichen Gegenstands von einem Referenzpunkt oder einer Referenzebene angeben
- b) wobei für jeden der Aufnahmezeitpunkte jeweils eine Datenstruktur erstellt wird, die das jeweilige Höhenprofil enthält, wobei sämtliche so erstellte Datenstrukturen jeweils dieselbe Größe aufweisen und jeweils mit Speicherpositionen für die einzelnen Abstandswerte des Höhenprofils aufweisen,
- c) wobei eine Anzahl von zu aufeinander folgenden Aufnahmezeitpunkten, insbesondere innerhalb eines Zeitbereichs von 3 bis 20 Sekunden, aufgenommenen Höhenprofilen zu einem Segment zusammengefasst wird,
- d) wobei eine Anzahl von Speicherpositionen der Datenstruktur, in denen Abstandswerte abgespeichert sind, die den Abstand des Bauch- oder Brustbereichs der Person in Abhängigkeit vom jeweiligen Referenzpunkt oder Referenzbereich angeben, als Betrachtungsbereich (ausgewählt wird,
- e) wobei für jedes Höhenprofil innerhalb eines Segments jeweils gesondert der Mittelwert der innerhalb des Betrachtungsbereichs befindlichen Abstandswerte ermittelt wird, und für das Segment ein Signal ermittelt wird, dem zum jeweiligen Aufnahmezeitpunkt des Höhenprofils der für dieses Höhenprofil ermittelte Mittelwert zugeordnet wird, und
- f) wobei basierend auf dem ermittelten Signal, insbesondere basierend auf dessen Signalamplitude, ein oder mehrere den zeitlichen Verlauf der Atemtiefe charakterisierende Werte ermittelt wird oder werden.
- a) wherein the height profile has a number of at least two distance values for defining a point in space, the individual distance values in each case the distance of the intersection of a predetermined relative to the detector unit, in particular emanating from the detector unit, the beam with the surface of the person or Indicate the surface of an object on or next to the person from a reference point or a reference plane
- b) wherein for each of the recording times in each case a data structure is created which contains the respective height profile, wherein all the data structures thus created each have the same size and in each case have memory positions for the individual distance values of the height profile,
- c) wherein a number of height profiles taken at successive recording times, in particular within a time range of 3 to 20 seconds, is combined to form a segment,
- d) wherein a number of memory positions of the data structure in which distance values are stored, which indicate the distance of the abdominal or chest region of the person as a function of the respective reference point or reference region, is selected as the viewing region (FIG.
- e) wherein, for each height profile within a segment, the mean value of the distance values located within the viewing area is determined separately, and a signal is determined for the segment to which the average value determined for this height profile is assigned at the respective time of recording of the height profile, and
- f) wherein based on the detected signal, in particular based on the signal amplitude, one or more of the temporal course of the breathing depth characterizing values is or will be determined.
Eine alternative vorteilhafte und numerisch präzise Ausführungsform der Erfindung, die die Verwendung von Höhenprofilen in Form von allgemeinen Punktwolken ermöglicht, sieht vor, dass das Höhenprofil eine Punktwolke mit einer Anzahl von zumindest zwei Punkten im Raum beschreibt, die auf der Oberfläche der Person oder auf der Oberfläche eines auf oder neben der Person befindlichen Gegenstands liegen.An alternative advantageous and numerically precise embodiment of the invention, which allows the use of height profiles in the form of general point clouds, provides that the height profile describes a point cloud with a number of at least two points in space on the surface of the person or on the Surface of an object located on or next to the person.
Eine vorteilhafte Extraktion der Atmungstiefe aus dem Signal wird erreicht, indem zur Charakterisierung der Atemtiefe in einem Segment aus dem Signal zumindest ein Maximum und zumindest ein Minimum extrahiert werden und zumindest eine Differenz zwischen dem Maximum und dem Minimum als die Atemtiefe charakterisierender Wert für den dem Segment zugeordneten Zeitbereich herangezogen wird.An advantageous extraction of the respiration depth from the signal is achieved by extracting at least one maximum and at least one minimum from the signal for characterizing the respiratory depth and at least one difference between the maximum and the minimum as the value characterizing the respiration depth for the segment assigned time range is used.
Eine alternative vorteilhafte Extraktion der Atmungstiefe aus dem Signal wird erreicht, indem das Signal einer spektralen Transformation, insbesondere Fourier-Transformation oder Cosinustransformation oder Wavelet-Transformation, unterworfen wird und innerhalb eines vorgegebenen Frequenzbands, insbesondere von 0,1 Hz bis 1 Hz, nach demjenigen Spektralanteil mit der höchsten Signalenerige gesucht wird und die Signalenergie dieses Spektralanteils zur Charakterisierung der Atemtiefe in diesem Segment herangezogen wird.An alternative advantageous extraction of the depth of respiration from the signal is achieved by subjecting the signal to a spectral transformation, in particular Fourier transformation or cosine transformation or wavelet transformation, and within a given frequency band, in particular from 0.1 Hz to 1 Hz, after that Spectral component with the highest signal levels is sought and the signal energy of this spectral component is used to characterize the breathing depth in this segment.
Zur rauscharmen Extraktion von Atembewegungen, aus denen letztlich eine besonders gute Extraktion der Atemtiefe möglich ist, kann vorgesehen sein, dass das einem Segment zugeordnete Signal nach seiner Erstellung, insbesondere vor der Bestimmung des die Atemtiefe charakterisierenden Werts, einer Rauschfilterung unterzogen wird, wobei insbesondere
- a) Signalanteile mit einer Frequenz von mehr als 0,5 Hz unterdrückt werden, und/oder
- b) Gleichanteile unterdrückt werden.
- a) signal components are suppressed with a frequency of more than 0.5 Hz, and / or
- b) Gleichanteile be suppressed.
Der Verlauf der Atemtiefe über die Zeit kann vorteilhaft ermittelt werden, indem für eine Anzahl von überlappenden oder nicht überlappenden Segmenten jeweils separat die Atemtiefe ermittelt wird.The course of the breathing depth over time can advantageously be determined by separately determining the breathing depth for a number of overlapping or non-overlapping segments.
Eine vorteilhafte adaptive Anpassung des Betrachtungsbereichs, die regelmäßig mit geringem Aufwand vorgenommen werden kann, sieht vor, dass der Betrachtungsbereich für jedes Segment separat, insbesondere auf Grundlage des für das jeweils vorangehende Segment ermittelten Betrachtungsbereichs, ermittelt wird.An advantageous adaptive adaptation of the viewing area, which can be performed regularly with little effort, provides that the viewing area for each segment is determined separately, in particular on the basis of the viewing area determined for the respective preceding segment.
Besonders aussagekräftige Höhenprofile können erstellt werden, indem – das Höhenprofil durch eine zweidimensionale Matrixdatenstruktur umfassend eine Anzahl von Zeilen und Spalten charakterisiert wird,
- – ein Anzahl von in Zeilen und Spalten rasterförmig angeordneten Positionen vorgegeben wird, an denen jeweils die Abstandswerte des Höhenprofils bestimmt werden
- – die Matrixdatenstruktur ein Raster von derselben Größe und Struktur aufweist, und
- – die Matrixdatenstruktur erstellt wird, indem die an den jeweiligen Positionen aufgenommenen Abstandswerte an den den Positionen im Raster entsprechenden Speicherpositionen in der Matrixdatenstruktur abgespeichert und zur Verfügung gehalten werden.
- - Given a number of arranged in rows and columns grid-like positions, at each of which the distance values of the height profile are determined
- The matrix data structure has a grid of the same size and structure, and
- - The matrix data structure is created by the stored at the respective positions distance values are stored at the positions corresponding to the grid positions in the matrix data structure and kept available.
Um eine raschere Verarbeitung der Daten zu ermöglichen, den erforderlichen Speicherplatz zu reduzieren sowie das auftretende Rauschen zu reduzieren, kann vorgesehen sein, dass die Matrixdatenstruktur nach ihrer Erstellung in ihren Abmessungen durch eine reduzierte Matrixdatenstruktur ersetzt wird, wobei für rechteckige, insbesondere die gesamte Matrixdatenstruktur abdeckende, und nicht überlappende Bildbereiche von jeweils gleicher Größe in der Matrixdatenstruktur jeweils ein mittlerer Abstandswert ermittelt wird und dieser mittlere Abstandswert dem bezüglich seiner Lage entsprechenden Bildpunkt der reduzierten Matrixdatenstruktur zugeordnet wird.In order to enable a faster processing of the data, to reduce the required storage space and to reduce the occurring noise, it may be provided that the matrix data structure is dimensioned after its creation by a reduced matrix data structure, covering for rectangular, in particular the entire matrix data structure , and non-overlapping image areas of the same size in the matrix data structure in each case a mean distance value is determined and this average distance value is assigned to the corresponding pixel with respect to its position of the reduced matrix data structure.
Eine vorteilhafte Methode zur Bestimmung des Betrachtungsbereichs sieht vor, dass der Betrachtungsbereich gesetzt wird, indem
- a) im Höhenprofil, insbesondere in der Matrixdatenstruktur oder in der Punktwolke, eine Anzahl von möglichen Betrachtungsbereichen vorab vorgegeben werden,
- b) für das jeweilige Segment die jeweilige Atemtiefe unter Zugrundelegung jedes der möglichen Betrachtungsbereiche ermittelt wird, und
- c) derjenige vorgegebene möglichen Betrachtungsbereich als Betrachtungsbereich herangezogen wird, für den die ermittelte Atemtiefe am größten ist.
- a) a number of possible viewing ranges are predefined in the height profile, in particular in the matrix data structure or in the point cloud,
- b) for each segment the respective breathing depth is determined on the basis of each of the possible viewing areas, and
- c) that predetermined possible viewing area is used as the viewing area for which the determined breathing depth is greatest.
Eine zweite vorteilhafte Methode zur Bestimmung des Betrachtungsbereichs, die besonders auf anatomische Gegebenheiten Rücksicht nimmt, sieht vor, dass der Betrachtungsbereich gesetzt wird, indem
- a) im Höhenprofil, insbesondere in der Matrixdatenstruktur oder in der Punktwolke, mittels Objekterkennung nach Bereichen gesucht wird oder dass vorab Bereiche ausgewählt werden, die einem menschlichen Kopf und Torso entsprechen, und
- b) der den Torso abbildende Bereich des Höhenprofils, insbesondere der Matrixdatenstruktur oder der Punktwolke, oder ein Teilbereich dieses Bereichs als Betrachtungsbereich ausgewählt wird, wobei insbesondere
- – zur Detektion des Verlaufs oder der Atemtiefe der Brustatmung der dem Kopf nahe Teilbereich dieses Bereichs als Betrachtungsbereich ausgewählt wird und/oder
- – zur Detektion des Verlaufs oder der Atemtiefe der Bauchatmung der dem Kopf ferne Teilbereich dieses Bereichs als Betrachtungsbereich ausgewählt wird.
- a) in the height profile, in particular in the matrix data structure or in the point cloud, by means of object recognition is searched for areas or that areas are selected in advance, which correspond to a human head and torso, and
- b) the torso-imaging region of the height profile, in particular the matrix data structure or the point cloud, or a subregion of this region is selected as the viewing region, wherein in particular
- - For detecting the course or the breathing depth of the chest breathing of the head near portion of this area is selected as a viewing area and / or
- - For detecting the course or the breathing depth of the abdominal breathing of the head remote portion of this area is selected as the viewing area.
Eine rasche Anpassung des Betrachtungsbereichs kann erreicht werden, indem für jedes zu untersuchende Segment oder für einzelne Höhenprofile eines Segments der Betrachtungsbereich mittels Objekterkennung an die im Segment vorliegenden Höhenprofile ausgehend von der Position des ausgewählten Betrachtungsbereichs im jeweils vorangehenden Segment adaptiv neu ermittelt wird.A rapid adaptation of the viewing area can be achieved by adaptively recalculating the viewing area for each segment to be examined or for individual height profiles of a segment by means of object recognition to the height profiles present in the segment starting from the position of the selected viewing area in the respective preceding segment.
Eine dritte vorteilhafte Methode zur Bestimmung des Betrachtungsbereichs, die numerisch stabil und effizient ausführbar ist, sieht vor, dass der Betrachtungsbereich gesetzt wird, indem
- a) für sämtliche Punkte des Höhenprofils, insbesondere für alle Einträge der Matrixdatenstruktur oder der Punktwolke, separat die Varianz über das jeweilige Segment bestimmt wird, und
- b) ein Bereich oder mehrere Bereiche mit jeweils zusammenhängenden Punkten des Höhenprofils, deren jeweilige Varianz oberhalb eines unteren Schwellenwerts oder innerhalb eines vorgegebenen Intervalls liegen, als Betrachtungsbereich ausgewählt wird oder werden, insbesondere
- – indem zusammenhängende Bereiche von Punkten als Betrachtungsbereich ausgewählt werden, deren Größe eine vorgegebene Anzahl von Punkten übersteigt
- – wobei insbesondere ein Bereich dann als zusammenhängend angesehen wird, wenn jeder Punkt des Höhenprofils ausgehend von einem Punkt innerhalb dieses Bereichs über jeweils benachbarte Pixel erreichbar ist,
- – wobei vorzugsweise Punkte des Höhenprofils dann als benachbart angesehen werden,
- – wenn sie durch benachbarte Einträge der Matrix-Datenstruktur festgelegt sind oder
- – wenn sie oder ihre Projektion auf eine horizontale Ebene im Raum einen einen Schwellenwert unterschreitenden Abstand voneinander aufweisen.
- a) for all points of the height profile, in particular for all entries of the matrix data structure or the point cloud, separately the variance over the respective segment is determined, and
- b) an area or a plurality of areas, each having contiguous points of the height profile whose respective variance is above a lower threshold or within a predetermined interval, is or are selected as the viewing area, in particular
- - by selecting contiguous areas of points as a viewing area whose size exceeds a given number of points
- In particular, a region is considered to be contiguous if each point of the height profile can be reached, starting from a point within this region, via respectively neighboring pixels,
- Preferably points of the height profile are then considered to be adjacent,
- If they are defined by adjacent entries of the matrix data structure or
- - If they or their projection on a horizontal plane in space have a threshold below the threshold distance from each other.
Um Situationen, bei denen sich die zu untersuchende Person bewegt, detektieren zu können und die in diesen Situationen aufgenommenen fehlerhaften Messwerte verwerfen zu können, kann vorgesehen sein, dass der Betrachtungsbereich in zwei oder mehreren aufeinander folgenden Segmenten separat ermittelt wird und ein Höhenprofil verworfen und eine Fehlermeldung ausgegeben wird, wenn sich der Betrachtungsbereich, insbesondere dessen Größe und/oder dessen Schwerpunkt, gegenüber dem jeweils vorangehenden Segment um einen vorgegebenen Schwellenwert verschiebt. In order to be able to detect situations in which the person to be examined moves and to be able to reject the erroneous measured values recorded in these situations, it can be provided that the viewing area is determined separately in two or more consecutive segments and a height profile is discarded and one Error message is issued when the viewing area, in particular its size and / or its center of gravity, relative to the respective preceding segment shifts by a predetermined threshold.
Zur verbesserten Detektion des Aussetzens der Atmung kann zusätzlich eine akustische Kontrolle vorgesehen sein. Hierbei ist vorgesehen, dass
- a) gleichzeitig parallel zur Aufnahme des Abstands der Person von der Detektoreinheit der von der Person abgegebene Schall ermittelt und in Form eines Audio-Signals mit einer Anzahl von Audio-Abtastwerten zur Verfügung gehalten wird,
- b) das Audio-Signal in eine Anzahl von Audio-Segmente, insbesondere mit einer Länge von 100
ms bis 1 Sekunde, unterteilt wird und für jedes der Audio-Segmente untersucht wird, ob in diesem menschliche Atemgeräusche oder andere Geräusche enthalten sind, und für jedes Audio-Segment jeweils ein Klassifikationsergebnis zur Verfügung gehalten wird, - c) zeitgleich aufgenommene Audio-Segmente und Segmente einander zugeordnet werden, und
- d) nach Audio-Segmenten oder Segmenten mit geringer Atemtiefe oder mit fehlenden Atemgeräuschen gesucht wird und die einem solchen Audio-Segment oder Segment zugeordneten Segmente oder Audio-Segmente ebenfalls auf das Vorliegen geringer Atemtiefe oder fehlender Atemgeräuschen untersucht werden, und
- e) für den Fall, dass in einander zugeordneten Segmenten und Audio-Segmenten jeweils geringe Atemtiefe und fehlender Atemgeräusche detektiert wurden, das Fehlen der Atmung der Person festgestellt wird.
- a) simultaneously detected parallel to the distance of the person from the detector unit of the sound emitted by the person and is kept in the form of an audio signal with a number of audio samples,
- b) the audio signal is divided into a number of audio segments, in particular with a length of 100 ms to 1 second, and is examined for each of the audio segments, whether this human breath sounds or other sounds are included, and for each audio segment is given a classification result,
- c) at the same time recorded audio segments and segments are assigned to each other, and
- d) searching for audio segments or segments with low breathing depth or with missing breath sounds and the segments or audio segments assigned to such an audio segment or segment are also examined for the presence of low breathing depth or absence of breathing sounds, and
- e) in the event that in each case associated segments and audio segments each low breathing depth and lack of breath sounds were detected, the absence of respiration of the person is detected.
Eine besonders bevorzugte Ausführungsform der Erfindung, die eine Detektion des Beginns und des Endes von Atemaussetzern ermöglicht, sieht vor, dass
- a) ein Klassifikationssignal erstellt wird, das für jedes Audio-Segment jeweils zumindest ein Klassifikationsergebnis enthält, das die Art und Stärke des jeweiligen Geräuschs im Zeitbereich des jeweiligen Audio-Segment angibt,
- b) dass jeweils eine Anzahl von aufeinander folgenden Audio-Segmente zu weiteren Audio-Segmenten, insbesondere mit einer Dauer von 5
bis 10 Sekunden zusammengefasst werden, die vorzugsweise dieselben Zeitbereiche umfassen wie die Segmente, - c) über die innerhalb eines weiteren Audio-Segments enthaltenen Klassifikationsergebnisse eine Mittelung vorgenommen wird und dem weiteren Audio-Segment der jeweilige Mittelwert zugewiesen wird,
- d) ein weiteres Klassifikationssignal durch Interpolation der Mittelwerte der weiteren Audio-Segmente erstellt wird,
- e) im weiteren Klassifikationssignal sowie im Atemtiefesignal nach Zeitpunkten gesucht wird, zu denen in den beiden Signalen starke Änderungen auftreten,
- f) die so erkannten Zeitpunkte werden als umso relevanter eingestuft werden, je stärker die Änderung des jeweiligen Signals zum jeweiligen Zeitpunkt ist,
- g) diesen Zeitpunkten jeweils ein diesbezüglicher Relevanzwert zugeordnet wird, und
- h) jene Zeitpunkte als Startpunkte oder Endpunkte eines Atemstillstandes detektiert werden, für welche der Betrag des Relevanzwerts über dem Betrag eines Schwellwert liegt, wobei insbesondere
- – der Schwellenwert gebildet wird, indem über einen Zeitbereich, insbesondere vor und/oder nach dem Vergleichszeitpunkt mit dem Referenzmaß ein Mittelwert des Referenzmaßes gebildet wird und der Schwellenwert im Bereich zwischen 120% und 200% dieses Mittelwerts festgelegt wird.
- a) a classification signal is generated which contains for each audio segment at least one classification result which indicates the type and strength of the respective noise in the time domain of the respective audio segment,
- b) that in each case a number of consecutive audio segments are combined to form further audio segments, in particular with a duration of 5 to 10 seconds, which preferably comprise the same time ranges as the segments,
- c) an averaging is performed on the classification results contained within a further audio segment and the respective average value is assigned to the further audio segment,
- d) a further classification signal is created by interpolation of the mean values of the further audio segments,
- e) is searched in the further classification signal as well as in the respiratory depression signal according to times at which strong changes occur in the two signals,
- (f) the times thus identified will be considered to be the more relevant the more the change in the signal at that time is,
- g) a relevant relevance value is assigned to each of these times, and
- h) those times are detected as starting points or end points of a respiratory arrest, for which the amount of the relevance value is above the magnitude of a threshold, in particular
- - The threshold value is formed by a mean value of the reference measure is formed over a time range, in particular before and / or after the comparison time with the reference measure and the threshold is set in the range between 120% and 200% of this average.
Ein Verfahren zur Durchführung eines erfindungsgemäßen Verfahrens kann vorteilhaft auf einem Datenträger abgespeichert werden.A method for carrying out a method according to the invention can advantageously be stored on a data carrier.
Die Erfindung betrifft weiters eine Vorrichtung zur Bestimmung des zeitlichen Verlaufs der Atemtiefe einer, insbesondere schlafenden, Person, umfassend
- – eine auf eine Schlafgelegenheit, insbesondere ein Bett ausrichtbare Detektoreinheit, die laufend zu aufeinander folgenden Aufnahmezeitpunkten jeweils ein Höhenprofil der Person erstellt, wobei im Höhenprofil eine Anzahl von zumindest zwei Punkten im Raum festgelegt ist, die auf der Oberfläche der Person oder auf der Oberfläche eines auf oder neben der Person befindlichen Gegenstands liegen, sowie
- – eine Verarbeitungseinheit, die
- a) für jeden der Aufnahmezeitpunkte das jeweilige Höhenprofil in einer Datenstruktur abgespeichert und zur Verfügung hält,
- b) eine Anzahl von zu aufeinander folgenden Aufnahmezeitpunkten, insbesondere innerhalb eines Zeitbereichs von 3
bis 20 Sekunden, aufgenommenen Höhenprofilen zu einem Segment zusammenfasst, - c) einen Bereich, der den Bauch- oder Brustbereich der Person in Abhängigkeit vom jeweiligen Referenzpunkt oder Referenzbereich angibt als Betrachtungsbereich auswählt,
- d) für jedes Höhenprofil innerhalb des Segments jeweils gesondert den Mittelwert der Abstände der innerhalb des Betrachtungsbereichs befindlichen Punkte des Höhenprofils zu einem Referenzpunkt oder Referenzgegenstand ermittelt, und für das Segment ein Signal ermittelt wird, dem zum jeweiligen Aufnahmezeitpunkt des Höhenprofils der für dieses Höhenprofil ermittelte Mittelwert zugeordnet ist, und
- e) insbesondere anschließend basierend auf diesem Signal oder dessen Signalamplitude einen die Atemtiefe charakterisierender Wert ermittelt.
- A detector unit which can be oriented towards a sleeping accommodation, in particular a bed, which continuously generates a height profile of the person at successive recording times, wherein in the height profile a number of at least two points in the room are defined on the surface of the person or on the surface of a person lying on or next to the person, as well as
- A processing unit, the
- a) stores and makes available the respective height profile for each of the recording times in a data structure,
- b) a number of height profiles recorded at successive recording times, in particular within a time range of 3 to 20 seconds, into a segment,
- c) selects an area which indicates the abdominal or chest area of the person as a function of the respective reference point or reference area as the viewing area,
- d) for each height profile within the segment separately determines the average of the distances of the points located within the viewing range of the height profile to a reference point or reference object, and for the segment a signal is determined to the respective recording time of the height profile of the determined for this height profile mean is assigned, and
- e) determines, in particular subsequently based on this signal or its signal amplitude, a value characterizing the breathing depth.
Durch diese vorteilhaften Maßnahmen wird eine berührungslose Detektion der Atmung einer Person ermöglicht, die die zu untersuchende Person im Schlaf nicht stört. Insbesondere ist es nicht erforderlich, Sensoren am Körper der zu untersuchenden Person zu befestigen.Through these advantageous measures, a non-contact detection of the breathing of a person is made possible, which does not disturb the person to be examined while sleeping. In particular, it is not necessary to attach sensors to the body of the person to be examined.
Eine vorteilhafte und numerisch einfache Ausführungsform der Erfindung sieht eine Vorrichtung zur Bestimmung des zeitlichen Verlaufs der Atemtiefe einer, insbesondere schlafenden, Person vor, umfassend
- – eine auf eine Schlafgelegenheit, insbesondere ein Bett, ausrichtbare Detektoreinheit, die laufend zu aufeinander folgenden Aufnahmezeitpunkten jeweils ein Höhenprofil der Person erstellt, wobei das Höhenprofil eine Anzahl von zumindest zwei Abstandswerten zur Festlegung jeweils eines Punktes im Raum aufweist, wobei die einzelnen Abstandswerte jeweils den Abstand des Schnittpunktes eines relativ zur Detektoreinheit vorab festgelegten, insbesondere von der Detektoreinheit ausgehenden, Strahls mit der Oberfläche der Person oder der Oberfläche eines auf der oder neben der Person befindlichen Gegenstands von einem Referenzpunkt oder einer Referenzebene angeben sowie
- – eine Verarbeitungseinheit, die
- a) für jeden der Aufnahmezeitpunkte jeweils eine Datenstruktur erstellt, die das jeweilige Höhenprofil enthält, wobei sämtliche so erstellte Datenstrukturen jeweils dieselbe Größe aufweisen und jeweils mit Speicherpositionen für die einzelnen Abstandswerte des Höhenprofils aufweisen,
- b) eine Anzahl von zu aufeinander folgenden Aufnahmezeitpunkten, insbesondere innerhalb eines Zeitbereichs von 3
bis 20 Sekunden, aufgenommenen Höhenprofilen zu einem Segment zusammenfasst, - c) eine Anzahl von Speicherpositionen der Datenstruktur, in denen Abstandswerte abgespeichert sind, die den Abstand des Bauch- oder Brustbereichs der Person in Abhängigkeit vom jeweiligen Referenzpunkt oder Referenzbereich angeben, als Betrachtungsbereich auswählt,
- d) für jedes Höhenprofil innerhalb eines Segments jeweils gesondert den Mittelwert der innerhalb des Betrachtungsbereichs befindlichen Abstandswerte ermittelt, und für das Segment ein Signal ermittelt, dem zum jeweiligen Aufnahmezeitpunkt des Höhenprofils der für dieses Höhenprofil ermittelte Mittelwert zugeordnet ist,
- e) insbesondere anschließend basierend auf diesem Signal oder dessen Signalamplitude einen die Atemtiefe charakterisierender Wert ermittelt.
- A detector unit which can be oriented to a sleeping accommodation, in particular a bed, which continuously generates a height profile of the person at successive recording times, wherein the height profile has a number of at least two distance values for fixing one point each in space, the individual distance values corresponding to each Indicate the distance of the point of intersection of a beam predefined relative to the detector unit, in particular emanating from the detector unit, with the surface of the person or the surface of an object located on or next to the person from a reference point or reference plane;
- A processing unit, the
- a) creates a data structure for each of the recording times, which contains the respective height profile, wherein all the data structures thus created each have the same size and in each case have memory positions for the individual distance values of the height profile,
- b) a number of height profiles recorded at successive recording times, in particular within a time range of 3 to 20 seconds, into a segment,
- c) a number of memory positions of the data structure in which distance values are stored, which indicate the distance of the abdominal or chest region of the person as a function of the respective reference point or reference region, as the viewing region,
- d) determines separately for each height profile within a segment the average value of the distance values located within the viewing range, and determines for the segment a signal to which the average value determined for this height profile is assigned at the respective recording time of the height profile,
- e) determines, in particular subsequently based on this signal or its signal amplitude, a value characterizing the breathing depth.
Eine alternative vorteilhafte und numerisch präzise Ausführungsform der Erfindung, die die Verwendung von Höhenprofilen in Form von allgemeinen Punktwolken ermöglicht, sieht vor, dass die Detektoreinheit die Höhenprofile in Form von Punktwolken mit einer Anzahl von zumindest zwei Punkten im Raum erstellt, wobei die Punkte auf der Oberfläche der Person oder auf der Oberfläche eines auf oder neben der Person befindlichen Gegenstands liegen.An alternative advantageous and numerically precise embodiment of the invention, which allows the use of height profiles in the form of general point clouds, provides that the detector unit creates the height profiles in the form of point clouds with a number of at least two points in space, the points on the Surface of the person or on the surface of an object located on or next to the person.
Bei einer Vorrichtung zur Bestimmung zeitlichen Verlaufs der Atemtiefe einer, insbesondere schlafenden, Person, sieht die Erfindung vor, dass die Verarbeitungseinheit zur Charakterisierung der Atemtiefe in einem Segment aus dem Signal zumindest ein Maximum und zumindest ein Minimum extrahiert und die zumindest eine Differenz zwischen dem Maximum und dem Minimum als die Atemtiefe charakterisierenden Wert für den dem Segment zugeordneten Zeitbereich zur Verfügung hält und gegebenenfalls heranzieht.In a device for determining the time course of the breathing depth of a person, in particular a sleeping person, the invention provides that the processing unit for characterizing the breathing depth in a segment extracts at least one maximum and at least one minimum from the signal and the at least one difference between the maximum and the minimum as the breathing depth characterizing value for the segment associated with the time period available and possibly zoom.
Eine numerisch einfache Filterung des Signals, die störendes Rauschen weitestgehend unterdrückt sieht vor, die Verarbeitungseinheit das Signal einer spektralen Transformation, insbesondere Fourier-Transformation, Cosinustransformation oder Wavelet-Transformation, unterzieht und innerhalb eines vorgegebenen Frequenzbands, insbesondere von 0,1 Hz bis 1 Hz, nach demjenigen Spektralanteil mit der höchsten Signalenerige sucht und die Signalenergie dieses Spektralanteils zur Charakterisierung der Atemtiefe in diesem Segment heranzieht.A numerically simple filtering of the signal which largely suppresses disturbing noise provides that the processing unit subjects the signal to a spectral transformation, in particular Fourier transformation, cosine transformation or wavelet transformation, and within a predetermined frequency band, in particular from 0.1 Hz to 1 Hz , searches for the spectral component with the highest signal level and uses the signal energy of this spectral component to characterize the breathing depth in this segment.
Zur rauscharmen Extraktion von Atembewegungen, aus denen letztlich eine besonders gute Extraktion der Atemtiefe möglich ist, kann vorgesehen sein, dass dass die Verarbeitungseinheit das einem Segment zugeordnete Signal nach seiner Erstellung, insbesondere vor der Bestimmung des die Atemtiefe charakterisierenden Werts, einer Rauschfilterung unterzieht, wobei sie insbesondere
- a) Signalanteile mit einer Frequenz von mehr als 0,5 Hz unterdrückt, und/oder
- b) Gleichanteile unterdrückt.
- a) suppresses signal components with a frequency of more than 0.5 Hz, and / or
- b) Equal shares suppressed.
Der Verlauf der Atemtiefe über die Zeit kann vorteilhaft ermittelt werden, indem die Verarbeitungseinheit für eine Anzahl von überlappenden oder nicht überlappenden Segmenten jeweils separat die Atemtiefe ermittelt.The course of the breathing depth over time can advantageously be determined by the processing unit separately determining the breathing depth for a number of overlapping or non-overlapping segments.
Eine vorteilhafte adaptive Anpassung des Betrachtungsbereichs, die regelmäßig mit geringem Aufwand vorgenommen werden kann, sieht vor, die Verarbeitungseinheit den Betrachtungsbereich für jedes Segment separat, insbesondere auf Grundlage des für das jeweils vorangehende Segment ermittelten Betrachtungsbereichs ermittelt.An advantageous adaptive adaptation of the viewing area, which can be performed regularly with little effort, provides that the processing unit determines the viewing area for each segment separately, in particular on the basis of the viewing area determined for the respective preceding segment.
Besonders aussagekräftige und numerisch einfach handhabbare Höhenprofile können erstellt werden, indem die Verarbeitungseinheit
- – das Höhenprofil durch eine zweidimensionale Matrixdatenstruktur umfassend eine Anzahl von Zeilen und Spalten charakterisiert,
- – ein Anzahl von in Zeilen und Spalten rasterförmig angeordneten Positionen vorgegeben wird, an denen jeweils die Abstandswerte des Höhenprofils bestimmt
- – die Matrixdatenstruktur ein Raster von derselben Größe und Struktur aufweist, und
- – die Matrixdatenstruktur erstellt, indem sie die an den jeweiligen Positionen aufgenommenen Abstandswerte an den den Positionen im Raster entsprechenden Speicherpositionen in der Matrixdatenstruktur abspeichert und zur Verfügung hält.
- Characterized the height profile by a two-dimensional matrix data structure comprising a number of rows and columns,
- - Given a number of arranged in rows and columns grid-like positions, at which each determines the distance values of the height profile
- The matrix data structure has a grid of the same size and structure, and
- - Creates the matrix data structure by storing the stored at the respective positions distance values at the positions corresponding to the grid positions in the matrix data structure and keeps available.
Um eine raschere Verarbeitung der Daten zu ermöglichen, den erforderlichen Speicherplatz zu reduzieren sowie das auftretende Rauschen zu reduzieren, kann vorgesehen sein, dass die Verarbeitungseinheit die Matrixdatenstruktur nach ihrer Erstellung in ihren Abmessungen durch eine reduzierte Matrixdatenstruktur ersetzt, wobei sie für rechteckige, insbesondere die gesamte Matrixdatenstruktur abdeckende, und nicht überlappende Bildbereiche von jeweils gleicher größe in der Matrixdatenstruktur jeweils einen mittleren Abstandswert ermittelt und diesen mittleren Abstandswert dem bezüglich seiner Lage entsprechenden Bildpunkt der reduzierten Matrixdatenstruktur zuordnet.In order to enable a faster processing of the data, to reduce the storage space required and to reduce the noise that occurs, it can be provided that the processing unit replaces the matrix data structure after its creation by a reduced matrix data structure, for rectangular, in particular the entire Matrix data structure covering and non-overlapping image areas of the same size in the matrix data structure in each case determines a mean distance value and assigns this mean distance value corresponding to its location pixel of the reduced matrix data structure.
Eine vorteilhafte Methode zur Bestimmung des Betrachtungsbereichs sieht vor, dass die Verarbeitungseinheit den Betrachtungsbereich festlegt, indem sie
- a) in der im Höhenprofil, insbesondere in der Matrixdatenstruktur oder in der Punktwolke, eine Anzahl von möglichen Betrachtungsbereichen, vorab vorgibt,
- b) für das jeweilige Segment die jeweilige Atemtiefe unter Zugrundelegung jedes der möglichen Betrachtungsbereiche ermittelt, und
- c) denjenigen vorgegebenen möglichen Betrachtungsbereich als Betrachtungsbereich auswählt und heranzieht, für den die ermittelte Atemtiefe am größten ist.
- a) predetermines in the height profile, in particular in the matrix data structure or in the point cloud, a number of possible viewing areas,
- b) determines the respective breathing depth for each segment on the basis of each of the possible viewing areas, and
- c) selects and uses the given possible viewing area as the viewing area for which the determined breathing depth is greatest.
Eine zweite vorteilhafte Methode zur Bestimmung des Betrachtungsbereichs, die besonders auf anatomische Gegebenheiten Rücksicht nimmt, sieht vor, dass die Verarbeitungseinheit den Betrachtungsbereich festlegt, indem sie
- a) im Höhenprofil, insbesondere in der Matrixdatenstruktur oder in der Punktwolke, mittels Objekterkennung nach Bereichen sucht oder Mittel zur Auswahl von Bereichen zur Verfügung stellt, die einem menschlichen Kopf und Torso entsprechen, und
- b) den den Torso abbildenden Bereich der des Höhenprofils, insbesondere der Matrixdatenstruktur oder der Punktwolke, oder ein Teilbereich dieses Bereichs als Betrachtungsbereich auswählt, wobei sie insbesondere
- – zur Detektion des Verlaufs oder der Atemtiefe der Brustatmung der dem Kopf nahe Teilbereich dieses Bereichs als Betrachtungsbereich auswählt und/oder
- – zur Detektion des Verlaufs oder der Atemtiefe der Bauchatmung der dem Kopf ferne Teilbereich dieses Bereichs als Betrachtungsbereich auswählt.
- a) in the height profile, in particular in the matrix data structure or in the point cloud, searches for areas by means of object recognition or provides means for selecting areas corresponding to a human head and torso, and
- b) selecting the torso-imaging region of the height profile, in particular the matrix data structure or the point cloud, or a subregion of this region as the viewing region, in particular
- - For detecting the course or the breathing depth of the chest breathing of the near the head portion of this area selects as a viewing area and / or
- - For detecting the course or the breathing depth of the abdominal breathing of the head remote portion of this range selects as a viewing area.
Eine rasche Anpassung des Betrachtungsbereichs kann erreicht werden, indem dass die Verarbeitungseinheit für jedes zu untersuchende Segment oder für einzelne Höhenprofile eines Segments der Betrachtungsbereich mittels Objekterkennung an die im Segment vorliegenden Höhenprofile ausgehend von der Position des ausgewählten Betrachtungsbereichs im jeweils vorangehenden Segment adaptiv neu ermittelt.A rapid adaptation of the viewing area can be achieved by the fact that the processing unit for each segment to be examined or for individual height profiles of a segment of the Viewing range by object recognition to the present in the segment height profiles based on the position of the selected viewing area in the respective previous segment adaptively redetermined.
Eine dritte vorteilhafte Methode zur Bestimmung des Betrachtungsbereichs, die numerisch stabil und effizient ausführbar ist, sieht vor, dass dass die Verarbeitungseinheit den Betrachtungsbereich festlegt, indem sie
- a) für sämtliche Punkte des Höhenprofils, insbesondere für alle Einträge der Matrixdatenstruktur, separat die Varianz der Werte über das jeweilige Segment bestimmt, und
- b) einen Bereich oder mehrere Bereiche mit jeweils zusammenhängenden Punkten des Höhenprofils, deren jeweilige Varianz oberhalb eines unteren Schwellenwerts oder innerhalb eines vorgegebenen Intervalls liegen, als Betrachtungsbereich auswählt, insbesondere
- – indem sie zusammenhängende Bereiche als Betrachtungsbereich auswählt, deren Größe eine vorgegebene Anzahl von Punkten übersteigt
- – wobei insbesondere ein Bereich dann als zusammenhängend gilt, wenn jeder Punkt des Höhenprofils ausgehend von einem Punkt innerhalb dieses Bereichs über jeweils benachbarte Pixel erreichbar ist,
- – wobei vorzugsweise Punkte des Höhenprofils dann als benachbart gilt,
- – wenn sie durch benachbarte Einträge der Matrix-Datenstruktur festgelegt sind oder
- – wenn sie oder ihre Projektion auf eine horizontale Ebene im Raum einen einen Schwellenwert unterschreitenden Abstand voneinander aufweisen.
- a) for all points of the height profile, in particular for all entries of the matrix data structure, separately determines the variance of the values over the respective segment, and
- b) selects a region or a plurality of regions, each having contiguous points of the height profile whose respective variance is above a lower threshold value or within a predetermined interval, as the viewing region, in particular
- - by selecting contiguous areas as a viewing area whose size exceeds a given number of points
- In which, in particular, an area is deemed to be connected if each point of the height profile can be reached from a point within this area via respectively adjacent pixels,
- - preferably points of the height profile is then considered adjacent,
- If they are defined by adjacent entries of the matrix data structure or
- - If they or their projection on a horizontal plane in space have a threshold below the threshold distance from each other.
Um Situationen, bei denen sich die zu untersuchende Person bewegt, detektieren zu können und die in diesen Situationen aufgenommenen fehlerhaften Messwerte verwerfen zu können, kann vorgesehen sein, die Verarbeitungseinheit den Betrachtungsbereich in zwei oder mehreren aufeinander folgenden Segmenten separat ermittelt und ein Höhenprofil verwirft und gegebenenfalls eine Fehlermeldung ausgibt, wenn sich der Betrachtungsbereich, insbesondere dessen Größe und/oder dessen Schwerpunkt, gegenüber dem jeweils vorangehenden Segment um einen vorgegebenen Schwellenwert verschiebt.In order to be able to detect situations in which the person to be examined moves and to reject the erroneous measured values recorded in these situations, it can be provided that the processing unit separately determines the viewing area in two or more consecutive segments and discards a height profile and, if necessary issues an error message if the viewing area, in particular its size and / or its center of gravity, shifts by a predetermined threshold relative to the respective preceding segment.
Zur verbesserten Detektion des Aussetzens der Atmung kann zusätzlich eine akustische Kontrolle vorgesehen sein. Hierbei ist vorgesehen, dass dass der Verarbeitungseinheit ein Mikrofon vorgeschaltet ist, das gleichzeitig parallel zur Aufnahme des Abstands der Person den von der Person abgegebene Schall in Form eines Audio-Signals an seinem Ausgang zur Verfügung hält und dieses Audio-Signal der Verarbeitungseinheit zugeführt ist, und dass die Verarbeitungseinheit
- a) das Audio-Signal in eine Anzahl von Audio-Segmente, insbesondere mit einer Länge von 100
ms bis 1 Sekunde, unterteilt und für jedes der Audio-Segmente untersucht, ob in diesem menschliche Atemgeräusche oder andere Geräusche zu hören sind, und für jedes Audio-Segment jeweils ein Klassifikationsergebnis zur Verfügung hält, - c) zeitgleich aufgenommene Audio-Segmente und Segmente einander zuordnet, und
- d) nach Audio-Segmenten oder Segmenten mit geringer Atemtiefe oder mit fehlenden Atemgeräuschen sucht und die einem solchen Audio-Segment oder Segment zugeordneten Segmente oder Audio-Segmente ebenfalls auf das Vorliegen geringer Atemtiefe oder fehlender Atemgeräuschen untersucht, und
- e) für den Fall, dass in einander zugeordneten Segmenten und Audio-Segmenten jeweils geringe Atemtiefe und fehlender Atemgeräusche detektiert wurden, das Fehlen der Atmung der Person feststellt.
- a) the audio signal divided into a number of audio segments, in particular with a length of 100 ms to 1 second, and examined for each of the audio segments, whether in this human breath sounds or other sounds are heard, and for each Audio segment each has a classification result available,
- c) assigns simultaneously recorded audio segments and segments, and
- d) searches for audio segments or segments with low breathing depth or with no breath sounds and also examines the segments or audio segments assigned to such an audio segment or segment for the presence of low breathing depth or lack of breathing noise, and
- e) in the event that in each associated segments and audio segments each low breathing depth and lack of breath sounds were detected, the lack of respiration of the person detects.
Eine besonders bevorzugte Ausführungsform der Erfindung, die eine Detektion des Beginns und des Endes von Atemaussetzern ermöglicht, sieht vor, dass dass die Verarbeitungseinheit
- a) ein Klassifikationssignal erstellt, das für jedes Audio-Segment jeweils zumindest ein Klassifikationsergebnis enthält, das die Art und Stärke des jeweiligen Geräuschs im Zeitbereich des jeweiligen Audio-Segment angibt,
- b) jeweils eine Anzahl von aufeinander folgenden Audio-Segmente zu weiteren Audio-Segmenten, insbesondere mit einer Dauer von 5
bis 10 Sekunden zusammengefasst, die vorzugsweise dieselben Zeitbereiche umfassen wie die Segmente, - c) über die innerhalb eines weiteren Audio-Segments enthaltenen Klassifikationsergebnisse eine Mittelung vornimmt und dem weiteren Audio-Segment den jeweilige Mittelwert zuweist,
- d) ein weiteres Klassifikationssignal durch Interpolation der Mittelwerte der weiteren Audio-Segmente erstellt,
- e) im weiteren Klassifikationssignal sowie im Atemtiefesignal nach Zeitpunkten sucht, zu denen in den beiden Signalen starke Änderungen auftreten, und die so erkannten Zeitpunkte als umso relevanter eingestuft, je stärker die Änderung des jeweiligen Signals zum jeweiligen Zeitpunkt ist, wobei sie diesen Zeitpunkten jeweils ein diesbezügliches Relevanzmaß zuordnet, und
- f) jene Zeitpunkten als Startpunkte oder Endpunkte eines Atemstillstandes detektiert, für welche der Betrag des Relevanzwerts über dem Betrag eines Schwellwert liegt, wobei sie insbesondere
- – der Schwellenwert bildet, indem sie über einen Zeitbereich, insbesondere vor und/oder nach dem Vergleichszeitpunkt mit dem Referenzmaß ein Mittelwert des Referenzmaßes bildet und der Schwellenwert im Bereich zwischen 120% und 200% dieses Mittelwerts festlegt.
- a) generates a classification signal which contains for each audio segment at least one classification result which indicates the type and strength of the respective noise in the time domain of the respective audio segment,
- b) in each case a number of successive audio segments are combined to form further audio segments, in particular having a duration of 5 to 10 seconds, which preferably comprise the same time ranges as the segments,
- c) averaging over the classification results contained within a further audio segment and assigning the respective average value to the further audio segment,
- d) creating a further classification signal by interpolation of the mean values of the further audio segments,
- e) in the further classification signal as well as in the breath depth signal searches for times at which strong changes occur in the two signals, and the times thus identified as all the more relevant, the stronger the change of the respective signal at the respective time, in each case these times assigns relevance measure to this, and
- f) detects those points in time as starting points or end points of a respiratory arrest for which the magnitude of the relevance value is above the magnitude of a threshold, in particular
- - The threshold forms by over a time range, in particular before and / or after the comparison time with the reference measurement forms an average of the reference measure and the threshold in the range between 120% and 200% of this average.
Mehrere Ausführungsbeispiele und Varianten der Erfindung werden anhand der folgenden Zeichnungsfiguren näher beschrieben.
In
Oberhalb der Person ist eine Detektoreinheit
Im vorliegenden Fall handelt es sich bei der Detektoreinheit
Im vorliegenden Ausführungsbeispiel wird zur Erstellung eines Höhenprofils H eine Detektoreinheit
In einer ersten Ausführungsvariante kann die Detektoreinheit als Time-Of-Flight Kamera (TOF-Kamera) ausgebildet sein. Diese bestimmt den Abstand zu einem Objekt wird mithilfe der „Flugzeit” eines ausgesendeten Lichtimpulses. Dabei entstehen Abstandsmessungen mit einer lateralen Auflösung, die sich typischerweise ca. im Bereich von 320×240 Pixel bewegt. Die konkrete Funktionsweise einer solchen TOF-Kamera ist aus dem Stand der Technik bekannt und ist in
Alternativ kann ein Höhenprofil auch mittels Lichtschnittverfahren bestimmt werden. Bei diesen wird mithilfe von einer Lichtquelle, die auf die Person
Eine weitere alternative Methode zur Aufnahme eines Höhenprofils bedient sich einer Radarmessung. Hierfür werden Radarmesseinrichtungen, gegebenenfalls in ihrer Richtung steuerbare Radarmesseinrichtungen, sogenannte Phased Arrays verwendet. Mithilfe von Phasenverschiebungen in dem Radarimpuls im Antennenarray kann der Impuls auf einen gewissen Punkt auf dem Körper der Person
Eine solche Darstellung des Höhenprofils ist jedoch für die Erfindung aus mehreren Gründen nicht zwingend.However, such a representation of the height profile is not mandatory for the invention for several reasons.
Das Höhenprofil muss nicht notwendigerweise an Punkten den Abstand der Oberfläche der Person oder der Oberfläche eines auf der oder neben der Person befindlichen Gegenstands zu einer Referenzebene
Im Allgemeinen geben die einzelnen Abstandswerte jeweils den Abstand des Schnittpunktes eines relativ zur Detektoreinheit vorab festgelegten, insbesondere von der Detektoreinheit ausgehenden, Strahls mit der Oberfläche der Person (
Weiters ist es nicht notwendig, dass die einzelnen zur Verfügung stehenden Abstandswerte in einer Matrixdatenstruktur angeordnet sind. Es ist auch möglich, dass eine Datenstruktur mit abweichendem Aufbau gewählt wird und nur Abstände entlang ganz bestimmter Strahlen ermittelt werden.Furthermore, it is not necessary for the individual available distance values to be arranged in a matrix data structure. It is also possible that a data structure with a different structure is selected and only distances along specific rays are determined.
Im Rahmen der Erfindung ist es aber auch möglich, das Höhenprofil in Form einer Punktwolke anzugeben. Die Punktwolke umfasst eine Liste von Punkten jeweils unter Angabe ihrer jeweiligen Koordinaten in drei Dimensionen bezogen auf einen Bezugspunkt im Raum.In the context of the invention, it is also possible to specify the height profile in the form of a point cloud. The point cloud comprises a list of points each indicating their respective coordinates in three dimensions relative to a reference point in space.
Auch andere Darstellungen der Relativposition der Oberfläche der Person
Der von der Detektoreinheit
Die Abstandsmesswerte d1, ..., dn des Höhenprofils H werden im Folgenden mit H(x, y, t) bezeichnet, wobei die ersten beiden Koordinaten die räumliche Position bezeichnen und die letzte Koordinate t den Aufnahmezeitpunkt t1, ..., tp bezeichnet. Es wird angenommen, dass x ∊ [0, ..., X] und y ∊ [0, ...‚ Y], das heißt die räumliche Auflösung des Datenstromes ist X × Y. Die dritte Koordinate t steht für die Zeit und bezeichnet den Aufnahmezeitpunkt t1, ... tp, der in Vielfachen der zeitlichen Samplingdichte bzw. Abtastrate, z. B. 1/30 s für 30 Frames/Sekunde, angegeben wird.The distance measurement values d 1 ,..., D n of the height profile H will be referred to below as H (x, y, t), the first two coordinates denoting the spatial position and the last coordinate t the recording time t 1 ,... , t p . It is assumed that x ε [0, ..., X] and y ε [0, ..., Y], that is, the spatial resolution of the data stream is X × Y. The third coordinate t stands for the time and refers to the recording time t 1 , ... t p , in multiples of the temporal sampling density or sampling rate, z. B. 1/30 s for 30 frames / second.
Insgesamt wird im Zuge der Aufnahme eine dreidimensionale Datenstruktur erstellt, bei der für jeden Aufnahmezeitpunkt t1, ..., tp jeweils eine zweidimensionale Matrixdatenstruktur zur Verfügung steht, deren Einträge jeweils dem Abstand der Person
In einem optionalen Schritt kann die räumliche Auflösung der Matrixdatenstruktur verringert werden, indem mehrere Einträge der Matrixdatenstruktur zu einem Eintrag einer reduzierten Matrixdatenstruktur zusammengefasst werden. Dies kann im einfachsten Fall bedeuten, dass nur einzelne der Abstandsmesswerte d für die Bildung der reduzierten Matrixdatenstruktur herangezogen werden und die übrigen Abstandsmesswerte verworfen werden. Für ganzzahlige Parameter a und b bekommt man eine reduzierte Matrixdatenstruktur Hr(x, y, t) = H(ax, by, t), deren Speicherbedarf um das (a × b)-fache kleiner ist als der Speicherbedarf der Matrixdatenstruktur.In an optional step, the spatial resolution of the matrix data structure can be reduced by combining a plurality of entries of the matrix data structure into an entry of a reduced matrix data structure. In the simplest case, this can mean that only individual ones of the distance measurement values d are used for the formation of the reduced matrix data structure and the other distance measurement values are discarded. For integer parameters a and b, one obtains a reduced matrix data structure H r (x, y, t) = H (ax, by, t) whose memory requirement is smaller than the memory requirement of the matrix data structure by the (a × b) -fold.
Um ein besseres und robusteres Ergebnis zu bekommen, kann vor der Reduktion der Auflösung die Matrixdatenstruktur geglättet oder gefiltert werden. Dazu berechnet man die zweidimensionale Fouriertransformation von H bezüglich der ersten beiden Koordinaten, multipliziert mit einer Filtertransferfunktion, periodisiert dieses Signal mit den Parametern X/a und Y/b und berechnet dann die inverse Fouriertransformation, um die reduzierte Matrixdatenstruktur zu erhalten. Das vorstehend beschriebene Subsampling ist lediglich ein Spezialfall davon mit einer konstanten Filtertransferfunktion. Auch eine Mittelwertbildung über eine Anzahl von innerhalb von rechteckigen Bereichen der Matrixdatenstruktur der Größe a × b kann mithilfe einer Filterung mit anschließendem Subsampling realisiert werden.To get a better and more robust result, before reducing the resolution, the matrix data structure can be smoothed or filtered. For this, one calculates the two-dimensional Fourier transform of H with respect to the first two coordinates multiplied by a filter transfer function, periodicizes this signal with the parameters X / a and Y / b and then calculates the inverse Fourier transform to obtain the reduced matrix data structure. The subsampling described above is merely a special case thereof with a constant filter transfer function. An averaging over a number of within rectangular areas of the matrix data structure of size a × b can also be realized by means of a filtering followed by subsampling.
In einem weiteren Schritt wird das Aufnahmeintervall, in dem Höhenprofile H erstellt wurden, in vorzugsweise aneinander anschließende und nicht überlappende Zeitabschnitte von 5 bis 10 Sekunden unterteilt. Es werden Segmente S1, ..., Sm erstellt, die die einzelnen ermittelten Matrixdatenstrukturen, die innerhalb eines Zeitabschnitts aufgenommen wurden, enthalten. Alternativ ist es auch möglich, dass die einzelnen Zeitabschnitte überlappen oder dass Höhenprofile einzelner Zeitbereiche in keinem der Segmente S1, ..., Sn enthalten sind.In a further step, the recording interval in which height profiles H were created is subdivided into preferably contiguous and non-overlapping time intervals of 5 to 10 seconds. Segments S 1 ,..., S m are created which contain the individual determined matrix data structures that were recorded within a time interval. Alternatively, it is also possible that the individual time segments overlap or that height profiles of individual time domains are not contained in any of the segments S 1 ,..., S n .
Für jedes der Segmente Si ergibt sich eine Datenstruktur Hi(x, y, t), wobei ∊ [0, ..., X], y ∊ [0, ..., Y] und t ∊ Si. Darüber hinaus werden die Zeitpunkte, zu denen ein Segment beginnt mit T3D,i bezeichnet. Im Folgenden wird beschrieben wie für jeden einzelnen dieser Zeitblöcke Atemaktivität festgestellt werden kann und optional auch die Atemtiefe gemessen werden kann.For each of the segments S i , a data structure H i (x, y, t) results, where ε [0,..., X], y ∈ [0,..., Y] and t ∈ S i . In addition, the times at which a segment begins are designated T 3D, i . In the following it is described how for each of these time blocks respiratory activity can be determined and optionally also the depth of breath can be measured.
Für jedes Segment Si wird ein Betrachtungsbereich
Es besteht jedoch auch die Möglichkeit, den Betrachtungsbereich
Die Anpassung des Betrachtungsbereichs
Nachdem der Betrachtungsbereich
Dieses Signal s(t) kann eventuell Rauschen enthalten. Um aus diesem verrauschten Signal s(t) die Atmung, sowie optional auch ein Maß für die Atemstärke zu erhalten kann dieses Signal s(t) einer Rauschfilterung unterzogen werden. Eine vorteilhafte Rauschunterdrückung kann beispielsweise erreicht werden, indem Signalanteile mit einer Frequenz von mehr als 1 Hz unterdrückt werden. Alternativ oder zusätzlich kann auch vorgesehen sein, Gleichanteile bzw. Frequenzen bis zu 0.1 Hz zu unterdrücken. Mit dieser Filterung kann erreicht werden, dass nur Frequenzen, die für die Feststellung der Atmung relevant sind übrig bleiben. Das so erhaltene Signal si(t) stimmt mit den tatsächlich durchgeführten Atembewegungen gut überein.This signal s (t) may contain noise. In order to obtain from this noisy signal s (t) the respiration, and optionally also a measure of the respiratory strength, this signal s (t) can be subjected to noise filtering. An advantageous noise suppression can be achieved, for example, by suppressing signal components with a frequency of more than 1 Hz. Alternatively or additionally, it may also be provided to suppress DC components or frequencies up to 0.1 Hz. With this filtering can be achieved that only frequencies that are relevant for the determination of respiration are left. The signal s i (t) thus obtained agrees well with the actually performed breathing movements.
Die Atemtiefe T kann besonders vorteilhaft von diesem Signal s(t) abgeleitet werden. Hierfür gibt es eine Vielzahl an Möglichkeiten, von denen zwei näher dargestellt werden.
Wie aus
Sofern innerhalb eines Signals mehrere lokale Maxima und Minima aufgefunden werden, ist es auch möglich, als Atemtiefe T die größte Differenz zwischen je einem Minimum und dem jeweils nächstfolgenden lokalen Maximum heranzuziehen.If a plurality of local maxima and minima are found within a signal, it is also possible to use the greatest difference between a minimum and the respectively following local maximum as the breathing depth T.
Alternativ ist es auch möglich, dass das Signal einer spektralen Transformation, insbesondere Fourier-Transformation, Cosinustransformation oder Wavelet-Transformation, unterworfen wird. Innerhalb eines vorgegebenen Frequenzbands, insbesondere von 0,1 Hz bis 1 Hz, wird nach demjenigen Spektralanteil mit der höchsten Signalenergie gesucht. Die Signalenergie dieses Spektralanteils wird zur Charakterisierung der Atemtiefe T in diesem Segment herangezogen.Alternatively, it is also possible for the signal to be subjected to a spectral transformation, in particular Fourier transformation, cosine transformation or wavelet transformation. Within a given frequency band, in particular from 0.1 Hz to 1 Hz, the spectral component with the highest signal energy is searched for. The signal energy of this spectral component is used to characterize the breathing depth T in this segment.
In
Im Folgenden werden einzelne mögliche Vorgehensweisen zur automatischen Erkennung des Betrachtungsbereichs
Bei einer ersten Vorgehensweise (
Die Position und Größe des Betrachtungsbereichs R3,3 kann noch verbessert werden, indem versucht wird, die Eckpunkte des den Betrachtungsbereich festlegenden Rechtecks zu verschieben und die Atemtiefe T unter Zugrundelegung dieses modifizierten Betrachtungsbereichs erneut zu berechnen. Durch Variation der Eckpunkte des Betrachtungsbereichs kann dieser adaptiv so lange verbessert werden, bis eine Erhöhung der ermittelten Atemtiefe durch Verschiebung der Eckpunkte nicht mehr erreicht werden kann.The position and size of the viewing area R 3,3 can be further improved by attempting to shift the vertices of the rectangle defining the viewing area and recomputing the breathing depth T based on this modified viewing area. By varying the corner points of the viewing area, this can be adaptively improved until it is no longer possible to increase the determined breathing depth by displacing the corner points.
Eine weitere, in den
Zur Detektion der Brustatmung kann der dem Kopf
Für die Objekterkennung kommen mehrere verschiedene Bildverarbeitungsmethoden in Frage. Ziel der bekannten Objekterkennungsverfahren ist es, die Umrisse eines menschlichen Körpers automatisch oder halbautomatisch, d. h. zum Teil mit menschlicher Unterstützung, in einem 3D Bild oder Höhenprofil zu erkennen. Ein solches Vorgehen ist in den folgenden Veröffentlichungen beschrieben:
Bei der Detektion von Körperstrukturen mittels Objekterkennung kommen statistische Lernmethoden zum Einsatz. Während die erste Veröffentlichung darauf abzielt die Haltung des Kopfes zu bestimmen, zielt die zweite Veröffentlichung darauf ab den Körper und im Speziellen die Gelenke zu lokalisieren. Mit beiden Verfahren kann auch die Position des Kopfes und des Torsos in dem Höhenprofil H bestimmt werden.In the detection of body structures by means of object recognition statistical learning methods are used. While the first publication aims to determine the posture of the head, the second publication aims to localize the body and, in particular, the joints. With both methods, the position of the head and the torso in the height profile H can be determined.
Eine weitere Möglichkeit besteht darin, das Höhenprofil H des Kopfes zunächst manuell festzulegen und dann in jedem Segment Si mithilfe einer Korrelation festzustellen, wo sich der Kopf zu dieser Zeit befindet. Auf die gleiche Weise kann auch der Torso in jedem Segment Si bzw. in jeder Matrixdatenstruktur innerhalb eines Segments Si gefunden werden. Ist die Lage des Torso und des Kopfes bekannt ist es einfach, den Torso in Brust und Bauchregion zu unterteilen. Dadurch kann man Atmung sowohl in der Brust, als auch in der Bauchgegend separat detektieren. Die gleiche Segmentierung des Körpers der Person kann mithilfe vieler verschiedener Algorithmen realisiert werden.Another possibility is to first manually set the height profile H of the head and then to determine in each segment S i by means of a correlation where the head is at that time. In the same way, the torso can also be found in each segment S i or in each matrix data structure within a segment S i . If the position of the torso and head is known, it is easy to divide the torso into the chest and abdominal region. This allows one to separately detect respiration both in the chest and in the abdomen. The same segmentation of the person's body can be realized using many different algorithms.
Kann in einem der Segmente Si ein Betrachtungsbereich
In
Um Fehldetektionen durch einzelne Artefakte vermeiden zu können, werden als Betrachtungsbereich ausschließlich zusammenhängende Bereiche
Diese Variante der Ermittlung des Betrachtungsbereichs
Es ist natürlich auch möglich, die vorstehend genannten Vorgehensweisen zur Bestimmung des Betrachtungsbereichs
In den dargestellten Ausführungsbeispielen wurde stets ein Höhenprofil verwendet, das in einer Matrixdatenstruktur abgespeichert ist. Die Erfindung erlaubt jedoch auch alternative Ausführungsformen, bei denen die Höhenprofile jeweils nur eine Anzahl von im Raum befindlichen Punkten festlegen. Es ist nicht erforderlich, dass die jeweiligen Punkte explizit durch Koordinaten festgelegt werden, solange der jeweilige Punkt aufgrund der Angaben im Höhenprofil H im Raum eindeutig festlegbar ist. Bei den vorliegenden Ausführungsbeispielen ist dies implizit durch die konkrete Position, an der der Abstand der Person
Alternativ ist es auch möglich, das Höhenprofil durch eine Punktwolke anzugeben, d. h. im Wesentlichen eine Liste von Punkten im Raum anzugeben. In einem solchen Fall kann der Betrachtungsbereich
Eine bevorzugte Ausführungsform der Erfindung bietet auch die Möglichkeit, die Atemtiefe und Atmung der Person
Das Audio-Signal sa wird zuerst in Audio-Segmente Sa mit einer vorgegebenen Länge von etwa 200 ms unterteilt. Diese Audio-Segmente Sa können sich im Allgemeinen auch überlappen, im vorliegenden Fall werden jedoch aneinander anschließende, nicht überlappende Audio-Segmente Sa gewählt.The audio signal s a is first divided into audio segments S a with a predetermined length of about 200 ms. These audio segments S a may generally also overlap, but in the present case contiguous, non-overlapping audio segments S a are selected.
Optional können die Audio-Segmente Sa mit einer Fensterfunktion multipliziert werden, um bei den weiter unten beschriebenen Fourier-Methoden Randeffekte zu vermeiden. Darüber hinaus wird mit jedem Audio-Segment Sa auch ein Zeitpunkt Taudio,i verknüpft, der angibt, zu welchem Zeitpunkt das Segment fi beginnt.Optionally, the audio segments S a may be multiplied by a window function to avoid edge effects in the Fourier methods described below. In addition, a time T audio, i is also associated with each audio segment S a , which indicates at which time the segment f i starts.
Jedes der Audio-Segmente SAi wird einer Klassifikation zugeführt, mit der erkannt wird, ob im jeweiligen Audio-Segment SAi kein Geräusch, ein Hintergrundgeräusch H, ein Atmungsgeräusch oder ein Schnarchgeräusch A/S zu hören ist. Für jedes Audio-Segment SAi wird jeweils ein Klassifikationsergebnis erstellt, das ja nachdem, ob kein Geräusch, ein Hintergrundgeräusch, ein Atmungsgeräusch oder ein Schnarchgeräusch zu hören ist, einen diesbezüglichen Wert N, H, A/S (
Im Folgenden wird beschrieben, wie man mit statistischen Lernmethoden jedes dieser einzelnen Audio-Segmente SAi auf das Vorhandensein von Schnarchgeräuschen untersuchen kann.The following describes how to use statistical learning methods to examine each of these individual audio segments S Ai for the presence of snoring sounds.
In einem ersten Schritt kann zur Detektion von Schnarchgeräuschen in den einzelnen Audio-Segmenten SAi aus den Audio-Segmenten SAi ein Merkmalsvektor mi extrahiert werden. Der Merkmalsvektor mi für das i-te Segment Audio-Segment SAi wird direkt aus den Abtastwerten des jeweiligen Audio-Segments SAi berechnet. Der i-te Merkmalsvektor mi kann von verschiedener Dimension sein, je nachdem welche Methoden zum Einsatz kommen, um die Merkmale zu berechnen. Im Folgenden werden einige verschiedene Techniken aufgezählt, die verwendet werden können, um Merkmale zu generieren.In a first step, a feature vector m i can be extracted from the audio segments S Ai to detect snoring sounds in the individual audio segments S Ai . The feature vector m i for the ith segment audio segment S Ai is calculated directly from the samples of the respective audio segment S Ai . The i-th feature vector m i can be of various dimensions, depending on which methods are used to calculate the features. Below are a few different techniques that can be used to generate features.
Mithilfe der Fourier-Transformation eines Audio-Segments SAi kann eine Spektralanalyse des jeweiligen Audio-Segments SAi durchgeführt werden. Als Merkmale werden die Energien in gewissen Frequenzbändern verwendet, also die Summe der Betragsquadrate der Fourierkoeffizienten über gewisse vorspezifizierte Bänder. Dadurch erhält man für jedes Audio-Segment SAi einen Vektor mit einer Länge, die festgelegt ist durch die Anzahl der Bänder. Wird dieser Vektor noch einmal diskret Cosinus-transformiert, so erhält man ein weiteres mögliches Set an Koeffizienten des Merkmalsvektors mi.By means of the Fourier transformation of an audio segment S Ai , a spectral analysis of the respective audio segment S Ai can be carried out. As characteristics, the energies in certain frequency bands are used, that is the sum of the squares of the Fourier coefficients over certain prespecified bands. This gives, for each audio segment S Ai, a vector with a length determined by the number of bands. If this vector is discretely cosine transformed once again, one obtains another possible set of coefficients of the feature vector m i .
Ein weiteres mögliches Merkmal eines Merkmalsvektors mi ist die Energie in einem Audio-Segment SAi. Darüber hinaus kann auch die Anzahl der Nulldurchgänge, also die Anzahl der Vorzeichenwechsel in einem Audio-Segment SAi als mögliches Merkmal eines Merkmalsvektors mi herangezogen werden.Another possible feature of a feature vector m i is the energy in an audio segment S Ai . In addition, the number of zero crossings, that is to say the number of sign changes in an audio segment S Ai, can also be used as a possible feature of a feature vector m i .
Nachdem festgelegt ist, wie sich die Merkmalsvektoren mi zusammensetzen, wird eine statistische Lernmethode ausgewählt. Hierfür steht eine große Anzahl an möglichen Methoden im Stand der Technik zur Verfügung, daher wird hier nicht näher auf die verschiedenen Optionen eingegangen. Diese Methoden erlauben es, ein Audio-Segment SAi anhand eines Merkmalsvektors mi als Schnarchgeräusch zu identifizieren. Dazu wird der Merkmalsraum in eine Menge von Punkten unterteilt, die dem Schnarchen zugeordnet werden und in den Rest, der als Nicht-Schnarchen klassifiziert wird. Um diese Klassifikation vornehmen zu können, werden diese Algorithmen zuerst anhand bekannter Schnarchgeräusche trainiert, das heißt es werden manuell Audio-Segmente mit Schnarchgeräuschen ausgewählt, die Merkmalsvektoren mi davon berechnet und dann wird der Klassifikations-Algorithmus damit trainiert. Implementierungen von allen verwendeten statistischen Lernmethoden sind frei verfügbar und bereits implementiert.After determining how the feature vectors m i are composed, a statistical learning method is selected. There are a large number of possible methods available in the state of the art for this, therefore, the various options will not be discussed in more detail here. These methods make it possible to identify an audio segment S Ai as a snore noise on the basis of a feature vector m i . For this purpose, the feature space is subdivided into a set of points that are assigned to the snore and the remainder, which is classified as non-snoring. In order to be able to perform this classification, these algorithms are first trained on the basis of known snore sounds, that is, they are manual Audio segments are selected with snoring sounds, the feature vectors m i calculated by it and then the classification algorithm is trained with it. Implementations of all statistical learning methods used are freely available and already implemented.
Mithilfe der oben erwähnten Klassifikationsverfahren ist es möglich, festzustellen, welche Audio-Segmente SAi Schnarchgeräusche enthalten. In einem durchschnittlichen Schnarchsignal sind jedoch zwischen den lauten Phasen oft auch ruhige Zeitspannen, da oft nur beim Einatmen geschnarcht wird, wie dies in
Das Ziel, aufgenommene Geräusche zu klassifizieren, um Atemgeräusche wie Schnarchen und Atmen von anderen eventuell auftretenden Hintergrundgeräuschen unterscheiden zu können, kann mit aus dem Stand der Technik bekannten Methoden gelöst werden. Solche Verfahren sind insbesondere aus den folgenden Veröffentlichungen bekannt:
Es werden verschiedene statistische Lernmethoden verwendet, um die aufgenommenen Geräusche in verschiedene Kategorien einteilen zu können. Im ersten Paper wird das Mikrofon in einer Maske am Gesicht des Patienten fixiert, dadurch gibt es kaum Hintergrundgeräusche, bzw. sind diese vernachlässigbar. In dieser Publikation werden die aufgenommenen Geräusche in einatmen, ausatmen, schnarchen und keuchen eingeteilt. Es wird dazu eine Vielzahl an verschiedenen Merkmalen generiert, mit denen die gewählte Lernmethode arbeitet.
Auch in dieser Veröffentlichung werden statistische Lernmethoden verwendet, um die aufgenommenen Geräusche in verschiedene Kategorien einteilen zu können. Das Mikrofon ist ca. 15 cm vom Kopf der Testperson entfernt und die aufgenommenen Geräusche werden in ”Schnarchen” bzw. ”Nicht Schnarchen” unterteilt.Also in this publication, statistical learning methods are used to divide the recorded sounds into different categories. The microphone is about 15 cm from the subject's head and the recorded sounds are divided into "snoring" and "not snoring".
In
Optional können je nach Qualität des Audio-Signals und Levels der Hintergrundgeräusche die Schnarchgeräusche noch genauer in Unterklassen, wie z. B. pathologisch und nicht pathologisch, eingeteilt werden. Unter sehr günstigen Bedingungen kann auch Atmen als separates Geräusch klassifiziert werden und dessen Stärke ermittelt werden.Optionally, depending on the quality of the audio signal and levels of background noise, the snoring sounds can be more accurately subclassed, such as sub-classes. B. pathological and non-pathological. Under very favorable conditions, breathing can also be classified as a separate noise and its strength can be determined.
In
Aus diesem Grund werden zeitgleich aufgenommene Audio-Segmente SAi und Segmente Si einander zunächst aufgrund ihres jeweiligen Aufnahmezeitpunkts einander zugeordnet. Für jedes Segment Si stehen typischerweise mehrere Audio-Segmente SAi zur Verfügung, die während der Zeitspanne des Segments aufgenommen wurden.For this reason, simultaneously recorded audio segments S Ai and segments S i are initially assigned to one another on the basis of their respective recording time. For each segment S i, there are typically several audio segments S Ai available that were recorded during the period of the segment.
Im vorliegenden Ausführungsbeispiel der Erfindung wird nach Segmenten Si mit geringer Atemtiefe T gesucht. Den in
Aus den Daten, die aus den Audio-Signalen und Höhenprofilen extrahiert wurden, können nun zu einem beliebigen Zeitpunkt Aussagen über die Atmung getroffen werden. Dazu wird wie folgt vorgegangen: Es werden zwei Indizes I und J gesucht, sodass die jeweiligen Beginnzeitpunkte Taudio,I der Audio-Segmente SAi und die Beginnzeitpunkte T3D,J der Segmente S jeweils am nächsten beim Zeitpunkt t sind unter allen möglichen Zeitpunkten, die für die Audiosegmentierung und für die Segmentierung der Höhenprofile gewählt wurden. Die Möglichkeiten, die sich für diesen Zeitpunkt ergeben, sind in der folgenden Tabelle zusammengefasst:
Im Folgenden wird eine weitere Ausführungsform der Erfindung dargestellt, bei der eine verbesserte Verknüpfung der ermittelten Atemtiefe T und der akustischen Klassifikation der Atemgeräusche und damit eine verbesserte Detektion von Atemaussetzern ermöglicht. Durch Interpolation der ermittelten Atemtiefen über die Zeit kann ein Atemtiefesignal T(t) ermittelt werden.In the following, a further embodiment of the invention is shown in which an improved combination of the determined breathing depth T and the acoustic classification of the breathing sounds and thus an improved detection of respiratory misfires is made possible. By interpolation of the determined breathing depths over time, a respiratory depression signal T (t) can be determined.
Diese Klassifikation beruht auf der Atemtiefefunktion T(t), die den zeitlichen Verlauf der Atemtiefe bezeichnet, sowie das Klassifikationssignal A(t), das zu jedem Zeitpunkt angibt ob und gegebenenfalls welche Atemgeräusche vorhanden waren. Im vorliegenden Ausführungsbeispiel wird das Klassifikationssignal A(t) modifiziert und als vektorwertige Funktion festgelegt, die jedem Zeitpunkt einen Vektor zuordnet, dessen Komponenten jeweils die Intensität des jeweils erkannten Signals angeben. Konkret könnte das Klassifikationssignal A(t) Komponenten aufweisen, von denen eine die Stärke Stärke des Schnarchgeräuschs oder eines Schnarchgeräuschs von einem bestimmten Typ repräsentieren, während eine andere die Stärke der zum jeweiligen Zeitpunkt vorhandenen Hintergrundgeräusche repräsentiert.This classification is based on the respiratory depression function T (t), which indicates the time course of the respiratory depth, as well as the classification signal A (t), which indicates at each time whether and, if so, which respiratory sounds were present. In the present exemplary embodiment, the classification signal A (t) is modified and defined as a vector-valued function which assigns to each time point a vector whose components in each case indicate the intensity of the respective detected signal. Concretely, the classification signal A (t) could comprise components, one of which represents the strength of the snoring sound or a snore sound of a certain type, while another represents the strength of the background noise present at the time.
Es besteht dann die Möglichkeit, mehrere Audio-Segmente zu einem weiteren Audio-Segment mit einer Länge von beispielsweise 5 bis 10 Sekunden zusammenzufassen und mithilfe einer Mittelwertbildung die jeweiligen Signalstärken in diesem weiteren Audio-Segment zu ermitteln. Durch diesen Schritt ist es möglich, längere Perioden, in denen eine Person beim Einatmen schnarcht, jedoch leise ausatmet, insgesamt als Schnarchen zu klassifizieren. Durch diese Mittelung wird ein gemitteltes Klassifikationssignal B(t) erstellt. Besonders vorteilhaft ist es, wenn das gemitteltes Klassifikationssignal B(t) und das Atemtiefesignal A(t) auf zeitlich miteinander übereinstimmenden Segmenten bzw. weiteren Audio-Segmenten festgelegt werden.It is then possible to combine several audio segments to form another audio segment with a length of, for example, 5 to 10 seconds and to determine the respective signal strengths in this further audio segment by means of an averaging. With this step, it is possible to classify a total of snoring for longer periods in which a person snores while inhaling but exhales quietly. This averaging produces an averaged classification signal B (t). It is particularly advantageous if the averaged classification signal B (t) and the respiratory depression signal A (t) are defined on segments which coincide with one another or on further audio segments.
In einem nachfolgenden Schritt wird sowohl im Atemtiefesignal T(t) als auch im weiteren Klassifikationssignal B(t) nach Zeitpunkten gesucht, zu denen in den beiden Signalen T(t), B(t) starke Änderungen auftreten. Hierbei handelt es sich beispielsweise um Zeitpunkte, zu denen Atemgeräusche verschwinden bzw. wieder einsetzen oder Atembewegungen verschwinden oder wieder einsetzen.In a subsequent step, both the respiratory depression signal T (t) and the further classification signal B (t) are searched for times at which strong changes occur in the two signals T (t), B (t). These are, for example, times at which breath sounds disappear or re-insert or respiratory movements disappear or re-insert.
Die so erkannten Zeitpunkte werden als umso relevanter eingestuft, je stärker die Änderung des Signals T(t), B(t) zum jeweiligen Zeitpunkt ist. Es wird ein diesbezüglicher Relevanzwert REL erstellt, das die Relevanz der einzelnen Zeitpunkte für den Beginn oder das Ende einer Phase mit geringer Atmung angibt.The times thus recognized are considered to be all the more relevant, the stronger the change in the signal T (t), B (t) at the respective time. A REL relevance value is created that indicates the relevance of each point in time for the beginning or end of a low-respiration phase.
Es werden jene Punkte als Startpunkte RS oder Endpunkte RE eines Atemstillstandes auswählt, für welche der Betrag des Relevanzmaßes REL über dem Betrag eines vorgegebenen Schwellwerts liegt. Ein Startzeitpunkt RS kann angenommen werden, wenn der Relevanzwert REL negativ ist, ein Endzeitpunkt RE kann angenommen werden, wenn der Relevanzwert REL positiv ist. Der Zeitraum AP zwischen dem Startzeitpunkt RS und dem Endzeitpunkt RE wird als Zeitraum geringer oder fehlender Atemtätigkeit angesehen.Those points are selected as starting points R S or end points R E of a respiratory arrest, for which the amount of the relevance measure REL is above the magnitude of a predetermined threshold value. A start time R S can be assumed when the relevance value REL is negative, an end time R E can be assumed when the relevance value REL is positive. The period AP between the start time R S and the end time R E is regarded as a period of low or absent breathing activity.
Der Schwellenwert kann insbesondere schleifend bzw. gleitend gebildet werden, indem über einen Zeitbereich, insbesondere vor und/oder nach dem Vergleichszeitpunkt mit dem Referenzmaß ein Mittelwert des Referenzmaßes gebildet wird und der Schwellenwert im Bereich zwischen 120% und 200% dieses Mittelwerts festgelegt wird.In particular, the threshold value can be formed in a sliding manner by establishing a mean value of the reference measurement over a time range, in particular before and / or after the comparison time with the reference measurement, and setting the threshold in the range between 120% and 200% of this mean value.
Insgesamt ist es im Rahmen der Erfindung möglich, den gesamten Schlaf einer Person über mehrere Stunden aufzuzeichnen und die Höhenprofile, gegebenenfalls auch die Audio-Signale, in einzelne Segmente, und gegebenenfalls auch Audio-Segmente, zu unterteilen. Selbstverständlich ist es auch möglich, nur einzelne besonders relevante Schlafphasen der Person zu betrachten und nur einige der aufgenommenen Höhenprofile bzw. Audio-Abtastwerte einzelnen Segmente und gegebenenfalls Audio-Segmenten zuzuordnen.Overall, it is within the scope of the invention possible to record the entire sleep of a person over several hours and the height profiles, possibly also the audio signals, into individual segments, and possibly also audio segments. Of course, it is also possible to consider only individual particularly relevant sleep phases of the person and to assign only a few of the recorded height profiles or audio samples to individual segments and possibly audio segments.
Weiters ist es möglich, die Anzahl und Dauer der ermittelten Phasen von geringer Atemtiefe oder fehlender Atemtägigkeit über den gesamten Schlaf aufzuzeichnen und statistischen Analysen zu unterziehen.Furthermore, it is possible to record the number and duration of the determined phases of low breathing depth or lack of respiratory activity over the entire sleep and to submit statistical analyzes.
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte Nicht-PatentliteraturCited non-patent literature
- Hansard, M., Lee, S., Choi, O., and Horaud, R. (2013) [0050] Hansard, M., Lee, S., Choi, O., and Horaud, R. (2013) [0050]
- Oike, Y., Shintaku, H., Takayama, S., Ikeda, M., and Asada, K. (2003) [0051] Oike, Y., Shintaku, H., Takayama, S., Ikeda, M., and Asada, K. (2003) [0051]
-
Sensors, 2003. Proceedings of IEEE, volume 1, pages 502–507. IEEE [0051] Sensors, 2003. Proceedings of IEEE,
volume 1, pages 502-507. IEEE [0051] - Mailloux, R. J. (2005) [0052] Mailloux, RJ (2005) [0052]
- Gabriele Fanelli, Juergen Gall, and Luc Van Gool. Real time head pose estimation with random regression forests. In Computer Vision and Pattern Recognition (CVPR), pages 617–624, June 2011 [0082] Gabriele Fanelli, Juergen Gall, and Luc Van Gool. Real time head pose estimation with random regression forests. In Computer Vision and Pattern Recognition (CVPR), pages 617-624, June 2011 [0082]
- Jamie Shotton, Ross Girshick, Andrew Fitzgibbon, Toby Sharp, Mat Cook, Mark Finocchio, Richard Moore, Pushmeet Kohli, Antonio Criminisi, Alex Kipman, et al. Efficient human pose estimation from single depth images. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 35(12): 2821–2840, 2013 [0082] Jamie Shotton, Ross Girshick, Andrew Fitzgibbon, Toby Sharp, Mat Cook, Mark Finocchio, Richard Moore, Pushmeet Kohli, Antonio Criminisi, Alex Kipman, et al. Efficient human pose estimation from single depth images. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 35 (12): 2821-2840, 2013 [0082]
- Hisham Alshaer, Aditya Pandya, T Douglas Bradley, and Frank Rudzicz. Subject independent identification of breath sounds components using multiple classifiers. In Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on, pages 3577–3581. IEEE, 2014 [0102] Hisham Alshaer, Aditya Pandya, T Douglas Bradley, and Frank Rudzicz. Subject independent identification of breath sounds components using multiple classifiers. In Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on, pages 3577-3581. IEEE, 2014 [0102]
- M Cavusoglu, M Kamasak, O Erogul, T Ciloglu, Y Serinagaoglu, and T Akcam. An efficient method for snore/nonsnore classification of sleep sounds. Physiological measurement, 28(8): 841, 2007 [0103] M Cavusoglu, M Kamasak, O Erogul, T Ciloglu, Y Serinagaoglu, and T Akcam. An efficient method for snoring / non-classification of sleep sounds. Physiological measurement, 28 (8): 841, 2007 [0103]
Claims (32)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102014019760.3A DE102014019760A1 (en) | 2014-09-10 | 2014-09-10 | Method and device for determining the time course of the respiratory depth |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102014019760.3A DE102014019760A1 (en) | 2014-09-10 | 2014-09-10 | Method and device for determining the time course of the respiratory depth |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102014019760A1 true DE102014019760A1 (en) | 2016-04-21 |
Family
ID=55637664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102014019760.3A Ceased DE102014019760A1 (en) | 2014-09-10 | 2014-09-10 | Method and device for determining the time course of the respiratory depth |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102014019760A1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019140476A1 (en) * | 2018-01-22 | 2019-07-25 | Ait Austrian Institute Of Technology Gmbh | Method for detecting body movements of a sleeping person |
WO2021007605A1 (en) * | 2019-07-17 | 2021-01-21 | Ait Austrian Institute Of Technology Gmbh | Method for detecting the intensity and/or the extent of body movements of a person |
-
2014
- 2014-09-10 DE DE102014019760.3A patent/DE102014019760A1/en not_active Ceased
Non-Patent Citations (8)
Title |
---|
Gabriele Fanelli, Juergen Gall, and Luc Van Gool. Real time head pose estimation with random regression forests. In Computer Vision and Pattern Recognition (CVPR), pages 617-624, June 2011 |
Hansard, M., Lee, S., Choi, O., and Horaud, R. (2013) |
Hisham Alshaer, Aditya Pandya, T Douglas Bradley, and Frank Rudzicz. Subject independent identification of breath sounds components using multiple classifiers. In Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on, pages 3577-3581. IEEE, 2014 |
Jamie Shotton, Ross Girshick, Andrew Fitzgibbon, Toby Sharp, Mat Cook, Mark Finocchio, Richard Moore, Pushmeet Kohli, Antonio Criminisi, Alex Kipman, et al. Efficient human pose estimation from single depth images. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 35(12): 2821-2840, 2013 |
M Cavusoglu, M Kamasak, O Erogul, T Ciloglu, Y Serinagaoglu, and T Akcam. An efficient method for snore/nonsnore classification of sleep sounds. Physiological measurement, 28(8): 841, 2007 |
Mailloux, R. J. (2005) |
Oike, Y., Shintaku, H., Takayama, S., Ikeda, M., and Asada, K. (2003) |
Sensors, 2003. Proceedings of IEEE, volume 1, pages 502-507. IEEE |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019140476A1 (en) * | 2018-01-22 | 2019-07-25 | Ait Austrian Institute Of Technology Gmbh | Method for detecting body movements of a sleeping person |
WO2021007605A1 (en) * | 2019-07-17 | 2021-01-21 | Ait Austrian Institute Of Technology Gmbh | Method for detecting the intensity and/or the extent of body movements of a person |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102014218140B3 (en) | Method and device for determining the time course of the breathing depth of a person | |
DE60028877T2 (en) | PICTURE PROCESSING SYSTEM, SYSTEM AND DEVICE FOR FORMING AN ENTIRE IMAGE IN A LONG SCROLLED SCENE | |
DE102016105891A1 (en) | Handheld device, object positioning method and computer readable recording medium | |
DE102006027992A1 (en) | Image frames` movement correcting method for use in spatial-compound-ultrasonic imaging, involves updating prior movement estimated value with estimated movement, and correcting image frame and preceding image frame using updated value | |
DE112012003583T5 (en) | Method for detecting and tracking a needle | |
DE102013225283B4 (en) | Method and device for capturing an all-round view | |
DE102015014908A1 (en) | Apparatus, method and program for processing a medical image, and X-ray therapy apparatus | |
DE102007003517A1 (en) | Image display device and X-ray CT device | |
DE112005002577T5 (en) | Respiratory Monitoring Device, Respiratory Monitoring System, Medical Processing System, Respiratory Monitoring Procedures and Respiratory Monitoring Program | |
DE102016205088A1 (en) | CT image processing apparatus and method | |
DE102010043975B4 (en) | Procedure for reducing the radiation dose used as part of an imaging X-ray examination and computer system | |
DE102007013570A1 (en) | Method for noise reduction in digital images with locally different and directional noise | |
DE102012102736A1 (en) | Method for visualizing needle for medical-ultrasound imaging apparatus utilized to capture clear images of e.g. blood vessel of patient during cardiac invasive therapy, involves outputting image frames from compounded frame sequence | |
DE112018003204T5 (en) | Surgical imaging system and method | |
DE112017007011B4 (en) | Face direction estimation device and face direction estimation method | |
DE112015006378T5 (en) | Image processing apparatus, image processing method and image processing program | |
DE102014205828B4 (en) | Method for determining the time of heart movement and for triggering an imaging system and corresponding device | |
DE102007061934A1 (en) | Method for improving the quality of computer tomographic acquisition series by projection data processing and CT system with arithmetic unit | |
DE102014019760A1 (en) | Method and device for determining the time course of the respiratory depth | |
DE112015007245T5 (en) | High resolution composite ultrasound flow imaging | |
DE102004028710B4 (en) | A method and system for automatically changing medical image processing and an ultrasonic medical imaging method | |
DE112021005277T5 (en) | Object key point detection | |
WO2012055543A1 (en) | Use of a two-dimensional analytical signal in sonography | |
Arif et al. | Block level multi-focus image fusion using wavelet transform | |
DE102015223946A1 (en) | Determining physiological activity signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R129 | Divisional application from |
Ref document number: 102014218140 Country of ref document: DE |
|
R016 | Response to examination communication | ||
R002 | Refusal decision in examination/registration proceedings | ||
R003 | Refusal decision now final |