JP2016127923A - 被験者の映像から生理学的パラメータを抽出するための対象領域を選択する方法 - Google Patents
被験者の映像から生理学的パラメータを抽出するための対象領域を選択する方法 Download PDFInfo
- Publication number
- JP2016127923A JP2016127923A JP2016001179A JP2016001179A JP2016127923A JP 2016127923 A JP2016127923 A JP 2016127923A JP 2016001179 A JP2016001179 A JP 2016001179A JP 2016001179 A JP2016001179 A JP 2016001179A JP 2016127923 A JP2016127923 A JP 2016127923A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- time series
- subject
- video
- band
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004217 heart function Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 241001108995 Messa Species 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- CNQCVBJFEGMYDW-UHFFFAOYSA-N lawrencium atom Chemical compound [Lr] CNQCVBJFEGMYDW-UHFFFAOYSA-N 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
- A61B5/02427—Details of sensor
- A61B5/02433—Details of sensor for infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0013—Medical image data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
- A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Abstract
【課題】被験者の映像から生理学的パラメータを抽出するための対象領域を選択するシステムおよび方法を提供する。
【解決手段】495nm〜565nm、および800nm〜1000nmの波長範囲の通過帯域を有する帯域通過フィルタを備える単一帯域のビデオカメラ501を用いて取り込まれる被験者の映像の画像フレームを処理することにより生成された時系列信号を受信する。この対象領域は、プレチスモグラフ信号がカメラ501により検知可能な領域である。各時系列信号はそれぞれ、異なる対象領域に関連する。次いで、時系列信号ごとに信号の強さを計算する。最も強い信号を有する時系列信号に関連する領域を選択する。選択された領域に関連する時系列信号を処理して、生理学的パラメータを含むビデオプレチスモグラフ(VPG)信号を抽出する。
【選択図】図5
【解決手段】495nm〜565nm、および800nm〜1000nmの波長範囲の通過帯域を有する帯域通過フィルタを備える単一帯域のビデオカメラ501を用いて取り込まれる被験者の映像の画像フレームを処理することにより生成された時系列信号を受信する。この対象領域は、プレチスモグラフ信号がカメラ501により検知可能な領域である。各時系列信号はそれぞれ、異なる対象領域に関連する。次いで、時系列信号ごとに信号の強さを計算する。最も強い信号を有する時系列信号に関連する領域を選択する。選択された領域に関連する時系列信号を処理して、生理学的パラメータを含むビデオプレチスモグラフ(VPG)信号を抽出する。
【選択図】図5
Description
本発明は、被験者の映像から生理学的パラメータを抽出するための対象領域を選択するシステムおよび方法に関する。
心イベントのモニタリングは、死に至る恐れがある病状を早期発見するうえで非常に重要である。現在の技術では、個々の被験者が接触覚センサを装着しなければならない。そのように要求されることで、患者が不安になり、従属を強いられ、尊厳をも失いかねない。さらに、モニタリング装置の装着を嫌がるなど様々な理由により、モニタリングがうまくいかない可能性がある。高齢の心臓病患者に対しては、このような心モニタリング法が逆効果となる可能性がさらに大きい。医療業界では、非接触式の手段を用いて心機能のモニタリングを可能にする技術が、非常に望まれている。
したがって、被験者の映像から生理学的パラメータを抽出するための、最も良い対象領域を自動的に選択する、高度なシステムおよび方法が当技術分野では必要である。
被験者の映像から生理学的パラメータを抽出するための対象領域を選択するシステムおよび方法を開示する。本発明の一実施形態では、この方法は次の通り行われる。最初に、複数の時系列信号を受信する。なお、これらの複数の時系列信号は、495nm〜565nmおよび/または800nm〜1000nmの波長範囲の通過帯域を有する帯域通過フィルタを備える単一帯域のビデオカメラを用いて、取り込まれた被験者の映像の画像フレームを処理することにより生成される。対象領域とは、ビデオカメラによりプレチスモグラフ信号が検出可能な領域である。時系列信号はそれぞれ、異なる対象領域に関連する。次いで、時系列信号ごとに信号の強さを計算する。最も強い信号を有する時系列信号に関連する領域を選択する。選択された領域に関連する時系列信号を処理して、生理学的パラメータを含むVPG(ビデオプレチスモグラフ)信号を抽出する。上記の方法の特徴および利点は、以下の詳細な説明および添付図面から容易に明らかになる。
本明細書で開示される主体の上述の特徴および利点、ならびに、その他の特徴および利点を、添付図面を参照して提供される、以下の詳細な説明で明らかにする。以下、これらの添付図面について説明する。
被験者の映像から生理学的パラメータを抽出するための対象領域を選択するシステムおよび方法を開示する。
「プレチスモグラフ法」とは、皮膚組織の表面の真下の血管内の相対血液量の変化を検査する方法である。
「フォトプレチスモグラフ(PPG)信号」とは、容積脈波を経時的に取り込む光学計器を用いて取得するプレチスモグラフ信号である。
「ビデオプレチスモグラフ(VPG)信号」とは、皮膚表面の映像の画像フレームのバッチを処理することにより抽出するプレチスモグラフ信号である。
「被験者」とは生物のことを指す。図1には、例示的な被験者100が示されている。本開示全体を通して、「人」または「患者」という用語が用いられ得るが、被験者は、例えば、霊長類などの人間以外である可能性があることは理解されよう。したがって、これらの用語を用いることにより、付随する請求項の範囲を厳密に人間に限定するものではない。
「映像」とは、一般に理解されている通り、映像撮影装置により取り込まれる、被験者の露出した皮膚の領域の複数の時系列の画像フレームを指し、被験者の心機能に対応するプレチスモグラフ信号が、その映像を取り込むために使用されるビデオカメラにより記録され得る。
本明細書で使用される用語「映像撮影装置」とは、495nm〜565nm、および/または800nm〜1000nmの波長範囲の通過帯域を有する帯域通過フィルタを備える単一帯域のビデオカメラのことである。図1には、フィルタ(図示せず)を備える、例示的な映像撮影装置102が被験者100の映像101を撮影している様子が示されている。映像の画像フレームは、無線通信要素103(アンテナとして示される)を介して、遠隔装置と通信可能である。ビデオカメラは、1つ以上のレンズを備えることができ、これらのレンズは、受け取った反射光を焦点に集める働きをする。集められた光は、フィルタにかけられ、1つ以上の光検出器に誘導される。この光検出器により、多次元のグリッドに沿った複数の画素位置で輝度値が別々に記録される。受け取った光を空間的に分解することにより、画像が形成される。ビデオカメラは、通常、映像の画像フレームを取り出すための複数の出力部を有し、メモリ、1つ以上の記憶装置、および1つ以上のプロセッサなどの構成部品をさらに組み込むことができる。そして、これらのプロセッサが、マシン可読プログラム命令を実行し、これにより、本明細書の教示に従って、画像フレームのバッチをリアルタイムで分析する。ネットワークを介して遠隔装置から、あるいは、CDROMまたはDVDなどの媒体から、あるいは、ウェブベースのシステム、または処理可能なビデオ画像フレームを生成するアプリケーションからダウンロードすることにより画像フレームを取得可能である。画像フレームは、例えば、携帯用セルラー装置で利用可能なアプリケーションから受信することもでき、これらのアプリケーションは、スマートフォン、またはiパッドもしくはタブレットPCなどその他の手持ち式コンピュータ装置上で処理を行う。帯域通過フィルタを備える単一帯域のビデオカメラを含む映像撮影装置は、様々な流通経路で容易に入手可能である。
「画像フレームのバッチ」とは、複数の時系列の画像フレームのことを指し、これらの画像フレームを本明細書で開示される方法で処理して、選択するための露出した皮膚の種々の領域を分離する。図2には、図1の映像撮影装置102により取得される、N=13の画像フレーム(ひとまとめにして参照符号200で示す)のバッチの一例が示されている。画像フレームのバッチは、サイズが同じである必要はなく、処理が行われている間、動的に変化することができる。画像フレームの所与のバッチのサイズは、少なくとも被験者の1回の心拍周期を取り込める時間長である必要がある。画像フレームのバッチは、スライディングウィンドウを用いて処理することができる。ある例では、新しい画像フレームの1秒が、その前のバッチからの画像フレームの29秒に重なるようスライディングウィンドウが規定されている(すなわち、96%の重複)。スライディングウィンドウのサイズは、必要に応じてリアルタイムで動的に調整可能である。所与のバッチの画像フレームを分析して、対象領域を特定し分離する。
「対象領域」とは、被験者の映像を取り込むために用いる映像撮影装置のレンズを通して、少なくとも部分的に遮るものが無く見える被験者の露出した皮膚組織の領域のことを指す。図3には、図2の画像フレームのバッチ内の画像フレームのうちの1枚が示されており、この画像フレームでは、種々の対象領域(参照符号301、302、303、304、および305で示す)が分離されている。図3の対象領域は、説明を目的として示されており、その他の対象領域を特定したり、選択したりすることも可能であることは理解されよう。また、対象領域の形状は不規則でもよい。したがって、図3は、付随する請求項の範囲が図示される領域だけに限定されることを意図していない。対象領域は、画像処理技術を用いて所与の画像フレーム内で特定可能であり、これらの画像処理技術には、例えば、色識別およびテクスチャ識別、物体認知、胸部領域識別、空間特徴分析、スペクトル情報、パターン認識、顔検出法、および顔認識アルゴリズムが含まれる。さらに、ユーザすなわち技師は、マウスまたはタッチスクリーンディスプレイなどを用いて、画像フレーム内の対象領域を特定することができる。対象領域のサイズは、同じである必要はない。所与の対象領域のサイズは、用途により異なる。所与の対象領域内の画素は、例えば、画素分類、物体認知、胸部識別、色識別、テクスチャ識別、空間特徴、スペクトル情報、パターン認識、顔検出、顔認識、およびユーザ入力などの技術により、映像の画像フレーム内で分離される。必要に応じて、画素に対して、重み付したり、平均化したり、正規化したり、あるいは破棄したりすることができる。画像フレームのバッチ内で分離される各対象領域内の画素を処理して、各領域に関連する時系列信号を取得する。
「時系列信号」とは、被験者の心機能に関する周波数成分を含む信号のことである。時系列信号には、分離された領域内の皮膚表面に近い血管内の相対血液量の変化の合計が含まれる。これらの動脈拍動には、時系列信号の主成分が含まれている。ある実施形態では、時系列信号を下記のように求めることができる。最初に、分離した対象領域で全ての画素値の平均値を求めて、フレームごとに基づいて周波数帯の平均値を求める。次いで、周波数帯ごとに、その周波数帯の複数の画像フレームに渡る平均値を合計し、バッチを含むフレームの総数で除算して全体の周波数帯の平均値を算出する。全体の周波数帯の平均値からその周波数帯の平均値を引き、その結果を全体の周波数帯の標準偏差で除算して、その特定の領域に関する時系列信号を求める。時系列信号に対してトレンド除去処理を行って非静止成分を取り除くことができる。自動ピーク検知を用いることも可能である。信号分離により、時系列信号からVPG信号を抽出することができる。時系列信号からVPG信号を抽出する方法は、MesthaおよびKyalにより開示された参考文献に記載されている。
「周波数のウィンドウ」は、主周波数f0に関して設定されるが、この周波数のウィンドウには、その他の高調波周波数(「2f0、3f0、4f0...」で示される)も含まれ得る。信号内の主周波数f0は、例えば、信号処理の技術分野では周知の、ノンパラメトリックのスペクトル密度推定法またはパラメトリックのスペクトル密度推定法を用いてパワースペクトル密度を計算することにより識別可能である。このパワースペクトル密度により、信号の周波数の変化に伴ってパワーがどのように分布しているかが示される。通常、時間間隔[−T,T]における信号x(t)のパワーPは、以下の等式により表され得る。:
本明細書の目的のため、対象帯域内の周波数に対して「信号の強さ」を計算する。周波数のウィンドウ内の周波数全体で、対象帯域を規定する。信号の強さは、パルス高調波強度(PHS)により判定可能である。ある実施形態では、PHSを以下の等式で表すことができる。:
なお、「Psig」は対象帯域のパワーであり、「Pnoise」は、その他の全ての帯域のパワーである。容積脈波のパワーの中心は、被験者の心臓の鼓動、およびその鼓動の様々な高調波であるため、この計量法が好ましい。
信号の強さを信号対雑音比(SNR)で判定することも可能である。ある実施形態では、SNRは下記の等式で表される。:
なお、「Psig」は対象帯域のパワーであり、「Ptotal」は時系列信号の全パワーである。
「信号を受信する(receiving)」とは、本明細書で開示されている方法に従って処理するための信号を、取り出す(retrieving)、取り込む(capturing)、取得する(acquiring)、あるいは得る(obtaining)など、広く解釈されることを意図する。信号は、メモリまたは記憶装置、およびCDROMやDVDなどの媒体から取り出すことができる、もしくは、ネットワークを介して遠隔装置から得ることができる、あるいは、ウェブベースのシステムまたはそのような信号を入手可能にするアプリケーションからダウンロードすることができる。
本明細書で使用される、「判定する(determining)」、「分析する(analyzing)」、「識別する(identifying)」、「受信する(receiving)」、「処理する(processing)」、「計算する(calculating)」、「選択する(selecting)」、「実行する(performing)」などのステップには、任意の特定の状況に従って、あるいは任意の特定の目的で、データおよび信号に対して行われる様々な信号処理、および数値演算を実行することが含まれることは理解されよう。マイクロプロセッサが、メモリまたは記憶装置から取り出されるマシン可読プログラム命令を実行することにより、これらのステップを容易にすることができる、あるいは実行することができることは言うまでもない。
次に図4のフローチャートを参照する。このフローチャートには、露出した皮膚の領域から生理学的パラメータを抽出するための対象領域を選択する、当該方法の実施形態の一例が示されている。ステップ400でフロー処理が開始され、すぐにステップ402に進む。
ステップ402で、プレチスモグラフ信号を検知可能な、被験者の異なる対象領域に関連する複数の時系列信号を受信する。なお、これらの時系列信号は、被験者の映像の画像フレームのバッチを処理することにより取り込まれたものであり、映像は、495nm〜565nm、および/または800nm〜1000nmの波長範囲の通過帯域を有する帯域通過フィルタを備えた単一帯域のビデオカメラを用いて取り込まれたものである。図3には、種々の異なる対象領域が図示され議論されている。
ステップ404で、処理するための第1の時系列信号を選択する。この選択は、マイクロプロセッサが、マシン可読プログラム命令を実行して、そのような選択を行うことにより自動的に行われ得る、あるいは、ユーザにより、ワークステーションのディスプレイとキーボードを用いて行われ得る。
ステップ406で、選択される時系列信号の信号の強さを計算する。所与の信号の強さを計算する方法は、本明細書で開示されている。
ステップ408で、処理するために選択すべき時系列信号が他に残っているかどうかを判定する。残っている場合、ステップ404の処理を続けて、受信した複数の信号のうちの次の時系列信号を選択する。次いで、次の選択した時系列信号の信号の強さを計算する。選択すべき時系列信号がなくなるまで、この処理を同様に繰り返す。
ステップ410で、最も信号の強い時系列信号に関連する対象領域を選択する。
ステップ412で、選択される対象領域(ステップ410で選択される)に関連する時系列信号を処理して、被験者の少なくとも1つの生理学的パラメータを含むVPG信号を抽出する。その後、この実施形態では、さらなる処理を停止する。
本明細書に示されるフローチャートは、説明のためのものであることは理解されよう。この動作の1つ以上を異なる順序で行うことが可能である。動作を修正したり、改良したり、複数の動作をまとめたり、あるいはその他の動作を加えたりすることも可能である。これらの変更形態も付随する請求項の範囲内であること意図するものとする。
次に図5を参照すると、本明細書の教示の種々の様態を実行する、例示的なシステムのブロック図が示されている。
図5では、495nm〜565nm、および/または800nm〜1000nmの波長範囲の通過帯域を有する帯域通過フィルタを備えた単一帯域のビデオカメラ501が、図1の被験者の映像を取得している様子が示されている。映像(まとめて参照符号502で示す)を含む画像フレームは、画像処理システム503に送られる。バッチプロセッサ505が画像フレームのバッチを受信し、画像フレーム内の露出した体の領域に関連する画素を分離して、対象領域ごとの時系列信号を取得する。他の実施形態では、バッチプロセッサは、各時系列信号からVPG信号を抽出することもさらに可能である。信号強度判定回路506が、バッチプロセッサから各時系列信号を受信し、本明細書で開示された方法を用いて、それぞれの信号の強さを計算する。次いで、比較回路507が時系列信号ごとに判定される各信号の強さを比較して、どの信号が最も強いかを特定する。パラメータ抽出回路508が、特定された対象領域に関連するVPG信号を処理して、被験者に関する1つ以上の生理学的パラメータを抽出する。プロセッサ509が、マシン可読プログラム命令を実行し、単独で、あるいは、他のプロセッサおよびメモリ510と共に動作して、システム503の任意のモジュールの機能を支援する、あるいは、実行する。プロセッサ509は、さらにワークステーション511との通信を容易にする。
ワークステーションのコンピュータケースには、プロセッサおよびメモリを搭載するマザーボード、ネットワークカード、ビデオカード、フロッピー(登録商標)ディスク、光ディスク、CD−ROM、DVD、磁気テープなどのマシン可読媒体512に対する読出し/書き込みが可能なハードドライブ、およびコンピュータシステムの機能を実行するために必要なその他のソフトウェアやハードウェアなどの様々な構成部品が収納されている。ワークステーションは、情報、ビデオ、測定データ、計算値、医療情報、結果、位置などを表示するCRT、LCD、またはタッチスクリーン装置などのディスプレイ装置513をさらに含む。ユーザは、任意の情報を閲覧し、表示されているメニューオプションから情報を選択することができる。ユーザ入力や選択は、キーボードとマウスを用いて行われる。ワークステーションは、記憶装置516内にデータベースを実装し、クエリーに応じて、患者の記録の格納、操作、および検索を行う。種々の実施形態では、そのような記録が患者の医療履歴の形態をとる。データベースが外部装置として示されているが、このデータベースは、ワークステーション内部で、例えば、コンピュータケース内のハードディスクに取り付けてもよい。
ワークステーションは、オペレーティングシステムおよびその他の専用ソフトウェアを有し、これらのソフトウェアが、本明細書で開示された方法によって、画像フレームを処理して時系列信号およびVPG信号を取得するために必要な情報を、入力、選択、修正、および受信するために、英数字値、メニュー、スクロールバー、ダイアル、スライドバー、プルダウンメニュー、選択ボタンなどを表示するよう構成されていることは理解されよう。ワークステーションはさらに、画像フレームを表示することも可能である。ユーザすなわち技師は、ワークステーションを使用して、処理するための対象領域を特定し、パラメータを設定し、画像フレーム、および/または対象領域を選択する。そのようなユーザ入力情報は、初期設定、初期パラメータ値などと共に、記憶装置512および516に格納/検索され得る。画像フレームの連続バッチを処理する際、ユーザは、用いられている種々のパラメータ、または動的設定をリアルタイムで調整することができる。デスクトップコンピュータとして示されているが、ワークステーションは、ラップトップコンピュータ、メインフレーム、またはASIC、回路などの専用コンピュータでもよいことは理解されよう。図5のワークステーションの実施形態は、説明を目的としており、当技術分野では既知のその他の機能を備えることも可能である。
ワークステーションの任意の構成要素は、映像処理システム503、またはこの映像処理システムと通信する任意の装置と通信するよう配置され得る。さらに、システム503の任意のモジュールおよび処理ユニットは、記憶装置512、および/または516と通信するよう配置され得、必要に応じて、これらの記憶装置にデータ、変数、記録、パラメータ、機能、および/またはマシン可読/実行可能プログラム命令を格納/検索して、意図する機能を実行することができる。
図5のシステムの各モジュールは、1つ以上の遠隔装置とネットワーク517を介して通信するよう配置され得る。任意のシステム503のモジュールすなわち処理ユニットが実行する、一部または全ての機能は、ネットワーク517を介して映像撮影装置501と通信するよう配置されるワークステーションにより、全体的あるいは部分的に実行されることは理解されよう。示されている実施形態は説明を目的とし、付随する請求項の範囲が、その実施形態の構成に厳密に限定されると見なされないものとする。種々のモジュールは、1つ以上の構成要素を指定することができ、これらの構成要素が意図する機能を実行するよう設計されるソフトウェア、および/またはハードウェアを含む。
本明細書の教示は、既知のシステムまたは将来開発されるシステム、構造体、装置、および/またはソフトウェアのいずれかを用いて、本明細書で提供される機能的説明、および関連技術の一般知識により、必要以上の実験を実施することなく当業者により、ハードウェアまたはソフトウェアで実施可能である。本明細書に記載される方法の1つ以上の様態は、出荷、販売、リース可能な製品に組み込まれる、あるいは、製品パッケージもしくはサービスの一部として、または単独で別々に提供されることを意図されるものとする。
Claims (10)
- 被験者の映像から生理学的パラメータを抽出するための対象領域を選択する方法であって、
プレチスモグラフ信号を検知可能な、被験者の異なる対象領域にそれぞれ関連する複数の時系列信号を受信するステップであって、前記時系列信号は、前記被験者の各対象領域の映像の画像フレームのバッチ内の画素を処理することにより得られ、495nm〜565nm、および800nm〜1000nmのうちの一方の波長範囲の通過帯域を有する帯域通過フィルタを備える単一帯域のビデオカメラにより前記映像が取り込まれる、ステップと、
前記時系列信号のそれぞれの信号の強さを計算するステップと、
前記対象領域の中で最も強い信号を有する時系列信号に関連する対象領域を選択するステップと、を含む方法。 - 前記時系列信号のいずれかの主周波数f0を特定するステップと、
高調波周波数2f0、3f0、4f0、...、を特定するステップと、
前記主周波数に関する周波数のウィンドウを規定するステップであって、前記ウィンドウ内の周波数全体で対象帯域が規定され、前記対象帯域に渡って前記信号の強さが計算される、ステップと、をさらに含む請求項1に記載の方法。 - フィルタリングされる時系列信号に対するノンパラメトリックのスペクトル密度推定法と、フィルタリングされる時系列信号に対するパラメトリックのスペクトル密度推定法とを任意に組み合わせることで、前記時系列信号のパワースペクトル密度を計算することにより、前記主周波数f0が特定される、請求項2に記載の方法。
- 前記信号の強さには、パルス高調波強度(PHS)および信号対雑音比(SNR)のうちの一方が含まれる、請求項2に記載の方法。
- 被験者の映像から生理学的パラメータを抽出するための対象領域を選択するシステムであって、
メモリと、
前記メモリと通信するプロセッサであって、
プレチスモグラフ信号を検知可能な、被験者の異なる対象領域にそれぞれ関連する複数の時系列信号を受信するステップであって、前記時系列信号は、前記被験者の各対象領域の映像の画像フレームのバッチ内の画素を処理することにより得られ、495nm〜565nm、および800nm〜1000nmのうちの一方の波長範囲の通過帯域を有する帯域通過フィルタを備える単一帯域のビデオカメラにより前記映像が取り込まれる、ステップと、
前記時系列信号のそれぞれの信号の強さを計算するステップと、
前記対象領域の中で最も強い信号を有する時系列信号に関連する対象領域を選択するステップと、を行うマシン可読命令を実行するプロセッサと、を含むシステム。 - 前記マシン可読命令が、
前記時系列信号のいずれかの主周波数f0を特定するステップと、
高調波周波数2f0、3f0、4f0、...、を特定するステップと、
前記主周波数に関する周波数のウィンドウを規定するステップであって、前記ウィンドウ内の周波数全体で対象帯域が規定され、前記対象帯域に渡って前記信号の強さが計算される、ステップと、をさらに含む、請求項5に記載のシステム。 - フィルタリングされる時系列信号に対するノンパラメトリックのスペクトル密度推定法と、フィルタリングされる時系列信号に対するパラメトリックのスペクトル密度推定法とを任意に組み合わせることで、前記時系列信号のパワースペクトル密度を計算することにより、前記主周波数f0が特定される、請求項6に記載のシステム。
- 被験者の映像から生理学的パラメータを抽出するための対象領域を選択する、コンピュータ実装方法であって、
プレチスモグラフ信号を検知可能な、被験者の異なる対象領域にそれぞれ関連する複数の時系列信号を受信するステップであって、前記時系列信号は、前記被験者の各対象領域の映像の画像フレームのバッチ内の画素を処理することにより得られ、495nm〜565nm、および800nm〜1000nmのうちの一方の波長範囲の通過帯域を有する帯域通過フィルタを備える単一帯域のビデオカメラにより前記映像が取り込まれる、ステップと、
前記時系列信号のそれぞれの信号の強さを計算するステップと、
前記対象領域の中で最も強い信号を有する時系列信号に関連する対象領域を選択するステップと、を含むコンピュータ実装方法。 - 前記時系列信号のいずれかの主周波数f0を特定するステップと、
高調波周波数2f0、3f0、4f0、...、を特定するステップと、
前記主周波数に関する周波数のウィンドウを規定するステップであって、前記ウィンドウ内の周波数全体で対象帯域が規定され、前記対象帯域に渡って前記信号の強さが計算される、ステップと、をさらに含む請求項8に記載のコンピュータ実装方法。 - フィルタリングされる時系列信号に対するノンパラメトリックのスペクトル密度推定法と、フィルタリングされる時系列信号に対するパラメトリックのスペクトル密度推定法とを任意に組み合わせることで、前記時系列信号のパワースペクトル密度を計算することにより、前記主周波数f0が特定される、請求項9に記載のコンピュータ実装方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/593,271 | 2015-01-09 | ||
US14/593,271 US9986923B2 (en) | 2015-01-09 | 2015-01-09 | Selecting a region of interest for extracting physiological parameters from a video of a subject |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016127923A true JP2016127923A (ja) | 2016-07-14 |
Family
ID=56233953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016001179A Pending JP2016127923A (ja) | 2015-01-09 | 2016-01-06 | 被験者の映像から生理学的パラメータを抽出するための対象領域を選択する方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9986923B2 (ja) |
JP (1) | JP2016127923A (ja) |
DE (1) | DE102016200045A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007136745A2 (en) | 2006-05-19 | 2007-11-29 | University Of Hawaii | Motion tracking system for real time adaptive imaging and spectroscopy |
WO2013032933A2 (en) | 2011-08-26 | 2013-03-07 | Kinecticor, Inc. | Methods, systems, and devices for intra-scan motion correction |
US10327708B2 (en) | 2013-01-24 | 2019-06-25 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US9305365B2 (en) | 2013-01-24 | 2016-04-05 | Kineticor, Inc. | Systems, devices, and methods for tracking moving targets |
US9734589B2 (en) | 2014-07-23 | 2017-08-15 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US9943247B2 (en) | 2015-07-28 | 2018-04-17 | The University Of Hawai'i | Systems, devices, and methods for detecting false movements for motion correction during a medical imaging scan |
US10716515B2 (en) | 2015-11-23 | 2020-07-21 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US20180103197A1 (en) * | 2016-10-06 | 2018-04-12 | Gopro, Inc. | Automatic Generation of Video Using Location-Based Metadata Generated from Wireless Beacons |
CN110301898B (zh) * | 2018-03-27 | 2022-07-15 | 佳能株式会社 | 生物信息测量设备、方法、系统和计算机可读介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7628760B2 (en) * | 2007-02-28 | 2009-12-08 | Semler Scientific, Inc. | Circulation monitoring system and method |
US20090105556A1 (en) * | 2007-09-28 | 2009-04-23 | Tiax Llc | Measurement of physiological signals |
US9526429B2 (en) * | 2009-02-06 | 2016-12-27 | Resmed Sensor Technologies Limited | Apparatus, system and method for chronic disease monitoring |
US8706464B2 (en) * | 2010-01-31 | 2014-04-22 | Vladimir Shusterman | Health data dynamics, its sources and linkage with genetic/molecular tests |
US20110251493A1 (en) * | 2010-03-22 | 2011-10-13 | Massachusetts Institute Of Technology | Method and system for measurement of physiological parameters |
US8977347B2 (en) * | 2012-06-25 | 2015-03-10 | Xerox Corporation | Video-based estimation of heart rate variability |
US20140316292A1 (en) * | 2013-04-19 | 2014-10-23 | Semler Scientific, Inc. | Circulation Monitoring System |
-
2015
- 2015-01-09 US US14/593,271 patent/US9986923B2/en active Active
-
2016
- 2016-01-05 DE DE102016200045.4A patent/DE102016200045A1/de not_active Withdrawn
- 2016-01-06 JP JP2016001179A patent/JP2016127923A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
US20160198965A1 (en) | 2016-07-14 |
US9986923B2 (en) | 2018-06-05 |
DE102016200045A1 (de) | 2016-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016127923A (ja) | 被験者の映像から生理学的パラメータを抽出するための対象領域を選択する方法 | |
US9504426B2 (en) | Using an adaptive band-pass filter to compensate for motion induced artifacts in a physiological signal extracted from video | |
US9336594B2 (en) | Cardiac pulse rate estimation from source video data | |
EP3057487B1 (en) | Device and method for obtaining a vital sign of a subject | |
JP6121177B2 (ja) | ソースビデオ画像から動脈拍動経過時間を導出すること | |
WO2014155750A1 (ja) | 血流指標算出方法、血流指標算出プログラム及び血流指標算出装置 | |
US20150245787A1 (en) | Real-time video processing for respiratory function analysis | |
US9521335B2 (en) | Detecting febrile seizure with a thermal video camera | |
US9245338B2 (en) | Increasing accuracy of a physiological signal obtained from a video of a subject | |
JP2017006649A (ja) | 被検体の映像からの呼吸パターンの判定 | |
US20150313486A1 (en) | Determining pulse wave transit time from ppg and ecg/ekg signals | |
JP2013248386A (ja) | 血管パターン検出および心臓機能分析のためにビデオを処理すること | |
EP3453321A1 (en) | Non-invasive method and system for estimating blood pressure from photoplethysmogram using statistical post-processing | |
JP2015211829A (ja) | 動脈拍動波伝搬時間のvpgおよびecg/ekg信号からの判定 | |
US9483837B2 (en) | Compensating for motion during real-time batch processing of video for physiological function assessment | |
JP2014200390A (ja) | 脈波検出装置、脈波検出方法及び脈波検出プログラム | |
US9320440B2 (en) | Discriminating between atrial fibrillation and sinus rhythm in physiological signals obtained from video | |
Chambino | Android-based implementation of Eulerian Video Magnification for vital signs monitoring | |
Alnaggar et al. | Video-based real-time monitoring for heart rate and respiration rate | |
US20160287183A1 (en) | Classifying a time-series signal as ventricular premature contraction | |
US20160287106A1 (en) | Method for assessing patient risk for ventricular tachycardia | |
US10779771B2 (en) | Signal processing method and apparatus | |
JP6167615B2 (ja) | 血流指標算出プログラム、端末装置および血流指標算出方法 | |
JP6167849B2 (ja) | 脈波検出装置、脈波検出方法及び脈波検出プログラム | |
JP2018068720A (ja) | 脈拍検出装置及び脈拍検出方法 |