TWI714221B - 基於穿透式光線的抖動辨識方法及其系統 - Google Patents

基於穿透式光線的抖動辨識方法及其系統 Download PDF

Info

Publication number
TWI714221B
TWI714221B TW108129443A TW108129443A TWI714221B TW I714221 B TWI714221 B TW I714221B TW 108129443 A TW108129443 A TW 108129443A TW 108129443 A TW108129443 A TW 108129443A TW I714221 B TWI714221 B TW I714221B
Authority
TW
Taiwan
Prior art keywords
intersection
jitter
images
optical pattern
internal structure
Prior art date
Application number
TW108129443A
Other languages
English (en)
Other versions
TW202108078A (zh
Inventor
張榮森
Original Assignee
國立中央大學
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 國立中央大學 filed Critical 國立中央大學
Priority to TW108129443A priority Critical patent/TWI714221B/zh
Priority to US16/996,837 priority patent/US11875508B2/en
Application granted granted Critical
Publication of TWI714221B publication Critical patent/TWI714221B/zh
Publication of TW202108078A publication Critical patent/TW202108078A/zh

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • A61B5/1101—Detecting tremor
    • 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
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/489—Blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/4893—Nerves
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/12—Picture reproducers
    • H04N9/31—Projection devices for colour picture display, e.g. using electronic spatial light modulators [ESLM]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06T2207/10048—Infrared 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Neurology (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Neurosurgery (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Developmental Disabilities (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Databases & Information Systems (AREA)
  • Fuzzy Systems (AREA)

Abstract

本發明提供一種抖動辨識方法及其系統。所述方法包括：以穿透式光線投影第一光學圖樣至一待測部位，其中穿透式光線穿透待測部位的表面並在待測部位的內部結構上相應地形成第二光學圖樣，且第二光學圖樣經合成以包括至少一交叉點；對待測部位的內部結構上的第二光學圖樣拍攝多個影像，並基於前述影像取得各交叉點的一動態特徵；以及基於各交叉點的動態特徵辨識待測部位的內部結構的一抖動態樣。

Description

基於穿透式光線的抖動辨識方法及其系統
本發明是有關於一種辨識方法及其系統，且特別是有關於一種基於穿透式光線的抖動辨識方法及其系統。
巴金森氏症（Parkinson’s disease，PD）是一種常見的神經系統變性疾病，其臨床表現包括靜止性震抖動、運動遲緩、肌強直和姿勢步態障礙，同時病人可能伴有抑鬱、便秘和睡眠障礙等非運動症狀。在上述臨床表現中，靜止性震顫抖動（resting tremor）是最常見的症狀，但較難以肉眼觀察到相關的抖動情形。
在PD的相關研究中，多半是基於核磁共振成像（Magnetic Resonance Imaging，MRI）、單光子發射計算機斷層檢查（Single Photon Emission Computed Tomography，SPECT）、正子斷層造影（Positron Emission Tomography，PET）等高效能醫學影像來進行。然而，由於上述醫學影像在使用上不但具較高的成本，且亦會產生相關的輻射問題，故較難用於作為日常追蹤及治療效果評估的手段。
有鑑於此，本發明提供一種基於穿透式光線的抖動辨識方法及其系統，其可用於解決上述技術問題。
本發明提供一種基於穿透式光線的抖動辨識方法，包括：以穿透式光線投影一第一光學圖樣至一待測部位，其中穿透式光線穿透待測部位的表面並在待測部位的內部結構上相應地形成一第二光學圖樣，且第二光學圖樣經合成以包括至少一交叉點；對待測部位的內部結構上的第二光學圖樣拍攝多個影像，並基於前述影像取得各交叉點的一動態特徵；以及基於各交叉點的動態特徵辨識待測部位的內部結構的一抖動態樣。
本發明提供一種抖動辨識系統，包括投影裝置、取像裝置及處理裝置。處理裝置耦接於取像裝置及投影裝置之間，並經配置以：控制投影裝置以穿透式光線投影一第一光學圖樣至一待測部位，其中該穿透式光線穿透該待測部位的表面並在待測部位的內部結構上相應地形成一第二光學圖樣，且第二光學圖樣經合成以包括至少一交叉點；控制取像裝置對待測部位的內部結構上的第二光學圖樣拍攝多個影像，並基於前述影像取得各交叉點的一動態特徵；以及基於各交叉點的動態特徵辨識待測部位的內部結構的一抖動態樣。
基於上述，本發明提出的基於穿透式光線的抖動辨識方法及其系統可基於投影於待測部位的內部結構上的第二光學圖樣中交叉點的動態特徵來辨識待測部位的內部結構的抖動態樣。藉此，可提供一種即時、低成本、非侵入性的抖動辨識機制。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
概略而言，本發明可在以穿透式光線將具有交叉點的第一光學圖樣投射至待測部位，以在待測部位的內部結構上以形成第二光學圖樣之後，觀察第二光學圖樣上的交叉點隨著待測部位的內部結構的移動而呈現的動態特徵，並由人工智慧模型據以辨識待測部位的內部結構的抖動態樣。在相關應用中，由於PD患者身上出現的抖動態樣將有別於未患有PD的患者，因此在以PD患者/非PD患者的抖動態樣訓練上述人工智慧模型之後，即可讓人工智慧模型基於未知患者的抖動態樣來辨識未知患者為PD患者/非PD患者。以下將作進一步說明。
請參照圖1，其是依據本發明之一實施例繪示的辨識待測部位抖動態樣的示意圖。在圖1中，抖動辨識系統100包括投影裝置102、取像裝置104及處理裝置106。在不同的實施例中，投影裝置102例如是數位光學處理（Digital Light Processing，DLP）投影機或是其他類似的投影裝置，並可受控於處理裝置106而以穿透式光線將指定的圖樣投射至指定的物體上。在不同的實施例中，前述穿透式光線例如是紅外線、X光或其他可用於穿透物體的光線，但可不限於此。
以圖1為例，投影裝置102可受控於處理裝置106而以穿透式光線將第一光學圖樣120投影至待測部位199（例如，手部）。在本實施例中，第一光學圖樣120例如是摩爾紋（Moire），但本發明可不限於此。在其他實施例中，投影裝置102亦可投射具有其他態樣的圖樣作為第一光學圖樣120，只要其具有至少一個交叉點即可。在其他實施例中，亦可採用不具有任何交叉點的圖樣作為第一光學圖樣120，例如數條平行線等，但可不限於此。
取像裝置104例如是任何具有電荷耦合元件（Charge coupled device，CCD）鏡頭、互補式金氧半電晶體（Complementary metal oxide semiconductor transistors，CMOS）鏡頭的攝影機，或是可偵測穿透式光線的攝影機，例如紅外線攝影機或X光攝影機等，但本發明可不限於此。
在本實施例中，當第一光學圖樣120被以穿透式光線投影至待測部位199時，穿透式光線可穿透待測部位199的表面並在待測部位199的內部結構上相應地形成第二光學圖樣130。在不同的實施例中，前述內部結構可以是真皮、血管、神經及筋膜間質組織的至少其中之一，或是人體內的任何組織，但本發明可不限於此。
在一實施例中，第一光學圖樣120因應於待測部位199的內部結構的輪廓而產生變形的現象，從而在待測部位199的內部結構上形成第二光學圖樣130。在此情況下，取像裝置104可受控於處理裝置106而對第二光學圖樣130連續地拍攝多張影像。
在圖1中，由於第一光學圖樣120中可包括一或多個交叉點，因此在第一光學圖樣120被投影至待測部位199的內部結構上之後，將相應地使得第二光學圖樣130亦經合成以包括一或多個交叉點（例如交叉點130a，如圖1所示。詳細而言，在第一光學圖樣120被投影至待測部位199的內部結構上後，可在待測部位199的內部結構上形成陰影，而此陰影可與第一光學圖樣120重疊、干涉，進而產生第二光學圖樣130（其例如呈現等高線的態樣）。
在此情況下，若待測部位199的內部結構出現抖動（tremor）的情況，將使得第二光學圖樣130上的各交叉點在上述影像中的位置出現變化。因此，可藉由追蹤第二光學圖樣130上的各交叉點在前述影像中的位置變化而相應地推得待測部位199的內部結構的抖動情況，但本發明可不限於此。
此外，在其他實施例中，若第一光學圖樣係實現為不具交叉點的態樣（例如一或多條平行線），則在第一光學圖樣被投影至待測部位199的內部結構上後，可在待測部位199的內部結構上形成另一種陰影（例如一或多條平行線），而此陰影可與第一光學圖樣重疊、干涉，進而產生第二光學圖樣，但本發明可不限於此。
處理裝置106耦接於投影裝置102及取像裝置104，並可以是為手機、智慧型手機、個人電腦（personal computer，PC）、筆記型電腦（notebook PC）、網本型電腦（netbook PC）、平板電腦（tablet PC），但本發明可不限於此。應了解的是，雖投影裝置102、取像裝置104及處理裝置106在圖1中係繪示為三個不同的裝置，但在其他的實施例中，此三者亦可整合為單一個裝置。
請參照圖2，其是依據本發明之一實施例繪示的基於穿透式光線的抖動辨識方法流程圖。本實施例的方法可由圖1的抖動辨識系統100執行，以下即搭配圖1所示的元件來說明圖2各步驟的細節。
首先，在步驟S210中，處理裝置106可控制投影裝置102以穿透式光線投影第一光學圖樣120至待測部位199，其中穿透式光線穿透待測部位199的表面並在待測部位199的內部結構上相應地形成第二光學圖樣130。承先前實施例所述的，在第一光學圖樣120包括至少一個交叉點的情況下，形成於待測部位199的內部結構上的第二光學圖樣130亦會包括至少一個交叉點（例如交叉點130a）。在本實施例中，待測部位199例如是一未知患者的手部，但可不限於此。
接著，在步驟S220中，處理裝置106可控制取像裝置104對待測部位199的內部結構上的第二光學圖樣130拍攝多個影像，並基於前述影像取得各交叉點的動態特徵。
在不同的實施例中，各交叉點的動態特徵可表徵為各交叉點的振幅、形狀、抖動頻率等，但本發明可不限於此。為便於說明，以下將基僅於第二光學圖樣130中的交叉點130a進行說明，而本領域具通常知識者應可依相關教示而推得處理裝置106基於第二光學圖樣130中的其他交叉點所進行的操作。
在一實施例中，處理裝置106可基於快速傅利葉轉換（Fast Fourier Transform，FFT）取得交叉點130a在取像裝置104所拍攝的影像中的抖動頻率。在另一實施例中，處理裝置106可取得交叉點130a在上述影像中的多個位置，並藉由分析前述位置的變化情形以得知交叉點130a的振幅，即交叉點130a在前述影像中的移動幅度。
此外，在其他實施例中，上述影像例如是由紅外線攝影機拍攝的多張紅外線影像。在此情況下，處理裝置106可取得交叉點130a在上述紅外線影像中的灰階值變化，並藉由分析此灰階值變化以得知交叉點130a的振幅，但可不限於此。
之後，在步驟S230中，處理裝置106可基於各交叉點的動態特徵辨識待測部位199的內部結構的抖動態樣。在一實施例中，處理裝置106可將各交叉點的動態特徵輸入至先前提及的人工智慧模型以辨識待測部位199的內部結構的抖動態樣係屬於第一類抖動或第二類抖動。
為讓上述人工智慧模型具有辨識待測部位199的內部結構的抖動態樣的能力，處理裝置106可預先以多個訓練影像訓練上述人工智慧模型，其中上述訓練影像包括多個第一類影像及多個第二類影像，其中上述第一類影像對應於該第一類抖動，上述第二類影像對應於第二類抖動。
在一實施例中，若欲讓上述人工智慧模型具有辨識PD的能力，則上述第一類影像可拍攝自患有PD的一或多個第一患者，而上述第二類影像可拍攝自未患有PD的一或多個第二患者。舉例來說，若待測部位199為一未知患者的手部，則第一類影像可以是各第一患者的手部的內部結構影像，而第二類影像則可以是各第二患者的手部的內部結構影像。在此情況下，人工智慧模型即可從第一類影像中學習到患有PD的第一患者的手部的內部結構抖動態樣（即，第一類抖動），以及從第二類影像中學習到未患有PD的第二患者的手部的內部結構抖動態樣（即，第二類抖動）。
此外，在人工智慧模型的訓練階段中，處理裝置106可控制投影裝置102以穿透式光線投影第一光學圖樣120至第一患者（即，PD患者）的第一預設部位，其中穿透式光線穿透第一預設部位的表面並在第一預設部位的第一內部結構上相應地形成第三光學圖樣（即，隨著第一預設部位的輪廓而變形的第一光學圖樣120）。在本實施例中，第三光學圖樣包括至少一第一交叉點，且第一預設部位對應於待測部位（例如，皆為手部）。之後，處理裝置106可控制取像裝置104對第一預設部位的第一內部結構上的第三光學圖樣拍攝影像以作為上述第一類影像，並基於所拍攝的第一類影像取得各第一交叉點的抖動頻率。之後，處理裝置106可取得各第一交叉點的抖動頻率的一頻率峰值，並將各第一交叉點及對應的頻率峰值映射至第一標準部位圖以產生第一抖動分布圖。接著，處理裝置106可將第一抖動分布圖標記為第一類抖動，並饋入人工智慧模型以供人工智慧模型學習第一類抖動的特徵。
相似地，處理裝置106可控制投影裝置102投影第一光學圖樣120至第二患者（即，非PD患者）的第二預設部位其中穿透式光線穿透第二預設部位的表面並在第二預設部位的第二內部結構上相應地形成第四光學圖樣（即，隨著第二預設部位的輪廓而變形的第一光學圖樣120）。在本實施例中，第四光學圖樣包括至少一第二交叉點，且第二預設部位對應於待測部位（例如，皆為手部）。之後，處理裝置106可控制取像裝置104對第二預設部位的第二內部結構上的第四光學圖樣拍攝影像以作為上述第二類影像，並基於所拍攝的第二類影像取得各第二交叉點的抖動頻率。之後，處理裝置106可取得各第二交叉點的抖動頻率的一頻率峰值，並將各第二交叉點及對應的頻率峰值映射至第二標準部位圖以產生第二抖動分布圖。接著，處理裝置106可將第二抖動分布圖標記為第二類抖動，並饋入人工智慧模型以供人工智慧模型學習第二類抖動的特徵。
為讓上述概念更為清楚，以下另輔以圖3進行說明。請參照圖3，其是依據本發明之一實施例繪示的標記訓練資料的示意圖。在本實施例中，假設PD患者將其第一預設部位399（即，手部）置放於本發明的投影裝置（未繪示）之下，而本發明的處理裝置（未繪示）可相應地控制投影裝置以穿透式光線將第一光學圖樣投影至第一預設部位399，以在第一預設部位399的第一內部結構上形成第三光學圖樣310。之後，處理裝置可基於取像裝置（未繪示）對第一預設部位399的第一內部結構所拍攝的多張第一類影像來取得第三光學圖樣310上各第一交叉點的動態特徵。以第三光學圖樣310上的第一交叉點310a、310b、310c為例，處理裝置可將第一交叉點310a~310c的動態特徵表徵為各第一交叉點310a~310c的抖動頻率。
在圖3中，圖表320a、320b、320c分別可以是第一交叉點310a~310c經FFT而得的抖動頻率分布圖，但本發明可不限於此。
之後，處理裝置可取得各第一交叉點的抖動頻率的頻率峰值，並將各第一交叉點及其頻率峰值映射至第一標準部位圖330以產生第一抖動分布圖330a，其中具不同頻率峰值的第一交叉點可標示有不同的顏色。之後，處理裝置可將第一抖動分布圖330a標記為第一類抖動（即，PD患者的抖動），並饋入人工智慧模型以供人工智慧模型學習第一類抖動的特徵。
相似地，本發明的抖動辨識系統亦可對其他的第一患者（例如，PD患者）進行上述操作，以產生第一抖動分布圖330b、330c。之後，本發明的抖動辨識系統可將第一抖動分布圖330b、330c標記為第一類抖動（即，PD患者的抖動），並饋入人工智慧模型以供人工智慧模型學習第一類抖動的特徵。
此外，本發明的抖動辨識系統亦可對其他的第二患者（例如，非PD患者）進行上述操作，以產生第二抖動分布圖330d、330e、330f。之後，本發明的抖動辨識系統可將第二抖動分布圖330d、330e、330f標記為第二類抖動（即，非PD患者的抖動），並饋入人工智慧模型以供人工智慧模型學習第二類抖動的特徵。
在完成對人工智慧模型的訓練之後，處理裝置106即可將各交叉點的動態特徵（例如振幅、抖動頻率等）輸入人工智慧模型。舉例而言，處理裝置106可將各交叉點及其抖動頻率的頻率峰值亦映射至可饋入人工智慧模型的一標準部位圖，以在此標準部位圖上形成對應於待測部位199的內部結構的抖動分布圖。
之後，人工智慧模型即可據以辨識待測部位199（即，未知患者的手部）的內部結構的抖動態樣是屬於第一類抖動或第二類抖動。若待測部位199的內部結構的抖動態樣屬於第一類抖動，即代表未知患者可能患有PD。相反地，若待測部位199的內部結構的抖動態樣屬於第二類抖動，即代表未知患者可能未患有PD。
簡言之，在將PD患者/非PD患者的手部的內部結構抖動態樣作為訓練資料來訓練人工智慧模型之後，此人工智慧模型即可基於未知患者手部的內部結構抖動態樣來辨識未知患者是否患有PD，但本發明可不限於此。在其他實施例中，處理裝置106亦可基於PD患者/非PD患者其他部位的內部結構的抖動態樣來訓練人工智慧模型，而不限於上述實施例中提及的手部。
在一些實施例中，本發明的概念可適用於辨識其他型態的待測部位的內部結構的抖動態樣，舉凡植物、人類以外的其他動物、礦物等都可作為本發明所考慮的待測部位。在此情況下，本發明的系統可對人工智慧模型進行相應的訓練，從而讓其具有辨識植物、動物及礦物的內部結構的抖動態樣的能力。相關細節可參照先前實施例中的說明，於此不另贅述。
綜上所述，本發明提出的基於穿透式光線的抖動辨識方法及其系統可在以穿透式光線將具有交叉點的第一光學圖樣投射至待測部位，以在待測部位的內部結構上形成第二光學圖樣之後，觀察第二光學圖樣上的交叉點的動態特徵，並由人工智慧模型據以辨識待測部位的內部結構的抖動態樣是屬於第一類抖動或第二類抖動。藉此，可提供一種即時、低成本、非侵入性、非接觸式的抖動辨識機制。並且，透過對人工智慧模型進行適當的訓練，可讓人工智慧模型具備辨識特定疾病（例如，PD）的能力，因此可有效地作為日常追蹤及治療效果評估的手段。並且，透過本發明提出的方法，還可在PD患者的抖動尚不明顯時即協助醫師作出相關的診斷，因而能夠讓相關的醫護人員採取對應的治療手段，從而有利於病情的控制。
此外，對於患有典型PD（即，抖動為肉眼可見）或非典型PD（即，抖動不為肉眼可見）的患者而言，本發明皆可用以協助辨識其身上待測部位的內部結構的抖動態樣。進一步而言，即便患者的抖動情形因服藥後而有所減緩，但仍可藉由本發明的方法及其系統觀察到改善後餘存的微小振動模式（tremor pattern），進而有助於醫師作出相關的診斷。
並且，本發明還可用於辨識植物、動物、礦物等各式待測部位的內部結構的抖動態樣，因而可用於協助相關的研究人員對所考慮的待測部位進行研究。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100:抖動辨識系統 102:投影裝置 104:取像裝置 106:處理裝置 120:第一光學圖樣 130:第二光學圖樣 130a:交叉點 199:待測部位 310:第三光學圖樣 320a、320b、320c:圖表 330:第一標準部位圖 310a、310b、310c:第一交叉點 330a、330b、330c:第一抖動分布圖 330d、330e、330f:第二抖動分布圖 399:第一預設部位 S210~S230:步驟
圖1是依據本發明之一實施例繪示的辨識待測部位的內部結構抖動態樣的示意圖。 圖2是依據本發明之一實施例繪示的基於穿透式光線的抖動辨識方法流程圖。 圖3是依據本發明之一實施例繪示的標記訓練資料的示意圖。
S210~S230:步驟

Claims (15)

  1. 一種基於穿透式光線的抖動辨識方法，包括： 以一穿透式光線投影一第一光學圖樣至一待測部位，其中該穿透式光線穿透該待測部位的一表面並在在該待測部位的內部結構上相應地形成一第二光學圖樣，且該第二光學圖樣經合成以包括至少一交叉點； 對該待測部位的該內部結構的該第二光學圖樣拍攝多個影像，並基於該些影像取得各該交叉點的一動態特徵；以及 基於各該交叉點的該動態特徵辨識該待測部位的該內部結構一抖動態樣。
  2. 如申請專利範圍第1項所述的方法，其中該第一光學圖樣為一摩爾紋。
  3. 如申請專利範圍第1項所述的方法，其中各該交叉點的該動態特徵包括各該交叉點的抖動頻率，且基於該些影像取得各該交叉點的該動態特徵的步驟包括： 對於該至少一交叉點中的一第一交叉點，基於一快速傅利葉轉換取得該第一交叉點在該些影像中的抖動頻率。
  4. 如申請專利範圍第1項所述的方法，其中各該交叉點的該動態特徵包括各該交叉點的振幅，且基於該些影像取得各該交叉點的該動態特徵的步驟包括： 對於該至少一交叉點中的一第一交叉點，取得該第一交叉點在該些影像中的多個位置；以及 分析該些位置的一變化情形以得知該第一交叉點的該振幅。
  5. 如申請專利範圍第1項所述的方法，其中該些影像包括多個紅外線影像，各該交叉點的該動態特徵包括各該交叉點的振幅，且基於該些影像取得各該交叉點的該動態特徵的步驟包括： 對於該至少一交叉點中的一第一交叉點，取得該第一交叉點在該些紅外線影像中的一灰階值變化；以及 分析該灰階值變化以得知該第一交叉點的該振幅。
  6. 如申請專利範圍第1項所述的方法，其中基於各該交叉點的該動態特徵辨識該待測部位的該內部結構的該抖動態樣的步驟包括： 將各該交叉點的該動態特徵輸入一人工智慧模型，以由該人工智慧模型辨識該待測部位的該內部結構的該抖動態樣係屬於一第一類抖動或一第二類抖動。
  7. 如申請專利範圍第6項所述的方法，更包括： 以多個訓練影像訓練該人工智慧模型，其中該些訓練影像包括多個第一類影像及多個第二類影像，其中該些第一類影像對應於該第一類抖動，該些第二類影像對應於該第二類抖動。
  8. 如申請專利範圍第7項所述的方法，其中該些第一類影像拍攝自患有巴金森氏症的一第一患者，而該些第二類影像拍攝自未患有巴金森氏症的一第二患者。
  9. 如申請專利範圍第8項所述的方法，更包括： 以該穿透式光線投影該第一光學圖樣至該第一患者的一第一預設部位，其中該穿透式光線穿透該第一預設部位的表面並在在該第一預設部位的一第一內部結構上相應地形成一第三光學圖樣，其中該第三光學圖樣包括至少一第一交叉點，且該第一預設部位對應於該待測部位； 對該第一預設部位的該第一內部結構上的該第三光學圖樣拍攝該些第一類影像，並基於該些第一類影像取得各該第一交叉點的一抖動頻率； 取得各該第一交叉點的該抖動頻率的一頻率峰值；以及 將各該第一交叉點及對應的該頻率峰值映射至一第一標準部位圖以產生一第一抖動分布圖；以及 將該第一抖動分布圖標記為該第一類抖動，並饋入該人工智慧模型以供該人工智慧模型學習該第一類抖動的特徵。
  10. 如申請專利範圍第9項所述的方法，更包括： 以該穿透式光線投影該第一光學圖樣至該第二患者的一第二預設部位，其中該穿透式光線穿透該第二預設部位的表面並在該第二預設部位的一第二內部結構上相應地形成一第四光學圖樣，其中該第四光學圖樣包括至少一第二交叉點，且該第二預設部位對應於該待測部位； 對該第二預設部位的該第二內部結構上的該第四光學圖樣拍攝該些第二類影像，並基於該些第二類影像取得各該第二交叉點的一抖動頻率； 取得各該第二交叉點的該抖動頻率的一頻率峰值；以及 將各該第二交叉點及對應的該頻率峰值映射至一第二標準部位圖以產生一第二抖動分布圖；以及 將該第二抖動分布圖標記為該第二類抖動，並饋入該人工智慧模型以供該人工智慧模型學習該第二類抖動的特徵。
  11. 如申請專利範圍第1項所述的方法，其中該待測部位為一未知患者的手部。
  12. 如申請專利範圍第1項所述的方法，其中該內部結構包括真皮、血管、神經及筋膜間質組織的至少其中之一。
  13. 如申請專利範圍第1項所述的方法，其中該待測部位包括一植物、一動物及一礦物的至少其中之一。
  14. 如申請專利範圍第1項所述的方法，其中該穿透式光線包括紅外線及X光的至少其中之一。
  15. 一種抖動辨識系統，包括： 一投影裝置； 一取像裝置； 一處理裝置，耦接該取像裝置及該投影裝置，並經配置以： 控制該投影裝置以一穿透式光線投影一第一光學圖樣至一待測部位，其中該穿透式光線穿透該待測部位的表面並在該待測部位的內部結構上相應地形成一第二光學圖樣，且該第二光學圖樣經合成以包括至少一交叉點； 控制該取像裝置對該待測部位的該內部結構上的該第二光學圖樣拍攝多個影像，並基於該些影像取得各該交叉點的一動態特徵；以及 基於各該交叉點的該動態特徵辨識該待測部位的該內部結構的一抖動態樣。
TW108129443A 2019-08-19 2019-08-19 基於穿透式光線的抖動辨識方法及其系統 TWI714221B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW108129443A TWI714221B (zh) 2019-08-19 2019-08-19 基於穿透式光線的抖動辨識方法及其系統
US16/996,837 US11875508B2 (en) 2019-08-19 2020-08-18 Transmissive light based tremor identification method and system thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108129443A TWI714221B (zh) 2019-08-19 2019-08-19 基於穿透式光線的抖動辨識方法及其系統

Publications (2)

Publication Number Publication Date
TWI714221B true TWI714221B (zh) 2020-12-21
TW202108078A TW202108078A (zh) 2021-03-01

Family

ID=74646324

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108129443A TWI714221B (zh) 2019-08-19 2019-08-19 基於穿透式光線的抖動辨識方法及其系統

Country Status (2)

Country Link
US (1) US11875508B2 (zh)
TW (1) TWI714221B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI721533B (zh) * 2019-08-19 2021-03-11 國立中央大學 抖動辨識方法及其系統

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701806A (zh) * 2016-01-11 2016-06-22 上海交通大学 基于深度图像的帕金森震颤运动特征检测方法及系统
US20180153422A1 (en) * 2016-12-01 2018-06-07 Panasonic Intellectual Property Management Co., Ltd. Biological information detection apparatus that includes a light source projecting a near-infrared pattern onto an object and an imaging system including first photodetector cells detecting near-infrared wavelength light and second photodetector cells detecting visible wavelength light
TWM591390U (zh) * 2019-08-19 2020-03-01 國立中央大學 基於穿透式光線的抖動辨識系統

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2400261A1 (de) * 2010-06-21 2011-12-28 Leica Geosystems AG Optisches Messverfahren und Messsystem zum Bestimmen von 3D-Koordinaten auf einer Messobjekt-Oberfläche
EP2938259A4 (en) * 2012-12-31 2016-08-17 Omni Medsci Inc NEAR-FROSTED LASER FOR NONINVASIVE MONITORING OF GLUCOSE, KETONES, HBA1C AND OTHER BLOOD COMPONENTS
US11501441B2 (en) * 2019-05-14 2022-11-15 Aic Innovations Group, Inc. Biomarker determination using optical flows

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701806A (zh) * 2016-01-11 2016-06-22 上海交通大学 基于深度图像的帕金森震颤运动特征检测方法及系统
US20180153422A1 (en) * 2016-12-01 2018-06-07 Panasonic Intellectual Property Management Co., Ltd. Biological information detection apparatus that includes a light source projecting a near-infrared pattern onto an object and an imaging system including first photodetector cells detecting near-infrared wavelength light and second photodetector cells detecting visible wavelength light
TWM591390U (zh) * 2019-08-19 2020-03-01 國立中央大學 基於穿透式光線的抖動辨識系統

Also Published As

Publication number Publication date
US11875508B2 (en) 2024-01-16
US20210056698A1 (en) 2021-02-25
TW202108078A (zh) 2021-03-01

Similar Documents

Publication Publication Date Title
US10660541B2 (en) Systems, devices, and methods for detecting false movements for motion correction during a medical imaging scan
US10170155B2 (en) Motion information display apparatus and method
US20190261914A1 (en) Physiologic audio methods and arrangements
US12033316B2 (en) Systems and methods of measuring the body based on image analysis
EP4002385A2 (en) Motor task analysis system and method
US11503998B1 (en) Method and a system for detection of eye gaze-pattern abnormalities and related neurological diseases
GB2571265A (en) Method for detecting and classifying a motor seizure
Jung et al. Deep neural network-based gait classification using wearable inertial sensor data
Mutha et al. Motor adaptation deficits in ideomotor apraxia
TWI714221B (zh) 基於穿透式光線的抖動辨識方法及其系統
Thurman et al. Revisiting the importance of common body motion in human action perception
Abbasi et al. Deep-learning for automated markerless tracking of infants general movements
Rahman et al. Auto-gait: Automatic ataxia risk assessment with computer vision from gait task videos
Lanata et al. Robust head mounted wearable eye tracking system for dynamical calibration
TWM591390U (zh) 基於穿透式光線的抖動辨識系統
Cai et al. Robust gaze estimation via normalized iris center-eye corner vector
TWI721533B (zh) 抖動辨識方法及其系統
Ettefagh et al. Enhancing automated lower limb rehabilitation exercise task recognition through multi-sensor data fusion in tele-rehabilitation
Hernandez-Matas et al. Super resolution for fundoscopy based on 3D image registration
Okusa et al. Gait Parameter and Speed Estimation from the Frontal View Gait Video Data Based on the Gait Motion and Spatial Modeling.
Liang et al. Data analytics framework for a game-based rehabilitation system
Boujut et al. Visual saliency maps for studies of behavior of patients with neurodegenerative diseases: Observer's versus actor's points of view
Han et al. Verification on the Feasibility of A Vision-Based Swallowing Detection Method
CN112869746B (zh) 一种检测提上睑肌肌力的方法及装置
WO2024024062A1 (ja) 症状検出プログラム、症状検出方法および症状検出装置