KR20140058573A - 바이탈 사인의 원격 모니터링 - Google Patents

바이탈 사인의 원격 모니터링 Download PDF

Info

Publication number
KR20140058573A
KR20140058573A KR1020147004605A KR20147004605A KR20140058573A KR 20140058573 A KR20140058573 A KR 20140058573A KR 1020147004605 A KR1020147004605 A KR 1020147004605A KR 20147004605 A KR20147004605 A KR 20147004605A KR 20140058573 A KR20140058573 A KR 20140058573A
Authority
KR
South Korea
Prior art keywords
subject
ppg
heart rate
signal
models
Prior art date
Application number
KR1020147004605A
Other languages
English (en)
Inventor
데이비드 앤드류 클리프톤
마우리치오 크리스티안 빌라로엘 몬토야
라이오넬 테라센코
Original Assignee
아이시스 이노베이션 리미티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 아이시스 이노베이션 리미티드 filed Critical 아이시스 이노베이션 리미티드
Publication of KR20140058573A publication Critical patent/KR20140058573A/ko

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
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • 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
    • 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
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A61B5/1176—Recognition of faces
    • 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
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments
    • G06F2218/20—Classification; Matching by matching signal segments by applying autoregressive analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30076—Plethysmography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

웹캠과 같은 비디오 카메라에 의해 촬영된 대상의 이미지에서 PPG신호를 감지함으로써 바이탈 사인들을 원격 모니터링하는 방법. PPG 신호는 대상의 피부 상의 관심 영역으로부터 반사된 주변광의 자기 회귀 분석(auto-regressive analysis)에 의해 식별된다. 비디오 카메라의 프레임율로부터 발생하는 앨리어싱 아티팩트들(aliasing artefacts) 및 주변광의 주파수 성분들은 대상의 피부가 아닌 관심 영역, 즉 배경으로부터 반사된 주변광의 자기 회귀 분석에 의해 캔슬된다. 이는 대상의 PPG 신호의 식별을 허용하는 주변광의 스펙트럼 컨텐츠를 드러낸다. 심박수, 산소 포화도, 및 호흡율은 PPG 신호로부터 획득된다. 값들은 값들의 통계적 분석(statistical analysis)에 기초하여 웰니스 지표(wellness index)로 결합될 수 있다.

Description

바이탈 사인의 원격 모니터링{REMOTE MONITORING OF VITAL SIGNS}
본 발명(present invention)은 심박수(heart rate), 호흡율(breathing rate), 및 동맥 산소 포화도(arterial oxygen saturation)와 같은 사람(또는 동물)의 바이탈 사인들(vital signs)의 원격 모니터링(remote monitoring)에 관한 것으로서, 특히 주변 광 간섭(ambient light interference)의 효과들을 제거함으로써 광용적맥파 영상 신호(photoplethysmogram image signal)로부터 개선된 측정들을 획득하는 것에 관한 것이다.
중등도 장기 조건(moderate-to-severe long-term conditions)(만성 폐쇄성 폐질환이나 울혈성 심부전 등과 같은(such as Chronic Obstructive Pulmonary Disease or Congestive Heart Failure))의 환자들과 일하는 것으로부터, 정기적인 기준(regular basis) 상의 자체 모니터링(self-monitor)이 어려운 것을 발견하는 것은 명백하다. 탐침들(probes)은 자주 부착하기 어렵고, 바이탈 사인들(vital signs)(심박수, 호흡율, 산소 포화도 또는 혈압 중 하나 이상)을 기록(record)하는 프로세스(process)는, 심지어 수 분 걸리는 경우라도, 보통 매일(daily basis) 수행되어야 하므로 부담이 된다. 이상적인 기술(ideal technology)은 환자와 직접적인 접촉(direct contact)을 포함하지 않고("비접촉 감지(non-contact sensing)"), 환자의 라이프 스타일에 원활하게(seamlessly) 통합될 것이다.
1930년대 이래로 각 심장 박동(heart beat)으로 신체 일부(body segment)에서 혈액량(blood volum)의 변화가 해당 신체 일부를 통한 가시(visible)(또는 적외선(infrared)) 광선(light)의 투과 또는 반사를 조절(modulate)하는 것이 잘 알려져 왔다. (Verkruysse W, Svaasand LO 및 Nelson JS, "Remote plethysmographic imaging using ambient light", Optics Express, 2008, 16(26), 21434-45에 의한 논문에서 소개 참조) 혈액(blood)은 신체 일부에서 주변 조직(surrounding tissue)보다 더 많은 가시광선 및 적외선을 흡수하므로, 심장 주기(cardiac cycle) 동안 혈액량에서의 변화는 심장 박동에 맞춰 광선의 투과 또는 반사에 영향을 미친다. 광선의 투과 또는 반사에서 심장 동기 변화(cardiac-synchronous variations)는 광혈류측정(photoplethysmographic) (이하, PPG라 한다) 신호로 알려져 있다. 심박수(heart rate)(또는 맥박수(pulse rate)- 둘은 동등)는, PPG 파형의 두 개의 연속적인 피크(two consecutive peaks)(또는 골(troughs)) 간의 시간 간격(time interval)을 측정함으로써, PPG 신호로부터 쉽게 추출될 수 있다. 호흡(respiratory 또는 breathing)율은 또한 PPG 파형의 상대적으로 복잡한 분석(예를 들면, 호흡주기(respiratory cycle)에 걸쳐 발생하는 상호비트(inter-beat) 간격에서의 변화를 측정함으로써)으로부터, 또는 PPG 신호의 호흡율-동기 진폭 변조(breathing-rate-synchronous amplitude modulation)를 측정함으로써 간접적으로 추정될 수 있다.
1970년대에서, 맥박 산소 측정(pulse oximetry)의 기술은 두 파장들에서 PPG 신호를 측정함으로써 말초 동맥 산소 포화도(peripheral arterial oxygen saturation)(SpO2)의 비침습적(non-invasive) 추정을 획득하기 위해 개발됐다. 헤모글로빈 분자(haemoglobin molecule)(혈액에서 산소 운반자(oxygen carrier))의 두 일반적인 형태들, 산화 헤모글로빈(oxidised haemoglobin)(HbO2) 및 감소된 헤모글로빈(reduced haemoglobin)(Hb)은 500nm에서 1000nm까지의 파장 범위(wavelength range)에서 크게 상이한 광학 스펙트럼을 가진다. 그러므로, 두 발광 다이오드(two light-emitting diodes)의 간단한 탐침을 이용하여 손가락 끝(fingertip)(또는 귓불(earlobe))을 통해 투과된 광선을 두 다른 파장에서 측정함으로써, 근적외선(near infra-red)에서 적색 및 다른 펄스 옥시미터들(pulse oximeters)에서 하나는 손가락(또는 귀)에서 동맥혈(arterial blood)의 산소 포화도(oxygen saturation)를 비침습적으로(non-invasively) 판단한다.
카메라(손가락, 귀 또는 발가락에 부착된 탐침보다)를 이용하여 원격으로 PPG 신호를 측정하는 가능성은 우선 2005년 근방의 과학 문서에 설명된다. (Wieringa FP, Mastik F와 Van Der Steen AFW, Contactless Multiple Wavelength Photoplethysmographic Imaging: A First Step Toward "SpO2 Camera" Technology, Annals of Biomedical Engineering, 2005, 33(8), 1034-1041 및 Humphreys K,　Ward T, Markham C,　Noncontact simultaneous dual wavelength photoplethysmography: A further step toward noncontact pulse oximetry, Rev . Sci . Instrum., 2007, 78, 044304를 참조) 상술한 Verkruysse, Svaasand 및 Nelson으로부터의 2008년 논문에서, 저자들은 PPG 신호가 원격으로 소스(source)로서 정상 주변 광(normal ambient light) 및 감지기(detector)로서 간단한 디지털 소비자 수준 카메라(simple, digital, consumer-level camera)로 1m 이상 떨어져서 사람 얼굴로부터 획득될 수 있다는 것을 보여준다. 관심 지역(Regions of interest)(보통 이마)은 인간 자원 봉사자(human volunteers)의 얼굴의 영상에서 선택되었다. 논문은 이 영상들의 주파수 컨텐츠(frequency content)로부터 심박수가 어떻게 추출될 수 있는지(10초 윈도우(window)에 대해 고속 푸리에 변환(Fast Fourier Transform)을 이용) 및 호흡율이 어떻게 산출될 수 있는지에 대한 힌트(hint)를 보여준다. 그들은 이 원격 감지 기술(remote sensing technology)의 주요 어플리케이션이 부상자 분류(triage) 및 스포츠(sports)에 있을 수 있다고 제안한다.
작년에, MIT 미디어 랩(MIT Media Lab)에서 정서 컴퓨팅 그룹(Affective Computing group)에서 팀에 의해 게시된(published) 두 논문이 있었다. (Poh MZ, McDuff DJ, Picard RW, Non-contact, automated cardiac pulse measurements using video imaging and blind source separation, Optics Express, 2010, 18, 10762-10744 및 Poh MZ, McDuff DJ, Picard RW, Advancements in noncontact, multi-parameter physiological measurements using a webcam, IEEE Trans Biomed Eng., 2011, 58, 7-11) 이 팀은 웹캠으로 얼굴 영역의 비디오를 기록했다. 그들은 주변 광 조건(ambient light conditions)에서의 변화 및 모션에 의해 유발되는 아티팩트(artefact)에 기인하는 광선에서의 변동(fluctuations)의 소스(source)에 초점을 맞춘다. 그들의 실험은 실내에서 실시되었는데도, 조광(illumination)의 유일한 소스는 창문을 통해 들어오는 주변 햇빛의 변화량이었다.
실제 설정(real-world settings)에서 PPG 이미징 작업을 할 때 심각한 문제는 일광 시간(daylight hours) 외, 및 또한 자주 일광 시간 내인 대부분의 실내 환경에서 발견되는 인공 조명(artificial light), 예를 들어 형광등(fluorescent light)으로부터의 주변 광 간섭이다. 세기 변화의 50Hz 주파수는 측정되는 심박수 또는 호흡율 바이탈 사인들보다 훨씬 높더라도(심지어 가장 빠른 심박수도 4Hz=240 분당비트수(bpm, beats per minute)보다 빠르기 어렵다), 실제에서 세기 변화는 샘플링 프로세스(sampling process) 때문에 훨씬 낮은 주파수로 앨리어싱(aliased)된다. 영상은 50Hz 광의 앨리어싱(aliasing)을 회피하는데 요구(100Hz)되는 샘플링 주파수보다 훨씬 낮은 비디오 카메라의 프레임율(frame rate), 전형적으로 약 24Hz에서 샘플링되고, 앨리어싱 요소들(aliasing components)(아티팩트(artefacts))은 자주 4Hz 및 2Hz와 같은 주파수들에서 발견된다. 그러나 어떤 주파수가 앨리어싱 프로세스로부터 발생하는지 정확히 예측할 수 없고, 앨리어싱 아티팩트(aliasing artefacts)를 추적하는 각 설정에서 필터들이 재조정(re-tuned)될 필요가 있기 때문에 단순히 특정 주파수들을 필터링하는 것은 효과적이지 않다.
본 발명은 그러므로 인공적인 (주변) 광 간섭으로부터 발생하는 PPG 영상 신호에서 스펙트럼 요소들을 식별하고 제거하는 방법을 제공한다. 또한, 심박수에 대응하는 실제 PPG 신호 주파수를 획득하는 명쾌하고(elegant) 간단한 방법을 제공한다. 또 다른 측면(aspect)은 PPG 영상 신호로부터 호흡율 측정을 획득하는 유사한 방법을 사용한다. 또한 말초 동맥혈 산소 포화도(peripheral arterial blood oxygen saturation) SpO2의 측정을 획득하는 것이 발명과 함께 가능하다.
발명은 또한 이 측정들이 단일한, 쉽게 이해되는 웰니스 지표(easily-understandable wellness index)로 결합되도록 한다.
그러므로 보다 상세하게는, 본 발명의 제1 측면(first aspect)은, 상기 관심 영역(region of interest)으로부터 반사된 주변 광에서 주기적인 세기 변화를 포함하는 PPG 영상 신호를 획득하는 비디오 카메라를 이용하여 대상(subject)의 신체(body) 상의 관심 영역을 이미징하는 단계; 기준 신호를 획득하는 상기 동일한 비디오 카메라를 이용하여 상기 대상의 신체 상의 기준 관심 영역을 이미징하는 단계; 자기 회귀(AR, auto-regressive) 모든 폴 모델을 이용하여 상기 기준 신호를 스펙트럼적으로 분석하고 스펙트럼 요소들에 대응하는 폴들을 식별하는 단계; 내부 스펙트럼 요소들에 대응하는 폴들을 식별하는 자기 회귀 모든 폴 모델을 이용하여 상기 PPG 영상 신호를 스펙트럼적으로 분석하는 단계 및 상기 기준 신호의 스펙트럼 요소들로서 식별된 것들에 대응하는 폴들을 캔슬(cancel)하는 단계를 포함하는 PPG 영상 신호에서 주변 광 간섭을 억제하는 방법을 제공한다.
대상의 관심 영역은 노출된 피부, 예를 들면 얼굴의 영역에 대응하고, 기준 관심 영역은 스킨 상이 아니다. 기준 관심 영역은 영상 배경(image background)일 수 있거나 대상의 의복 상일 수 있다. 발명은 영상에서 상업적으로 널리 이용될 수 있는 알고리즘과 같이, 사람의 피부의 영역들을 자동적으로 식별하기 위한 알고리즘을 사용할 수 있다.
바람직하게는 기준 신호 및 PPG 신호는 비디오 카메라의 적색, 녹색 및 청색 채널 중 적어도 하나로부터의 출력 신호들이다.
대상 신체 상의 복수의 관심 영역들을 가지고, 선택적으로(optionally) 복수의 기준 관심 영역들을 가지는 것 또한 가능하다. 다시(again), 심박수, 호흡율, 및 산소 포화도 측정들을 생성하는 대상의 신체 상의 각 관심 영역에 대한 AR 모델들(AR models)의 각 집합들을 이용하여 획득된, 복수의 관심 영역들로부터의 결과는 평균화될 수 있다. 각 관심 영역은 원하는 대로, 하나의 픽셀로부터 많은 수로 사이징(sized)될 수 있고, 형상은 한정되지 않는다(Each region of interest can be sized as desired, from one pixel to many, and the shape is not restricted). 발명의 하나의 예에서, 영역들은 각각 100 x 100 픽셀들(예를 들어, 총 10,000 픽셀들)이다.
바람직하게는 방법은 폴 캔슬레이션(pole cancellation) 후에 남은 PPG 신호의 요소들로부터, 심박수, 호흡율, 산소 포화도와 같은 바이탈 사인 데이터(vital-sign data)를 획득하는 단계를 포함한다. 올바른 폴(correct pole)은 예상되는 주파수 범위에서, 예를 들어 심박수는 40에서 240bpm(0.67에서 4Hz)에 대해, 또는 호흡율은 3.6에서 42 분당호흡수(0.06Hz에서 0.7Hz)에 대해 폴들을 찾음으로써 식별될 수 있긴 하나, 특정 제한은 변경될 수 있다.
기준 신호 및 PPG 영상 신호를 스펙트럼적으로 분석하는 단계에서, 바람직하게는 다른 순서의 여러 AR 모델들이 신호 및 평균화된 결과에 피팅(fitted)된다(In the step of spectrally analysing the reference signal and PPG image signal, preferably several AR models of different order are fitted to the signal and the results averaged). 예를 들어, 순서 8 내지 20의 13개의 모델들(thirteen models of order 8 to 20)이 한 예에서 사용되거나, 5 내지 11 순서의 7개의 모델들(seven models of order 5 to 11)이 다른 예에서 사용되나, 다른 개수 및 순서들이 데이터에 대한 최적 피팅(best fit)을 달성하기 위해 사용될 수 있다.
호흡율의 정확한 측정을 획득하기 위해, AR 모델 또는 모델들을 이용하여 이것을 스펙트럼적으로 분석하기 전에 PPG 신호를 로우패스 필터링(low-pass filter) 및 다운 샘플링(downsample)하는 것이 바람직하다. 이는 효과적으로 샘플링 주파수를 감소시키고, 수평 축(horizontal axis)의 양의 절반(positive half)에 의한 폴 플롯(pole plot)에서 나타나는 DC (0 Hz) 및 호흡율 신호에 대응하는 폴 간의 각도 분리(angular separation)를 증가시킨다.
산호 포화도 SpO2 측정은 두 다른 파장들에서 반사된 광선의 세기의 비율을 계산함으로써 획득될 수 있다. 세기는 심박수에 대응하는 폴의 반경(the radius of the pole)(즉, 원점으로부터 이것의 거리)으로부터 발견된다. 두 다른 파장들은 비디오 카메라로부터의 적색 및 녹색 채널일 수 있고, 또는 대안적으로 적색 비디오 카메라 채널이 제2 비디오 카메라로부터의 적외선 측정과 함께 사용될 수 있다.
발명은 바람직하게는, 개인 컴퓨터, 태블릿 또는 랩탑 컴퓨터, 또는 휴대 전화 상에 실행하기 위한 컴퓨터 프로그램으로서 구현될 수 있는, 바이탈사인 모니터(vital-sign monitor)로 통합되고, 이러한 장치로 통합되는 웹캠(webcam)을 활용한다.
발명은 또한, 첨부 도면을 참조하여 예로서 설명될 것이다.
도 1a는 발명의 일 실시예에 따른 바이탈사인 모니터링 시스템(vital-sign monitoring system)을 개략적으로(schematically) 도시한다.
도 1b는 환자의 장치 및 정의된 관심 영역(defined regions of interest)에 의해 획득된 영상을 개략적으로 도시한다.
도 1c는 발명의 다른 일실시예에 따른 바이탈사인 모니터링 시스템을 개략적으로 도시한다.
도 2는 발명의 일 실시예에서 환자에 대한 스크린 디스플레이(screen display)를 도시한다.
도 3은 발명의 일 실시예에 따른 심박수(heart rate) 및 산소 포화 측정(oxygen saturation measurement)을 설명하는 흐름도이다.
도 4는 발명의 일 실시예에 따른 호흡율 측정(breathing rate measurement)을 설명하는 흐름도이다.
도 5a 및 도 5b는 대상 관심 영역(subject region of interest)에 대한 및 기준 관심 영역(reference region of interest)에 대한 데이터의 30초 시계열(30-second time series)을 각각 나타낸다.
도 6a 및 도 6b는 각각 12번째-순서 AR 모델(twelfth-order AR model)을 도 5a 및 도 5b의 데이터의 30초 윈도우(30-second window of data)에 피팅(fitting)함으로써 획득되는 기준 및 대상 관심 영역의 스펙트럼 컨텐츠(spectral content)를 각각 도시한다.
도 6d 및 도 6e는 12번째 순서 모델로부터 도출되는 폴들(poles)의 위치를 나타낸다.
도 6c 및 도 6f는 기준 신호에서 발견되는 폴들의 캔슬레이션(cancellation) 이후에 남는 폴들 및 스펙트럼 컨텐츠를 나타낸다.
도 7a는 컬러 세기 측정들(colour intensity measurements)의 5분을 도시하고, 도 7b는 기본 펄스 옥시미터(standard pulse oximeter)로부터 평균 심박수 측정의 해당 데이터로부터 상기 발명의 실시예에 의해 획득된 30초 산술평균 심박수 추정들(30-second mean heart rate estimates)의 비교를 도시한다.
도 8a 및 도 8b는 도 5 데이터의 다운샘플링된 시계열을 도시한다.
도 9a, 도 9b, 및 도 9c는 기준 관심 영역, 대상 관심 영역 각각에 대한, 및 기준 관심 영역에서 발견되는 것들에 대응하는 폴들의 캔슬레이션 후의 대상 관심 영역에 대한 폴 플롯들(pole plots)을 도시한다.
도 10은 4개의 주요 바이탈 사인들: 영국(UK) 및 미국(US)에서 3개의 병원들에서 응급 치료 환자(patients in acute)로부터 획득되는, 심박수(heart rate), 호흡율(breathing rate), 동맥혈 산소 포화도(arterial oxygen saturation), 및 수축기 혈압(systolic blood pressure)에 대한 히스토그램들(histograms)을 나타낸다.
도 11은 도 10의 각 바이탈 사인에 대한 누적 밀도 함수들(cumulative density functions)을 도시한다.
도 12는 조기 경보 점수(Early Warning Score)에 대한 곡선들(curves)의 집합(set)을 도시한다.
도 13a 및 도 13b는 심박수, 호흡율 및 산소 포화도에 대해 종래 측정된 값들(conventionally measured values)과 함께 예시적 환자에 대한 3개의 컬러 세기들 및 심박수, 호흡율 및 산소 포화도 측정들의 4시간 10분 플롯들을 각각 도시한다.
도 14a 및 도 14b는 심박수, 호흡율 및 산소 포화도에 대해 종래 측정된 값들(conventionally measured values)과 함께 다른 예시적 환자에 대한 3개의 컬러 세기들 및 심박수, 호흡율 및 산소 포화도 측정들의 4시간 10분 플롯들을 각각 도시한다.
도 15a 및 도 15b는 심박수, 호흡율 및 산소 포화도에 대해 종래 측정된 값들(conventionally measured values)과 함께 다른 예시적 환자에 대한 3개의 컬러 세기들 및 심박수, 호흡율 및 산소 포화도 측정들의 4시간 10분 플롯들을 각각 도시한다.
도 16a 및 도 16b는 심박수, 호흡율 및 산소 포화도에 대해 종래 측정된 값들(conventionally measured values)과 함께 다른 예시적 환자에 대한 3개의 컬러 세기들 및 심박수, 호흡율 및 산소 포화도 측정들의 4시간 10분 플롯들을 각각 도시한다.
도 1a는 발명의 일 실시예에 따른 바이탈 사인 모니터링 시스템(vital-sign monitoring system)을 개략적으로 도시한다. 바이탈 사인 모니터 자체는 웹캠(4) 및 스크린(5)을 그 안에 일체로(integrally) 제공하는 장치(3)에 통합된다. 장치(3)는 태블릿 또는 노트북 컴퓨터, 휴대 전화(스마트폰)일 수 있거나, 별도의 웹캠(4)이 제공되는 텔레비젼일 수 있다. 환자(1)는 예를 들어 VOIP 전화를 하거나 텔레비전을 시청하는, 그들의 정상적인 생활(normal life)에서 장치(3)을 사용하는 동안, 웹캠(4)에 의해 모니터링될 것이다. 아래에 설명되는 바와 같이, 장치(3)는 웹캠(4)로부터 적색, 녹색, 및 청색 비디오 출력을 획득하고 바이탈 사인 측정들을 획득하기 위해 이를 분석하는 소프트웨어 어플리케이션과 함께 로딩된다. 이 측정들은 저장되고 환자에게 디스플레이되며(필요한 경우), 또한 원격 서버(remote server)(6)에 대한 인터넷 연결(internet connection)을 통해 전송된다. 원격 서버(6)는 임상의(clinician)가 그 결과를 검토하고, 필요한 경우, 시스템 자체 내의 메시징 어플리케이션(messaging application)을 통해 또는 독립적으로, 예를 들면 전화(9)에 의해 환자와 접촉하도록 임상의 기반 장치(clinician-based device)(7)에 의해 접속될 수 있다.
도 1c는 병원들에서 환자들을 모니터링을 위해 의도된 발명의 일 실시예에서 바이탈 사인 모니터링 시스템을 도시한다. 도시된 바와 같이, 바이탈 사인 모니터는 환자가 침대(2)나 의자(8) 위에 있는 동안 환자(1a)를 볼 수 있는 환자(1a) 위에, 예를 들어 천장이나 프레임(17) 위에 장착된 비디오 카메라(4a)를 포함한다. 비디오 카메라로부터의 출력은 하기에서 설명된 대로 비디오 신호들을 분석하기 위한 원격 처리부(remote processing unit)(미도시됨)로 공급된다. 유선 또는 무선 제어부(13)는 비디오 카메라(4a)를 제어하기 위해 제공될 수 있다. 발명의 이 실시예는 특히 상대적으로 고정되어 있는 환자, 예를 들어 급성 질병 병원내 환자(acutely ill in-hospital patients) 또는 신생아 인큐베이터에 있는 유아들(infants in neonatal incubators)에 대해 유용하다. 이러한 환자들은 전형적으로 분석을 위한 영역 또는 관심 영역이 정의될 수 있는 피부의 큰 노출 영역을 가진다.
도 2는 소프트웨어 어플리케이션과 연관된 환자에 대한 스크린 디스플레이를 도시한다. 이 실시예에서, 환자는 다섯 개의 다른 기능들을 선택하는 다섯 아이콘들이 제공된다. 첫번째 아이콘(10)은, VOIP 어플리케이션을 실행하고 또한 드러나지 않게(unobtrusively) 바이탈 사인 측정들을 획득하기 위해 환자(1)의 웹캠 모니터링을 시작하도록 선택된 때, 동작(operable)할 수 있다. 아이콘(11)은 바이탈 사인 측정들을 획득하기 위해 환자(1)의 웹캠 모니터링을 시작하도록 선택된 때 동작할 수 있다. 아이콘(12)은 환자가 자신의 상태(condition)에 대한 정보를 입력할 수 있는 환자 일기(patient diary)를 디스플레이하도록 선택된 때 동작할 수 있고, 다시 이것은 바이탈 사인 측정을 획득하기 위해 환자(1)의 웹캠 모니터링을 드러나지 않게 시작할 수 있다. 아이콘(14)은 환자가 종래 장치들을 이용하여, 예를 들어 심박수, 호흡율 및 산소 포화도 측정에 대한 블루투스 손가락 탐침(Bluetooth finger probe for heart rate, breathing rate and oxygen saturation measurement) 및 혈압 측정에 대한 블루투스 커프(Bluetooth cuff for blood pressure measurement)를 이용하여 자신의 바이탈 사인들의 측정들을 획득하는 자체 모니터링 프로세스를 통해 환자를 가이드(guide)하도록 선택된 때 동작할 수 있다. 이러한 측정들은 블루투스 연결을 이용하여 장치(3)로 전송되고, 그 다음에 인터넷을 통해 서버(6)로 전송된다. 이러한 측정들은 웹캠 비디오 신호의 분석에 의해 획득된 측정들을 확인하는데 사용될 수 있다. (즉, 임상의가 환자의 바이탈 사인들에서 악화(deterioration)를 주목(notice)하는 경우, 임상의는 대상(subject)에게 이러한 확인 측정(confirmation measurement)을 수행하도록 요구하기 위해 대상에게 접촉할 수 있다.) 결국 메시징 아이콘(messaging icon)(16)은 환자가 임상의로부터 수신된 메시지들을 확인하도록 허용하는 메시징 어플리케이션을 시작하도록 선택된 때 동작할 수 있다.
도 1b는 웹캠(4)에 의해 획득된 영상을 개략적으로 도시한다. 일반적으로 영상은 환자(1) 및 배경(20)의 영상을 포함할 것이다. 발명에 따르면 하나 이상의 관심 영역들(ROIs)(22)은 대상 상에, 바람직하게는 피부의 영역, 즉 대상의 얼굴 상에 정의되고, 하나 이상의 기준 관심 영역들(ROIr)(24)은 배경에서 정의된다. 종래 인식 알고리즘(Conventional recognition algorithms)이 대상 관심 영역에 대해 및 배경에 대해 영상에서 적합한 영역을 찾는데 사용될 수 있다.
도 3은 심박수 및 산소 포화도 측정을 획득하는 웹캠(4)으로부터 신호들을 분석하기 위한 프로세스들을 제시한다. 단계들(30 및 31)에서, ROIr(24) 및 ROIs(22)가 정의된다. 단계(32)에서 각 비디오 프레임에 대해, 세 개의 적색, 녹색, 및 청색 채널들(또는 하나의 비디오 카메라의 적색 채널로부터 및 적외선 영역에서 신호를 제공하기 위해 제거된 IR 필터를 가지는 제2 비디오 카메라로부터)의 각각에 대해, 공간적 평균치(spatial mean average) 또는 모든 분포의 모드들(modes of any distributions)과 같은, 관심 영역으로부터의 하나 이상의 대표 세기들이 ROIr 및 ROIs 모두에 대해 도출된다. 이 실시예에서, 관심 영역들은 모두 100픽셀 x 100 픽셀(즉, 총 10,000픽셀)이다. 다만, 다른 크기 ROIs가 사용될 수 있고, 선택적으로(optionally) 다수의 ROIs가 사용될 수 있다. 한계 내에서, 각 ROI에 대해 인접 픽셀들을 중심으로 되는 것이 가능하다.
각 프레임에 대해 대표 세기가 획득되면, 이 세기들의 시계열(a time series of these intensities)은 예를 들어 30초, 시간 윈도우(time window)에서 일련의 프레임들에 대해 집합(assembled)된다. 시간 윈도우의 길이는, 예를 들어 10초부터 1분까지, 다양할 수 있다.
단계(33)에서 복수의 자기 회귀(AR, auto-regressive) 모델들은 각 시계열에 피팅된다. (즉, ROIr로부터의 적색, 녹색 및 청색 시계열들 각각에 대해 및 ROIs로부터의 적색, 녹색, 및 청색 시계열들 각각에 대한 것이다.) 비디오 카메라 프레임율을 24 초당프레임(24 frame per second)으로 가정하면, 30초 윈도우에 대해 기준 배경에 대해 및 대상에 대해 세 채널들의 각각 상에 720 샘플들이 있을 것이다. 도 5a 및 도 5b는 각각 기준 관심 영역에 대해 및 대상 관심 영역에 대해 데이터의 30초 시계열을 나타낸다.
예를 들어, 음성 분석(speech analysis) 분야에서 AR 모델링이 잘 알려지긴 했으나, AR 모델링의 일반적 원리의 간략한 설명을 제공하는 것이 여기서 유용할 수 있다.
AR 모델링은 신호의 현재 값 x(n)이 이전 p 값들(preceding p values)의 선형적으로 가중된 합(linearly weighted sum)으로서 모델링될 수 있는, 선형 예측 문제(linear prediction problem)로서 공식화될 수 있다. 합이 취해진 샘플들의 숫자인, 파라미터 p는, 보통 신호를 형성하는 값들의 시퀀스의 길이 N보다 훨씬 작은, 모델 순서(model order)이다. 그러므로:
Figure pct00001
그러므로 출력 x(N)의 값은, 보통 평균이 0이고 편차가
Figure pct00002
으로 분포하는 것으로 가정되는 오차 e(n)을 가지는, 자체적인 선형 회귀(linear regression)이다. 보다 유용하게는, 이 어플리케이션에 대해 모델이 대안적으로, 전달 함수 H가 아래와 같이 공식화될 수 있는 경우, 입력 e(n), 및 출력 x(n)을 가지는 시스템의 항들(terms)으로 시각화될 수 있다.
Figure pct00003
수학식 2에 나타난 바와 같이, H(z)의 분모는 p항들(p terms)로 인수분해될 수 있다. 이 항들의 각각은, H(z)의 폴에 대응하는, H(z)의 분모의 루트(root) zi를 정의한다. H(z)는 유한 제로들(finite zeros)이 없기 때문에, AR 모델은 모든 폴 모델이다. 폴들은 복소 켤레 짝들(complex-conjugate pairs)에서 발생하고, 신호의 전력 스펙트럼(power spectrum)에서 스펙트럼 피크들을 정의한다. 그들은 크기(원점으로부터의 거리) 및 각도(양의 실축과의 각도)를 가지기 때문에 복소 평면(complex plane)으로 시각화될 수 있다. 보다 높은 크기 폴들(Higher magnitude poles)은 보다 높은 크기 스펙트럼 피크들에 대응하고, 각 스펙트럼 피크의 주파수는 대응하는 폴의 위상 각(phase angle)에 의해 주어진다. 주어진 주파수 f에 대응하는 위상 각
Figure pct00004
는, 또한 샘플링 구간
Figure pct00005
(샘플링 주파수의 역수)에 의존적임을 나타내는, 수학식 3에 의해 정의된다.
Figure pct00006
그러므로 적합한 순서 AR 모델을 신호에 피팅하고, 폴들을 획득하는 것은 신호의 스펙트럼 성분(spectral composition)을 드러낸다.
폴들을 찾기 위해, 모델 파라미터들
Figure pct00007
가, 예를 들어 신호에 모델을 피팅하기 위한 Burg 또는 Yule-Walker 방정식들을 이용하여, 처음 획득되고,
Figure pct00008
의 값들로부터 p 폴들 z1 내지 zp까지의 값들(the values of the p poles z1 to zp)이 계산될 수 있다. (예를 들어, Pardey J, Roberts S, Tarassenko L, A review of parametric modelling techniques for EEG analysis, Medical Engineering & Physics, 1996, 18(1), 2-11 참조) H(z)의 분자의 p 루트 zi(p roots zi)(i=1 내지 p)에 대응하는, H(z)의 p 폴들은 표준 수학 절차(standard mathematical procedures)를 이용하여 발견된다. (예를 들어, MATLAB 루틴 루트(MATLAB routine roots)) 각 폴 zk는 복소수 xk + jyk로 쓸 수 있기 때문에, 해당 폴에 의해 나타나는 주파수는 복소 평면의 상부 절반에서 해당 폴의 위상 각으로부터 계산될 수 있다.
Figure pct00009
여기서, fs는 샘플링 주파수이고, 크기 r은
Figure pct00010
.
그러므로 단계(23)의 자기 회귀 모델 피팅(AR model fitting)은 대상 관심 영역으로부터의 PPG 영상 신호 및 기준 관심 영역으로부터의 신호 모두에서 도미넌트 스펙트럼 성분(dominant spectral components)을 드러낸다. 두 관심 영역들은 모두 동일한 카메라에 의해 이미징되기 때문에, 모든 주변 광 간섭(ambient light interference) 또는 앨리어싱 아티팩트(aliasing artefacts)가 기준 및 PPG 신호 모두에서 나타날 것이다. 다만, 대상 관심 영역으로부터의 신호는 부가적으로 PPG 신호를 나타내는 스펙트럼 요소들에 대응하는 폴들을 가질 것이다. 도 6a 및 도 6b는 각각 도 5a 및 도 5b의 데이터의 30초 윈도우에 12번째 순서 AR 모델을 피팅함으로써 획득되는 기준 및 대상 관심 영역의 스펙트럼 컨텐츠를 도시한다. 도 6d 및 도 6e는 12번째 순서 모델로부터 도출된 폴들의 위치를 나타낸다. 상술한 바와 같이, 대응하는 폴들은 동일한 데이터에 대해 피팅된 다른 순서 모델들 (8 내지 20)에서 식별된다.
단계(34)에서 기준 신호에 피팅된 AR 모델에서 또한 나타나는 도 6d의 대상 데이터에 피팅된 AR 모델에서 모든 폴이 캔슬(cancelled)된다. 폴들은, 그들이 서로 몇 도의 각도 내, 전형적으로는 1 또는 2도 내에 있는 경우, 대상 및 기준 관심 영역들 모두에서 나타나는 것으로 고려된다. 단계(35)에서 심박수의 허용된 범위 밖에 있는 남아있는 모든 폴들이 제거된다. 이들은 60도보다 큰 각도를 가지는 폴들이다. (샘플링 주파수가 24Hz 인 경우, 180도는 12 Hz에 대응하고, 60도는 240 분당비트수(bpm)인 4Hz에 대응한다.) 또한, 10도보다 작은 각도(즉, 0.67Hz에 대응 또는 아래이거나, 40 분당비트수(bpm)보다 작은)에서 모든 폴들이 제거된다.
이 때, 단계(36)에서 수평 축에 가장 가까운 남은 폴은 즉 최소 각도를 가지므로, 허용된 범위에서 가장 낮은 주파수가 식별되고, 주파수는 계산된 것을 나타낸다. 대안적으로, 단계(36a)에 의해 나타난 것처럼, 수학식 1의
Figure pct00011
계수에 의해 특징화되는 필터의 주파수 응답(frequency response)을 획득할 수 있고, 주파수 응답에서 가장 큰 크기(magnitude)를 가지는 주파수를 선택할 수 있다. 이는 대상의 심박수에 대응하는 주파수이다. 도 5 및 도 6의 데이터에서 남은 심박수 폴(remaining heart rate pole)은 도 6f에서 도시된다. 도 6c는 폴들의 캔슬레이션 후의 스펙트럼 컨텐츠의 대응하는 플롯을 도시한다.
이 단계들은 동일한 30초 윈도우의 데이터에 피팅된 다른 순서 AR 모델들의 전부에 실시되고, 단계(37)에서 결과로 나타난 심박수 추정들(resulting heart rate estimates)의 강건한 추정(robust estimate)이, 예를 들어 중간 값(median value)으로, 획득될 수 있다. 이 값은 단계(38)에서 저장되고 디스플레이되며, 단계(39)에서 30초 윈도우는 1초씩 전진(move forward)되고, 단계들(33 내지 38)이 반복된다. 심박수 추정들은 단계(40)에서 원격 서버(6)로 전송된다.
도 6f에서 심박수로 식별된 폴은 1.18Hz의 주파수, 그래서 71bpm의 심박수에 대응하는 17.7도의 각도에 있다.
상술한 AR 피팅 방법은 또한 산소 포화도에 대해 측정되는 것을 허용한다. 도 6f에서 폴의 반경, 즉 원점으로부터의 거리는 해당(적색, 녹색 및 청색) 채널에서 심박수 성분(heart rate component)의 진폭(amplitude)의 표시(indication)이다. 그러므로 단계(42)에서 녹색(또는 적외선) 채널 및 적색 채널에서 심박수 폴(heart rate pole)의 반경이 획득되고, 반경들의 비율이 취해진다. SpO2 값은 캘리브레이션 테이블들(calibration tables)을 이용한 비율로부터 계산될 수 있다. 이는 적색 및 녹색(또는 적외선) 파장들에서 반사된 세기들의 비율에 대응한다. 캘리브레이션 테이블들은 인간 자원 봉사자 또는 환자가 두번 모니터링(double-monitored)된 연구들로부터 획득될 수 있다. 인간 자원 봉사자들로, 이는 의학 연구 윤리회 승인(Medical Research Ethics Committee approval)이 획득된 연구들에서 감시되고 제어된 조건들 하에서, 대상들을 포화도 감소시키는 것(보통 SpO2 값의 80% 아래)을 의미한다. 혈액 샘플들은 혈액 가스 분석기(blood gas analyser)를 이용하여 산소 포화도를 측정하기 위해 정기적 샘플들에서 꺼내어진다(withdrawn). (예를 들어, Moyle JTB, Pulse Oximetry (Principles and Practice), BMJ Publications, 2002 참조) 대안은 자연적으로 정기적으로 포화도가 감소하는 환자들, 예를 들어 투석 세션(dialysis session)의 신장 환자들(renal patients)을 하나 이상의 웹캠들 및 캘리브레이션된, 상업적으로 사용가능한, SpO2의 기준 값들이 투석 세션 동안 획득되는, 펄스 옥시미터 모두를 통해 모니터링하는 것이다. SpO2값은 단계(44)에서 저장되고 디스플레이되며, 단계(40)에서 원격 서버(6)로 전송될 수 있다.
도 7b는 표준 펄스 옥시미터 장치(standard pulse oximeter device) 및 손가락 탐침(보다 밝고 얇은 선)으로 4비트 및 8 비트 평균 심박수 측정들(average heart rate measurements)과 (도 7a에서 도시된 컬러 세기 진폭들로부터) 상술한 발명의 실시예에 의해 획득된 30초 평균 심박수 추정들(30-second mean heart rate estimates)(보다 어둡고 굵은 석)의 비교를 도시한다. 이는 두 다른 방법들 간의 일치(agreement)가 좋다는 것을 알 수 있다.
도 4는 웹캠(4)으로부터 PPG 영상으로부터 호흡율을 획득하는 방법을 도시한다. 이 방법은, 예를 들어 4Hz(카메라 프레임율을 24 초당프레임으로 가정하여, 매 여섯개의 샘플마다 취함으로써)의 주파수에 대한 이 실시예에서 평균 세기들의 시계열이 로우패스필터링되고 다운샘플링되는 부가적인 단계(40)가 포함되는 것을 제외하고, 도 3에 도시된 심박수를 획득하기 위해 사용되는 방법에 대응한다. 다운샘플링 프로세스 이전의 로우패스 필터는 다운 샘플링 이전에 fd/2 (fd는 다운 샘플링 주파수이고, 즉, 이 예시에서는 4Hz) 위의 모든 주파수가 제거되도록 설정된 컷오프 주파수(cut-off frequency)를 가진다. 도 3에서와 같이, 단계(33')에서 여러 모델들은, 순서 4 내지 20의 경우에서, 각 30초 윈도우의 데이터에 피팅되어, 대응하는 폴들은 단계(34')에서 캔슬되고, 호흡율에 대해 허용된 범위 외의 폴들은 단계(35')에서 캔슬된다. 단계(36')에서 호흡율 폴은 호흡율에 대해 허용된 범위, 즉 0.06Hz 내지 0.7Hz(6.6 내지 42 분당 호흡수(breaths per minute))에서 폴들을 찾음으로써 식별된다. 그런 다음, 수평축에 가장 가까운 폴, 즉 허용된 범위에서 가장 낮은 주파수가 취해지고, 호흡율은 이것의 각도로부터 계산되는 것을 나타낸다(the breathing rate it represents is calculated from its angle). 대안적으로, 단계(36a')에서 나타난 것처럼, 수학식 1의
Figure pct00012
계수에 의해 특징화되는 필터의 주파수 응답을 얻을 수 있고, 주파수 응답에서 가장 큰 크기를 가지는 주파수를 선택할 수 있다. 심박율의 추정 및 단계들(37' 내지 40')에서 저장되고, 디스플레이되며 서버로 전송되는 결과들과 마찬가지로, 다른 순서 모델들로부터의 값들은 강건한 추정을 생성하기 위해 융합(즉, 중간값을 취함으로써(by taking the median))된다.
도 8a 및 도 8b는 도 5의 기준 관심 영역 및 대상 관심 영역으로부터 세기 값들의 다운샘플링된 시계열을, 고속 푸리에 변환(FFT, Fast Fourier Transform)을 이용하여 계산된 주요 주파수 성분들과 함께 각각 도시한다. 도 9a, 9b, 및 9c는 기준 관심 영역(도 9a), 대상 관심 영역(도 9b), 및 기준 관심 영역에서 발견된 것들에 대응하는 폴들의 캔슬레이션 이후의 대상 관심 영역(도 9c)에 대한 폴 플롯들을 도시한다. 도시된 플롯들에서, 수평 축 위에 남은 폴은, 0.19 Hz의 주파수 및 11 분당호흡수의 호흡율에 대응하는, 17도의 각도에 있다.
도 13a 및 도 13b, 도 14a 및 도 14b, 도 16a 및 도 16b는, 종래 수단들(conventional means)에 의해 획득된 심박수, 호흡율 및 산소 포화도의 측정들과 함께 플롯된(plotted) 발명의 일 실시예를 이용하여 측정된 심박수, 호흡율, 및 산소 포화도(SpO2)와 함께, 적색, 녹색 및 청색 컬러 세기들의 네 명의 다른 환자들 측정들에 대해 도시한다. 도 13b, 도 14b, 도 15b, 및 도 16b가 4시간 주기의 10분 섹션(ten minute section)을 보다 상세히 나타내는 반면, 도 13a, 도 14a, 도 15a, 및 도 16a는 모두 4시간 주기(four hour periods)(실제로 환자들이 투석을 받는 동안)를 나타낸다. 발명의 실시예로 획득된 추정 및 종래 측정 간의 각 심박수, 호흡율 및 산소 포화도에 대한 일치가 좋은 것을 알 수 있다. 더 나아가, 발명의 실시예에 따른 추정 및 종래 측정 간의 일치는 다른 심박수, 호흡율, 및 산소 포화도를 가지는 네 환자들에 대해 좋다.
심하게 아픈 환자들에 대한 이전 연구는 이러한 환자들의 인구에서 바이탈 사인들의 분포가, 질병의 심각도(severity of illness)에 따라 증가하는 값인, 조기 경보 점수(Early Warning Score)를 산출하는데 어떻게 사용될 수 있는지를 나타내었다. 도 10은 영국(UK) 및 미국(US)에서 세 병원들에서 응급 치료 환자들(patients in acute care)로부터 획득된 네 개의 주요 바이탈 사인들: 심박수, 호흡율, 동맥혈 산소 포화도 및 수축기 혈압에 대한 히스토그램을 나타낸다. 하나의 표준 편차(일방적 분포(one-sided distribution)를 가지는 SpO2를 제외하고)에 대응하는 어느 한 측(either side) 2개의 수직 선들과 함께, 중앙 수직 선은 데이터의 평균(the mean of the data)을 지시한다. 히스토그램들은 랜덤 변수(random variable) x에 대한 확률 밀도 함수 p(x)의 추정들이다. 누적 분포 함수(cdf, cumulative distribution function), P(x)는 p(x)의 적분이다. 도 11에서 각 바이탈 사인에 대한 cdf들이 나타난다. 조기 경보 점수는 해당 변수에 대해(양측 분포에 대해(for a double-sided distribution)) 바이탈 사인이 1번째 백분위수(centile) 아래거나 99번째 백분위수 위인 경우 3개의 조기 경보 점수(EWS, Early Warning Score)가 생성되어야 하고, 2의 점수는 1번째 및 5번째 백분위수들 간의 또는 95번째 및 99번째 백분위수들 간의 바이탈 사인에 대응해야 하며, 1의 점수는 5번째 및 10번째 백분위수들 간의 또는 90번째 및 95번째 백분위수들 간의 바이탈 사인에 대응해야 한다는 가설을 이용하여 경보 시스템을 구축함으로써 획득되었다. (100%에서 시작하는 일방적 분포를 가지는, SpO2에 대해 98번째 백분위수 위의 값들은 3의 점수, 90번째에서 98번째 백분위수들 간의 값들은 2의 점수, 및 80번째에서 90번째 백분위수들 간의 값들은 1의 점수를 준다.) 도 11의 cdf 플롯들 상의 수직선들은 각 바이탈 사인에 대해 결정되는 컷오프 값들(cut-off values)을 허용한다. 예시로서 호흡율을 취하기 위해, 환자들의 1%는 호흡율(breathing rate)
Figure pct00013
7 호흡수/분(breaths/min), 5%는 비율(rate)
Figure pct00014
10 호흡수/분, 및 10%는 비율
Figure pct00015
13 호흡수/분을 가졌다. 상단 끝단(upper end)에서, 환자들의 90%는 호흡율
Figure pct00016
26 호흡수/분, 95%는 비율
Figure pct00017
29 호흡수/분, 및 99%는 비율
Figure pct00018
34 호흡수/분을 가졌다.
병원들에서 현재 사용되는 EWS 시스템들에서, 각 개인 바이탈 사인에 대한 점수들은 정수 정밀도(integer precision)(즉, 그들은 단지 0, 1, 2, 또는 3의 값만 취할 수 있다)로 양자화된다. cdf 곡선들이 부드러운 경우(the case as the cdf curves are smooth)여야 할 필요는 없으나, 발명의 이 실시예에서 훨씬 더 작은 양자화(quantisation)(각 바이탈 사인에 대해 0.1의 단계들)의 웰니스 지표(wellness index)가 사용된다. 1에서 3의 범위에서 0.1 양자화를 가지는 EWS 시스템에 대한 곡선들(curves)의 집합은 도 12에서 나타난다.
아픈 병원내 환자는 높은 EWS 점수를 가질 것이다(3개의 바이탈 사인들에 대한 3의 점수는, 예를 들어, 9의 EWS를 부여할 것이다). 이 실시예에서 웰니스 점수는 바이탈 사인 이상(vital sign abnormality)이 감소하는 대신 계산된다. 예를 들어, 정상 심박수, 정상 호흡율, 및 정상 SpO2를 가지는 환자는 10의 심장-호흡기(cardio-respiratory) 웰니스 지표를 가질 것이다. 임의의 바이탈 사인이 분포들의 중심으로부터 멀어질 수록, 심장-호흡기 웰니스 지표는 더 낮은 값이 될 것이다. 예를 들어, 웰니스 지표가 상술한 것처럼 추정된 HR(heart rate), RR/BR(respiratory rate/breathing rate), 및 SpO2로부터 도출된다면, 웰니스 지표는 간단한 공식으로부터 획득될 수 있다.
Figure pct00019
여기서 각 파라미터에 대한 점수는 도 12 상의 해당 파라미터에 대한 플롯 상의 y축으로부터 읽힌다(read off)
혈압의 측정을 가지는 경우에서 또한, 그러면 네 분포들(four distributions)은, 또한 0에서 10의 스케일 상에서 웰니스의 심혈관 지표(cardiovascular index)를 도출하는데 사용될 것이다.
시간이 경과하면, 웰니스 지표들의 환자-특정 집합(patient-specific set)을 설계하는 것이 가능하다. 해당 개인에 대한 히스토그램들 및 cdf들이 구축될 수 있도록, 낮 시간(daytime hours) 전체 범위에 걸쳐, 충분한 바이탈 사인 데이터가 수집되는 것을 필요로 한다. 일단 이것이 달성되면, 환자-특정인 백분위수 기반 웰니스 지표가 생성될 수 있다.
이 발명의 또 다른 중요한 측면은 바이탈 사인들이, 얼굴 인식 소프트웨어를 통해, 그들이 나타내는 생리학을 가지는, 개인에 고유하게 링크(link)될 수 있다는 것이다. 바이탈 사인들의 원격 모니터링을 위한 통상의 방법들을 가지고, 탐침들 또는 전극들(electrodes)이 개인(그들이 알거나 모르거나(with or without their knowledge))의 근방의 누군가에게 부착될 수 있기 때문에, 바이탈 사인들이 그것들을 생성하는 것으로 추정되는 개인의 것이라는 보장이 없다. 이 발명과 함께, 바이탈 사인들의 값들의 추정 동안 대상의 얼굴이 카메라에 의해 캡쳐되기 때문에, 바이탈 사인들의 출처(origin)에 대한 모든 불확실성이 제거된다.
상술한 발명의 실시예들이 집에서 대상들에 의한 사용에 집중한 반면, 그들은 동등하게 병원 설정에서 사용하는데 적용 가능하다. 좋은 신호들이 획득되기 위해, 대상은 상대적으로 카메라의 앞에 정적으로 있을 필요가 있으나, 병원에서 이는 중요한 치료(critical care) 또는 신생아부(neo-natal unit)에서의 경우일 수 있으므로, 발명이 이 경우들에서도 유용하다. 발명은 모든 PPG 이미징 상황(any PPG imaging situation)에서 적용 가능하다. 예를 들어, PPG 이미징은, 심박수 및 호흡율이 자주 상승하는 감염으로 고통 받는 이들을 위한 검사(screening)를 위해 사용될 수 있고, 이러한 검사는 예를 들어 항구들, 공항들, 및 건물 입구들과 같은 입구 지점들에 대해 유용하다. 이는 또한 거짓말 탐지에서 사용되는 파라미터 검출의 일부로서 유용할 수 있다.

Claims (21)

  1. PPG 영상 신호(PPG image signal)에서 주변 광 간섭(ambient light interference)을 억제하는(suppress) 방법에 있어서,
    관심 영역(region of interest)으로부터 반사된 주변 광(ambient light)에서 주기적인 세기 변화들(periodic intensity variations)을 포함하는 PPG 영상 신호를 획득하는 비디오 카메라(video camera)를 이용하여 대상(subject)의 피부(skin) 상의 상기 관심 영역을 이미징(imaging)하는 단계;
    기준 신호(reference signal)를 획득하는 상기 동일한 비디오 카메라를 이용하여 상기 대상의 피부 상이 아닌 기준 관심 영역(reference region of interest)를 이미징하는 단계;
    자기 회귀(AR, auto-regressive) 모든 폴 모델(all pole model)을 이용하여 상기 기준 신호를 스펙트럼적으로(spectrally) 분석하고 스펙트럼 요소들(spectral components)에 대응하는 폴들을 식별하는 단계;
    내부 스펙트럼 요소들(spectral components therein)에 대응하는 폴들을 식별하는 자기 회귀 모든 폴 모델을 이용하여 상기 PPG 영상 신호를 스펙트럼적으로 분석하고 상기 기준 신호의 스펙트럼 요소들로 식별된 것에 대응하는 폴들을 무시하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 기준 신호 및 PPG 신호는 다른 카메라로부터의 상기 적외선 채널(infra-red channel) 또는 상기 비디오 카메라의 상기 적색, 녹색 및 청색 채널들 중 적어도 하나로부터의 상기 출력 신호들인,
    방법.
  3. 제1항 또는 제2항에 있어서,
    상기 대상의 피부 상의 복수의 관심 영역을 이미징하고, 복수의 기준 관심 영역을 이미징하는 단계
    를 더 포함하는 방법.
  4. 제3항에 있어서,
    각 관심 영역은 단일 카메라 픽셀(single camera pixel)을 중심으로 하는,
    방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 PPG 신호의 나머지 요소들(remaining components)로부터 바이탈 사인 데이터(vital-sign data)를 획득하는 단계
    를 더 포함하는 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 기준 신호 및 산기 PPG 신호는 각각 복수의 다른 순서의 모델들을 이용하여 분석되는,
    방법.
  7. 제6항에 있어서,
    상기 복수의 다른 순서의 모델들은 순서 8 내지 20의 모델들을 포함하는,
    방법.
  8. 제6항 또는 제7항에 있어서,
    상기 식별된 폴들에 대응하는 상기 스펙트럼 요소들은 다른 순서 모델들(order models)에 대해 평균화되는(averaged),
    방법.
  9. 제1항 내지 제9항 중 어느 한 항에 있어서,
    상기 기준 신호에 나타나지 않는 상기 PPG 신호에서의 폴을 식별함으로써 상기 대상의 상기 심박수(heart rate)의 측정을 획득하는 단계
    를 더 포함하는 방법.
  10. 제9항에 있어서,
    상기 심박수(HR, heart rate)의 상기 측정은, HRmin에서 HRmax까지(전형적으로 0.67에서 4Hz)의 상기 범위에서의 주파수(frequency)를 가지는 스펙트럼 요소에 대응하는 폴을 식별함으로써 획득되는,
    방법.
  11. 사람 또는 동물 대상의 심박수의 추정(estimate)을 획득하는 방법으로서,
    상기 대상으로부터 PPG 신호를 획득하는 단계,
    상기 심박수를 나타내는 스펙트럼 요소를 각 모델로부터 식별하기 위한 다른 순서의 복수의 자기 회귀 모든 폴 모델들(a plurality of auto-regressive all pole models)을 이용하여 상기 PPG 신호를 스펙트럼적으로 분석하고 해당 스펙트럼 요소에 대응하는 심박수 추정(heart rate estimate)을 생성하는 단계,
    상기 다른 모델들로부터 상기 심박수의 상기 추정을 융합(fuse)하고, 그렇게함으로써 강건한(robust) 심박수 추정을 생성하는 단계
    를 포함하는 방법.
  12. 제11항에 있어서,
    상기 융합하는 단계는,
    상기 다른 모델들로부터 상기 심박수 추정들의 중간값(median)을 가지는(take) 단계
    를 포함하는 방법.
  13. 제11항 또는 제12항에 있어서,
    상기 PPG 신호를 PPG 영상 신호인,
    방법.
  14. 제1항 내지 제13항 중 어느 한 항에 있어서,
    로우패스 필터링(low-pass filtering)에 의해 상기 대상의 상기 호흡율(breathing rate)의 측정을 획득하고, 모든 폴 모델들의 다른 집합을 이용하여 스펙트럼적으로 상기 PPG 신호를 분석하기 전에 상기 PPG 신호를 다운샘플링(downsampling)하는 단계
    를 포함하는 방법.
  15. 사람 또는 동물 대상의 호흡율의 측정을 획득하는 방법으로서,
    상기 대상으로부터 PPG 신호를 획득하는 단계,
    상기 호흡율을 나타내는 스펙트럼 요소를 각 모델로부터 식별하는 다른 순서의 복수의 자기 회귀 모든 폴 모델들을 이용하여 상기 PPG 신호를 스펙트럼적으로 분석하기 전에 상기 PPG 신호를 필터링하고 다운샘플링하고 해당 스펙트럼 요소에 대응하는 호흡율 추정(breathing rate estimate)을 생성하는 단계,
    상기 다른 모델들로부터 상기 호흡율의 상기 추정들을 융합하고 그렇게 함으로써 강건한 호흡율 추정을 생성하는 단계
    를 포함하는 방법.
  16. 제1항 내지 제15항 중 어느 한 항에 있어서,
    상기 대상의 피부 상의 상기 관심 영역으로부터 반사된 두 다른 파장들(wavelengths)에서 빛의 세기의 상기 비율을 획득함으로써 상기 대상의 혈중 산소 포화도(blood oxygen saturation)의 측정을 획득하는 단계
    를 더 포함하고,
    상기 세기는 상기 심박수를 나타내는 것으로 식별된 상기 폴의 상기 매그니튜드(magnitude)로부터 획득되는,
    방법.
  17. 제16항에 있어서,
    상기 두 다른 파장들은 상기 비디오 카메라에 의해 감지되는 상기 적색 및 녹색 파장들인,
    방법.
  18. 제16항에 있어서,
    상기 두 다른 파장들은 상기 비디오 카메라에 의해 감지된 상기 적색 파장 및 제2 비디오 카메라에 의해 감지되는 적외선 파장을 포함하는,
    방법.
  19. 제1항 또는 그것에 대해 종속적인 모든 청구항(any claim dependent thereon)의 방법에 의해 주변 광 간섭의 억제 및 대상의 PPG 이미징을 포함하는 방법에 의해 상기 대상의 바이탈 사인들 중 하나 이상의 측정을 생성하도록 적용되는 컴퓨터 프로그램.
  20. 대상의 바이탈 사인들 중 하나 이상을, 비디오 카메라를 이용하여 상기 대상의 PPG 이미징을 통해 측정하고, 상기 바이탈 사인들 측정에 대한 상기 대상의 상기 아이덴티티(identity)를 링크(link)하는 상기 동일한 카메라에 의해 획득되는 상기 대상의 영상 상에 얼굴 인식 프로세스(facial recognition process)를 수행하는 방법.
  21. 제21항에 있어서,
    상기 PPG 이미징은 제1항 또는 그것에 대해 종속적인 모든 청구항(any claim dependent thereon)의 방법에 의한 간섭의 억제를 포함하는,
    방법.
KR1020147004605A 2011-08-22 2012-08-16 바이탈 사인의 원격 모니터링 KR20140058573A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1114406.0 2011-08-22
GB201114406A GB201114406D0 (en) 2011-08-22 2011-08-22 Remote monitoring of vital signs
PCT/GB2012/052004 WO2013027027A2 (en) 2011-08-22 2012-08-16 Remote monitoring of vital signs

Publications (1)

Publication Number Publication Date
KR20140058573A true KR20140058573A (ko) 2014-05-14

Family

ID=44800633

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147004605A KR20140058573A (ko) 2011-08-22 2012-08-16 바이탈 사인의 원격 모니터링

Country Status (11)

Country Link
US (1) US9615749B2 (ko)
EP (1) EP2747633B1 (ko)
JP (1) JP6219279B2 (ko)
KR (1) KR20140058573A (ko)
CN (1) CN103826532B (ko)
AU (1) AU2012298362B2 (ko)
BR (1) BR112014004085A8 (ko)
CA (1) CA2880138A1 (ko)
GB (1) GB201114406D0 (ko)
RU (1) RU2014107350A (ko)
WO (1) WO2013027027A2 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016080606A1 (ko) * 2014-11-18 2016-05-26 상명대학교서울산학협력단 인체 미동 기반 심장 정보 추출 방법
KR101866883B1 (ko) * 2015-11-13 2018-06-12 금오공과대학교 산학협력단 비접촉 방식의 생체신호 측정방법 및 이를 이용한 생체신호 측정장치
US10102343B2 (en) 2014-11-18 2018-10-16 Sangmyung University Seoul Industry-Academy Cooperation Foundation Method for extracting heart information based on micro movements of human body
KR20190143498A (ko) * 2015-06-16 2019-12-30 아이베리파이 인크. 스푸프 검출 및 라이브니스 분석을 위한 시스템들 및 방법들
US10806356B2 (en) 2016-08-26 2020-10-20 Samsung Electronics Co., Ltd. Electronic device and method for measuring heart rate based on infrared rays sensor using the same
KR102416878B1 (ko) * 2022-04-15 2022-07-05 주식회사 엠마헬스케어 심박수 측정을 위한 헬스케어 장치
WO2023128454A1 (ko) * 2021-12-30 2023-07-06 주식회사 엠마헬스케어 원격 ppg 방식을 이용하여 심박수 측정을 하기 위한 디지털 헬스케어 장치
WO2023128455A1 (ko) * 2021-12-30 2023-07-06 주식회사 엠마헬스케어 원격 ppg 방식을 이용하여 스트레스 지수를 측정하기 위한 디지털 헬스케어 장치

Families Citing this family (137)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MX356283B (es) * 2011-08-22 2018-05-22 Koninklijke Philips Nv Sistema y método para administración de datos.
GB201114406D0 (en) 2011-08-22 2011-10-05 Isis Innovation Remote monitoring of vital signs
US8897522B2 (en) * 2012-05-30 2014-11-25 Xerox Corporation Processing a video for vascular pattern detection and cardiac function analysis
US20130331669A1 (en) * 2012-06-11 2013-12-12 Raytheon Company Multi-spectral imaging system and method for remote biometric measurement of human physiological parameters
US8977347B2 (en) * 2012-06-25 2015-03-10 Xerox Corporation Video-based estimation of heart rate variability
JP6422865B2 (ja) * 2012-08-02 2018-11-14 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 生理学的情報を抽出する装置及び方法
RU2653799C2 (ru) * 2012-11-23 2018-05-14 Конинклейке Филипс Н.В. Устройство и способ для извлечения физиологической информации
RU2656760C2 (ru) * 2012-12-21 2018-06-06 Конинклейке Филипс Н.В. Система и способ для извлечения физиологической информации из удаленно обнаруженного электромагнитного излучения
GB201302451D0 (en) * 2013-02-12 2013-03-27 Isis Innovation Method and system for signal analysis
CN105142501B (zh) 2013-03-06 2019-02-01 皇家飞利浦有限公司 用于确定生命体征信息的系统和方法
US9125606B2 (en) * 2013-03-13 2015-09-08 Koninklijke Philips N.V. Device and method for determining the blood oxygen saturation of a subject
US10052038B2 (en) 2013-03-14 2018-08-21 Koninklijke Philips N.V. Device and method for determining vital signs of a subject
BR112015022115A2 (pt) * 2013-03-14 2017-07-18 Koninklijke Philips Nv dispositivo para obter informações de sinais vitais de um indivíduo, método para obter informações de sinais vitais de um indivíduo, aparelho de processamento para obter informações de sinais vitais de um indivíduo, método de processamento para obter informações de sinais vitais de um indivíduo, e, programa de computador
CN105050492B (zh) 2013-03-14 2019-01-08 皇家飞利浦有限公司 用于确定对象的生命体征的设备和方法
JP6115263B2 (ja) * 2013-04-02 2017-04-19 富士通株式会社 脈波検出装置、脈波検出方法及び脈波検出プログラム
EP2989478B1 (en) 2013-04-23 2023-02-15 Koninklijke Philips N.V. Single coaxial interface for magnetic resonance (mr) coils
WO2014198570A1 (en) * 2013-06-11 2014-12-18 Koninklijke Philips N.V. System, method and device for monitoring light and sound impact on a person
CA2917635A1 (en) * 2013-07-10 2015-01-15 Koninklijke Philips N.V. System for screening of the state of oxygenation of a subject
CN103393425B (zh) * 2013-07-14 2015-02-04 北京师范大学 用于近红外脑功能成像系统的实时信号质量评价算法
US20160157761A1 (en) * 2013-08-06 2016-06-09 Koninklijke Philips N.V. System and method for extracting physiological information from remotely detected electromagnetic radiation
CN105491942A (zh) * 2013-08-07 2016-04-13 皇家飞利浦有限公司 用于监测对象的血液动力学状态的监测系统和方法
CN105593860B (zh) 2013-09-30 2019-08-06 皇家飞利浦有限公司 用于确定复合评分分布的装置和患者健康状态确定器
JP6194105B2 (ja) * 2013-10-01 2017-09-06 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 遠隔フォトプレチスモグラフィ波形を取得するための改良された信号選択
CZ308222B6 (cs) 2013-10-08 2020-03-11 Linet Spol. S. R. O. Zařízení pro bezkontaktní monitorování vitálních funkcí pacienta
CN105636506B (zh) * 2013-10-17 2018-11-27 皇家飞利浦有限公司 用于远程光体积描记法的自动相机调节
JP6167849B2 (ja) * 2013-10-25 2017-07-26 富士通株式会社 脈波検出装置、脈波検出方法及び脈波検出プログラム
US20150124067A1 (en) * 2013-11-04 2015-05-07 Xerox Corporation Physiological measurement obtained from video images captured by a camera of a handheld device
US10478078B2 (en) 2013-12-12 2019-11-19 Koninklijke Philips N.V. Device and method for determining vital signs of a subject
EP3082586A1 (en) * 2013-12-19 2016-10-26 The Board of Trustees of the University of Illinois System and methods for measuring physiological parameters
WO2015145422A1 (en) 2014-03-26 2015-10-01 Scr Engineers Ltd Livestock location system
WO2015150096A1 (en) * 2014-03-31 2015-10-08 Koninklijke Philips N.V. Device, system and method for determining vital signs of a subject
RS20140247A1 (en) 2014-05-14 2015-12-31 Novelic D.O.O. RADAR SENSOR FOR DETECTION OF SIGNS OF LIFE OPERATING IN THE MILLIMETER FREQUENCY RANGE AND METHOD OF OPERATION
US20150327800A1 (en) * 2014-05-16 2015-11-19 Mediatek Inc. Apparatus and method for obtaining vital sign of subject
JP6616331B2 (ja) * 2014-06-06 2019-12-04 コーニンクレッカ フィリップス エヌ ヴェ 対象の無呼吸を検出するための装置、システム及び方法
US9883801B2 (en) 2014-07-29 2018-02-06 Kurt Stump Computer-implemented systems and methods of automated physiological monitoring, prognosis, and triage
US11071279B2 (en) 2014-09-05 2021-07-27 Intervet Inc. Method and system for tracking health in animal populations
US10986817B2 (en) 2014-09-05 2021-04-27 Intervet Inc. Method and system for tracking health in animal populations
US11284808B2 (en) 2014-10-11 2022-03-29 Linet Spol. S.R.O. Device and method for measurement of vital functions, including intracranial pressure, and system and method for collecting data
CN104382575A (zh) * 2014-11-20 2015-03-04 惠州Tcl移动通信有限公司 一种基于移动终端的心律检测方法及移动终端
US10531820B2 (en) * 2014-11-24 2020-01-14 Koninklijke Philips N.V. Device, system and method for determining the concentration of a substance in the blood of a subject
US10242278B2 (en) 2014-12-01 2019-03-26 Koninklijke Philips N.V. Device and method for skin detection
GB201421786D0 (en) 2014-12-08 2015-01-21 Isis Innovation Signal processing method and apparatus
GB201421785D0 (en) 2014-12-08 2015-01-21 Oxehealth Ltd Method and apparatus for physiological monitoring
US10108325B2 (en) * 2014-12-11 2018-10-23 Rdi Technologies, Inc. Method of analyzing, displaying, organizing and responding to vital signals
WO2016092103A1 (en) * 2014-12-12 2016-06-16 Koninklijke Philips N.V. Device, system and method for assessing information needs of a person
US10448846B2 (en) 2014-12-16 2019-10-22 Oxford University Innovation Limited Method and apparatus for measuring and displaying a haemodynamic parameter
US20160206247A1 (en) * 2015-01-21 2016-07-21 Covidien Lp Adaptive motion correction in photoplethysmography using reference signals
JP6384365B2 (ja) * 2015-03-05 2018-09-05 オムロン株式会社 脈拍計測装置及びその制御方法
CN106137171B (zh) * 2015-03-13 2019-01-11 富港电子(昆山)有限公司 生物信号测量系统及方法
JP6462594B2 (ja) * 2015-04-30 2019-01-30 オリンパス株式会社 撮像装置、画像処理装置および画像処理方法
CN106236060B (zh) 2015-06-04 2021-04-09 松下知识产权经营株式会社 生物体信息检测装置
GB201509809D0 (en) * 2015-06-05 2015-07-22 Isis Innovation Method and apparatus for vital signs measurement
CN107847156A (zh) 2015-06-15 2018-03-27 维塔尔实验室公司 用于心血管疾病评估和管理的方法和系统
US10420515B2 (en) 2015-06-15 2019-09-24 Vital Labs, Inc. Method and system for acquiring data for assessment of cardiovascular disease
US10888280B2 (en) 2016-09-24 2021-01-12 Sanmina Corporation System and method for obtaining health data using a neural network
CN105147293A (zh) * 2015-08-21 2015-12-16 姚丽峰 实现呼吸频率测量的系统及方法
EP3340857A1 (en) * 2015-08-28 2018-07-04 Oslermd, Inc. Methods and apparatuses for measuring multiple vital signs based on arterial pressure waveforms
EP3378383A4 (en) 2015-11-20 2018-10-24 Fujitsu Limited Pulse wave analysis device, pulse wave analysis method, and pulse wave analysis program
GB201522406D0 (en) 2015-12-18 2016-02-03 Xim Ltd A method, information processing apparatus and server for determining a physiological parameter of an individual
CN106691424A (zh) * 2015-12-18 2017-05-24 深圳市汇顶科技股份有限公司 检测心率的方法和装置
EP3393347B8 (en) 2015-12-23 2020-03-25 Koninklijke Philips N.V. Apparatus and method for measuring the quality of an extracted signal
US10799129B2 (en) * 2016-01-07 2020-10-13 Panasonic Intellectual Property Management Co., Ltd. Biological information measuring device including light source, light detector, and control circuit
GB201601143D0 (en) 2016-01-21 2016-03-09 Oxehealth Ltd Method and apparatus for health and safety monitoring of a subject in a room
GB201601142D0 (en) 2016-01-21 2016-03-09 Oxehealth Ltd Method and apparatus for estimating breathing rate
GB201601140D0 (en) 2016-01-21 2016-03-09 Oxehealth Ltd Method and apparatus for estimating heart rate
GB201601217D0 (en) 2016-01-22 2016-03-09 Oxehealth Ltd Signal processing method and apparatus
RU2018138979A (ru) * 2016-04-06 2020-05-12 Конинклейке Филипс Н.В. Способ, устройство и система для обеспечения возможности анализа свойства детектора показателя жизненно важной функции
WO2017178310A1 (en) * 2016-04-13 2017-10-19 Koninklijke Philips N.V. System and method for skin detection of a human subject
CN105816163B (zh) * 2016-05-09 2019-03-15 安徽华米信息科技有限公司 检测心率的方法、装置及可穿戴设备
FR3052350B1 (fr) 2016-06-10 2022-03-25 Univ Bourgogne Surveillance de la qualite du sommeil d’un bebe par combinaison de donnees multimodales incluant la photoplethysmographie
EP3474733A1 (en) 2016-06-22 2019-05-01 Linet Spol. S.R.O. Medical data collection system and method of use thereof
US10335045B2 (en) 2016-06-24 2019-07-02 Universita Degli Studi Di Trento Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions
CN114795151A (zh) * 2016-06-30 2022-07-29 松下知识产权经营株式会社 方法及系统
US10750129B2 (en) * 2016-08-23 2020-08-18 Koninklijke Philips N.V. Hospital video surveillance system
US10624587B2 (en) 2016-09-16 2020-04-21 Welch Allyn, Inc. Non-invasive determination of disease states
GB201615899D0 (en) 2016-09-19 2016-11-02 Oxehealth Ltd Method and apparatus for image processing
US11229372B2 (en) 2016-09-21 2022-01-25 Arizona Board of Regents on Behalf of Arizona State of University Systems and methods for computer monitoring of remote photoplethysmography based on chromaticity in a converted color space
WO2018057937A1 (en) 2016-09-22 2018-03-29 Apple Inc. Systems and methods for determining physiological signals using ambient light
JP6975230B2 (ja) 2016-10-05 2021-12-01 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 患者モニタリングシステム及び方法
US11154209B2 (en) 2016-10-27 2021-10-26 Koninklijke Philips N.V. Device, system and method for obtaining a vital signal of a subject
EP3539082A1 (en) 2016-11-08 2019-09-18 Oxehealth Limited Method and apparatus for image processing
WO2018085946A1 (en) * 2016-11-14 2018-05-17 Nuralogix Corporation System and method for detecting subliminal facial responses in response to subliminal stimuli
CN116269262A (zh) 2016-12-01 2023-06-23 松下知识产权经营株式会社 生物体信息检测装置、生物体信息检测方法及存储介质
US20200008676A1 (en) * 2017-02-28 2020-01-09 Shanghai Yuanwei Healthcare Consulting Inc. Medical imaging apparatus comprising primary module and supplemental module and process thereof
GB201706449D0 (en) 2017-04-24 2017-06-07 Oxehealth Ltd Improvements in or realting to in vehicle monitoring
US10874309B2 (en) * 2017-05-01 2020-12-29 Samsung Electronics Company, Ltd. Determining emotions using camera-based sensing
TWI646941B (zh) * 2017-08-09 2019-01-11 緯創資通股份有限公司 生理訊號量測系統及其量測生理訊號之方法
US10548476B2 (en) 2017-08-17 2020-02-04 Welch Allyn, Inc. Patient monitoring system
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
US11311202B2 (en) 2017-11-14 2022-04-26 Arizona Board Of Regents On Behalf Of Arizona State University Robust real-time heart rate monitoring method based on heartbeat harmonics using small-scale radar
CN107669253A (zh) * 2017-11-15 2018-02-09 中国科学院光电研究院 基于光谱成像仪的心率和呼吸率测量方法
RU2673108C1 (ru) * 2017-11-29 2018-11-22 Общество с ограниченной ответственностью (ООО) "АЛЬТОНИКА" Территориальная система экстренной кардиологической помощи
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11478603B2 (en) 2017-12-31 2022-10-25 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
WO2019157190A1 (en) * 2018-02-07 2019-08-15 Arthur Wallace Methods and systems for patient monitoring
EP3749180A4 (en) 2018-02-08 2021-11-24 Gill R. Tsouri OPPORTUNISTIC PLETHYSMOGRAPHY USING VIDEO CAMERAS
JP7133771B2 (ja) * 2018-02-13 2022-09-09 パナソニックＩｐマネジメント株式会社 生体情報表示装置、生体情報表示方法及び生体情報表示プログラム
EP3752060A4 (en) * 2018-02-17 2021-11-24 Trilinear BioVentures, LLC SYSTEM AND METHOD OF OBTAINING HEALTH DATA USING A NEURONAL NETWORK
GB201803508D0 (en) 2018-03-05 2018-04-18 Oxehealth Ltd Method and apparatus for monitoring of a human or animal subject
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
AU2019261293A1 (en) 2018-04-22 2020-12-10 Vence, Corp. Livestock management system and method
TWI658815B (zh) * 2018-04-25 2019-05-11 國立交通大學 非接觸式心跳量測系統、非接觸式心跳量測方法以及非接觸式心跳量測裝置
EP3803678A1 (en) * 2018-05-25 2021-04-14 Koninklijke Philips N.V. Person identification systems and methods
CN109247944A (zh) * 2018-08-30 2019-01-22 合肥工业大学 一种基于低端彩色相机的非接触式血氧饱和度检测方法
CN109276233A (zh) * 2018-08-31 2019-01-29 北京工商大学 一种面向视频流的分布式人脸及生理特征识别方法
WO2020056418A1 (en) 2018-09-14 2020-03-19 Neuroenhancement Lab, LLC System and method of improving sleep
GB2592784B (en) 2018-10-10 2022-12-14 Scr Eng Ltd Livestock dry off method and device
GB201900034D0 (en) 2019-01-02 2019-02-13 Oxehealth Ltd Method and apparatus for monitoring of a human or animal subject
GB201900033D0 (en) 2019-01-02 2019-02-13 Oxehealth Ltd Mrthod and apparatus for monitoring of a human or animal subject
GB201900032D0 (en) 2019-01-02 2019-02-13 Oxehealth Ltd Method and apparatus for monitoring of a human or animal subject
US11653848B2 (en) 2019-01-29 2023-05-23 Welch Allyn, Inc. Vital sign detection and measurement
CN109793509B (zh) * 2019-03-15 2020-12-29 北京科技大学 一种核辐射探测与心率测量方法及装置
US11771380B2 (en) 2019-03-19 2023-10-03 Arizona Board Of Regents On Behalf Of Arizona State University Vital sign monitoring system using an optical sensor
US11783483B2 (en) 2019-03-19 2023-10-10 Arizona Board Of Regents On Behalf Of Arizona State University Detecting abnormalities in vital signs of subjects of videos
CN109770885A (zh) * 2019-03-25 2019-05-21 合肥工业大学 一种基于预览帧的快速心率检测方法
CA3038097A1 (en) * 2019-03-26 2020-09-26 Roland SABBAGH Systems and methods for assessment and management of congestive heart failure
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
CN110353648A (zh) * 2019-08-28 2019-10-22 华东师范大学 一种基于双摄像头的实时心率检测方法
US20220378380A1 (en) 2019-10-01 2022-12-01 Riva Health, Inc. Method and system for determining cardiovascular parameters
US20210153752A1 (en) * 2019-11-21 2021-05-27 Gb Soft Inc. Method of measuring physiological parameter of subject in contactless manner
WO2021207138A1 (en) * 2020-04-06 2021-10-14 Southern Research Institute Contactless vital sign monitoring of multiple subjects in real-time
CN111564224A (zh) * 2020-04-26 2020-08-21 中控华运（厦门）集成电路有限公司 一种具有健康监测的智能监控系统及其实现方法
EP3910545A1 (en) * 2020-05-15 2021-11-17 Koninklijke Philips N.V. Ambient light suppression
US11776503B2 (en) * 2020-05-28 2023-10-03 Apple Inc. Generating display data based on modified ambient light luminance values
IL275518B (en) 2020-06-18 2021-10-31 Scr Eng Ltd Animal tag
USD990062S1 (en) 2020-06-18 2023-06-20 S.C.R. (Engineers) Limited Animal ear tag
USD990063S1 (en) 2020-06-18 2023-06-20 S.C.R. (Engineers) Limited Animal ear tag
JP7412767B2 (ja) 2020-07-20 2024-01-15 日本メナード化粧品株式会社 肌の色ムラ評価装置、肌の色ムラ評価方法および肌の色ムラ評価プログラム
US11730427B2 (en) * 2020-10-30 2023-08-22 Biospectal Sa Systems and methods for autocorrelation based assessment of PPG signal quality
CN112890792A (zh) * 2020-11-25 2021-06-04 合肥工业大学 一种基于网络摄像头的云计算心血管健康监护系统及方法
AU2021388045A1 (en) 2020-11-25 2023-06-22 Identigen Limited A system and method for tracing members of an animal population
CN112784731A (zh) * 2021-01-20 2021-05-11 深圳市科思创动科技有限公司 一种检测驾驶员的生理指标、及建立模型的方法
US11744523B2 (en) 2021-03-05 2023-09-05 Riva Health, Inc. System and method for validating cardiovascular parameter monitors
WO2023038992A1 (en) 2021-09-07 2023-03-16 Riva Health, Inc. System and method for determining data quality for cardiovascular parameter determination
WO2023055862A1 (en) * 2021-10-01 2023-04-06 Softserve, Inc. Systems and methods for platform-agnostic, real-time physiologic vital sign detection from video stream data
EP4353143A1 (en) * 2022-10-12 2024-04-17 Koninklijke Philips N.V. Detection of vital signs from images
US20240153304A1 (en) 2022-11-04 2024-05-09 Xim Limited Method, Computer Software, Non-Transitory Storage Medium, Apparatus and System For Performing A Measurement Of A Physiological Parameter Of A Person From A Series Of Images

Family Cites Families (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2623388A1 (fr) 1987-11-23 1989-05-26 Bertin & Cie Procede et dispositif de surveillance de la respiration d'un individu
US5954644A (en) 1997-03-24 1999-09-21 Ohmeda Inc. Method for ambient light subtraction in a photoplethysmographic measurement instrument
US6723055B2 (en) 1999-04-23 2004-04-20 Trustees Of Tufts College System for measuring respiratory function
JP2001149349A (ja) * 1999-11-26 2001-06-05 Nippon Koden Corp 生体用センサ
US6492634B2 (en) 2000-05-03 2002-12-10 Rocky Mountain Biosystems, Inc. Optical monitor for sudden infant death syndrome
KR101013645B1 (ko) 2005-04-22 2011-02-10 엘지전자 주식회사 건강 진단기능을 구비한 이동 통신 단말기 및 그를 이용한건강 진단 방법
US8532737B2 (en) 2005-12-29 2013-09-10 Miguel Angel Cervantes Real-time video based automated mobile sleep monitoring using state inference
US8489178B2 (en) 2006-06-29 2013-07-16 Accuvein Inc. Enhanced laser vein contrast enhancer with projection of analyzed vein data
US20080077020A1 (en) 2006-09-22 2008-03-27 Bam Labs, Inc. Method and apparatus for monitoring vital signs remotely
GB0714807D0 (en) * 2007-07-30 2007-09-12 Oxford Biosignals Ltd Method and apparatus for measuring breathing rate
KR100880392B1 (ko) 2007-10-09 2009-01-30 (주)락싸 휴대폰을 이용한 맥파 검출방법
US20090203998A1 (en) 2008-02-13 2009-08-13 Gunnar Klinghult Heart rate counter, portable apparatus, method, and computer program for heart rate counting
WO2009109185A1 (de) * 2008-03-06 2009-09-11 Weinmann Diagnostics Gmbh + Co. Kg Verfahren und vorrichtung zur kompensation von störeinflüssen bei der nicht invasiven bestimmung von physiologischen parametern
GB0814419D0 (en) 2008-08-08 2008-09-10 Health Smart Ltd Blood analysis
US8503712B2 (en) 2008-12-31 2013-08-06 Motorola Mobility Llc Method and apparatus for determining blood oxygenation using a mobile communication device
US8542878B2 (en) * 2009-03-06 2013-09-24 Koninklijke Philips N.V. Method of controlling a function of a device and system for detecting the presence of a living being
US8542877B2 (en) * 2009-03-06 2013-09-24 Koninklijke Philips N.V. Processing images of at least one living being
EP2236078A1 (en) 2009-04-02 2010-10-06 Koninklijke Philips Electronics N.V. Processing a bio-physiological signal
US20100268094A1 (en) 2009-04-15 2010-10-21 Oceanit Laboratories Inc. Consumer electronic camera photoplethysmograph
US8140143B2 (en) 2009-04-16 2012-03-20 Massachusetts Institute Of Technology Washable wearable biosensor
CN101581569B (zh) * 2009-06-17 2011-01-12 北京信息科技大学 双目视觉传感系统结构参数的标定方法
EP2467805B1 (en) 2009-08-20 2020-08-05 Koninklijke Philips N.V. Method and system for image analysis
FR2949658B1 (fr) 2009-09-07 2012-07-27 Salim Mimouni Dispositif de capture de signal plethysmographique optique utilisant un imageur matriciel
CN102035917A (zh) 2009-09-29 2011-04-27 深圳富泰宏精密工业有限公司 移动电话
WO2011042844A1 (en) 2009-10-06 2011-04-14 Koninklijke Philips Electronics N.V. Formation of a time-varying signal representative of at least variations in a value based on pixel values
EP3142071A1 (en) 2009-10-06 2017-03-15 Koninklijke Philips N.V. Method and system for obtaining a first signal for analysis to characterize at least one periodic component thereof
EP3142067B1 (en) 2009-10-06 2020-01-01 Koninklijke Philips N.V. Method and system for obtaining a first signal for analysis to characterize at least one periodic component thereof
CN102647941B (zh) 2009-10-06 2015-11-25 皇家飞利浦电子股份有限公司 用于执行远程光电容积描记的方法和系统
TW201114238A (en) 2009-10-09 2011-04-16 Fih Hong Kong Ltd Mobile phone
US20110098933A1 (en) 2009-10-26 2011-04-28 Nellcor Puritan Bennett Ireland Systems And Methods For Processing Oximetry Signals Using Least Median Squares Techniques
JP5709017B2 (ja) * 2010-02-15 2015-04-30 国立大学法人九州大学 被験体状態解析用信号のピーク周波数測定システム
LV14514B (lv) 2010-10-06 2012-08-20 Latvijas Universitāte Iekārta un metode sirdsdarbības parametru optiskai bezkontakta kontrolei
KR20120067761A (ko) 2010-12-16 2012-06-26 한국전자통신연구원 사용자 단말을 이용한 생체정보 측정 장치 및 그 방법
US9124777B2 (en) 2011-01-05 2015-09-01 Koninklijke Philips N.V. Device and method for extracting information from characteristic signals
CN103404138B (zh) 2011-01-05 2017-01-18 皇家飞利浦电子股份有限公司 保留ppg相关信息的视频编码与解码设备及方法
US8761853B2 (en) 2011-01-20 2014-06-24 Nitto Denko Corporation Devices and methods for non-invasive optical physiological measurements
CA2825331A1 (en) 2011-01-21 2012-07-26 Worcester Polytechnic Institute Physiological parameter monitoring with a mobile communication device
FR2974289B1 (fr) 2011-04-19 2014-06-13 Raoul Parienti Appareil de surveillance du sommeil du nourrisson et de l'adulte permettant de detecter l'apnee et de suivre la qualite du sommeil
US20130018240A1 (en) 2011-07-12 2013-01-17 Mccoy Kim Body measurement and imaging with a mobile device
GB201114406D0 (en) 2011-08-22 2011-10-05 Isis Innovation Remote monitoring of vital signs
WO2013093686A1 (en) 2011-12-20 2013-06-27 Koninklijke Philips Electronics N.V. Apparatus and method for monitoring a sleeping person
US20130182144A1 (en) 2012-01-17 2013-07-18 Sony Mobile Communications Ab Camera button with integrated sensors
US9185353B2 (en) * 2012-02-21 2015-11-10 Xerox Corporation Removing environment factors from signals generated from video images captured for biomedical measurements
CN104168819B (zh) 2012-02-28 2018-03-30 皇家飞利浦有限公司 用于监视生命体征的设备和方法
WO2013136231A1 (en) 2012-03-13 2013-09-19 Koninklijke Philips N.V. Cardiopulmonary resuscitation apparatus comprising a physiological sensor
WO2013156908A1 (en) 2012-04-17 2013-10-24 Koninklijke Philips N.V. Device and method for obtaining vital sign information of a living being

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016080606A1 (ko) * 2014-11-18 2016-05-26 상명대학교서울산학협력단 인체 미동 기반 심장 정보 추출 방법
US10102343B2 (en) 2014-11-18 2018-10-16 Sangmyung University Seoul Industry-Academy Cooperation Foundation Method for extracting heart information based on micro movements of human body
KR20190143498A (ko) * 2015-06-16 2019-12-30 아이베리파이 인크. 스푸프 검출 및 라이브니스 분석을 위한 시스템들 및 방법들
KR101866883B1 (ko) * 2015-11-13 2018-06-12 금오공과대학교 산학협력단 비접촉 방식의 생체신호 측정방법 및 이를 이용한 생체신호 측정장치
US10806356B2 (en) 2016-08-26 2020-10-20 Samsung Electronics Co., Ltd. Electronic device and method for measuring heart rate based on infrared rays sensor using the same
WO2023128454A1 (ko) * 2021-12-30 2023-07-06 주식회사 엠마헬스케어 원격 ppg 방식을 이용하여 심박수 측정을 하기 위한 디지털 헬스케어 장치
WO2023128455A1 (ko) * 2021-12-30 2023-07-06 주식회사 엠마헬스케어 원격 ppg 방식을 이용하여 스트레스 지수를 측정하기 위한 디지털 헬스케어 장치
KR102416878B1 (ko) * 2022-04-15 2022-07-05 주식회사 엠마헬스케어 심박수 측정을 위한 헬스케어 장치

Also Published As

Publication number Publication date
CN103826532A (zh) 2014-05-28
WO2013027027A3 (en) 2013-04-18
US20140303454A1 (en) 2014-10-09
EP2747633A2 (en) 2014-07-02
AU2012298362A1 (en) 2014-02-27
CN103826532B (zh) 2016-06-22
BR112014004085A2 (pt) 2017-02-21
WO2013027027A2 (en) 2013-02-28
BR112014004085A8 (pt) 2018-01-02
GB201114406D0 (en) 2011-10-05
AU2012298362B2 (en) 2017-02-16
US9615749B2 (en) 2017-04-11
JP6219279B2 (ja) 2017-10-25
EP2747633B1 (en) 2021-03-10
RU2014107350A (ru) 2015-09-27
JP2014527863A (ja) 2014-10-23
CA2880138A1 (en) 2013-02-28

Similar Documents

Publication Publication Date Title
EP2747633B1 (en) Remote monitoring of vital signs
EP2956906B1 (en) Analysing video images of a subject to identify spatial image areas which contain periodic intensity variations
JP6727599B2 (ja) 生体情報表示装置、生体情報表示方法、及び生体情報表示プログラム
Tarassenko et al. Non-contact video-based vital sign monitoring using ambient light and auto-regressive models
Sanyal et al. Algorithms for monitoring heart rate and respiratory rate from the video of a user’s face
Jeong et al. Introducing contactless blood pressure assessment using a high speed video camera
RU2684044C1 (ru) Устройство и способ для определения основных показателей жизнедеятельности субъекта
EP3052008B1 (en) Improved signal selection for obtaining a remote photoplethysmographic waveform
RU2652071C2 (ru) Устройство и способ определения насыщения кислородом крови объекта исследования
RU2675036C2 (ru) Устройство и способ получения информации о показателях жизненно важных функций субъекта
Casalino et al. A mHealth solution for contact-less self-monitoring of blood oxygen saturation
Molinaro et al. Contactless vital signs monitoring from videos recorded with digital cameras: an overview
Fan et al. Non-contact remote estimation of cardiovascular parameters
JP2018534968A (ja) 生理情報を抽出するためのデバイス、システム、及び方法
McDuff et al. Fusing partial camera signals for noncontact pulse rate variability measurement
Yu et al. Noncontact monitoring of heart rate and heart rate variability in geriatric patients using photoplethysmography imaging
JP6620999B2 (ja) 生体情報計測装置、生体情報計測プログラム、及び生体情報計測方法
WO2019145142A1 (en) Device, system and method for determining at least one vital sign of a subject
EP3927228A1 (en) Device, system and method for determining physiological information
Islam et al. Extracting heart rate variability: a summary of camera based Photoplethysmograph
Balaraman et al. Recent Innovations and Improvements in Remote Heart Rate and Heart Disease Measuring Methods Using RGB Camera
Álvarez Casado Biosignal extraction and analysis from remote video: towards real-world implementation and diagnosis support

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid