RU2691928C2 - Устройство и способ определения информации об основных физиологических показателях субъекта - Google Patents

Устройство и способ определения информации об основных физиологических показателях субъекта Download PDF

Info

Publication number
RU2691928C2
RU2691928C2 RU2015140986A RU2015140986A RU2691928C2 RU 2691928 C2 RU2691928 C2 RU 2691928C2 RU 2015140986 A RU2015140986 A RU 2015140986A RU 2015140986 A RU2015140986 A RU 2015140986A RU 2691928 C2 RU2691928 C2 RU 2691928C2
Authority
RU
Russia
Prior art keywords
field
information
characteristic parameter
view
image
Prior art date
Application number
RU2015140986A
Other languages
English (en)
Other versions
RU2015140986A (ru
RU2015140986A3 (ru
Inventor
Мукул Юлиус РОКЕ
Марек Януш БАРТУЛА
Геррит Мария КЕРСТЕН
Original Assignee
Конинклейке Филипс Н.В.
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 Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2015140986A publication Critical patent/RU2015140986A/ru
Publication of RU2015140986A3 publication Critical patent/RU2015140986A3/ru
Application granted granted Critical
Publication of RU2691928C2 publication Critical patent/RU2691928C2/ru

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • 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
    • A61B5/0059—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • 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
    • G06T2207/30061—Lung

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pulmonology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Настоящее изобретение относится к медицине, а именно к устройству для определения информации об основных физиологических показателях субъекта, и может быть использовано для определения информации о частоте дыхания субъекта. Устройство выполнено для реализации способа, причем устройство содержит блок обнаружения для обнаружения электромагнитного излучения из поля обзора устройства захвата изображения и для определения характеристического параметра, включающего в себя информацию о частоте дыхания субъекта из различных областей поля обзора устройства захвата изображения; блок частотного анализа для определения спектрального распределения энергии характеристического параметра, полученного из различных областей; блок выбора для выбора, по меньшей мере, одной из областей поля обзора устройства захвата изображения на основе спектрального распределения энергии, при этом блок выбора выполнен с возможностью выбора, по меньшей мере, одной области поля обзора устройства захвата изображения, если спектральное распределение энергии заданной полосы частот соответствующего характеристического параметра превышает заданный пороговый уровень; и вычислительный блок для расчета информации о частоте дыхания на основе характеристического параметра, по меньшей мере, из одной выбранной области. Изобретение обеспечивает повышение надежности в отношении определения основных физиологических показателей. 2 н. и 11 з.п. ф-лы., 11 ил.

Description

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
Настоящее изобретение относится к устройству для определения информации об основных физиологических показателях субъекта, а также соответствующему способу, в частности, настоящее изобретение относится к измерениям, которые могут использоваться для удаленного определения основных физиологических показателей субъекта, при этом исследуемая область определяется автоматически. Настоящее изобретение, в частности, направлено на удаленное измерение частоты дыхания субъекта.
УРОВЕНЬ ТЕХНИКИ
Основные физиологические показатели человека, например частота дыхания или частота сердечных сокращений, служат индикаторами текущего состояния человека и показателями для прогнозирования наступления серьезных событий медицинского характера. В этой связи основные физиологические показатели тщательно контролируются при больничном и внебольничном лечении, в домашних условиях или при дополнительной проверке здоровья, на отдыхе и при занятиях фитнесом.
Выполняемый на основе использования съемочной камеры мониторинг основных физиологических показателей, например частоты дыхания или частоты сердечных сокращений, является известной технологией полностью бесконтактного измерения основных физиологических показателей человека. Поскольку обследуемый субъект, т.е. человек, в отношении которого требуется провести измерения, может свободно располагаться в поле обзора камеры, релевантная область, из которой должна быть собрана соответствующая информация об основных физиологических показателях, должна устанавливаться в качестве входной информации для ожидания получения соответствующих сигналов. В большинстве случаев приложений для бесконтактных измерений основных физиологических показателях исследуемая область выбирается вручную или используемая камера направляется на исследуемую область заранее, однако, перемещение субъекта приводит к некорректным измерениям и нецелесообразному использованию системы. Таким образом, требуется автоматическое обнаружение исследуемой области для совершенствования мониторинга информации об основных физиологических показателях, выполняемого на основе съемочной камеры.
Традиционные способы для определения исследуемой области с целью распознавания частоты дыхания или частоты сердечных сокращений на основе определения контура, например, распознавания лица, раскрыты в заявке США 2009/0141124 A1. Недостаток данного способа заключается в том, что исследуемая область не может быть надежно распознана, если контур, т.е. лицо, частично или полностью закрыт или спрятан, когда соответствующий участок субъекта, в отношении которого должны проводиться измерения, накрыт одеялом, что является обычным случаем в больницах, где мониторинг частоты дыхания необходим.
Другие способы, основанные на анализе формы, например распознавание грудной клетки/грудного отдела с целью обнаружения исследуемой области, ограничены положением субъекта в поле обзора или носимой одеждой, так что эти способы распознавания не столь надежны.
Способ распознавания исследуемой области с целью мониторинга дыхания, например, известен из заявки EP 0919184 A1, при этом исследуемая область определяется на основе измененных участков между последовательными изображениями, собранными из поля обзора, при этом изменения между последовательными изображениями могут основываться на сигналах помех, не связанных с основными физиологическими показателями. Следовательно, способ, известный из этого документа, не столь надежен.
Дополнительный способ мониторинга дыхания субъекта известен из патента США № 7431700 B2, в котором анализируется временное изменение в данных изображений и периодическое изменение внешней формы принимается за дыхание, однако, поскольку рассматриваются все временные изменения в общем поле обзора, а исследуемая область не определяется, присутствие сигналов помех может приводить к некорректным измерениям частоты дыхания. Следовательно, способ, известный из этого документа, не столь надежен и технически сложен.
Недостаток известных способов обнаружения исследуемой области для удаленного обнаружения информации об основных физиологических показателях субъекта заключается в том, что для распознавания информации об основных физиологических показателях используется полное изображение, зарегистрированное из поля обзора, так что эти способы подвержены влиянию сигналов помех в поле обзора и перемещений субъекта в поле обзора, так что эти известные способы определения основных физиологических показателей субъекта не столь надежны.
В публикации WO 2010/100593 A1 раскрыт способ управления работой устройства, включающий получение последовательности цифровых изображений, зарегистрированных в последовательные моменты времени, при этом выбирается, по меньшей мере, одна измерительная зона, включающая в себя множество точек изображения, при этом, по меньшей мере, для одной измерительной зоны получают сигнал, характерный для изменений переменной по времени величины сочетания пиксельных значений в ряде точек изображения, а также определяется, по меньшей мере, одна характеристика сигнала в представляющем интерес диапазоне его спектра по отношению к сравнительным данным.
В работе Kazuki Nakajima и др. «A METHOD FOR MEASURING TESPIRATION AND PHYSICAL ACTIVITY IN BED BY OPTICAL FLOW ANALYSIS» in 19th International Conference on Engineering in Medicine and Biology Society, Vol. 5, October 30, 1997, раскрыт способ измерения дыхания из векторов движения в изображении, при этом частота дыхания определяется на основе спектра мощности формы волны дыхания.
В заявке EP 2390840 A2 раскрыты способ и устройство для выделения исследуемой области в последовательности динамических изображений, при этом рефрейминг регулируется в зависимости от весовых коэффициентов сегментов переднего плана и заднего плана, полученных для пикселей в последовательности изображений. Изображения, подвергнутые рефреймингу, образуются только из входных пикселей, находящихся в пределах окна рефрейминга в области входного изображения, при этом положение и размер окна рефрейминга регулируется так, чтобы максимально увеличить взвешенную сумму весовых коэффициентов переднего плана для пикселей в пределах окна, а также весовых коэффициентов заднего плана для пикселей за пределами окна.
РАСКРЫТИЕ ИЗОБРЕТЕНИЯ
Задача настоящего изобретения заключается в создании усовершенствованного устройства и соответствующего усовершенствованного способа для определения информации об основных физиологических показателях субъекта, которые менее подвержены влиянию сигналов помех и перемещений субъекта, в отношении которого должны проводиться измерения, и обеспечивают, в общем, более высокую надежность в отношении определения основных физиологических показателей.
Согласно одному аспекту настоящего изобретения предложено устройство для определения информации об основных физиологических показателях субъекта, содержащее:
- блок обнаружения для обнаружения излучения из поля обзора и для определения характеристического параметра, включающего информацию об основных физиологических показателях субъекта из различных областей поля обзора,
- блок частотного анализа для определения спектрального параметра характеристического параметра, полученного из различных областей,
- блок выбора для выбора, по меньшей мере, одной из областей поля обзора на основе спектрального параметра, а также
- вычислительный блок для расчета информации об основных физиологических показателях на основе характеристического параметра, по меньшей мере, из одной выбранной области.
Согласно другому аспекту настоящего изобретения предложен способ для определения информации об основных физиологических показателях субъекта, содержащий этапы:
- обнаружения излучения из поля обзора,
- определения характеристического параметра, включающего информацию об основных физиологических показателях субъекта из различных областей поля обзора,
- определения спектрального параметра из характеристического параметра, полученного из различных областей,
- выбора, по меньшей мере, одной области поля обзора на основе спектрального параметра, а также
- расчета информация об основных физиологических показателях на основе характеристического параметра, по меньшей мере, из одной выбранной области.
Согласно еще одному аспекту настоящего изобретения предложена компьютерная программа, содержащая средство программного кода для выполнения компьютером этапов способа согласно настоящему изобретению, когда упомянутая компьютерная программа выполняется на компьютере.
Предпочтительные варианты осуществления настоящего изобретения определены в зависимых пунктах формулы изобретения. Следует понимать, что заявленный способ имеет предпочтительные варианты осуществления, аналогичные и/или идентичные предпочтительным вариантам осуществления заявленного устройства, определенным в зависимых пунктах формулы изобретения.
Настоящее изобретение основано на идеи анализа различных областей поля обзора и получения характеристического параметра из различных областей поля обзора. Проводится спектральный анализ этого характеристического параметра для определения, содержит ли характеристический параметр информацию об основных физиологических показателях или характеристический параметр всего лишь включает в себя сигналы помех или высокочастотный шум. На основе этого спектрального анализа могут быть выбраны те области поля обзора, которые предоставляют характеристический параметр, включающий информацию об основных физиологических показателях, так чтобы информация об основных физиологических показателях могла быть рассчитана на основе областей, предоставляющих такую информация об основных физиологических показателях. Следовательно, исследуемая область может определяться из поля обзора непрерывно, даже если субъект, в отношении которого должны проводиться измерения, перемещается в поле обзора или если показательные участки, подвергаемые измерениям, частично скрыты, так что определение информации об основных физиологических показателях, в общем, становится более надежным.
В предпочтительном варианте осуществления блок выбора выполнен с возможностью выбора множества различных областей поля обзора на основе спектрального параметра. Если расчет выполняется на основе множества различных областей поля обзора, такой расчет менее подвержен влиянию сигналов помех и более надежен, поскольку информация об основных физиологических показателях извлекается из различных участков тела субъекта.
В предпочтительном варианте осуществления блок обнаружения представляет собой блок обнаружения изображений для предоставления данных изображения из поля обзора. Это является простым решением для проведения удаленного обнаружения с целью определения информации об основных физиологических показателях субъекта.
В предпочтительном варианте осуществления изображения или кадры изображения, захваченные блоком обнаружения изображений, поделены на секции для образования различных областей. Это позволяет проводить секционное вычисление информации об основных физиологических показателях по различным областям или блокам изображений либо кадрам изображений.
В предпочтительном варианте осуществления блок обнаружения выполнен с возможностью определения векторов движения в качестве характеристического параметра, соответствующего информации об основных физиологических показателях из различных областей на основе распознавания паттернов обнаруженных данных изображения. Это представляет практическое решение для определения частоты дыхания субъекта, поскольку векторы движения соответствуют перемещению показательных участков тела субъекта, при этом соответствующий паттерн может быть легко определен на основе захваченных данных изображения.
В предпочтительном варианте осуществления блок обнаружения выполнен с возможностью определения переменных сигналов в качестве характеристического параметра на основе распознавания паттернов обнаруженных данных изображения. Это простой способ определения сигналов, которые легко поддаются анализу с целью идентификации областей, включающих информацию об основных физиологических показателях.
В предпочтительном варианте осуществления вычислительный блок выполнен с возможностью расчета переменного сигнала на основе векторов движения, определенных, по меньшей мере, из одной выбранной области. Это представляет практическое решение для определения сигнала из найденных векторов движения, который может быть проанализирован технически простым способом.
Спектральный параметр представляет собой спектральное распределение энергии характеристического параметра. Это позволяет определить технически простым способом, входит ли информация об основных физиологических показателях в характеристический параметр.
Блок выбора выполнен с возможностью выбора, по меньшей мере, одной области поля обзора, если спектральная энергия заданной полосы частот соответствующего характеристического параметра превышает заданный пороговый уровень. Это позволяет надежно определить, содержит ли, по меньшей мере, одна область поля обзора информацию об основных физиологических показателях, поскольку частотный спектр информации об основных физиологических показателях имеет характеристическую полосу частот, отличающуюся от сигналов помех и от шумов.
В предпочтительном варианте осуществления блок выбора выполнен с возможностью определения весового коэффициента для каждой из различных выбранных областей, при этом вычислительный блок выполнен с возможностью расчета информации об основных физиологических показателях на основе характеристического параметра весового значения выбранной области с помощью соответствующего весового коэффициента. Это представляет практическое решение для определения информации об основных физиологических показателях из расчета качества распознанного характеристического параметра, так что результаты расчета становятся более надежными.
В дополнительном предпочтительном варианте осуществления блок выбора выполнен с возможностью осуществления выбора на постоянной основе, при этом весовой коэффициент для каждой выбранной области определяется на основе частоты выбора соответствующих областей. Это является простым решением для определения весового коэффициента для каждой из выбранных областей технически простым способом. Различные области подвергаются обработке по отдельности и многократно, при этом сигналы, полученные из различных областей, взвешиваются с помощью весового коэффициента, зависящего от количества раз осуществления выбора соответствующей области, при этом большее весовое значение присваивается сигналам, полученным из тех областей, которые выбираются чаще. Другими словами, сигналы от различных областей взвешиваются путем накопления результатов частотного анализа.
В предпочтительном варианте осуществления векторы движения различных областей определяются на постоянной основе и хранятся в накопительном устройстве. Это позволяет проводить подробный анализ вектора движения, поскольку соответствующие векторы хранятся в накопительном устройстве и могут взвешиваться и оцениваться на одном этапе.
Предпочтительно накопительное устройство представляет собой сдвиговый регистр, хранящий заданное количество векторов движения. В данном варианте осуществления самые «старые» векторы движения удаляются, при этом все последующие векторы сдвигаются в регистре, чтобы создать место для последнего вектора. Это позволяет выполнять расчет весовых коэффициентов непрерывно, так что векторы могут легко подвергаться взвешиванию с помощью весового коэффициента.
В предпочтительном варианте осуществления общий вектор движения рассчитывается на основе векторов движения, определенных для выбранных областей и взвешенных на основе весового коэффициента для соответствующей области. Это позволяет надежно определить точный вектор движения, полученный из поля обзора.
Предпочтительно вычислительный блок выполнен с возможностью расчета информации об основных физиологических показателях на основе общего вектора движения. Это является общим решением для определения точной и надежной информации об основных физиологических показателях субъекта в поле обзора.
Как упоминалось выше, в настоящем изобретении предложены устройство и способ, определяющие сигналы, принятые из различных областей или секций поля обзора, а также с целью независимой оценки принятых сигналов, так что исследуемая область для удаленного измерения информации об основных физиологических показателях может быть определена с высокой надежностью на основе фактической информации об основных физиологических показателях и непрерывно корректироваться. Поскольку исследуемая область образована в поле обзора без установления конкретной области и без указания приоритета местоположения или размера исследуемой области, источник оцениваемых сигналов может выбираться свободно, при этом надежность и точность вычисленной информации об основных физиологических показателях повышаются. Кроме того, благодаря частотному анализу сигналов, принятых из различных областей или секций поля обзора, а также благодаря расчету весовых коэффициентов в зависимости от результатов частотного анализа вычисленная информация об основных физиологических показателях устойчива к воздействию сигналов помех, шумов и перемещений субъекта.
Следовательно, информация об основных физиологических показателях может быть получена субъекта с высокой надежностью и высокой точностью на основе технологии удаленных измерений.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Эти и другие аспекты изобретения станут понятны из вариантов осуществления, описанных ниже. На следующих чертежах:
на Фиг. 1 схематично показана общая схема устройства для определения информации об основных физиологических показателях субъекта,
на Фиг. 2 схематично показано движение субъекта, содержащее пример информации об основных физиологических показателях,
на Фиг. 3 показана временная диаграмма переменного сигнала, полученного субъекта, соответствующего информации об основных физиологических показателях,
на Фиг. 4 показана частотная диаграмма переменного сигнала, представленного на Фиг. 3,
на Фиг. 5a-e схематично показана последовательность изображений для иллюстрации выбора различных секций изображения в поле обзора для расчета информации об основных физиологических показателях,
на Фиг. 6 схематично показана блок-схема, представляющая этапы одного варианта осуществления способа для определения информации об основных физиологических показателях субъекта,
на Фиг. 7 схематично показана временная диаграмма сигнала, содержащего информацию об основных физиологических показателях, полученного из исследуемой области поля обзора.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
На Фиг. 1 показан схематичный чертеж устройства, обозначенного в общем позицией 10, для определения информации об основных физиологических показателях субъекта 12. Субъект 12, например пациент, лежащий в кровати, покоится на опоре 14. Голова 16 субъекта обычно представляет собой непоказательный участок в отношении дыхания субъекта 12, при этом показательный участок, грудная клетка 18 или живот 18, накрыт одеялом 20. Общая проблема в обычной ситуации, представленной на Фиг. 1, заключается в том, что сигнал, получаемый от движения грудной клетки 18 в качестве показательного участка в отношении дыхания, ослаблен, при этом обнаруживать сигнал на основе удаленного измерения довольно сложно.
Устройство 10 содержит устройство 22 обнаружения изображения, например монохроматическую камеру, которая может использоваться для регистрации кадров изображения субъекта 12. Кадры изображения могут быть получены из электромагнитного излучения 24, испущенного субъектом 12 или отраженного им. Для извлечения графической информации из данных 26 изображения, например последовательности кадров изображения, данные 26 изображений поступают в блок 28 обработки изображений.
Устройство 22 обнаружения изображения выполнено с возможностью захвата изображений, принадлежащих, по меньшей мере, спектральной составляющей электромагнитного излучения 24. Устройство 22 обнаружения изображения может предоставлять данные изображений в непрерывном режиме или дискретную последовательность кадров изображения, захваченных из поля обзора, включающего в себя субъект 12, подвергаемый измерениям.
Блок 28 обработки изображений выполнен с возможностью оценки данных 26 изображений вообще, а также разделения захваченных изображений на секции или области поля обзора и оценки секций изображений по отдельности для определения исследуемой области. Блок 28 обработки изображений осуществляет деление захваченных изображений на секции или области и находит векторы движения из различных секций, соответствующие движениям объектов в поле обзора, в том числе движению субъекта 12, в частности, движению грудной клетки 18 в качестве показательного участка дыхания. Векторы движения определяются с помощью распознавания паттернов в секциях изображения или посредством распознавания краев в секциях изображения. Способ распознавания краев или паттернов и получения векторов движения из захваченных кадров изображения раскрыт, например, в публикации WO 2012/140531 A1.
Блок 28 обработки изображений определяет переменный сигнал из векторов движения, а также определяет спектральный параметр переменного сигнала с помощью блока 30 частотного анализа, как будет подробно описано ниже. Спектральный параметр каждой из секций данных 26 изображений поступает в блок 32 выбора. Блок 32 выбора выбирает секции данных 26 изображений, из которых получен переменный сигнал, включающий в себя информацию об основных физиологических показателях субъекта 12. Блок 32 выбора выбирает секции на основе соответствующего спектрального параметра. Спектральный параметр представляет собой частотный спектр или спектральное распределение энергии переменного сигнала. Поскольку информация об основных физиологических показателях имеет характеристическое спектральное распределение энергии или характеристическую частоту, блок выбора может выбирать секции, содержащие информацию об основных физиологических показателях субъекта 12. Блок 32 выбора определяет весовой коэффициент для каждой из различных секций изображения, зависящий от результатов частотного анализа. Весовой коэффициент определяется в соответствии с частотой повторения выбора соответствующей секции изображения. Блок 32 выбора предоставляет информацию о выборе, включающую весовые коэффициенты, в вычислительный блок 34, выполненный с возможностью расчета информации об основных физиологических показателях на основе векторов движения, полученных от каждой из выбранных секций. Используя весовой коэффициент, вычислительный блок 34 взвешивает векторы движения соответствующих секций изображения, при этом большее весовое значение присваивается секциям, спектральный параметр которых указывает на более высокое качество полученного вектора движения, т.е. секциям, которые выбирались чаще. Те секции изображения, которые выбирались реже или не выбирались вовсе вследствие большого количества сигналов помех, имеют меньший вес или удаляются. Вычислительный блок 34 направляет вычисленную информацию об основных физиологических показателях на выходное устройство 36, такое как монитор.
Следовательно, устройство 10 определяет те секции захваченных кадров изображения, которые содержат дыхательное движение и которые могут использоваться для образования исследуемой области для определения дыхания субъекта 12. Блок 28 обработки изображений определяет данные движений из секций данных 26 изображений, при этом блок 32 выбора выбирает те секции, которые содержат информацию об основных физиологических показателях и не выбирают те секции, которые содержат сигналы помех или шумы.
Для определения исследуемой области осуществляется захват и оценка множества кадров изображения, при этом определяется весовой коэффициент (называемый коэффициентом повторяемости (persistence)), соответствующий тому, сколько раз выбиралась каждая секция в качестве секции, содержащей основные физиологические показатели. Наконец, векторы движения от каждой из выбранных секций взвешиваются с помощью весового коэффициента для определения общего вектора движения и для определения информации об основных физиологических показателях, например частоты дыхания, как описано ниже.
На Фиг. 2 схематично показан субъект 12 с целью описания удаленного измерения дыхания субъекта 12. Субъект 12 испытывает характерное движение показательного участка 18 (грудной клетки 18) вследствие дыхания. При дыхании расширение и сокращение легких вызывает движение отличительных участков тела живых существ, например, подъем и опускание грудной клетки 18. Кроме того, брюшное дыхание может вызывать характерное движение соответствующих частей тела субъекта 12. По меньшей мере, паттерны частично периодических движений, задействованные физиологическими процессами, могут наблюдаться у многих живых существ, в частности у людей или животных.
В динамике по времени, как показано стрелкой 40, показательный участок 18 совершает движение между сокращенным состоянием, обозначенным ссылочными позициями 18a, 18c, и расширенным состоянием участка, обозначенным позицией 18b. По существу на основе этого паттерна движений, например, можно оценить частоту дыхания или вариабельность частоты дыхания с помощью распознавания паттерна или краев в последовательности захваченных изображений. В то время как показательный участок 18 совершает колебания в динамике по времени, голова 16 в качестве непоказательного участка 16 остается по существу неподвижной.
Несомненно, голова 16 также совершает различные движения в динамике по времени. Однако эти движения не соответствуют периодическим колебаниям грудной клетки 18 и их можно отличить с помощью частотного анализа.
На Фиг. 3 показана временная диаграмма переменного сигнала, полученного из паттерна перемещений и/или из векторов движения различных секций изображения, которые, например, могут определяться на основе распознавания кадров или краев в соответствующей секции изображения. Переменный сигнал, в общем, обозначен через S(t). Переменный сигнал S в данном конкретном случае соответствует перемещению грудной клетки 18 субъекта 12, полученному из секции изображения, соответствующей данным изображений, полученным из соответствующего показательного участка 18. Переменный сигнал S показывает характеристическое изменение, соответствующее перемещению грудной клетки 18, т.е. частоте дыхания субъекта 12. Переменный сигнал S также показывает высокочастотный шум, наложенный на частоту дыхания.
Переменные сигналы S получают от каждой из секций изображения поля обзора, при этом множество секций изображения содержат информацию об основных физиологических показателях, таких как частота дыхания, при этом многие секции изображения могут содержать сигналы помех, не связанные с информацией об основных физиологических показателях субъекта 12, либо другие переменные сигналы, содержащие в основном высокочастотный шум. С целью идентификации тех секций изображения, из которых может быть получена информация об основных физиологических показателях, блок 28 анализа содержит устройство 30 для частотного анализа, предназначенное для проведения частотного анализа переменных сигналов. Частотный анализ предпочтительно проводится с помощью фильтрации переменных сигналов S и/или используя преобразование Фурье, в частности быстрое преобразование Фурье (FFT), для переменного сигнала S. Из переменного сигнала получают частотный спектр с целью идентификации секции изображения, включающей информацию об основных физиологических показателях, как описано ниже.
На Фиг. 4 показан частотный спектр переменного сигнала S, представленного на Фиг. 3, обозначенный, в общем, через F(f). Частотный спектр F демонстрирует большую частотную составляющую в полосе низких частот, в данном конкретном случае между 0 и 1 Герцем, соответствующую частоте дыхания взрослого человека, как правило, не превышающей 1 Герца, т.е. 60 дыханий в минуту. Частотные составляющие более высокого порядка, чем заданная полоса частот, например 1 Герц для взрослых людей и 2 Герца для детей малого возраста, обычно представляют собой сигналы помех в данных 26 изображений или соответствуют шумам переменного сигнала S. Чтобы охарактеризовать качество переменного сигнала S, определяют спектральную энергию переменного сигнала S, при этом секция изображения считается секцией изображения, включающей информацию об основных физиологических показателях, если спектральная энергия переменного сигнала S в заданной полосе частот превышает заданный пороговый уровень или превышает процентное содержание спектральной энергии по сравнению со второй полосой частот, например всем частотным спектром. Например, если спектральная энергия в диапазоне между 0 и 1 или 2 Герцами превышает заданный пороговый уровень, например, составляет более 50% общей спектральной энергии переменного сигнала S либо заданного диапазона спектра, например 2…3 Гц, 3…4 Гц, и т.д. На основе спектральной энергии проводится оценка секций изображения с целью выбора секций изображения в поле обзора и для определения исследуемой области, как описано ниже.
На Фиг. 5a-e схематично показано изображение из поля обзора для пояснения обнаружения информации об основных физиологических показателях субъекта 12 на основе распознанных данных 26 изображений.
Поле обзора, зарегистрированное устройством 22 обнаружения изображения и показанное на Фиг. 5a-e, обозначено в общем позицией 42. На кадре 44 изображения, представляющем поле 42 обзора, захваченное устройством 22 обнаружения изображения, показан субъект 12, в данном случае человек, подвергаемый измерениям.
На кадре 44 изображения сетка 46 делит кадр 44 изображения на различные участки и образует различные секции 48 изображения для различения разных областей в поле 42 обзора и для определения разных векторов движения в поле 42 обзора.
Прежде всего, находят паттерн перемещений от каждой из секций 48 изображения кадра 44 изображения, а также определяют переменные сигналы S из векторов движения, найденных из паттерна перемещений каждой из секций 48 изображения, как описано выше. Векторы движения определяют путем распознавания паттернов или распознавания краев в различных секциях 48 изображения. На основе частотного анализа, проводимого блоком 30 частотного анализа, определяется, соответствует ли паттерн перемещений различных секций 48 изображения информации об основных физиологических показателях в поле 42 обзора, или же паттерн перемещений представляет сигналы помех или шумы. Определение того, включает ли паттерн перемещений информацию об основных физиологических показателях или нет, осуществляется так, как описано выше, на основе спектрального параметра и/или спектральной энергии, а также того, превышает ли спектральная энергия в заданной полосе частот заданное процентное содержание общей спектральной энергии соответствующего переменного сигнала.
На основе этих данных, определенных для каждой из секций 48 изображения, блок 32 выбора выбирает те секции 48 изображения, которые включают информацию об основных физиологических показателях.
Пример выбранных секций 48 изображения схематично показан на Фиг. 5b, при этом выбранные секции 48 изображения помечены крестом.
Процесс захвата кадров 44 изображения и определение переменных сигналов S от каждой из секций 48 изображения, а также выбор секций 48 изображения, включающих информацию об основных физиологических показателях, выполняется на постоянной основе или часто, при этом различные секции 48 могут выбираться в заданном временном интервале или в последовательных кадрах 44 изображения. Два дополнительных кадра 44 изображения, которые включают соответствующим образом выбранные секции изображения, показаны в качестве примера на Фиг. 5c и на Фиг. 5d.
Из выбранных секций 48 изображения определяется исследуемая область 50, как показано на Фиг. 5e. В исследуемой области 50 соответствующим образом выбранные секции 48 изображения отличаются различной штриховкой, соответствующей тому, сколько раз соответствующие секции 48 изображения были выбраны, как показано на Фиг. 5b, 5c и 5d.
Векторы движения, полученные из секций 48 исследуемой области 50, взвешиваются с помощью весового коэффициента (коэффициента повторяемости), который определяется на основе частоты или повторяемости выбора соответствующей секции 48 в заданный временной интервал.
Исследуемая область 50 позволяет проводить надежные и устойчивые к ошибкам измерения, поскольку все секции 48, являющиеся частью исследуемой области 50, взвешиваются в динамике по времени. Весовой коэффициент пропорционален количеству раз выбора соответствующей секции.
Соответствующий весовой коэффициент Wi для каждой секции 48 рассчитывается по формуле:
Figure 00000001
,
где Ni - число раз выбора соответствующей секции 48, n - число кадров, рассмотренных для расчета векторов движения, а i относится к соответствующей секции 48.
Векторы движения предпочтительно сохраняются в запоминающем устройстве, при этом общий вектор G движения рассчитывается по истечении заданного временного интервала по формуле:
Figure 00000002
,
где Wi - весовой коэффициент соответствующей секции 40, а Mi - вектор движения соответствующей секции 48. Следовательно, векторы Mi движения исследуемой области 50 взвешиваются посредством частоты выбора соответствующей секции 48 для расчета общего вектора G движения.
Предпочтительно запоминающее устройство для хранения векторов движения представляет собой сдвиговый регистр, при этом векторы Mi движения каждого кадра 44 изображения и для каждой секции 48 размещены в буфере. Самый «старый» вектор Mi движения, приходящийся на секцию 48, удаляется, при этом все последующие векторы Mi сдвигаются в сдвиговом регистре. Каждый вектор Mi движения далее взвешивается с использованием весового коэффициента, соответствующего частоте выбора соответствующей секции 48. Иными словами, если секция 48 не была выбрана, весовой коэффициент равен 0, если же секция 48 выбиралась в каждом из кадров 44 изображения, весовой коэффициент равен 1.
Следовательно, информация об основных физиологических показателях может вычисляться с высокой точностью на основе соответствующего качества сигнала, принятого от соответствующего показательного участка 18 субъекта 12.
На Фиг. 6 показана блок-схема, иллюстрирующая этапы способа для определения информации об основных физиологических показателях субъекта 12 и для расчета информации об основных физиологических показателях. Способ обозначен в общем позицией 60. Способ 60 начинается с этапа 62. На этапе 64 кадр 44 изображения распознается с помощью устройства 22 обнаружения изображения.
Кадр 44 изображения оценивается на этапе 66 блоком 28 обработки изображений с помощью распознавания паттернов или распознавания краев, при этом векторы Mi движения определяются для каждой из секций 48 изображения, как описано выше. В зависимости от векторов Mi движения, соответствующий переменный сигнал S рассчитывается для каждой из секций 48 изображения.
На этапе 68 переменные сигналы S анализируются посредством блока 30 частотного анализа для определения, включена ли информация об основных физиологических показателях в вектор движения.
На этапе 70 выбираются секции 48 изображения, удовлетворяющие соответствующим критериям, т.е. выбираются те секции 48 изображения, спектральный параметр или спектральная энергия которых превышает заданный пороговый уровень.
На этапе 72 векторы Mi движения для каждой из секций 48 изображения, а также информация от секций 48 изображения, выбранных в данном кадре 44 изображения, заносится в запоминающее устройство 74, которое предпочтительно представляет собой сдвиговый регистр.
Этапы 64-72 повторяются, на что указывает контур 76 обратной связи, чтобы часто захватывать и оценивать новые кадры 44 изображения.
На этапе 78 весовые коэффициенты Wi рассчитываются на основе данных, хранящихся в запоминающем устройстве 74.
На этапе 80 общий вектор G движения рассчитывается на основе векторов Mi движения для каждого из кадров 48 изображения и весовых коэффициентов Wi, как описано выше. Наконец, информация об основных физиологических показателях рассчитывается на основе общего вектора G движения, как показано на этапе 82. Расчет информации об основных физиологических показателях выполняется на постоянной основе, на что указывает контур обратной связи 84.
Способ 60 завершается на этапе 86.
Следовательно, информация об основных физиологических показателях может вычисляться непрерывно на основе часто захватываемых кадров 44 изображения и соответствующих этапов распознавания.
На Фиг. 7 показана временная диаграмма информации об основных физиологических показателях, полученной из общего вектора G движения и обозначенной, в общем, через R(t). Информация R(t) об основных физиологических показателях в данном конкретном случае представляет собой сигнал дыхания, полученный из движения грудной клетки 18 субъекта 12. Из полученного таким образом сигнала R дыхания можно определить частоту дыхания на основе максимальных значений сигнала R дыхания, обозначенных точками на Фиг. 7. Временные интервалы между точками показаны на Фиг. 7 в качестве примера величинами Δt1 и Δt2. Частота дыхания рассчитывается с использованием величины, обратной временному интервалу Δt1, Δt2 между максимальными значениями в сигнале R дыхания, или средней величины временных интервалов, показанных на Фиг. 7.
Следовательно, частота дыхания может быть легко получена из вектора G движения, а поскольку исследуемая область 50 определяется автоматически на основе перемещения грудной клетки 18 субъекта 12 и взвешивается с использованием весового коэффициента W, частота дыхания может определяться из данных 26 изображения с высокой надежностью и высокой точностью.
Хотя изобретение проиллюстрировано на чертежах и подробно представлено в вышеприведенном описании, эти иллюстрации и описание следует рассматривать как приведенные в качестве примера, но не ограничивающие; изобретение не ограничено раскрытыми вариантами осуществления. Специалисты в данной области техники смогут предложить и реализовать другие модификации раскрытых вариантов осуществления, применяя на практике заявленное изобретение, изучив чертежи, описание и прилагаемую формулу изобретения.
В формуле изобретения термин "содержащий" не исключает наличия других элементов или этапов, а перечисление элементов или этапов в единственном числе не исключает их множества. Единственный элемент или другой блок может выполнять функции нескольких объектов, перечисленных в формуле изобретения. Тот факт, что определенные меры упоминаются во взаимно отличных зависимых пунктах формулы изобретения, не означает, что сочетание этих мер не может быть использовано с выгодой.
Компьютерная программа может храниться/быть распределена на подходящем носителе, таком как оптический носитель информации или твердотельный носитель, поставляемом совместно с другим аппаратным обеспечением или в виде его части, однако может также быть распределена в других формах, например через Интернет или другие проводные или беспроводные телекоммуникационные системы.
Ни одну из ссылочных позиций не следует рассматривать как ограничивающую объем изобретения.

Claims (25)

1. Устройство (10) для определения информации (R) о частоте дыхания субъекта (12), содержащее:
- блок (22) обнаружения для обнаружения электромагнитного излучения (24) из поля обзора (42) устройства захвата изображения и для определения характеристического параметра (S), включающего в себя информацию (R) о частоте дыхания субъекта (12) из различных областей (48) поля обзора (42) устройства захвата изображения,
- блок (30) частотного анализа для определения спектрального распределения энергии характеристического параметра (S), полученного из различных областей (48),
- блок (32) выбора для выбора, по меньшей мере, одной из областей (48) поля обзора (42) устройства захвата изображения на основе спектрального распределения энергии, при этом блок (32) выбора выполнен с возможностью выбора, по меньшей мере, одной области (48) поля обзора (42) устройства захвата изображения, если спектральное распределение энергии заданной полосы частот соответствующего характеристического параметра (S) превышает заданный пороговый уровень, и
- вычислительный блок (34) для расчета информации (R) о частоте дыхания на основе характеристического параметра (S), по меньшей мере, из одной выбранной области (48).
2. Устройство по п. 1, в котором блок (32) выбора выполнен с возможностью выбора множества различных областей (48) поля обзора (42) устройства захвата изображения на основе спектрального распределения энергии.
3. Устройство по п. 1 или 2, в котором блок (22) обнаружения представляет собой блок (22) обнаружения изображений для предоставления данных (26) изображения из поля обзора (42) устройства захвата изображения.
4. Устройство по п. 3, в котором блок (22) обнаружения выполнен с возможностью определения векторов (M) движения в качестве характеристического параметра (S), соответствующего информации (R) о частоте дыхания из различных областей (48) на основе распознавания паттернов обнаруженных данных (26) изображения.
5. Устройство по п. 3, в котором блок (22) обнаружения выполнен с возможностью определения переменных сигналов (S) в качестве характеристического параметра (S) на основе распознавания паттернов обнаруженных данных (26) изображения.
6. Устройство по п. 4, в котором вычислительный блок (34) выполнен с возможностью расчета информации (R) о частоте дыхания на основе векторов (M) движения, определенных, по меньшей мере, из одной выбранной области (48).
7. Устройство по п. 2, в котором блок (32) выбора выполнен с возможностью определения весового коэффициента (W) для каждой из различных выбранных областей (48), при этом вычислительный блок (34) выполнен с возможностью расчета информации (R) о частоте дыхания на основе характеристического параметра (S) веса выбранной области (48) с помощью соответствующего весового коэффициента (W).
8. Устройство по п. 7, в котором блок (32) выбора выполнен с возможностью осуществления выбора на постоянной основе, при этом весовой коэффициент (W) для каждой из выбранных областей (48) определяется на основе частоты (n) выбора соответствующих областей (48).
9. Устройство по п. 4, в котором векторы (M) движения различных областей (48) определяются на постоянной основе и хранятся в накопительном устройстве (74).
10. Устройство по п. 9, в котором накопительное устройство (74) представляет собой сдвиговый регистр (74), хранящий заданное количество векторов (M) движения.
11. Устройство по п. 4, в котором блок (32) выбора выполнен с возможностью определения весового коэффициента (W) для каждой из различных выбранных областей (48), и общий вектор (G) движения рассчитан на основе векторов (M) движения, определенных для выбранных областей (48) и взвешенных на основе весового коэффициента (W) соответствующей области (48).
12. Устройство по п. 11, в котором вычислительный блок (34) выполнен с возможностью расчета информации (R) о частоте дыхания на основе общего вектора (G) движения.
13. Способ (60) для определения информации (R) о частоте дыхания субъекта (12), содержащий этапы:
- обнаружения (64) электромагнитного излучения (24) из поля обзора (42) устройства захвата изображения,
- определения (66) характеристического параметра (S), включающего в себя
информацию (R) о частоте дыхания субъекта (12) из различных областей (48) поля обзора (42) устройства захвата изображения,
- определения (68) спектрального распределения энергии характеристического
параметра (S), полученного из различных областей (48),
- выбора (70), по меньшей мере, одной области (48) поля обзора (42) устройства захвата изображения на основе спектрального распределения энергии, при этом, по меньшей мере, одна область (48) выбирается в том случае, если спектральная энергия заданной полосы частот соответствующего характеристического параметра (S) превышает заданный пороговый уровень, и
- вычисления (82) информации (R) частоте дыхания на основе характеристического
параметра (S), по меньшей мере, из одной выбранной области (48).
RU2015140986A 2013-02-28 2014-02-27 Устройство и способ определения информации об основных физиологических показателях субъекта RU2691928C2 (ru)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361770357P 2013-02-28 2013-02-28
US61/770,357 2013-02-28
EP13157242.2A EP2772189A1 (en) 2013-02-28 2013-02-28 Apparatus and method for determining vital sign information from a subject
EP13157242.2 2013-02-28
PCT/EP2014/053867 WO2014131850A1 (en) 2013-02-28 2014-02-27 Apparatus and method for determining vital sign information from a subject

Publications (3)

Publication Number Publication Date
RU2015140986A RU2015140986A (ru) 2017-04-03
RU2015140986A3 RU2015140986A3 (ru) 2018-02-28
RU2691928C2 true RU2691928C2 (ru) 2019-06-18

Family

ID=47826944

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015140986A RU2691928C2 (ru) 2013-02-28 2014-02-27 Устройство и способ определения информации об основных физиологических показателях субъекта

Country Status (7)

Country Link
US (1) US20140243649A1 (ru)
EP (2) EP2772189A1 (ru)
JP (1) JP2016508401A (ru)
CN (1) CN105142516B (ru)
BR (1) BR112015020421A2 (ru)
RU (1) RU2691928C2 (ru)
WO (1) WO2014131850A1 (ru)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2772884A1 (en) 2013-02-28 2014-09-03 Koninklijke Philips N.V. Apparatus and method for detecting subjects on the basis of vital signs
CN105007806B (zh) * 2013-03-13 2019-04-05 皇家飞利浦有限公司 用于确定来自对象的生命体征的装置和方法
EP2967438A1 (en) 2013-03-15 2016-01-20 Koninklijke Philips N.V. Apparatus and method for determining a respiration volume signal from image data
US10134307B2 (en) 2013-12-12 2018-11-20 Koninklijke Philips N.V. Software application for a portable device for CPR guidance using augmented reality
DE102014218140B3 (de) * 2014-09-10 2016-03-10 Ait Austrian Institute Of Technology Gmbh Verfahren und Vorrichtung zur Bestimmung des zeitlichen Verlaufs der Atemtiefe einer Person
CA2964423A1 (en) * 2014-10-13 2016-04-21 Koninklijke Philips N.V. Device and method for detecting vital sign information of a subject
JP6565468B2 (ja) * 2015-08-18 2019-08-28 ノーリツプレシジョン株式会社 呼吸検知装置、呼吸検知方法、及び呼吸検知プログラム
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
GB201615899D0 (en) 2016-09-19 2016-11-02 Oxehealth Ltd Method and apparatus for image processing
WO2018087528A1 (en) 2016-11-08 2018-05-17 Oxehealth Limited Method and apparatus for image processing
GB201706449D0 (en) 2017-04-24 2017-06-07 Oxehealth Ltd Improvements in or realting to in vehicle monitoring
CN106963410A (zh) 2017-05-04 2017-07-21 上海联影医疗科技有限公司 Pet成像系统及其成像方法
JP6963996B2 (ja) * 2017-12-27 2021-11-10 株式会社東海理化電機製作所 制御装置、バイタル検出方法、プログラム、およびバイタル検出装置
JP6924694B2 (ja) * 2017-12-27 2021-08-25 株式会社東海理化電機製作所 制御装置、バイタル検出方法、プログラム、およびバイタル検出装置
GB201803508D0 (en) 2018-03-05 2018-04-18 Oxehealth Ltd Method and apparatus for monitoring of a human or animal subject
WO2019202671A1 (en) * 2018-04-17 2019-10-24 Nec Corporation Pulse rate estimation apparatus, pulse rate estimation method, and computer-readable storage medium
GB201900032D0 (en) 2019-01-02 2019-02-13 Oxehealth Ltd Method and apparatus for monitoring of a human or animal subject
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
WO2021078913A1 (en) 2019-10-22 2021-04-29 Oxypoint Nv Vital parameter measurements for low care patients
EP3811862A1 (en) 2019-10-22 2021-04-28 Oxypoint NV Vital parameter measurements for low care patients

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090066782A1 (en) * 2007-09-07 2009-03-12 Regents Of The University Of Minnesota Spatial-temporal multi-resolution image sensor with adaptive frame rates for tracking movement in a region of interest
US20090306505A1 (en) * 2006-02-22 2009-12-10 Hideki Yoshikawa Ultrasonic diagnostic apparatus
US20100056907A1 (en) * 2008-08-20 2010-03-04 Sensible Medical Innovations Ltd. Methods and devices of cardaic tissue monitoring and analysis
WO2010100593A1 (en) * 2009-03-06 2010-09-10 Koninklijke Philips Electronics N.V. Method of controlling a function of a device and system for detecting the presence of a living being
EP2390840A2 (en) * 2006-02-13 2011-11-30 Snell Limited Method and apparatus for extracting a region of interest in a moving image sequence

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0864999A3 (de) * 1997-03-13 1999-09-08 Philips Patentverwaltung GmbH Bildverarbeitungs-Verfahren für die medizinische Diagnostik
JP3263035B2 (ja) 1997-11-21 2002-03-04 東芝エンジニアリング株式会社 呼吸モニタリングの関心領域設定装置および呼吸モニタリングシステム
KR100677082B1 (ko) * 2000-01-27 2007-02-01 삼성전자주식회사 움직임 추정기
US6701182B1 (en) * 2000-05-25 2004-03-02 Ge Medical Systems Information Technologies Gmbh Method and apparatus for analyzing a physiological waveform
JP3611507B2 (ja) * 2000-05-30 2005-01-19 松下電器産業株式会社 動きベクトル検出装置
JP3477166B2 (ja) 2000-12-07 2003-12-10 学校法人慶應義塾 監視装置
US20030215791A1 (en) * 2002-05-20 2003-11-20 Applied Spectral Imaging Ltd. Method of and system for multiplexed analysis by spectral imaging
JP3764949B2 (ja) * 2003-06-09 2006-04-12 住友大阪セメント株式会社 状態解析装置
DE10348109A1 (de) * 2003-10-16 2005-05-19 Bayerische Motoren Werke Ag Verfahren und Vorrichtung zur Sichtbarmachung einer Fahrzeugumgebung
JP2005218507A (ja) * 2004-02-03 2005-08-18 Tama Tlo Kk バイタルサイン計測方法と装置
JP3782815B2 (ja) * 2004-02-04 2006-06-07 住友大阪セメント株式会社 呼吸解析装置
US8684900B2 (en) * 2006-05-16 2014-04-01 Bao Tran Health monitoring appliance
WO2008038283A2 (en) * 2006-09-25 2008-04-03 Mazor Surgical Technologies Ltd. C-arm computerized tomography system
EP1944978A1 (en) * 2007-01-12 2008-07-16 Koninklijke Philips Electronics N.V. Method and system for encoding a video signal. encoded video signal, method and system for decoding a video signal
US8149273B2 (en) 2007-11-30 2012-04-03 Fuji Xerox Co., Ltd. System and methods for vital sign estimation from passive thermal video
CN102046076A (zh) * 2008-04-03 2011-05-04 Kai医药公司 非接触式生理运动传感器及其使用方法
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
WO2010042253A2 (en) * 2008-04-30 2010-04-15 Board Of Regents, The University Of Texas System An apparatus and method for noninvasive evalution of a target versus a non- target
EP2163201A1 (en) * 2008-09-15 2010-03-17 Westfälische Wilhelms-Universität Münster List mode-based respiratory and cardiac gating in positron emission tomography
JP5300694B2 (ja) * 2009-11-10 2013-09-25 株式会社東芝 検出装置
WO2011161993A1 (ja) * 2010-06-24 2011-12-29 オリンパスメディカルシステムズ株式会社 画像処理装置及び画像処理方法
DE102011016772B8 (de) * 2011-04-12 2024-08-14 Mercedes-Benz Group AG Verfahren und Vorrichtung zur Überwachung zumindest eines Fahrzeuginsassen und Verfahren zum Betrieb zumindest einer Assistenzvorrichtung
WO2012140531A1 (en) 2011-04-14 2012-10-18 Koninklijke Philips Electronics N.V. Device and method for extracting information from characteristic signals
US8988372B2 (en) * 2012-02-22 2015-03-24 Avolonte Health LLC Obtaining physiological measurements using a portable device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2390840A2 (en) * 2006-02-13 2011-11-30 Snell Limited Method and apparatus for extracting a region of interest in a moving image sequence
US20090306505A1 (en) * 2006-02-22 2009-12-10 Hideki Yoshikawa Ultrasonic diagnostic apparatus
US20090066782A1 (en) * 2007-09-07 2009-03-12 Regents Of The University Of Minnesota Spatial-temporal multi-resolution image sensor with adaptive frame rates for tracking movement in a region of interest
US20100056907A1 (en) * 2008-08-20 2010-03-04 Sensible Medical Innovations Ltd. Methods and devices of cardaic tissue monitoring and analysis
WO2010100593A1 (en) * 2009-03-06 2010-09-10 Koninklijke Philips Electronics N.V. Method of controlling a function of a device and system for detecting the presence of a living being

Also Published As

Publication number Publication date
EP2772189A1 (en) 2014-09-03
WO2014131850A1 (en) 2014-09-04
RU2015140986A (ru) 2017-04-03
RU2015140986A3 (ru) 2018-02-28
US20140243649A1 (en) 2014-08-28
CN105142516A (zh) 2015-12-09
CN105142516B (zh) 2018-07-17
EP2961317A1 (en) 2016-01-06
BR112015020421A2 (pt) 2017-07-18
JP2016508401A (ja) 2016-03-22

Similar Documents

Publication Publication Date Title
RU2691928C2 (ru) Устройство и способ определения информации об основных физиологических показателях субъекта
CN105190691B (zh) 用于获得对象的生命体征的设备
US10111593B2 (en) Monitoring system for monitoring a patient and detecting delirium of the patient
EP3229676B1 (en) Method and apparatus for physiological monitoring
JP6466912B2 (ja) 画像データから胸郭及び腹部呼吸信号を決定する装置及び方法
JP6521845B2 (ja) 心拍に連動する周期的変動の計測装置及び計測方法
JP2016514991A (ja) 被験者からバイタルサインを決定する装置及び方法
CN107106027A (zh) 婴儿睡眠监测器
JP6310401B2 (ja) 生理的リズムを表す信号を処理する方法、システム及びコンピュータプログラム
US20220218224A1 (en) Sleep tracking and vital sign monitoring using low power radio waves
RU2648602C2 (ru) Устройство и способ обнаружения субъектов на основе показателей жизненно важных функций
US10292623B2 (en) Apparatus and method for determining a respiration volume signal from image data
Townsend et al. Amplitude-based central apnea screening
Garn et al. Contactless 3D detection of respiratory effort
Gonzalez-Vargas Respiratory Rate Estimation by a Non-invasive Optical Method Based on Video Image Processing

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20200228