JP7262658B2 - 血液バイオマーカのカメラに基づく数量化のためのシステム及び方法 - Google Patents
血液バイオマーカのカメラに基づく数量化のためのシステム及び方法 Download PDFInfo
- Publication number
- JP7262658B2 JP7262658B2 JP2022502880A JP2022502880A JP7262658B2 JP 7262658 B2 JP7262658 B2 JP 7262658B2 JP 2022502880 A JP2022502880 A JP 2022502880A JP 2022502880 A JP2022502880 A JP 2022502880A JP 7262658 B2 JP7262658 B2 JP 7262658B2
- Authority
- JP
- Japan
- Prior art keywords
- blood
- concentration
- bit
- machine learning
- biomarkers
- 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.)
- Active
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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
Description
ここで、Wi、Wf、Wc、Wo、Ui、Uf、Uc、Uo、及び、Voは加重マトリックスであり、bi、bf、bc、及び、boはバイアス・ベクトルである。
ft=σ(Wfxt+Ufht-1+bf)
ot=σ(Woxt+Uoht-1+bo)
ht=ot*tanh(Ct)
pt=Softmax(Woutputht+boutput)
ここで、Woutputは、隠れ層から出力層への加重マトリックスであり、boutputは、出力層のバイアス・ベクトルである。最大の累算された確率を有する状態は、このシーケンスの予測された状態である。
Claims (18)
- 人間の被験者の1つ又は複数の血液バイオマーカの濃度の決定のための方法であって、
経皮光学イメージング(TOI)モジュールが、前記人間の被験者の表皮から再発光された光の撮影された画像シーケンスを受信することと、
前記経皮光学イメージングモジュールが、ヘモグロビン濃度(HC)変化が既知である1組の被験者から撮られた複数の画像の各ビット・プレーンからの複数のビット値を含むヘモグロビン濃度(HC)変化の訓練セットによって訓練された第1の機械学習モデルを用いて、前記人間の被験者の前記ヘモグロビン濃度(HC)変化を示す前記撮影された画像シーケンスにおける、信号対雑音比(SNR)を最大にして前記各ビット・プレーンが血液バイオマーカの異なる濃度の間の信号の差異を最適化するように決定された、1組のビット・プレーンから複数のビット値を決定することと、
前記経皮光学イメージングモジュールが、グラウンド・トルース・データとして、複数の他の被験者からの前もって決定された複数のHC変化信号及び前記複数の他の被験者からの1つ又は複数の血液パネルを含む血液バイオマーカ訓練セットを用いて訓練された第2の機械学習モデルであって、前記被験者の前記ヘモグロビン濃度変化を示す前記決定された前記複数のビット値を入力とする前記第2の機械学習モデルを用いて、1つ又は複数の血液バイオマーカの濃度を決定することと、
出力モジュールが、前記1つ又は複数の血液バイオマーカの決定された濃度を出力することと
を含む方法。 - 前記複数のビット値を決定することは、前記ヘモグロビン濃度変化に基づいて、前記複数の画像によって獲得された前記人間の被験者の複数の所定の関心領域(ROI)の各々について複数のビット値を決定することを含む、請求項1に記載の方法。
- 前記複数のROIが重なり無しである、請求項2に記載の方法。
- 前記第2の機械学習モデルを用いて決定された1つ又は複数の血液バイオマーカの前記濃度は、前記1つ又は複数の血液バイオマーカの各々の血中濃度が特定の濃度範囲に属すると推定された統計的確率を含む、請求項1に記載の方法。
- 前記濃度範囲が臨床的に重要な濃度クラスと関係付けられている、請求項4に記載の方法。
- 前記撮影画像シーケンスは、可動時間ウィンドウにおいて撮られた複数の画像を含み、前記1つ又は複数の血液バイオマーカの決定された濃度は、各可動時間ウィンドウ毎に出力される、請求項1に記載の方法。
- 前記1つ又は複数の血液バイオマーカの各々は、血液グルコース濃度、空腹時血糖、ヘモグロビンA1c、高比重リポタンパク質、低比重リポタンパク質、トリグリセリド、好中球、好塩基球、クレアチニン、尿酸、赤血球、ヘモグロビン、血小板、沈殿物、及び、アルブミンのうちの1つを含む、請求項1に記載の方法。
- SNRを最大にする1組のビット・プレーンを決定することが、
所定の時間区間に亘って全てのROIにおける信号差を最大にするように、複数のビット・プレーン・ベクトルの画素毎に画像の減算及び加算を実行することと、
前記信号の差異を増加させる複数のビット・プレーンからのビット値と、前記信号の差異を減少させるか又は信号の差異に関与しない複数のビット・プレーンからのビット値とを識別することと、
前記信号の差異を減少させるか、又は、信号の差異に関与しない複数のビット・プレーンからビット値を廃棄することと
を含む、請求項1に記載の方法。 - 前記第2の機械学習モデルは、長・短期記憶(LSTM)人工神経ネットワーク、又は、ガウス過程推論ネットワーク(GPNet)を含む、請求項1に記載の方法。
- 人間の被験者の1つ又は複数の血液バイオマーカの濃度の決定のためのシステムであって、前記システムは、1つ又は複数のプロセッサ及びデータ記憶装置を含み、前記1つ又は複数のプロセッサは、
前記人間の被験者の表皮から再発光された光の撮影された画像シーケンスを受信し、ヘモグロビン濃度(HC)変化が既知である1組の被験者から撮られた複数の画像の各ビット・プレーンからの複数のビット値を有するヘモグロビン濃度(HC)変化の訓練セットによって訓練された第1の機械学習モデルを用いて、前記人間の被験者のヘモグロビン濃度(HC)変化を示す撮影された画像シーケンスにおける、信号対雑音比(SNR)を最大にして前記各ビット・プレーンが血液バイオマーカの異なる濃度の間の信号の差異を最適化するように決定された、1組のビット・プレーンから複数のビット値を決定するTOIモジュールと、
グラウンド・トルース・データとして、複数の他の被験者からの前もって決定された複数のHC変化信号及びそれらの被験者からの1つ又は複数の血液パネルを含む血液バイオマーカ訓練セットを用いて訓練された第2の機械学習モデルであって、前記被験者の前記ヘモグロビン濃度変化を示す前記決定された前記複数のビット値を入力とする前記第2の機械学習モデルを用いて、1つ又は複数の血液バイオマーカの濃度を決定する数量化モジュールと、
前記1つ又は複数の血液バイオマーカの決定された濃度を出力する出力モジュールと
を実行するように設定されるシステム。 - 前記複数のビット値を決定することは、前記ヘモグロビン濃度変化に基づいて、前記複数の画像によって獲得された前記人間の被験者の複数の所定の関心領域(ROI)の各々について複数のビット値を決定することを含む、請求項10に記載のシステム。
- 前記複数のROIが重なり無しである、請求項11に記載のシステム。
- 前記第2の機械学習モデルを用いて決定された1つ又は複数の血液バイオマーカの前記濃度は、前記1つ又は複数の血液バイオマーカの各々の血中濃度が特定の濃度範囲に属すると推定された統計的確率を含む、請求項10に記載のシステム。
- 前記濃度範囲が臨床的に重要な濃度クラスと関係付けられている、請求項13に記載のシステム。
- 前記撮影画像シーケンスは、可動時間ウィンドウにおいて撮られた複数の画像を含み、前記1つ又は複数の血液バイオマーカの決定された濃度は、各可動時間ウィンドウ毎に出力される、請求項10に記載のシステム。
- 前記1つ又は複数の血液バイオマーカの各々は、血液グルコース濃度、空腹時血糖、ヘモグロビンA1c、高比重リポタンパク質、低比重リポタンパク質、トリグリセリド、好中球、好塩基球、クレアチニン、尿酸、赤血球、ヘモグロビン、血小板、沈殿物、及び、アルブミンのうちの1つを含む、請求項10に記載のシステム。
- SNRを最大にする1組のビット・プレーンを決定することが、
所定の時間区間に亘って全てのROIにおける信号差を最大にするように、複数のビット・プレーン・ベクトルの画素毎に画像の減算及び加算を実行することと、
前記信号の差異を増加させる複数のビット・プレーンからのビット値と、前記信号の差異を減少させるか又は信号の差異に関与しない複数のビット・プレーンからのビット値とを識別することと、
前記信号の差異を減少させるか又は信号の差異に関与しない複数のビット・プレーンからのビット値を廃棄することと
を含む、請求項10に記載のシステム。 - 前記第2の機械学習モデルは、長・短期記憶(LSTM)人工神経ネットワーク又はガウス過程推論ネットワーク(GPNet)を含む、請求項10に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962874729P | 2019-07-16 | 2019-07-16 | |
US62/874,729 | 2019-07-16 | ||
PCT/CA2020/050912 WO2021007651A1 (en) | 2019-07-16 | 2020-06-30 | System and method for camera-based quantification of blood biomarkers |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022541902A JP2022541902A (ja) | 2022-09-28 |
JP7262658B2 true JP7262658B2 (ja) | 2023-04-21 |
Family
ID=74209670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022502880A Active JP7262658B2 (ja) | 2019-07-16 | 2020-06-30 | 血液バイオマーカのカメラに基づく数量化のためのシステム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11690543B2 (ja) |
EP (1) | EP3998944A4 (ja) |
JP (1) | JP7262658B2 (ja) |
CN (1) | CN114423341A (ja) |
WO (1) | WO2021007651A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210182705A1 (en) * | 2019-12-16 | 2021-06-17 | 7 Trinity Biotech Pte. Ltd. | Machine learning based skin condition recommendation engine |
CN115316988A (zh) * | 2022-08-12 | 2022-11-11 | 遵义医科大学附属医院 | 一种无创血红蛋白检测仪 |
CN115944293B (zh) * | 2023-03-15 | 2023-05-16 | 汶上县人民医院 | 一种基于神经网络的肾脏透析用血红蛋白水平预测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012152556A (ja) | 2011-01-23 | 2012-08-16 | Cnoga Medical Ltd | 複合非侵襲性及び侵襲性バイオパラメータ測定装置 |
US20180199870A1 (en) | 2016-12-19 | 2018-07-19 | Nuralogix Corporation | System and method for contactless blood pressure determination |
CN108697386A (zh) | 2016-02-17 | 2018-10-23 | 纽洛斯公司 | 用于检测生理状态的系统和方法 |
CN109937002A (zh) | 2016-11-14 | 2019-06-25 | 纽洛斯公司 | 用于基于相机的心率跟踪的系统和方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1633239A4 (en) * | 2003-05-14 | 2009-06-03 | Clinigene Internat Private Ltd | PREDICTION OF ILLNESSES |
US20050054935A1 (en) * | 2003-09-08 | 2005-03-10 | Rice Robert R. | Hyper-spectral means and method for detection of stress and emotion |
WO2016049757A1 (en) * | 2014-10-01 | 2016-04-07 | Nuralogix Corporation | System and method for detecting invisible human emotion |
US10980423B2 (en) * | 2015-12-22 | 2021-04-20 | University Of Washington | Devices and methods for predicting hemoglobin levels using electronic devices such as mobile phones |
US9535053B1 (en) * | 2016-02-04 | 2017-01-03 | Nova Biomedical Corporation | Analyte system and method for determining hemoglobin parameters in whole blood |
CN109069072B (zh) * | 2016-02-08 | 2021-11-30 | 纽洛斯公司 | 欺骗检测系统和方法 |
WO2019079896A1 (en) * | 2017-10-24 | 2019-05-02 | Nuralogix Corporation | SYSTEM AND METHOD FOR DETERMINING STRESS BASED ON A CAMERA |
CN109657268B (zh) * | 2018-11-05 | 2023-04-28 | 杭州电子科技大学 | 一种基于特征值的不确定网络中免疫策略设计方法 |
CN109567818B (zh) * | 2018-11-20 | 2021-06-01 | 苏州大学 | 基于血红蛋白信息的多种行走步态调整意图的识别方法 |
-
2020
- 2020-06-30 US US17/627,297 patent/US11690543B2/en active Active
- 2020-06-30 CN CN202080065049.9A patent/CN114423341A/zh active Pending
- 2020-06-30 WO PCT/CA2020/050912 patent/WO2021007651A1/en unknown
- 2020-06-30 JP JP2022502880A patent/JP7262658B2/ja active Active
- 2020-06-30 EP EP20840263.6A patent/EP3998944A4/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012152556A (ja) | 2011-01-23 | 2012-08-16 | Cnoga Medical Ltd | 複合非侵襲性及び侵襲性バイオパラメータ測定装置 |
CN108697386A (zh) | 2016-02-17 | 2018-10-23 | 纽洛斯公司 | 用于检测生理状态的系统和方法 |
CN109937002A (zh) | 2016-11-14 | 2019-06-25 | 纽洛斯公司 | 用于基于相机的心率跟踪的系统和方法 |
US20180199870A1 (en) | 2016-12-19 | 2018-07-19 | Nuralogix Corporation | System and method for contactless blood pressure determination |
Also Published As
Publication number | Publication date |
---|---|
US11690543B2 (en) | 2023-07-04 |
WO2021007651A1 (en) | 2021-01-21 |
CN114423341A (zh) | 2022-04-29 |
EP3998944A4 (en) | 2023-08-16 |
JP2022541902A (ja) | 2022-09-28 |
EP3998944A1 (en) | 2022-05-25 |
US20220265171A1 (en) | 2022-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11497423B2 (en) | System and method for detecting physiological state | |
US11337626B2 (en) | System and method for contactless blood pressure determination | |
JP7262658B2 (ja) | 血液バイオマーカのカメラに基づく数量化のためのシステム及び方法 | |
US10360443B2 (en) | System and method for detecting subliminal facial responses in response to subliminal stimuli | |
WO2016049757A1 (en) | System and method for detecting invisible human emotion | |
US11471083B2 (en) | System and method for camera-based stress determination | |
KR20190128978A (ko) | 인간 감정 인식을 위한 딥 생리적 정서 네트워크를 이용한 인간 감정 추정 방법 및 그 시스템 | |
CN111513726B (zh) | 一种基于iht动态性能评估ams风险的系统 | |
US20230052100A1 (en) | Systems And Methods For Optical Evaluation Of Pupillary Psychosensory Responses | |
US11676690B2 (en) | System and method for detection of synthesized videos of humans | |
Hong et al. | Detection of physical stress using multispectral imaging | |
US20230260611A1 (en) | System and method for detection of synthesized videos of humans | |
CA3139034A1 (en) | System and method for filtering time-varying data for physiological signal prediction | |
US20230284940A1 (en) | System and method for camera-based quantification of blood biomarkers | |
Muhimmah et al. | AUTOMATIC FACIAL REDNESS DETECTION ON FACE SKIN IMAGE | |
Sagar et al. | Smart Healthcare Monitoring System for Early Diagnosis of Patient's Disease using Artificial Intelligence | |
Daadaa | EmotionNet: Dissecting Stress and Anxiety Through EEG-based Deep Learning Approaches. | |
WO2023178437A1 (en) | System and method for contactless predictions of vital signs, health risks, cardiovascular disease risk and hydration from raw videos | |
Patil | MobiEye: An Approach towards Ubiquitous Smart Health Platform for Continuous User Identification and Vital Sign Monitoring | |
WO2024020052A9 (en) | Non-invasive blood glucose monitoring system | |
CN116912084A (zh) | 神经影像数据处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220928 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230220 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230316 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7262658 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |