JP2023545426A - 光学データによる血中アルコール測定値のためのシステム及び方法 - Google Patents

Abstract

血中アルコール測定値の精度を向上させるための新しいシステム及び方法が提供される。カメラの出力／入力の前処理、前処理されたカメラ信号からの脈動信号の抽出、それに続く脈動信号のポストフィルタリングを含むがこれらに限定されない、様々な態様が精度の向上に寄与する。この向上した情報は、ＨＲＶ決定などの解析に使用されることができる。それらのような複数の生理学的測定値を使用して血中アルコールレベルを決定することが好ましい。【選択図】図２

Description

本発明は、光学データから決定される血中アルコール測定値のためのシステム及び方法のものであり、特に、それらのような測定値を被検者のビデオデータから決定するためのシステム及び方法のものである。

心拍数測定装置は、第一の心電図（ＥＣＧまたはＥＫＧ）を得た１８７０年代にまでさかのぼり、心臓の心周期（または心拍動）による電圧変化を測定するものである。ＥＫＧ信号は、３つの主な成分、心房脱分極を表すＰ波、心室脱分極を表すＱＲＳ複合、及び心室再分極を表すＴ波で構成される。

第二の脈拍数検出技法は、フォトプレチスモグラフィ（ＰＰＧ）と呼ばれる組織の微小血管床における血液量変化を検出する光学測定である。ＰＰＧ測定では、末梢脈波は収縮期ピーク及び拡張期ピークを特徴的に示す。収縮期ピークは、左心室から身体の末梢に伝わる直接的な圧波の結果であり、拡張期ピーク（または変曲）は、下半身の動脈による圧波の反射の結果である。

ＰＰＧベースのデバイスには、接触ベース及びリモート（ｒＰＰＧ）という２つのカテゴリがある。接触ベースのデバイスは、通常、指の上で使用され、通常、赤色及びＩＲ（赤外）波長で光反射を測定する。一方、リモートＰＰＧデバイスは、通常、顔の皮膚表面から反射された光を測定する。ほとんどのｒＰＰＧアルゴリズムは、ＲＧＢカメラを使用し、ＩＲカメラを使用しない。

ＰＰＧ信号は、光と生体組織の相互作用に由来するため、（複数の）散乱、吸収、反射、透過、及び蛍光に依存する。接触ベースまたはリモートのＰＰＧ測定には、デバイスのタイプに応じて異なるエフェクトが重要になる。ｒＰＰＧ解析では、信号の便利な一次分解は、強度ゆらぎ、散乱（生体組織と相互作用しなかった）、及び脈動信号に対するものである。瞬時脈波時間は、ＥＫＧ測定中のＲ時間またはＰＰＧ測定中の収縮期ピークから設定される。ＥＫＧ表記は、ｒＰＰＧ測定の収縮期ピークをＲ時間と呼ぶために使用される。瞬時心拍数は、１分あたりの拍動で６０／ＲＲ（ｎ）として、連続したＲ時間の間の差、ＲＲ（ｎ）＝Ｒ（ｎ）－Ｒ（ｎ－１）から評価される。

ＲＲ間隔におけるゆらぎは、心臓血管系が恒常性に対する突然の身体的及び心理的課題にどのように適応しているかを示す。これらのゆらぎの尺度は、心拍変動（ＨＲＶ）と呼ばれる。

残念ながら、精確な脈拍数の光学的検出には、様々な技術的問題があった。主な問題は、達成された信号対ノイズが低かったため、脈拍数を検出できないことである。心拍変動（ＨＲＶ）を決定することができるには、精確な脈拍数の検出が必要である。

ＨＲＶは、長期間にわたる脈拍数からの統計パラメータの抽出である。従来、測定時間は、０．５～２４時間で変動するが、近年では、研究者らは、さらに短い期間からでもＨＲＶを抽出した。ＨＲＶから導出された統計情報は、例えばストレス推定に関するものを含む、被検者の健康状態の一般的な指標を提供することができる。

アルコール摂取が心血管系に影響を与えることが知られている。例えば、アルコールの急激な過剰摂取は心拍数を増加させる可能性がある。ただし、現在、血中アルコールレベルの決定は、被検者が機械に息を吹き込む呼気分析器のみで行われている。次に、血中アルコールレベルは、呼気中のこのレベルから推定される。ただし、これらの機械は誤った結果を出すことで有名であり、多くの場合、血中アルコールレベルを実際よりも高く示すこともあれば、真のレベルよりも低く示すこともある。血中アルコールレベルの測定における両方の不精確さは、潜在的な犯罪及び法執行機関の紛糾など、深刻な影響を与える可能性がある。さらに、これらの機械は高価で扱いにくいだけでなく、適切に使用するのが困難である。

現在特許請求されている発明は、血中アルコールレベル測定の精度を向上させると同時に、そのような測定の容易さを向上させる新しいシステム及び方法を提供することにより、これらの問題を克服する。カメラの出力／入力の前処理、前処理されたカメラ信号からの脈動信号の抽出、それに続く脈動信号のポストフィルタリングを含むがこれらに限定されない、より精確で完全な心血管系の測定をはじめ、様々な態様が精度の向上に寄与する。次いで、この向上した情報は、光学的な脈拍数検出の不精確な方法では不可能である、ＨＲＶ決定などの解析に使用されることができる。

ＨＲＶパラメータを酸素レベル及び呼吸変動と統合して、正しい血圧を決定する。好ましくは、体重、年齢、性別などに関連するメタデータも使用して、正しい血圧を決定する。次に、これらの様々な計算及び測定のすべてを統合して、精確な血中アルコールレベル測定値を提供する。

少なくともいくつかの実施形態によれば、被検者の血中アルコールレベルを決定するための方法が提供され、この方法は、被検者の顔から光学データを取得することと、この光学データを解析して被検者の顔に関連するデータを選択することと、顔の皮膚から光学データを検出することと、経過期間に達するまで光学データを収集して、次に経過期間に収集された光学データから時系列を計算することによって光学データから時系列を決定することと、時系列から少なくとも１つの生理学的信号を計算することであって、少なくとも１つの生理学的信号は血圧を含む、計算することと、血中アルコールレベルを少なくとも１つの生理学的信号から決定することとを含む。任意選択で、光学データはビデオデータを含み、光学データを取得することは、被検者の皮膚のビデオデータを取得することを含む。任意選択で、光学データを取得することは、カメラからビデオデータを取得することをさらに含む。任意選択で、カメラは携帯電話のカメラを含む。

任意選択で、光学データを取得することは、被検者の顔の皮膚のビデオデータを取得することをさらに含む。任意選択で、光学データを取得することは、被検者の指の皮膚のビデオデータを取得することをさらに含む。任意選択で、ビデオデータを取得することは、被検者の指先を携帯電話のカメラの上に置くことにより、この指先の皮膚のビデオデータを取得することを含む。任意選択で、携帯電話のカメラは、正面カメラ及び背面カメラを含み、被検者の顔の皮膚のビデオデータは、指先が背面カメラの上に置かれるように、正面カメラで取得される。任意選択で、携帯電話のカメラの上の指先は、携帯電話のカメラに関連するフラッシュを作動させて光を与えることをさらに含む。

任意選択で、光学データを顔の皮膚から検出することは、複数の顔または指先の境界を決定することと、最も確率の高い顔または指先の境界を選択することと、顔または指先からのビデオデータにヒストグラム解析を適用することとを含む。任意選択で、複数の顔または指先の境界を決定することは、マルチパラメータ畳み込みニューラルネット（ＣＮＮ）をビデオデータに適用して顔または指先の境界を決定することを含む。任意選択で、生理学的信号は、心拍数、呼吸量、呼吸変動、心拍変動（ＨＲＶ）、ＥＣＧ様信号、血圧及びｐＳＯ２（酸素飽和度）からなる群から選択される。任意選択で、生理学的信号は血圧及びＨＲＶを含む。

任意選択で、血中アルコールレベルを決定することは、少なくとも１つの生理学的信号からの測定値とメタデータを統合することをさらに含み、メタデータは、被検者の体重、年齢、身長、生物学上の性別、体脂肪率及び身体筋肉率のうちの１つ以上を含む。任意選択で、方法は、被検者によって取られるアクションを決定することと、このアクションに従って血中アルコールレベルを基準と比較することと、この比較に従って被検者がアクションを取ることができるかどうかを決定することとをさらに含む。任意選択で、アクションは、車両の操作、重機の操作、及び状況に応じた役割を果たすことからなる群から選択される。

少なくともいくつかの実施形態によれば、被検者から生理学的信号を取得するためのシステムが提供され、このシステムは、被検者の顔から光学データを取得するためのカメラと、カメラから光学データを受信するためのユーザコンピュータデバイスとを含み、ユーザコンピュータデバイスは、プロセッサ、及び複数の命令を格納するためのメモリを含み、プロセッサは、光学データを解析して被検者の顔に関連するデータを選択するための命令と、顔の皮膚から光学データを検出するための命令と、経過期間に達するまで光学データを収集して、次に経過期間に収集された光学データから時系列を計算することにより、時系列を光学データから決定するための命令と、時系列から生理学的信号を計算するための命令であって、少なくとも１つの生理学的信号は血圧を含む、命令と、少なくとも１つの生理学的信号から血中アルコールレベルを決定するための命令とを実行する。

任意選択で、メモリは、定義されたネイティブ命令セットのコードを格納するように構成され、プロセッサは、メモリに格納された定義されたネイティブ命令セットのコードから選択された対応する基本命令を受信することに応答して、定義されたセットの基本操作を実行するように構成され、メモリは、光学データを解析して被検者の顔に関連するデータを選択するためのネイティブ命令セットから選択された第一セットのマシンコードと、顔の皮膚から光学データを検出するためのネイティブ命令セットから選択された第二セットのマシンコードと、経過期間に達するまで光学データを収集して、次に経過期間に収集された光学データから時系列を計算することにより、時系列を光学データから決定するためのネイティブ命令セットから選択された第三セットのマシンコードと、時系列から生理学的信号を計算するためのネイティブ命令セットから選択された第四セットのマシンコードであって、少なくとも１つの生理学的信号は血圧を含む、第四セットのマシンコードと、少なくとも１つの生理学的信号から血中アルコールレベルを決定するためのネイティブ命令セットから選択された第五セットのマシンコードと、を格納する。

任意選択で、顔の皮膚から光学データを検出することは、複数の顔の境界を決定することと、最も確率の高い顔の境界を選択することと、ヒストグラム解析を顔からのビデオデータに適用することとを含み、そのため、メモリは、複数の顔の境界を決定することを含む顔の皮膚から光学データを検出するためのネイティブ命令セットから選択された第六セットのマシンコードと、最も確率の高い顔の境界を選択するためのネイティブ命令セットから選択された第七セットのマシンコードと、ヒストグラム解析を顔からのビデオデータに適用するためのネイティブ命令セットから選択された第八セットのマシンコードと、をさらに含む。

任意選択で、複数の顔の境界を決定することは、マルチパラメータ畳み込みニューラルネット（ＣＮＮ）をビデオデータに適用して顔の境界を決定することを含み、そのため、メモリは、ビデオデータにマルチパラメータ畳み込みニューラルネット（ＣＮＮ）を適用して顔の境界を決定するためのネイティブ命令セットから選択された第九セットのマシンコードをさらに含む。

任意選択で、カメラは携帯電話のカメラを含み、光学データは携帯電話のカメラからビデオデータとして取得される。任意選択で、コンピュータデバイスは移動体通信デバイスを含む。任意選択で、携帯電話のカメラは背面カメラを含み、ビデオデータを取得するために、このカメラの上に被検者の指先は置かれる。

任意選択で、システムは、携帯電話のカメラに関連するフラッシュをさらに含み、フラッシュは光学データを取得するための光を与える。

任意選択で、メモリは、複数の顔または指先の境界を決定するためのネイティブ命令セットから選択された第十セットのマシンコードと、最も確率の高い顔または指先の境界を選択するためのネイティブ命令セットから選択された第十一セットのマシンコードと、顔または指先からのビデオデータにヒストグラム解析を適用するためのネイティブ命令セットから選択された第十二セットのマシンコードとをさらに含む。

任意選択で、メモリは、マルチパラメータ畳み込みニューラルネット（ＣＮＮ）をビデオデータに適用して顔または指先の境界を決定するためのネイティブ命令セットから選択された第十三セットのマシンコードをさらに含む。

任意選択で、システムは、プロセッサによって実行された命令に従って、顔または指先の画像から解析されたデータを統合して生理学的測定値を決定することをさらに含む。

任意選択で、システムは、生理学的測定値及び／または信号を表示するためのディスプレイをさらに含む。任意選択で、ユーザコンピュータデバイスは、ディスプレイをさらに含む。任意選択で、ユーザコンピュータデバイスは、生理学的測定値及び／または信号を伝送するための伝送器をさらに含む。任意選択で、生理学的信号を決定することは、少なくとも１つの生理学的信号からの測定値とメタデータを統合することをさらに含み、メタデータは、被検者の体重、年齢、身長、生物学上の性別、体脂肪率及び身体筋肉率のうちの１つ以上を含む。

任意選択で、生理学的信号は、ストレス、血圧、呼吸量、及びｐＳＯ２（酸素飽和度）からなる群から選択される。

少なくともいくつかの実施形態によれば、被検者から生理学的信号を取得するためのシステムが提供され、このシステムは、被検者の指から光学データを取得するための背面カメラと、このカメラから光学データを受信するためのユーザコンピュータデバイスとを含み、ユーザコンピュータデバイスは、プロセッサ、及び複数の命令を格納するためのメモリを含み、プロセッサは、光学データを解析して被検者の顔に関連するデータを選択するための命令と、指の皮膚から光学データを検出するための命令と、経過期間に達するまで光学データを収集して、次に経過期間に収集された光学データから時系列を計算することにより、時系列を光学データから決定するための命令と、時系列から生理学的信号を計算するための命令であって、少なくとも１つの生理学的信号は血圧を含む、命令と、少なくとも１つの生理学的信号から血中アルコールレベルを決定するための命令とを実行する。

任意選択で、システムは、本明細書に記載の任意の実施形態または特徴による、システムをさらに含む。

少なくともいくつかの実施形態によれば、被検者から生理学的信号を取得するための方法が提供され、この方法は、本明細書に記載のシステムを操作して、被検者から生理学的信号を取得することであって、少なくとも１つの生理学的信号は血圧を含む、取得することと、少なくとも１つの生理学的信号から血中アルコールレベルを決定することとを含む。

本発明の方法及びシステムの実装には、特定の選択されたタスクまたはステップを手動で、自動で、またはそれらの組み合わせで実行することまたは完了することが含まれる。さらに、本発明の方法及びシステムの好ましい実施形態の実際の計装及び機器によれば、いくつかの選択されたステップは、ハードウェアによって、または任意のファームウェアの任意のオペレーティングシステム上のソフトウェアによって、またはそれらの組み合わせによって実装され得る。例えば、ハードウェアとして、本発明の選択されたステップは、チップまたは回路として実装されることができる。ソフトウェアとして、本発明の選択されたステップは、任意の適切なオペレーティングシステムを使用するコンピュータによって実行される複数のソフトウェア命令として実装されることができる。いずれにせよ、本発明の方法及びシステムの選択されたステップは、複数の命令を実行するためのコンピューティングプラットフォームなどのデータプロセッサによって実行されるものとして記述されることができる。

本発明は、「コンピューティングデバイス」、「コンピュータ」、または「モバイルデバイス」に関して説明されているが、任意選択で、データプロセッサ及び１つまたは複数の命令を実行する能力を特徴とする任意のデバイスが、任意のタイプのパーソナルコンピュータ（ＰＣ）、サーバ、分散型サーバ、仮想サーバ、クラウドコンピューティングプラットフォーム、携帯電話、ＩＰ電話、スマートフォン、またはＰＤＡ（パーソナルデジタルアシスタント）を含むがこれらに限定されないコンピュータとして説明され得ることに留意されたい。互いに通信するそれらのようなデバイスの任意の２つ以上は、任意選択で、「ネットワーク」または「コンピュータネットワーク」を含むことができる。

本明細書では、本発明は、単に例示し添付の図面を参照して説明する。ここで詳細な図面を特に参照すると、示される詳細が、例として、そして本発明の好ましい実施形態の例示的な説明のためだけのものであり、本発明の原理及び概念的態様の最も有用で容易に理解される説明であると考えられるものを提供するために提示されることが強調される。この点について、本発明の基本的理解に必要である以上に本発明の構造的な詳細を示す試みはなされておらず、図面とともに行われる説明は、本発明の様々な形態が実際にどのように具現化され得るかを当業者に対して明らかにするものである。以下の図面である。

ユーザのビデオデータを取得し、このビデオデータを解析して１つまたは複数の生体信号を決定するための非限定的で例示的なシステムの例を示す。 ユーザのビデオデータを取得し、このビデオデータを解析して１つまたは複数の生体信号を決定するための非限定的で例示的なシステムの例を示す。 信号解析を実行するための非限定的で例示的な方法を示す。 ユーザがアプリを使用して生物学的統計値を取得することを可能にするための非限定的で例示的な方法を示す。 ユーザがアプリを使用して生物学的統計値を取得することを可能にするための非限定的で例示的な方法を示す。 血中アルコールレベルの測定のための詳細な生物学的統計値を作成するための非限定的で例示的なプロセスを示す。 ビデオデータを取得し、次に初期処理を実行するための非限定的で例示的な方法を示す。 ビデオデータを取得し、次に初期処理を実行するための非限定的で例示的な方法を示す。 ビデオデータを取得し、次に初期処理を実行するための非限定的で例示的な方法を示す。 ビデオデータを取得し、次に初期処理を実行するための非限定的で例示的な方法を示す。 ビデオデータを取得し、次に初期処理を実行するための非限定的で例示的な方法を示す。 脈拍数推定及びｒＰＰＧの決定のための非限定的で例示的な方法に関する。 図６Ａの方法のいくつかの結果に関する。 図６Ａの方法のいくつかの結果に関する。 ＨＲＶまたは心拍変動時間領域解析を実行するための非限定的で例示的な方法を示す。 心拍変動またはＨＲＶ周波数領域を計算するための非限定的で例示的な方法を示す。 血中アルコールレベルによる、車両の操作を制御するための非限定的で例示的な方法を示す。 血中アルコールレベルによる、重機の操作を制御するための非限定的で例示的な方法を示す。 血中アルコールレベルによる、状況に応じた制御のための非限定的で例示的な方法を示す。

ｒＰＰＧメカニズムの重要な根本的な問題は、解析に適した精確な顔の検出と、詳細な皮膚表面の選択である。現在特許請求されている発明は、ニューラルネットワーク方法論に基づいて顔及び皮膚の検出に関するこの問題を克服する。非限定的な例を以下に提供する。好ましくは、皮膚の選択のために、ヒストグラムベースのアルゴリズムを使用する。顔のみを含むビデオフレームの一部にこのプロシージャを適用すると、チャネル、赤、緑、及び青（ＲＧＢ）ごとの平均値がフレームデータを構築する。結果として生成されたビデオフレームに上記のプロシージャを連続して使用すると、ＲＧＢデータの時系列が取得される。ＲＧＢ値で表されるこれらの時系列の各要素がタイムスタンプと共にフレームごとに取得されると、これらのタイムスタンプを使用して、第一要素の第一出現からの経過時間を決定する。次に、総経過時間が時間窓（Ｌａｌｇｏ）の完了のための、外部パラメータで定義された脈拍数推定に使用される平均期間に達すると、ｒＰＰＧ解析を開始する。可変フレーム取得レートを考慮して、時系列データは、固定された所与のフレームレートに対して補間される必要がある。

補間後、前処理メカニズムを適用して、より適切な三次元信号（ＲＧＢ）を構築する。そのような前処理は、例えば、正規化及びフィルタリングを含み得る。前処理に続いて、平均脈拍数の推定を含む、ｒＰＰＧトレース信号を計算する。

ここで図面を参照すると、図１Ａ及び図１Ｂは、ユーザのビデオデータを取得し、このビデオデータを解析して１つまたは複数の生体信号を決定するための非限定的で例示的なシステムの例を示す。

図１Ａは、サーバ１１８と通信する、ユーザコンピュータデバイス１０２を特徴とするシステム１００を示す。ユーザコンピュータデバイス１０２は、コンピュータネットワーク１１６を介してサーバ１１８と通信することが好ましい。ユーザコンピュータデバイス１０２は、ユーザ入力デバイス１０６を含むことが好ましく、これは、例えば、マウス、キーボード、及び／または他の入力デバイスなどのポインティングデバイスを含むことができる。

さらに、ユーザコンピュータデバイス１０２は、好ましくは、ユーザの顔のビデオデータを取得するためのカメラ１１４を含む。またカメラは、ユーザコンピュータデバイスとは別個のものであってもよい。ユーザは、信号解析のタイプを決定するためのコマンド、信号解析を開始するためのコマンド、及び信号解析の結果を受信するためのコマンドを提供するために、ユーザアプリインタフェース１０４とインタラクトする。

例えば、ユーザは、ユーザコンピュータデバイス１０２を介して、カメラ１１４を別個に起動させるか、ユーザアプリインタフェース１０４を介してコマンドを発行することでそのようなデータを記録するかいずれかによって、カメラ１１４によるビデオデータの記録を開始することができる。

次に、ビデオデータは、好ましくは、サーバ１１８に送信され、サーバアプリインタフェース１２０によって受信される。次に、それは信号解析エンジン１２２によって解析される。信号解析エンジン１２２は、好ましくは、ビデオ信号での顔の検出、その後の皮膚の検出を含む。以下で詳細に説明されるように、この情報から脈波信号を取得することをサポートするために、様々な非限定的なアルゴリズムを適用することが好ましい。次に、脈波信号は、好ましくは、時間、周波数、及び非線形フィルタによって解析され、ＨＲＶの決定をサポートする。ＨＲＶが決定された後、血圧が決定される。任意選択で、他の生理学的パラメータも決定される。以下でより詳細に説明されるように、少なくとも血圧測定値、及び好ましくは他の生理学的パラメータが適用されると、血中アルコールレベルが決定される。任意選択で、この決定は、顔の血管拡張に関連するデータなしで実行される。

ユーザコンピュータデバイス１０２は、プロセッサ１１０Ａ及びメモリ１１２Ａを特徴とすることが好ましい。サーバ１１８は、好ましくは、プロセッサ１１０Ｂ及びメモリ１１２Ｂを特徴とする。

本明細書で使用される場合、プロセッサ１１０Ａまたは１１０Ｂなどのプロセッサは、一般に、特定のシステムの通信及び／または論理機能を実装するために使用される回路を有するデバイスまたはデバイスの組み合わせを指す。例えば、プロセッサは、デジタル信号プロセッサデバイス、マイクロプロセッサデバイス、及び様々なアナログ－デジタル変換器、デジタル－アナログ変換器、及び他のサポート回路及び／または前述の組み合わせを含み得る。システムの制御及び信号処理機能は、これらの処理デバイス間に、それらのそれぞれの能力に従って割り振られる。プロセッサは、この非限定的な例ではメモリ１１２Ａまたは１１２Ｂなどのメモリに格納され得る、そのコンピュータ実行可能プログラムコードに基づいて１つまたは複数のソフトウェアプログラムを動作させる機能をさらに含み得る。この用語が本明細書で使用される場合、プロセッサは、例えば、コンピュータ可読媒体に具現化された特定のコンピュータ実行可能プログラムコードを実行することで１つ以上の汎用回路に機能を実行させることによるもの、及び／または１つ以上の特定用途向け回路に機能を実行させることによるものを含む、様々な方法で特定の機能を実行するように「構成」されることができる。

任意選択で、メモリ１１２Ａまたは１１２Ｂは、定義されたネイティブ命令セットのコードを格納するように構成される。プロセッサ１１０Ａまたは１１０Ｂは、メモリ１１２Ａまたは１１２Ｂに格納された、定義されたネイティブ命令セットのコードから選択された対応する基本命令を受信することに応答して、定義された基本操作セットを実行するように構成される。任意選択で、メモリ１１２Ａまたは１１２Ｂは、光学データを解析して被検者の顔に関連するデータを選択するためのネイティブ命令セットから選択された第一セットのマシンコードと、顔の皮膚から光学データを検出するためのネイティブ命令セットから選択された第二セットのマシンコードと、経過期間に達するまで光学データを収集して、次に経過期間に収集された光学データから時系列を計算することにより、時系列を光学データから決定するためのネイティブ命令セットから選択された第三セットのマシンコードと、時系列から生理学的信号を計算するためのネイティブ命令セットから選択された第四セットのマシンコードであって、少なくとも１つの生理学的信号は血圧を含む、第四セットのマシンコードと、少なくとも１つの生理学的信号から血中アルコールレベルを決定するためのネイティブ命令セットから選択された第五セットのマシンコードとを格納する。

任意選択で、メモリ１１２Ａまたは１１２Ｂは、複数の顔の境界を決定することを含む顔の皮膚から光学データを検出するためのネイティブ命令セットから選択された第六セットのマシンコードと、最も確率の高い顔の境界を選択するためのネイティブ命令セットから選択された第七セットのマシンコードと、顔からビデオデータにヒストグラム解析を適用するためのネイティブ命令セットから選択された第八セットのマシンコードとをさらに含む。

任意選択で、メモリ１１２Ａまたは１１２Ｂは、マルチパラメータ畳み込みニューラルネット（ＣＮＮ）をビデオデータに適用して顔の境界を決定するためのネイティブ命令セットから選択された第九セットのマシンコードをさらに含む。

任意選択で、メモリ１１２Ａまたは１１２Ｂは、複数の顔または指先の境界を決定するためのネイティブ命令セットから選択された第十セットのマシンコードと、最も確率の高い顔または指先の境界を選択するためのネイティブ命令セットから選択された第十一セットのマシンコードと、顔または指先からのビデオデータにヒストグラム解析を適用するためのネイティブ命令セットから選択された第十二セットのマシンコードとをさらに含む。

任意選択で、メモリ１１２Ａまたは１１２Ｂは、マルチパラメータ畳み込みニューラルネット（ＣＮＮ）をビデオデータに適用して顔または指先の境界を決定するためのネイティブ命令セットから選択された第十三セットのマシンコードをさらに含む。任意選択で、プロセッサ１１０Ａまたは１１０Ｂは、それぞれメモリ１１２Ａまたは１１２Ｂに格納された命令に従って、顔及び指先の画像から解析されたデータを統合して、プロセッサ１１０Ａまたは１１０Ｂが実行する命令に従って生理学的測定値を決定する。

さらに、ユーザコンピュータデバイス１０２は、信号解析の結果、発行された１つまたは複数のコマンドの結果などを表示するためのユーザ表示装置１０８を特徴としてもよい。

図１Ｂは、上記の機能がユーザコンピュータデバイス１０２によって実行されるシステム１５０を示す。図１Ａか１Ｂかいずれについて、ユーザコンピュータデバイス１０２は携帯電話を含むことができる。図１Ｂでは、前述の信号解析エンジンは、信号解析エンジン１５２としてユーザコンピュータデバイス１０２によってここでは操作される。信号解析エンジン１５２は、図１Ａでのシグナルアナライザエンジンについて説明されたものと同一または同様の機能を有することができる。図１Ｂでは、ユーザコンピュータデバイス１０２は、インターネット（図示せず）などのコンピュータネットワークに接続されることができ、他のコンピュータデバイスと通信することもできる。少なくともいくつかの実施形態では、機能のいくつかはユーザコンピュータデバイス１０２によって実行されるが、他の機能は例えばサーバ（図１Ｂに図示せず、図１Ａを参照）などの別のコンピュータデバイスによって実行される。

図２は、信号分析を実行するための非限定的で例示的な方法を示す。プロセス２００は、ブロック２０２では、データを取得するプロセスを開始することによって、例えば、ビデオカメラ２０４を起動することによって始まる。次いで、任意選択で２０６では、顔認識を実行し、最初にユーザの顔の位置を特定する。これは、例えば、深層学習顔検出モジュール２０８によって、また追跡プロセス２１０によって実行されてもよい。信号解析の最も精確な結果を得るためには、ビデオデータがユーザの顔のものであることが好ましいため、ユーザの顔の位置を特定することが重要である。追跡プロセス２１０は、連続特徴点マッチングメカニズムに基づいている。これらの特徴点は、先に検出された顔を新しいフレームに表す。特徴点は、フレーム内の位置に従って、ＣＮＮ（畳み込みニューラルネットワーク）などの画像認識プロセスの出力から決定される。フレーム内に顔が１つだけ現れる場合、追跡プロセス２１０は、フレーム内の顔認識に単純化されることができる。

非限定的な例として、任意選択で、マルチタスク畳み込みネットワークアルゴリズムが顔検出に適用され、リアルタイム条件下で最先端の精確さが達成される。これは、Ｌｉらによる刊行物（Ｈａｏｘｉａｎｇ Ｌｉ、Ｚｈｅ Ｌｉｎ、Ｘｉａｏｈｕｉ Ｓｈｅｎ、Ｊｏｎａｔｈａｎ Ｂｒａｎｄｔ、及びＧａｎｇ ＨｕａによるＴｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）、２０１５年６月の「Ａ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃａｓｃａｄｅ ｆｏｒ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ」）に紹介されたネットワークカスケードに基づいている。

次に２１２では、ユーザの顔の皮膚はビデオデータ内に位置している。好ましくは、皮膚の選択のために、ヒストグラムベースのアルゴリズムを使用する。前述の顔検出アルゴリズムに従って決定されるように、顔のみを含むビデオフレームの一部にこのプロシージャを適用すると、チャネル、赤、緑、及び青（ＲＧＢ）ごとの平均値を好ましくは使用して、フレームデータを構築する。結果として生成されたビデオフレームに上記のプロシージャを連続して使用すると、ＲＧＢデータの時系列が取得される。そのＲＧＢ値を有する各フレームは、これらの時系列の要素を表す。各要素は、第一出現からの経過時間に従って決定されるタイムスタンプを有する。収集された要素は、Ｌ ａｌｇｏ要素を有するスケーリングされたバッファ内にあると記述され得る。フレームは、十分な要素が収集されるまで収集されることが好ましい。要素数の十分性は、総経過時間に応じて決定されることが好ましい。２１４のｒＰＰＧ解析は、総経過時間が脈拍数推定に使用される平均期間に必要な時間長に達するときに開始される。収集されたデータ要素は補間される場合がある。補間に続いて、より適切な三次元信号（ＲＧＢ）を構築するために前処理メカニズムが適用されることが好ましい。

ＰＰＧ信号は、２１４では、三次元信号から、特異的にはＲＧＢデータの要素から作成される。例えば、脈拍数は、以下でより詳細に説明されるように、単一の計算から、または複数の相互相関計算から決定されることができる。次いで、これは、２１６では正規化されてもよく、フィルタリングされてもよく、２１８ではこれを使用して、ＰＳＯ_２、ＥＣＧ、及び呼吸を再構築してもよい。２２０では、基本周波数が見いだされ、２２２では、心拍数、ＰＳＯ_２、及び呼吸数などの統計値が作成される。

次に２２４では、２２２からの統計値のうちの１つ以上から血中アルコールレベルが決定される。好ましくは、それらのような統計値の統合が使用される。

図３Ａは、ユーザがアプリを使用して生物学的統計値を取得することを可能にするための非限定的で例示的な方法を示す。方法３００では、３０２でユーザはアプリに登録する。次に、例えば３０４ではユーザコンピュータデバイスに取り付けられた、またはそれによって形成された、ビデオカメラで画像が取得される。ビデオカメラは、本明細書に記載のＲＧＢカメラであることが好ましい。

顔は画像３０６内に位置している。これは、ユーザコンピュータデバイス、サーバ、または任意選択でその両方で実行されることができる。さらに、このプロセスは、マルチタスク畳み込みニューラルネットに関して、前述のように実行されることができる。次に、ヒストグラムをＲＧＢ信号データに適用することにより、皮膚の検出を実行する。光パルス検出及びＨＲＶ決定のために、皮膚から反射された光に関連するビデオデータのみが解析されることが好ましい。

信号の時系列は、例えば前述のように３０８で決定される。可変フレーム取得レートを考慮して、時系列データは、固定された所与のフレームレートに対して補間されることが好ましい。補間プロシージャを実行する前に、補間を実行することができるためには、以下の条件を解析することが好ましい。最初に、好ましくはフレーム数を解析して、補間及び前処理の後、ｒＰＰＧ解析に十分なフレームがあることを検証する。

次に、１秒あたりのフレーム数を考慮して、窓内で測定された１秒あたりのフレーム数が最小閾値を上回ることを検証する。その後、フレーム間の時間間隙を、それがある場合、解析して、何らかの外部で設定された閾値（例えば、０．５秒であってもよい）を下回ることを確保する。

上記の条件のいずれかが満たされない場合、プロシージャは、好ましくは、全データリセットで終了し、最後の有効なフレームから再開して、例えば上記のように３０４に戻る。

次に、ビデオ信号は、補間に続いて、３１０では前処理されることが好ましい。前処理メカニズムを適用して、より適切な三次元信号（ＲＧＢ）を構築する。前処理は、好ましくは、各チャネルをトータルパワーに正規化することと、チャネル値をその平均値（ローパスフィルタによって推定されたもの）でスケーリングして、１を減算することと、次に、このデータを、ＢｕｔｔｅｒｗｏｒｔｈバンドパスＩＩＲフィルタを通すこととを含む。

３１２では、統計情報を抽出する。次いで、３１４では、心拍を再構築する。３１６では呼吸信号を決定し、３１８では脈拍数を測定する。この後、３２０では血液酸化を測定する。次いで、３２２では血圧を決定する。血中アルコールレベルは、少なくとも血圧から、３２４では決定されるが、好ましくは、３１４の心拍、３１６の呼吸信号、及び３１８の脈拍数のうちの１つ以上からも決定される。

図３Ｂは、前述のように、例えばモバイルデバイスの背面カメラからの、ユーザの指先のビデオデータを解析する同様の非限定的で例示的な方法を示す。このプロセスは、例えば、ユーザの顔について、正面カメラから十分なビデオデータをキャプチャすることができない場合に使用されることができる。方法３４０では、方法は、３４２でユーザの指先をカメラの上または近くに置くことによって開始する。カメラの近くにある場合、指先はカメラに可視である必要がある。この配置は、例えばモバイルデバイスでは、ユーザにモバイルデバイスの背面カメラの上に指先を置かせることによって達成され得る。カメラは、指先の配置に関して既知の幾何学的位置に既にあるため、精確なビデオデータを収集するという点で、指先の正しい配置が奨励される。任意選択で、モバイルデバイスのフラッシュを長時間のモード（「トーチ」または「フラッシュライト」モード）で有効にして、十分な光を与えることができる。指先の精確なビデオデータを取得するのに十分な光がカメラによって検出されない場合、フラッシュの有効化が自動的に実行される場合がある。

３４４では、指、好ましくは指先の画像がカメラで取得される。次に３４６では、指、好ましくは指先、は画像内に位置している。このプロセスは、画像内の顔の位置に関して前述されるように実行されることができる。ただし、ニューラルネットは、使用される場合、指、そして好ましくは指先の位置を特定するように特異的にトレーニングされる必要がある。光学データからの手の追跡は当技術分野で知られており、修正された手の追跡のアルゴリズムを使用して、一連の画像内の指先を追跡することができる。

３４８では、画像の指部分、そして好ましくは指先部分内の皮膚が見いだされる。その上、このプロセスは、一般に、皮膚の位置について上記に説明されるように、任意選択で指または指先の皮膚の調整によって実行されることができる。これらの信号の時系列は、例えば前述のように３５０で決定されるが、背面カメラの使用及び／または指先皮膚のカメラの上への直接接触のいずれかの特性に対して調整されることが好ましい。可変フレーム取得レートを考慮して、時系列データは、固定された所与のフレームレートに対して補間されることが好ましい。補間プロシージャを実行する前に、補間を実行することができるためには、以下の条件を解析することが好ましい。最初に、好ましくはフレーム数を解析して、補間及び前処理の後、ｒＰＰＧ解析に十分なフレームがあることを検証する。

次に、１秒あたりのフレーム数を考慮して、窓内で測定された１秒あたりのフレーム数が最小閾値を上回ることを検証する。その後、フレーム間の時間間隙を、それがある場合、解析して、何らかの外部で設定された閾値（例えば、０．５秒であってもよい）を下回ることを確保する。

上記の条件のいずれかが満たされない場合、プロシージャは、好ましくは、全データリセットで終了し、最後の有効なフレームから再開して、例えば上記のように３４４に戻る。

次に、ビデオ信号は、補間に続いて、３５２では前処理されることが好ましい。前処理メカニズムを適用して、より適切な三次元信号（ＲＧＢ）を構築する。前処理は、好ましくは、各チャネルをトータルパワーに正規化することと、チャネル値をその平均値（ローパスフィルタによって推定されたもの）でスケーリングして、１を減算することと、次に、このデータを、ＢｕｔｔｅｒｗｏｒｔｈバンドパスＩＩＲフィルタを通すこととを含む。その上、このプロセスは、指先データに対して調整されることが好ましい。３５４では、統計情報が抽出され、その後、プロセスは、血中アルコールレベルを決定するために、例えば上記の図３Ａに関して説明されたように、３１４から続けることができる。

図４は、正確な血中アルコールレベルを決定するための詳細な生物学的統計値を作成するための非限定的で例示的なプロセスを示す。プロセス４００では、ユーザビデオデータは、カメラ４０４を備えたユーザコンピュータデバイス４０２によって取得される。次に、顔検出モデル４０６を使用して顔を見いだす。例えば、複数の異なる顔の境界についての顔ビデオデータが検出された後、最高スコアの顔の境界以外のすべてが破棄されることが好ましい。そのバウンディングボックスが入力画像からクロップされることで、ユーザの顔に関連するデータが他のビデオデータから分けられることが好ましい。皮膚ピクセルは、好ましくは、前述のように、ソフト閾値メカニズムを備えたヒストグラムベースのクラス分類器を使用して収集される。残りのピクセルから、平均値は、チャネルごとに計算され、４１０ではｒＰＰＧアルゴリズムに渡される。このプロセスは皮膚の色を決定することが可能であるため、光データに対するパルスの影響を下にある皮膚の色の影響から分離することができる。プロセスは、最高スコアの顔のバウンディングボックスに従って、４０８では顔を追跡する。

次に４１０では、ＰＰＧ信号を作成する。前処理に続いて、スケーリングされたバッファのＬ ａｌｇｏ要素を使用して、ｒＰＰＧトレース信号を計算する。このプロシージャは次のように説明される。生の補間データ（ＣＨＲＯＭ様及び射影行列（ＰＭ））から構築された２つのｒＰＰＧの異なる解析信号間のマッチングフィルタを使用して、平均脈拍数を推定する。次に、相互相関を計算して、平均瞬時脈拍数を検索する。周波数推定は、追加のロックインメカニズムを使用した非線形最小二乗法（ＮＬＳ）のスペクトル分解に基づいている。次に、ｒＰＰＧ信号は、適応的ウィナーフィルタを適用し、瞬時脈拍数周波数（νｐｒ）に依存する初期推察信号ｓｉｎ（２πνｐｒｎ）を用いて、ＰＭ法から導出される。さらに、周波数領域内に追加のフィルタを使用して、信号を再構築させる。最後に、指数フィルタを、以下でより詳細に説明されるプロシージャによって取得された瞬時ＲＲ値に適用する。

次に、４１２での信号プロセッサは、ＰＰＧ信号に基づいて、いくつかの異なる機能を実行することが好ましい。これらは、好ましくは、４１４ではＥＣＧ様信号を再構築することと、４１６ではＨＲＶ（心拍変動）パラメータを計算することと、次いで４１８ではストレス指数を計算することを含む。

ＨＲＶは、心拍間の時間間隔における変動の生理現象である。これは、拍動ごとの間隔における変動によって測定される。使用されるその他の用語には、「サイクル長変動」、「ＲＲ（ＮＮ）変動」（ＲはＥＣＧ波のＱＲＳ複合のピークに対応する点であり、ＲＲは連続するＲ間の間隔である）、及び「心臓周期変動」が含まれる。

以下でより詳細に説明されるように、時間領域、周波数領域、及び非線形測定値を使用して、２４ｈ、セミ（約１５ｍｉｎ）、短期（ＳＴ、約５ｍｉｎ）または短時間、及び超短期（ＵＳＴ、＜５ｍｉｎ）のＨＲＶを計算することが可能である。

さらに、４２０では即時に血圧を作成することができる。任意選択で、４２２では血圧統計値が決定されるが、このプロセスは実行されなくてもよい。任意選択で、４２４でのメタデータは、この計算に含まれる。メタデータは、例えば、身長、体重、性別またはその他の生理学的もしくは人口統計学的データに関連する場合がある。４２６では、ＰＳＯ_２信号Ｏが再構築され、続いて４２８では、ＰＳＯ_２統計値が計算される。次いで、４２８での統計値により、４２０及び４２２に関して前述されたように、血圧解析がさらに洗練され得る。

任意選択で、呼吸信号は、４３０では前述の信号プロセッサ４１２によって再構築され、続いて４３２では呼吸変動が計算される。４３４では、呼吸数及び呼吸量を好ましくは計算する。

４３２での呼吸変動を好ましくは使用して、４２０での血圧決定をさらに洗練する。

４２０での即時の血圧計算から、任意選択で４３６では血圧モデルが計算される。血圧モデルの計算は、４３８では、先に決定された血圧、呼吸数及び呼吸量、ＰＳＯ_２、または他の計算などの履歴データによって影響されてもよく、または調整されてもよい。

次いで、血中アルコールレベルは、少なくとも４２０での血圧測定値から４４０では決定されることが好ましく、そのうえ４１４でのＥＣＧ様信号、４２８でのＰＳＯ_２統計値、及び４３２での呼吸変動の再構築から洗練によって決定されることが好ましい。好ましくは、４２４からのメタデータもこの洗練された計算に含まれる。任意選択で、血中アルコールレベルを計算するために、即時の血圧及びＨＲＶを単独で使用する、または代替に、これらの他の測定値のうちの１つもしくは複数と統合して使用する。

図５Ａ～５Ｅは、ビデオデータを取得し、その後、好ましくは補間、前処理、及びｒＰＰＧ信号決定を含む初期処理を実行するための非限定的で例示的な方法を示し、そのような初期処理からのいくつかの結果を伴う。ここで図５Ａを参照すると、プロセス５００では、例えば前述のように、５０２でビデオデータを取得する。

次に、５０４では、例えば前述のように、カメラチャネル入力バッファデータを取得する。次に好ましくは、５０６では、一定かつ所定の取得レートを決定する。例えば、一定かつ所定の取得レートは、Δｔ＝１／ｆｐｓ～＝３３ｍｓに設定され得る。５０８では、各チャネルは、好ましくは、一定かつ所定の取得レートで時間バッファに別々に補間される。このステップにより、入力時間のジッタが除去される。補間プロシージャによってエイリアシング（及び／または周波数折り畳み）が追加されるが、カメラで画像が撮影されると、エイリアシング（及び／または周波数折り畳み）が既に発生している。一定のサンプルレートに補間することの重要性は、取得時間による心拍数の準定常という基本的な前提を満たすことである。補間に使用される方法は、例えば、キュービックＨｅｒｍｉｔｅ補間に基づいていることができる。

図５Ｂ～５Ｄは、スケーリングプロシージャの様々な段階に関連するデータを示す。色分けは、例えば赤は赤のチャネルに対応するなど、各チャネルの色に対応する。図５Ｂは、補間後のカメラチャネルデータを示す。

図５Ａに戻り参照すると、５１０～５１４では、カラーチャネル（ｖｅｃ（ｃ））のそれぞれを補間した後、脈動変調を強化するために前処理が実行される。前処理は、好ましくは、３つのステップを組み込む。５１０では、トータルパワーに対する各チャネルの正規化が実行されることにより、全体的な外部光変調によるノイズが低減する。

パワーの正規化は次の式で与えられる。

ここで、－→ｃｐはパワーの正規化されたカメラチャネルベクトルであり、－→ｃは説明されたように補間された入力ベクトルである。簡潔にするために、フレームインデックスは両側から除去された。

次に、５１２では、スケーリングが実行される。例えば、そのようなスケーリングは、平均値ｉによって実行され得、１を減算され得ることにより、静止した光源及びその輝度レベルの影響が軽減される。平均値はセグメント長（Ｌａｌｇｏ）によって設定されるが、このタイプの解は低周波成分を強調することがある。あるいは、平均値でスケーリングする代わりに、ローパスＦＩＲフィルタでスケーリングすることも可能である。

ローパスフィルタを使用すると固有のレイテンシが追加され、Ｍ／２フレームでの補償が必要になる。スケーリングされた信号は次の式で与えられる。

ここで、ｃｓ（ｎ）はフレームｎの単一チャネルスケーリング値であり、ｂはローパスＦＩＲ係数である。簡潔にするために、チャネルの色の表記は上記の式から除去された。

５１４では、スケーリングされたデータがＢｕｔｔｅｒｗｏｒｔｈバンドパスＩＩＲフィルタを通過する。このフィルタは次のように定義される。

スケーリングプロシージャの出力は、－→ｓである。新しいフレームのそれぞれに、カメラチャネルごとのレイテンシを有する新しいフレームが追加される。簡潔にするためにフレームインデックスｎが使用されるが、実際には（ローパスフィルタのため）フレームｎ－Ｍ／２を参照することに留意されたい。

図５Ｃは、カメラ入力のパワー正規化、バンドパスフィルタ前のローパススケーリングデータのプロットを示す。図５Ｄは、バンドパスフィルタ前のパワースケーリングデータのプロットを示す。図５Ｅは、２つの正規化プロシージャを使用したすべての被検者の平均絶対偏差の比較を示し、フィルタ応答は図５Ｅ－１として与えられ、重み応答（平均値による平均）は図５Ｅ－２として与えられる。図５Ｅ－１は、前処理フィルタの強さ及び周波数応答を示す。青い線はＭ＝３３タップのローパスＦＩＲフィルタを表し、赤い線は三次ＩＩＲ Ｂｕｔｔｅｒｗｏｒｔｈフィルタを示す。図５Ｅ－２は、ｒＰＰＧトレースを平均するために使用された６４長のハン窓の重み応答を示す。

５１６では、ＣＨＲＯＭアルゴリズムを適用して脈拍数を決定する。このアルゴリズムは、次のように定義される２つの平面上に信号を射影することによって適用される。

次に、ｒＰＰＧ信号は、次のように２つの間の差として取られる。

ここで、σ（．．．）は信号の標準偏差である。２つの射影された信号がそれらの最大ゆらぎによって正規化されたことに留意されたい。ＣＨＲＯＭ法を導出して、鏡面反射光を最小にする。

次に５１８では、射影行列を適用して脈拍数を決定する。射影行列（ＰＭ）方式の場合、信号は脈動方向に射影される。３つの要素は直交していないにもかかわらず、驚くべきことに、この射影がＣＨＲＯＭよりも優れた信号対ノイズで非常に安定した解を与えることがわかった。ＰＭ方式を導出するために、ＲＧＢ信号の強度要素、鏡面反射要素、及び脈動要素の行列要素が次のように決定される。

上記の行列要素は、例えば、ｄｅ Ｈａａｎ及びｖａｎ Ｌｅｅｓｔによる論文から決定されることができる（Ｇ ｄｅ Ｈａａｎ ａｎｄ Ａ ｖａｎ Ｌｅｅｓｔ．「Ｉｍｐｒｏｖｅｄ ｍｏｔｉｏｎ ｒｏｂｕｓｔｎｅｓｓ ｏｆ ｒｅｍｏｔｅ－ｐｐｇ ｂｙ ｕｓｉｎｇ ｔｈｅ ｂｌｏｏｄ ｖｏｌｕｍｅ ｐｕｌｓｅ ｓｉｇｎａｔｕｒｅ」．Ｐｈｙｓｉｏｌｏｇｉｃａｌ Ｍｅａｓｕｒｅｍｅｎｔ，３５（９）：１９１３，２０１４）。この論文では、動脈血からの信号（したがって脈拍からの信号）は、ＲＧＢ信号から決定され、血液量スペクトルを決定するために使用されることができる。

この例では、強度は１に正規化される。脈動方向への射影は、上記の行列を逆にし、脈動に対応するベクトルを選択することによって求められる。これにより次の式が与えられる。

５２０では、ｒＰＰＧを決定するために、２つの脈拍数の結果が相互相関される。ｒＰＰＧの決定は、図６Ａに関してより詳細に説明される。

図６Ａは、脈拍数推定及びｒＰＰＧの決定のための非限定的で例示的な方法に関し、図６Ｂ～６Ｃは、この方法のいくつかの結果に関する。この方法は、図５Ａに関して上述されたＣＨＲＯＭ方法及びＰＭ ｒＰＰＧ方法の出力を使用して、脈拍数周波数ｖｐｒを求める。この方法は、過去のＬａｌｇｏフレームの平均脈拍数を検索することを含む。周波数は、ロックインメカニズムを適用した非線形最小二乗法のスペクトル分解を使用して、マッチングフィルタ（ＣＨＲＯＭとＰＭとの間）の出力から抽出される。

ここで図６Ａを参照すると、方法６００では、プロセスは、６０２でＣＨＲＯＭ出力とＰＭ出力との間のマッチングフィルタを計算することによって開始する。マッチングフィルタは、ＣＨＲＯＭ方法の出力とＰＭ方法の出力との間の相関性を計算することによって簡単に行われる。次に６０４では、非線形最小二乗法（ＮＬＳ）の周波数推定のコスト関数は、その高調波を有する周期関数に基づいて計算される。

上記の式では、ｘはモデル出力であり、ａｌ及びｂｌは周波数成分の重みであり、ｌはその高調波の次数であり、Ｌはモデル内の次数であり、νは周波数であり、（ｎ）は加算性ノイズ成分である。次いで６０６では、対数尤度スペクトルは、Ｏ（Ｎ ｌｏｇ Ｎ）＋Ｏ（ＮＬ）の計算複雑性では、Ｎｉｅｌｓｅｎ ｅｔ．ａｌ（Ｊｅｓｐｅｒ Ｋｊａｅｒ Ｎｉｅｌｓｅｎ、Ｔｏｂｉａｓ Ｌｉｎｄｓｔｒｏｍ Ｊｅｎｓｅｎ、Ｊｅｓｐｅｒ Ｒｉｎｄｏｍ Ｊｅｎｓｅｎ、Ｍａｄｓ Ｇｒｅｓｂｏｌｌ Ｃｈｒｉｓｔｅｎｓｅｎ、及びＳｏｒｅｎ Ｈｏｌｄｔ Ｊｅｎｓｅｎ．「Ｆａｓｔ ｆｕｎｄａｍｅｎｔａｌ ｆｒｅｑｕｅｎｃｙ ｅｓｔｉｍａｔｉｏｎ：Ｍａｋｉｎｇ ａ ｓｔａｔｉｓｔｉｃａｌｌｙ ｅｆｆｉｃｉｅｎｔ ｅｓｔｉｍａｔｏｒ ｃｏｍｐｕｔａｔｉｏｎａｌｌｙ ｅｆｆｉｃｉｅｎｔ」．Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，１３５：１８８－１９７，２０１７）で与えられたアルゴリズムを適応させることにより、計算される。

Ｎｉｅｌｓｅｎ ｅｔ．Ａでは、この周波数は全高調波次数の中で最大のピーク周波数として設定される。この方法自体は、一般的な方法であり、この場合には帯域周波数パラメータを変更することで適応することができる。モデルの固有の特徴は、コスト関数スペクトルでは高次であるほど低次よりも極大ピークが多くなることである。この特徴は、ロックインプロシージャに使用される。

６０８では、ロックインメカニズムは、入力として標的脈拍数周波数ｖ標的を取得する。次いで６１０では、方法は、次数ｌ＝Ｌのコスト関数スペクトルのすべての極大ピークの振幅（Ａｐ）及び周波数（νｐ）を求める。極大値ごとに、以下の関数が推定される。

この関数は、信号強度と標的周波数からの距離との間のバランスを取る。６１０では、出力脈拍数は、上記の関数ｆ（Ａｐ，νｐ，ν標的）を最大にする局所的ピークνｐとして設定される。

図６Ｂ及び６Ｃは、実行例の再構築されたｒＰＰＧトレース（青い線）の一例を示す。赤い丸はピークＲ時間を示す。図６Ｂは、実行開始時間ｔ＝０ｓから時間ｔ＝５０ｓまでのトレースを示す。図６Ｃは、トレースのズームを示し、ミリ秒単位のＲＲ間隔時間も示す。

次に６１２～６１４では、平均脈拍数周波数（νｐｒ）付近の２つの動的フィルタ、すなわち、Ｗｉｅｎｅｒフィルタ及びＦＦＴガウスフィルタを用いて、瞬時ｒＰＰＧ信号をフィルタリングする。６１２では、Ｗｉｅｎｅｒフィルタを適用する。所望の標的はｓｉｎ（２πνｐｒｎ）であり、ここで、ｎは指数（時間を表す）である。６１４では、ＦＦＴガウスフィルタはνｐｒ付近の信号をクリーニングすることを目的としているため、次の形式のガウス形状になる。

この形状には、その幅としてσｇを使用する。その名前が示唆するように、フィルタリングは、信号をその周波数領域（ＦＦＴ）に変換し、それをｇ（ν）で乗算し、変換して時間領域に戻し、実部成分を取得することによって行われる。

上記のプロシージャの出力は、νｐｒの平均脈拍数で長さＬａｌｇｏのフィルタリングされたｒＰＰＧトレース（ｐｍ）である。出力は、観測されたビデオフレームごとに取得され、重複する時系列のパルスを構築する。これらの時系列を平均して、ＨＲＶ処理に適した平均最終ｒＰＰＧトレースを生成する必要がある。これは、Ｗａｎｇらによる論文から以下の式（ｎは時間を表す）を使用して、フィルタリングされたｒＰＰＧ信号（ｐｍ）の重複及び追加を用いて行われる（Ｗ．Ｗａｎｇ、Ａ．Ｃ． ｄｅｎ Ｂｒｉｎｋｅｒ、Ｓ．Ｓｔｕｉｊｋ、及びＧ．ｄｅ Ｈａａｎ．「Ａｌｇｏｒｉｔｈｍｉｃ ｐｒｉｎｃｉｐｌｅｓ ｏｆ ｒｅｍｏｔｅ ｐｐｇ」．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，６４（７）：１４７９－１４９１，２０１７年７月）：

ｔ（ｎ－Ｌａｌｇｏ＋ｌ）＝ｔ（ｎ－Ｌａｌｇｏ＋ｌ）＋ｗ（ｌ）ｐｍ（ｌ）（１３）

ｌは０からＬａｌｇｏの間のランニングインデックスであり、ここでは、ｗ（ｉ）は出力トレースのコンフィグレーション及びレイテンシを設定する重み関数である。結果として得られるピーク（収縮期ピークを表す最大値）を取得すると、いわゆるＲＲ間隔を時間での距離として構築することが可能である。一連のＲＲ間隔を使用すると、ＨＲＶパラメータを時間領域と周波数領域との両方で統計的測定値として取得することが可能である。

図７及び８は、様々なパラメータの統計的尺度を作成する方法に関するため、例えば呼吸数（ＲＲ）を計算するなど、上記の情報を提供するために使用されることができる。これらの表は、ＨＲＶパラメータの標準セットに関し、様々な期間に集約されたＲＲ間隔から直接計算される。これらのパラメータのほとんどは、時間でのＨＲ変動の統計的提示を参照する。

図７は、ＨＲＶまたは心拍変動時間領域解析を実行するための非限定的で例示的な方法を示す。方法７００に示されるように、７０２では処理されたビデオ信号を取得する。次いで７０３では、処理されたビデオ信号を計算して心拍数（ＨＲ）を決定する。

７０４では、ＳＤＲＲを計算する。７０６では、ＰＲＲ５０を計算する。７０８では、ＲＭＳＳＤを計算する。７１０では、三角形を計算する。７１２では、ＴＩＮＮを計算する。７１４では、ＨＲＶ心拍変動時間領域を計算する。

７１６では、ステップ７０２～７１２を繰り返すことが好ましい。７１８では、ＳＤＡＲＲを計算する。７２０では、ＳＤＲＲＩを計算する。任意選択で７２２では、ステップ７１４～７２０を繰り返す。次に任意選択で７２４では、ステップ７０２～７０４を繰り返す。最後に任意選択で７２６では、ステップ７０８～７１４を繰り返す。
ＨＲＶ時間領域の尺度の頭字語の意味は次のとおりである。

^＊拍動間隔、連続した心拍間の時間間隔；ＮＮ間隔、アーティファクトが除去された拍動間隔；ＲＲ間隔、すべての連続した心拍間の拍動間隔。

以下のパラメータ、すなわちＳＤＲＲ、ＲＭＳＳＤ、三角形（ＨＲＶ ｔｒｉａｎｇｕｌａｒ ｉｎｄｅｘ）、及びＴＩＮＮは、Ｆ．Ｓｈａｆｆｅｒ及びＪ．Ｐ．Ｇｉｎｓｂｅｒｇ（「Ａｎ Ｏｖｅｒｖｉｅｗ ｏｆ Ｈｅａｒｔ Ｒａｔｅ Ｖａｒｉａｂｉｌｉｔｙ Ｍｅｔｒｉｃｓ ａｎｄ Ｎｏｒｍｓ」，Ｆｒｏｎｔ Ｐｕｂｌｉｃ Ｈｅａｌｔｈ．２０１７；５：２５８）で提供された情報に従って計算されることができ、これは、本明細書では、完全に記載されているかのうように、参照により本明細書によって援用されている。

次のパラメータ、すなわちＨＲＶ時間領域は、Ｕｍｅｔａｎｉ ｅｔ ａｌ（「Ｔｗｅｎｔｙ－ｆｏｕｒ ｈｏｕｒ ｔｉｍｅ ｄｏｍａｉｎ ｈｅａｒｔ ｒａｔｅ ｖａｒｉａｂｉｌｉｔｙ ａｎｄ ｈｅａｒｔ ｒａｔｅ：ｒｅｌａｔｉｏｎｓ ｔｏ ａｇｅ ａｎｄ ｇｅｎｄｅｒ ｏｖｅｒ ｎｉｎｅ ｄｅｃａｄｅｓ」，Ｊ Ａｍ Ｃｏｌｌ Ｃａｒｄｉｏｌ．１９９８ Ｍａｒ １；３１（３）：５９３－６０１）で提供された情報に従って計算されることができる。

次のパラメータ、すなわちＳＤＲＲＩ（ＳＤＲＲインデックス）、ＳＤＡＲＲ及びｐＲＲ５０は、Ｏ．Ｍｕｒｒａｙ（「Ｔｈｅ Ｃｏｒｒｅｌａｔｉｏｎ Ｂｅｔｗｅｅｎ Ｈｅａｒｔ Ｒａｔｅ Ｖａｒｉａｂｉｌｉｔｙ ａｎｄ Ｄｉｅｔ」，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｔｈｅ Ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ Ｏｎ Ｕｎｄｅｒｇｒａｄｕａｔｅ Ｒｅｓｅａｒｃｈ（ＮＣＵＲ）２０１６，Ｎｏｒｔｈ Ｃａｒｏｌｉｎａ）で提供された情報に従って計算されることができる。

図８は、心拍変動またはＨＲＶ周波数領域を計算するための非限定的で例示的な方法を示す。方法８００では、８０２で処理されたビデオ信号を前述のように取得する。８０３では、心拍数を前述のように計算する。８０４では、ＵＬＦを計算する。８０６では、ＶＬＦを計算する。８０８では、ＬＦピークを計算する。

８１０では、ＬＦパワーを計算する。８１２では、ＨＦピークを計算する。８１４では、ＨＦパワーを計算する。８１６では、ＬＦとＨＦとの比率を計算する。８１４では、ＨＲＶまたは心拍変動周波数を計算する。任意選択で８２０では、ステップ８０２～８１８を第一間隔で繰り返す。次に任意選択で８２２では、ステップ８０２～８０８を第二間隔で繰り返す。

ＨＲＶ周波数領域の尺度の頭字語の意味は、以下でより詳細に説明される。

加えて、または代わりに、ＨＲＶを計算するために様々な非線形尺度を決定することができる。

次のパラメータ、ＵＬＦ、ＶＬＦ、ＬＦピーク、ＬＦパワー、ＨＦピーク、ＨＦパワー、ＬＦ／ＨＦ及びＨＲＶ周波数は、Ｆ．Ｓｈａｆｆｅｒ及びＪ．Ｐ．Ｇｉｎｓｂｅｒｇによる前述の論文で提供された情報に従って計算されることができる。

図９は、血中アルコールレベルによる、車両の操作を制御するための非限定的で例示的な方法を示す。方法９００に示されるように、９０２では、ユーザはアプリにログインする、または登録する。ユーザが以前にアプリを使用したことがない場合、ユーザは提供されたメタデータなどに登録する。それ以外の場合、ユーザはログインする。そのようなステップは、ユーザのメタデータを含む場合に計算が最も正確になるため好ましい。さらに、好ましくは、ユーザの血中アルコール測定値の記録が保持されるが、これは、測定値が特定のユーザに関連付けられる場合に実行され得る。

９０４では、ユーザのメタデータを提供する。好ましくは、そのようなメタデータを格納する。前述のように、そのようなメタデータは、好ましくは、体重、身長、生物学上の性別、年齢、及び任意選択で、身体の脂肪と筋肉との割合などの他のパラメータ、そのうえアルコール代謝に影響する可能性のある他の条件を含む。任意選択で、ユーザは体重などのメタデータを更新することを選択することができる。

９０６では、顔画像データは、前述のように、好ましくはスマートフォンまたは携帯電話からユーザの顔を撮影したビデオデータからキャプチャされる。９０８では、生理学的パラメータは、前述のように測定され、少なくとも血圧を含むが、任意選択で他のパラメータ（複数可）も含む。９１０では、これらの生理学的パラメータは、任意選択で１つまたは複数のヒューリスティックの適用によって、メタデータと統合される。９１２では、９１０での統合から、前述のように血中アルコールレベルを決定する。

次いで９１４では、この決定された血中アルコールレベルを基準と比較する。例えば、車両の操作の場合、米国の様々な州及び国際的には多くの国では、運転者が車両を運転するために許容される血中アルコールの最大レベルに関する法律がある。これらの規則の一部は、公共交通機関（バスまたは列車）、ハイヤーの車両（タクシーまたはリムジンなど）、社会的弱者（子供など）のための交通手段、トラック、またはその他の重量物輸送機関など、車両の種類によって異なる場合がある。これらの特殊な種類の車両は、運転のためにはるかに低い血中アルコールレベルを必要とする場合がある。

一部の法律には、様々な犯罪に該当する複数のレベルがある。例えば、コロラド州では、飲酒運転の制限は０．０８％の血中アルコールであるのに対し、酒気帯び運転の制限（軽度ではあるが依然として犯罪行為）は０．０５％である。特定の年齢未満の運転者、特定の州では２１歳未満の運転者に対して、０．０１％など、いずれかの血中アルコールレベルに応じて罰が与えられることがある。Ａｒｉｚｏｎａのレベルは、０．０８％を上回り、極度のＤＵＩ（酒気帯び運転）の場合には０．１５％、超極度のＤＵＩの場合には０．２０％である。

タクシーと、ハイヤー、バス、列車、トラックなどのその他の車両と含む営業車の場合、車両の所有者及び／または運転手を雇っている会社は、例えば０．０１％などのはるかに低い血中アルコールレベルを要求する場合がある。血中アルコールの基準が低いほど厳格であるため、法律で認められる。車両の所有者及び／または運転手を雇っている会社は、そのようなレベルの低下を要求する場合がある。

運転者が基準を満たしていない場合、９１６では運転者は車両の操作を許可されない場合がある。あるいは、例えば自家用車では、運転者は、血中アルコールレベルが一定量を上回っている酒気帯び運転の場合、保険の対象外となることがある。

運転者は、車両の操作中に定期的にこのプロセスを受ける必要があり得る。また、例えば、運転者がエンジンをオフにした、及び／または所定の期間アイドリングまたはパーキングモードであったため、車両の操作が停止されるたびに、運転者はこのプロセスを受ける必要があり得る。

図１０は、血中アルコールレベルによる、重機の操作を制御するための非限定的で例示的な方法を示す。重機は、例えばフォークリフトなどの移動力のある重機、または代替に、ボーリング装置またはクレーンなど、操作中に独立して位置を変えない重機を含むことができる。

プロセス１０００では、図９のステップ９０２～９１２について前述されたように、ステップ１００２～１０１２を決定する。１０１４では、ユーザは、重機に関するどのアクション（複数可）を選択するかを指示する。例えば、重機に関する様々なアクションには、様々な厳格さの血中アルコールレベル、すなわち、０％の低さでさえも（または測定誤差が許す限り０％に近い値）要求される場合がある。１０１６では、血中アルコールレベルは、ユーザが選択したアクション（複数可）の基準と比較される。１０１８では、血中アルコールレベルと基準との比較に従って、アクション（複数可）が許可されるまたはブロックされる。

ユーザは、定期的に、または例えば異なる機械の操作の間に、またはユーザが機械の操作を停止してから開始する場合に、上記のプロセスを再度受ける必要があることがある。

図１１は、血中アルコールレベルによる、状況に応じた制御のための非限定的で例示的な方法を示す。この場合の状況に応じた制御は、発電所の操作への参加など、ユーザが操作する進行中の環境またはプロセスに関連する可能性がある。この状況では、特定のタイプの機械または車両を操作することはできないが、ユーザは血中アルコールレベルに関する厳格な要件を満たす必要がある場合がある。

プロセス１１００では、図９のステップ９０２～９１２について前述されたように、ステップ１１０２～１１１２を決定する。１１１４では、ユーザがユーザの役割を示すか、ユーザがその状況で特定の役割があると先に識別されているかいずれかである。例えば、特定の環境またはプロセスでの様々な役割には、血中アルコールレベルの様々な厳格さ、すなわち、０％の低さでさえも（または測定誤差が許す限り０％に近い値）が要求される場合がある。１１１６では、血中アルコールレベルは、ユーザが選択したアクション（複数可）の基準と比較される。１１１８では、血中アルコールレベルと基準との比較に従って、ユーザはその役割を果たすことを許可される、またはそうすることがブロックされる。

ユーザは、定期的に、または異なる状況に応じた条件下で、上記のプロセスを再度受ける必要がある場合がある。

明確にするために別個の実施形態の文脈において説明される本発明のある特徴を、単一の実施形態において組み合わせで提供することもできることが理解される。逆に、簡潔にするために単一の実施形態の文脈において説明される本発明の様々な特徴を、別々に、または任意の好適な副組み合わせで提供することもできる。

本発明をその特定の実施形態と併せて説明してきたが、多くの代替、修正及び変形が当業者には明らかであろうということは明白である。したがって、添付の特許請求の範囲の趣旨及び広い範囲内に含まれる、そのようなすべての代替、修正及び変形を包含することが意図されている。この本明細書に記述される全ての刊行物、特許及び特許出願は、各個別の刊行物、特許または特許出願が、明確かつ個別に参照により本明細書に組み込まれることが示されているのと同程度に、本明細書に参照によりそれらの全体が本明細書に組み込まれる。さらに、本出願におけるいずれの参考文献の引用または特定も、そのような参考文献が本発明の先行技術として利用可能であるという承認として解釈されてはならない。

Claims (35)

1. 被検者の血中アルコールレベルを決定するための方法であって、前記被検者の顔から光学データを取得することと、前記光学データを解析して前記被検者の前記顔に関連するデータを選択することと、前記顔の皮膚から光学データを検出することと、経過期間に達するまで前記光学データを収集して、次に前記経過期間に前記収集された光学データから時系列を計算することによって前記光学データから前記時系列を決定することと、前記時系列から少なくとも１つの生理学的信号を計算することであって、前記少なくとも１つの生理学的信号は血圧を含む、前記計算することと、前記血中アルコールレベルを前記少なくとも１つの生理学的信号から決定することと、を含む、前記方法。
2. 前記光学データはビデオデータを含み、前記光学データを前記取得することは、前記被検者の前記皮膚のビデオデータを取得することを含む、請求項１に記載の方法。
3. 前記光学データを取得することは、カメラからビデオデータを取得することをさらに含む、請求項２に記載の方法。
4. 前記カメラは携帯電話のカメラを含む、請求項３に記載の方法。
5. 前記光学データを取得することは、前記被検者の顔の前記皮膚のビデオデータを取得することをさらに含む、請求項２～４のいずれかに記載の方法。
6. 前記光学データを前記取得することは、前記被検者の指の前記皮膚のビデオデータを取得することをさらに含む、請求項２～５のいずれかに記載の方法。
7. 前記ビデオデータを取得することは、前記被検者の指先を前記携帯電話のカメラの上に置くことによって前記指先の前記皮膚のビデオデータを取得することを含む、請求項６に記載の方法。
8. 前記携帯電話のカメラは、正面カメラ及び背面カメラを含み、前記被検者の前記顔の前記皮膚の前記ビデオデータは、前記指先が前記背面カメラの上に置かれるように、前記正面カメラで取得される、請求項７に記載の方法。
9. 前記携帯電話のカメラの上の前記指先は、前記携帯電話のカメラに関連するフラッシュを作動させて光を与えることをさらに含む、請求項７または８に記載の方法。
10. 前記光学データを前記顔の前記皮膚から前記検出することは、複数の顔または指先の境界を決定することと、最も確率の高い前記顔または指先の境界を選択することと、前記顔または指先からのビデオデータにヒストグラム解析を適用することとを含む、先行請求項のいずれかに記載の方法。
11. 前記複数の顔または指先の境界を決定することは、マルチパラメータ畳み込みニューラルネット（ＣＮＮ）を前記ビデオデータに適用して前記顔または指先の境界を前記決定することを含む、請求項１０に記載の方法。
12. 前記生理学的信号は、心拍数、呼吸量、呼吸変動、心拍変動（ＨＲＶ）、ＥＣＧ様信号、血圧及びｐＳＯ２（酸素飽和度）からなる群から選択される、先行請求項のいずれかに記載の方法。
13. 前記生理学的信号は血圧及びＨＲＶを含む、請求項１２に記載の方法。
14. 前記血中アルコールレベルを前記決定することは、前記少なくとも１つの生理学的信号からの測定値とメタデータを統合することをさらに含み、前記メタデータは、前記被検者の体重、年齢、身長、生物学上の性別、体脂肪率及び身体筋肉率のうちの１つ以上を含む、先行請求項のいずれかに記載の方法。
15. 前記被検者によって取られるアクションを決定することと、前記アクションに従って前記血中アルコールレベルを基準と比較することと、前記比較に従って前記被検者が前記アクションを取ることができるかどうかを決定することとをさらに含む、先行請求項のいずれかに記載の方法。
16. 前記アクションは、車両の操作、重機の操作、及び状況に応じた役割を果たすことからなる群から選択される、請求項１５に記載の方法。
17. 被検者から生理学的信号を取得するためのシステムであって、前記被検者の顔から光学データを取得するためのカメラと、前記カメラから光学データを受信するためのユーザコンピュータデバイスと、を含み、前記ユーザコンピュータデバイスは、プロセッサ、及び複数の命令を格納するためのメモリを含み、前記プロセッサは、前記光学データを解析して前記被検者の前記顔に関連するデータを選択するための前記命令と、前記顔の皮膚から光学データを検出するための前記命令と、経過期間に達するまで前記光学データを収集して、次に前記経過期間に前記収集された光学データから時系列を計算することにより、前記時系列を前記光学データから決定するための前記命令と、前記時系列から前記生理学的信号を計算するための前記命令であって、前記少なくとも１つの生理学的信号は血圧を含む、前記命令と、前記少なくとも１つの生理学的信号から前記血中アルコールレベルを決定するための前記命令とを実行する、前記システム。
18. 前記メモリは、定義されたネイティブ命令セットのコードを格納するように構成され、前記プロセッサは、前記メモリに格納された前記定義されたネイティブ命令セットのコードから選択された対応する基本命令を受信することに応答して、定義されたセットの基本操作を実行するように構成され、前記メモリは、前記光学データを解析して前記被検者の前記顔に関連するデータを選択するための前記ネイティブ命令セットから選択された第一セットのマシンコードと、前記顔の皮膚から光学データを検出するための前記ネイティブ命令セットから選択された第二セットのマシンコードと、経過期間に達するまで前記光学データを収集して、次に前記経過期間に前記収集された光学データから時系列を計算することにより、前記時系列を前記光学データから決定するための前記ネイティブ命令セットから選択された第三セットのマシンコードと、前記時系列から前記生理学的信号を計算するための前記ネイティブ命令セットから選択された第四セットのマシンコードであって、前記少なくとも１つの生理学的信号は血圧を含む、前記第四セットのマシンコードと、前記少なくとも１つの生理学的信号から前記血中アルコールレベルを決定するための前記ネイティブ命令セットから選択された第五セットのマシンコードとを格納する、請求項１７に記載のシステム。
19. 前記顔の前記皮膚から前記光学データを検出することは、複数の顔の境界を決定することと、最も確率の高い前記顔の境界を選択することと、ヒストグラム解析を前記顔からのビデオデータに適用することとを含み、そのため、前記メモリは、前記複数の顔の境界を決定することを含む前記顔の前記皮膚から前記光学データを検出するための前記ネイティブ命令セットから選択された第六セットのマシンコードと、前記最も確率の高い顔の境界を選択するための前記ネイティブ命令セットから選択された第七セットのマシンコードと、前記ヒストグラム解析を前記顔からのビデオデータに適用するための前記ネイティブ命令セットから選択された第八セットのマシンコードと、をさらに含む、請求項１８に記載のシステム。
20. 前記複数の顔の境界を決定することは、マルチパラメータ畳み込みニューラルネット（ＣＮＮ）を前記ビデオデータに適用して前記顔の境界を決定することを含み、そのため、前記メモリは、前記マルチパラメータ畳み込みニューラルネット（ＣＮＮ）を前記ビデオデータに適用して前記顔の境界を決定するための前記ネイティブ命令セットから選択された第九セットのマシンコードをさらに含む、請求項１９に記載のシステム。
21. 前記カメラは携帯電話のカメラを含み、前記光学データは前記携帯電話のカメラからビデオデータとして取得される、先行請求項のいずれかに記載のシステム。
22. 前記コンピュータデバイスは移動体通信デバイスを含む、請求項２１に記載のシステム。
23. 前記携帯電話のカメラは、背面カメラを含み、前記ビデオデータを取得するために、前記被検者の指先は前記カメラの上に置かれる、請求項２２に記載のシステム。
24. 前記携帯電話のカメラに関連するフラッシュをさらに含み、前記フラッシュは前記光学データを取得するための光を与える、請求項２２または２３に記載のシステム。
25. 前記メモリは、前記複数の顔または指先の境界を決定するための前記ネイティブ命令セットから選択された第十セットのマシンコードと、前記最も確率の高い顔または指先の境界を選択するための前記ネイティブ命令セットから選択された第十一セットのマシンコードと、前記顔または指先から前記ビデオデータに前記ヒストグラム解析を適用するための前記ネイティブ命令セットから選択された第十二セットのマシンコードとをさらに含む、請求項２３または２４に記載のシステム。
26. 前記メモリは、前記マルチパラメータ畳み込みニューラルネット（ＣＮＮ）を前記ビデオデータに適用して前記顔または指先の境界を決定するための前記ネイティブ命令セットから選択された第十三セットのマシンコードをさらに含む、請求項２５に記載のシステム。
27. 前記プロセッサによって実行された前記命令に従って、前記顔または指先の画像から解析されたデータを統合して前記生理学的測定値を決定することをさらに含む、請求項２４～２６のいずれかに記載のシステム。
28. 前記生理学的測定値及び／または信号を表示するためのディスプレイをさらに含む、先行請求項のいずれかに記載のシステム。
29. 前記ユーザコンピュータデバイスは、前記ディスプレイをさらに含む、請求項２８に記載のシステム。
30. 前記ユーザコンピュータデバイスは、前記生理学的測定値及び／または信号を伝送するための伝送器をさらに含む、先行請求項のいずれかに記載のシステム。
31. 前記生理学的信号を決定することは、前記少なくとも１つの生理学的信号からの測定値とメタデータを統合することをさらに含み、前記メタデータは、前記被検者の体重、年齢、身長、生物学上の性別、体脂肪率及び身体筋肉率のうちの１つ以上を含む、先行請求項のいずれかに記載のシステム。
32. 前記生理学的信号は、ストレス、血圧、呼吸量、及びｐＳＯ２（酸素飽和度）からなる群から選択される、先行請求項のいずれかに記載のシステム。
33. 被検者から生理学的信号を取得するためのシステムであって、前記被検者の指から光学データを取得するための背面カメラと、前記カメラから光学データを受信するためのユーザコンピュータデバイスと、を含み、前記ユーザコンピュータデバイスは、プロセッサ、及び複数の命令を格納するためのメモリを含み、前記プロセッサは、前記光学データを解析して前記被検者の前記顔に関連するデータを選択するための前記命令と、前記指の皮膚から光学データを検出するための前記命令と、経過期間に達するまで前記光学データを収集して、次に前記経過期間に前記収集された光学データから時系列を計算することにより、前記時系列を前記光学データから決定するための前記命令と、前記時系列から前記生理学的信号を計算するための前記命令であって、前記少なくとも１つの生理学的信号は血圧を含む、前記命令と、前記少なくとも１つの生理学的信号から前記血中アルコールレベルを決定するための前記命令とを実行する、前記システム。
34. 先行請求項のいずれかに記載の前記システムをさらに含む、請求項３３に記載のシステム。
35. 被検者から生理学的信号を取得するための方法であって、先行請求項のいずれかに記載の前記システムを操作して、前記被検者から前記生理学的信号を取得することであって、前記少なくとも１つの生理学的信号は血圧を含む、前記取得することと、前記少なくとも１つの生理学的信号から前記血中アルコールレベルを決定することとを含む、前記方法。

Images