AT522841A1 - Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person - Google Patents
Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person Download PDFInfo
- Publication number
- AT522841A1 AT522841A1 ATA50645/2019A AT506452019A AT522841A1 AT 522841 A1 AT522841 A1 AT 522841A1 AT 506452019 A AT506452019 A AT 506452019A AT 522841 A1 AT522841 A1 AT 522841A1
- Authority
- AT
- Austria
- Prior art keywords
- movement
- value
- time
- person
- activity signal
- Prior art date
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 303
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000000694 effects Effects 0.000 claims abstract description 110
- 230000007958 sleep Effects 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 53
- 230000036962 time dependent Effects 0.000 claims abstract description 29
- 238000009825 accumulation Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims abstract description 8
- 230000001427 coherent effect Effects 0.000 claims abstract description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 85
- 201000010099 disease Diseases 0.000 claims description 49
- 230000008859 change Effects 0.000 claims description 24
- 238000012935 Averaging Methods 0.000 claims description 16
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 claims description 13
- 230000002123 temporal effect Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 208000025535 REM sleep behavior disease Diseases 0.000 description 52
- 230000006870 function Effects 0.000 description 20
- 238000009826 distribution Methods 0.000 description 9
- 206010028347 Muscle twitching Diseases 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000037023 motor activity Effects 0.000 description 5
- 208000019116 sleep disease Diseases 0.000 description 5
- 241001669679 Eleotris Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 208000020685 sleep-wake disease Diseases 0.000 description 3
- 208000000230 African Trypanosomiasis Diseases 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 2
- 208000009829 Lewy Body Disease Diseases 0.000 description 2
- 201000002832 Lewy body dementia Diseases 0.000 description 2
- 208000001089 Multiple system atrophy Diseases 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 241000223105 Trypanosoma brucei Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 208000029080 human African trypanosomiasis Diseases 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000004770 neurodegeneration Effects 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 201000002612 sleeping sickness Diseases 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- 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
- A61B5/4806—Sleep evaluation
-
- 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
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1114—Tracking parts of the body
-
- 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
- A61B5/1116—Determining posture transitions
-
- 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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person (1) während ihres Schlafs umfassend die folgenden Schritte - Ermitteln eines zeitabhängigen Aktivitätssignals (MA) umfassend eine Anzahl von zeitlich aufeinander folgenden Zeitpunkten zugewiesenen Bewegungswerten, - gegebenenfalls Anwenden einzelner Signalverarbeitungsschritte, insbesondere Filtern, auf das Aktivitätssignal (MA), - Ermitteln eines zeitabhängigen Bewegungsindikatorsignals (BI) basierend auf dem Aktivitätssignal (MA), indem für jeden Zeitpunkt ermittelt wird, ob der jeweilige Bewegungswert des Aktivitätssignals (MA) einen aus dem Aktivitätssignal (MA) ermittelten, adaptiven Schwellenwert (THZ) übersteigt, - Ermitteln von einzelnen Bewegungsphasen (BP; BP1, ..., BP3) als zusammenhängende Zeitabschnitte im zeitabhängigen Bewegungsindikatorsignal (BI), in denen das Bewegungsindikatorsignal (BI) eine Überschreitung des Schwellenwerts (THZ) indiziert, und - Ermitteln oder Festlegen jeweils zumindest eines Merkmalswerts für jede der Bewegungsphasen (BP; BP1, ..., BP3) und Akkumulation der so ermittelten Merkmalswerte über die einzelnen Bewegungsphasen (BP; BP1, ..., BP3) zu zumindest einem Gesamtmerkmalswert.
Description
Aus dem Stand der Technik sind unterschiedliche Verfahren zur Überwachung von schlafenden Personen, insbesondere zur Detektion von Körperbewegungen der Personen während deren Schlafs, bekannt. Grundsätzlich besteht dabei die Möglichkeit, pathologische Zustände der schlafenden Person anhand der _detektierten Körperbewegungen zu identifizieren und entsprechend zu verarbeiten. Ein wesentliches Problem bei aus dem Stand der Technik bekannten Verfahren zur Überwachung von schlafenden Personen ist, dass die vollständige Erfassung des Verhaltens einer Person während des Schlafs üblicherweise zu großen Datenmengen führt, obwohl Bewegungen während des Schlafs unter Umständen nur selten stattfinden. Diese Daten werden anschließend üblicherweise visuell von Schlafmedizinern analysiert, was als Nachteile mit sich bringt, dass Bewegungen, die beispielsweise unter einer Decke ausgeführt werden, mit freiem Auge oft schlecht zu erkennen sind und eine Vielzahl von Daten aufgrund von
Bewegungslosigkeit der schlafenden Person verworfen werden müssen.
Aufgabe der Erfindung ist es daher, einerseits die einzelnen Bewegungen einer schlafenden Person sicher und zuverlässig zu detektieren, insbesondere auch dann, wenn die Person von einer Decke abgedeckt ist, und andererseits die Intensität und/oder das Ausmaß der Körperbewegungen der Person während des Schlafs zuverlässig zu detektieren und zu charakterisieren.
Die Erfindung löst diese Aufgabe bei einem Verfahren der eingangs genannten Art mit den kennzeichnenden Merkmalen des Patentanspruchs 1.
Ein erfindungsgemäßes Verfahren umfasst dabei folgende Schritte: - Ermitteln eines zeitabhängigen Aktivitätssignals umfassend eine Anzahl von zeitlich aufeinander folgenden Zeitpunkten zugewiesenen Bewegungswerten, - wobei die Bewegungswerte jeweils charakteristisch für das Ausmaß und/oder die Intensität von Körperbewegungen, insbesondere Beinbewegungen, der Person zu einem jeweiligen Zeitpunkt während ihres Schlafs sind, und - wobei das Aktivitätssignal aus einem Höhenbild basierend auf dreidimensionalen Aufnahmen der Person während ihres Schlafs ermittelt wird,
wird.
Durch diese Vorgehensweise ist vorteilhafterweise sichergestellt, dass einerseits auch verhältnismäßig schwach ausgeprägte Körperbewegungen während des Schlafs zuverlässig detektiert werden und andererseits auch zeitliche und/oder räumliche Bewegungsverteilungen ermittelt werden können, die charakteristisch für die Intensität der Körperbewegungen der Person während ihres Schlafs sind. Da es bei dieser Vorgehensweise vorteilhafterweise nicht erforderlich ist, Elektroden am Körper der Person anzubringen, ist keine zusätzliche Verkabelung zur Überwachung der Person erforderlich, die das normale Schlafverhalten beeinträchtigen würde. Weiters ist es auf diese Weise auch möglich, den gesamten Körper der schlafenden Person zu erfassen.
Unter dem Ausmaß der Körperbewegungen der Person während ihres Schlafs ist im Zusammenhang mit der Erfindung zu verstehen, wie räumlich ausgebreitet die Bewegung durchgeführt wird, reichend von kleinen Zuckungen einzelner Gliedmaßen bis zu komplexen Bewegungen großer Körperpartien bzw. des gesamten Körpers, oder wie sich die Bewegung räumlich ausbreitet.
Unter der Intensität der Körperbewegungen der Person während ihres Schlafs ist im
Zusammenhang mit der Erfindung zu verstehen, wie häufig und/oder wie ausgeprägt die
Bewegungen während einer definierten Zeiteinheit von der Person ausgeführt werden.
Bei der RBD-Erkrankung - von engl. REM sleep behavior disorder - handelt es sich um eine REM-Schlaf-Verhaltensstörung, d.h. eine Schlafstörung, die durch motorische Aktivität, die von einfachen Zuckungen bis hin zu komplexen Bewegungsmustern reicht, und/oder durch Vokalisation der schlafenden Person, hervorgerufen durch eine fehlende Muskelhemmung im Schlaf und insbesondere in der REM-Schlafphase, gekennzeichnet ist. Durch den Vergleich des Gesamtmerkmalswerts mit einem Schwellenwert für das Vorliegen einer RBD-Erkrankung kann zuverlässig festgestellt werden, ob eine Person daran erkrankt ist, oder nicht.
Um einen besonders zuverlässigen Aktivitätswert für jeden Zeitpunkt zu ermitteln, kann vorgesehen sein, dass zur Erstellung des Aktivitätssignals für jeden Zeitpunkt jeweils
a) pixelweise der Unterschied der jeweils aktuellen dreidimensionalen Aufnahme zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme ermittelt wird, und b) aufgrund der derart ermittelten Unterschiede ein akkumulierter Unterschiedswert, insbesondere durch Maximumbildung oder Mittelwertbildung, ermittelt und als Bewegungswert des Aktivitätssignals zum jeweiligen Zeitpunkt weiterverwendet wird.
Um die zu verarbeitende Datenmenge zu reduzieren und gleichzeitig die Verarbeitungsgeschwindigkeit zu erhöhen, kann vorgesehen sein, dass zwischen Schritt a) und Schritt b) eine Auswahl an Pixeln der aktuellen dreidimensionalen Aufnahme getroffen wird und einzelne Pixel verworfen werden, wobei vorab eine interessierende Region in der dreidimensionalen Aufnahme ausgewählt oder vorgegeben wird, wobei insbesondere vorgesehen ist, dass sich in der interessierenden Region das Abbild interessierender Körperteile der Person befindet.
Um die Auswirkungen fehlerhafter oder irrelevanter Messungen auf den ermittelten
Gesamtmerkmalswert zu reduzieren, kann vorgesehen sein, dass vor Schritt b) oder nach
die Bildauflösung reduziert wird.
Um eine besonders zuverlässige Quantifizierung und Detektion der Bewegungen einer schlafenden Person zu gewährleisten, kann vorgesehen sein, dass als Merkmalswerte, die einer Bewegungsphase zugeordnet werden, zumindest einer der folgenden Werte ermittelt wird:
- ein konstanter Wert,
- die Dauer der jeweiligen Bewegungsphase,
- die maximale bzw. mittlere Amplitude des Aktivitätssignals innerhalb der jeweiligen Bewegungsphase,
- die Summe der einzelnen Bewegungswerte des Aktivitätssignals innerhalb der jeweiligen Bewegungsphase,
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert innerhalb der jeweiligen Bewegungsphase übersteigt,
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen.
Eine besonders einfache und zuverlässige Berechnung des Gesamtmerkmalswerts kann sichergestellt werden, wenn die Akkumulation des Gesamtmerkmalswerts durch Addition oder Mittelwertbildung oder Maximalwertbildung der einzelnen Merkmalswerte, vorzugsweise über einen vorgegebenen Zeitabschnitt, erfolgt.
Um eine besonders zuverlässige Detektion und Auswertung der Bewegungen der Person während verschiedener Schlafphasen zu gewährleisten, kann vorgesehen sein, dass der vorgegebene Zeitabschnitt durch eine vorgegebene Schlafphase, insbesondere die REMSchlafphase, festgelegt wird.
Eine besonders zuverlässige Aussage darüber, ob eine Person an einer RBD-Erkrankung leidet, kann getroffen werden, wenn
- eine Vielzahl von Gesamtmerkmalswerten gebildet wird,
- eine vorgegebene Kaskade von Schwellenwertvergleichen angewendet wird oder die Gesamtmerkmalswerte einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support-Vector-Machine, zugeführt werden und
- derart ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung ermittelt wird.
Diese Aufgabe wird durch die erfindungsgemäßen Merkmale des Anspruchs 10 gelöst. Erfindungsgemäß umfasst eine Anordnung zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person während ihres Schlafs - eine auf die Person gerichtete Bildaufnahmeeinheit, die dazu ausgebildet ist, dreidimensionale Aufnahmen der Person, insbesondere laufend und/oder zu einer Vielzahl von aufeinanderfolgenden Aufnahmezeitpunkten, zu erstellen und Abstandsmesswerte zur Person bereitzustellen, und - eine mit der Bildaufnahmeeinheit verbundene Verarbeitungseinheit, die dazu ausgebildet ist, - ein zeitabhängiges Aktivitätssignal umfassend eine Anzahl von zeitlich aufeinander folgenden Zeitpunkten zugewiesenen Bewegungswerten aus einem Höhenbild basierend auf den von der Bildaufnahmeeinheit erstellten dreidimensionalen Aufnahmen der Person während ihres Schlafs zu erstellen, - wobei die Bewegungswerte jeweils charakteristisch für das Ausmaß und/oder die Intensität von Köörperbewegungen, insbesondere Beinbewegungen, der Person zu einem jeweiligen Zeitpunkt während ihres Schlafs sind, - gegebenenfalls einzelne Signalverarbeitungsschritte, insbesondere Filtern, auf das Aktivitätssignal anzuwenden, - für jeden Zeitpunkt zu ermitteln, ob der jeweilige Bewegungswert des Aktivitätssignals einen aus dem Aktivitätssignal ermittelten, adaptiven Schwellenwert übersteigt und derart ein zeitabhängiges Bewegungsindikatorsignal basierend auf dem Aktivitätssignal zu ermitteln, - einzelne Bewegungsphasen als zusammenhängende Zeitabschnitte im zeitabhängigen Bewegungsindikatorsignal zu ermitteln, in denen das Bewegungsindikatorsignal eine Überschreitung des Schwellenwerts indiziert, und - Jeweils zumindest einen Merkmalswert für jede der Bewegungsphasen zu ermitteln oder festzulegen und die so ermittelten Merkmalswerte über die einzelnen Bewegungsphasen zu zumindest einem Gesamtmerkmalswert zu akkumulieren, wobei der zumindest eine Gesamtmerkmalswert charakteristisch für die
Intensität der Körperbewegungen der Person während ihres Schlafs ist.
quantifiziert werden kann.
Eine besonders zuverlässige Aussage darüber, ob eine Person an einer RBD-Erkrankung leidet, kann gewährleistet werden, wenn die Verarbeitungseinheit dazu ausgebildet ist, auf Grundlage des zumindest einen Gesamtmerkmalswerts einen Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung zu ermitteln, indem der zumindest eine Gesamtmerkmalswert mit einem für eine RBD-Erkrankung charakteristischen vorgegebenen Erkrankungs-Schwellenwert verglichen wird und
dass die Verarbeitungseinheit dazu ausgebildet ist, im Fall, dass der ErkrankungsSchwellenwert über- oder überschritten ist, das Vorliegen der RBD-Erkrankung
festzustellen.
Ein besonders zuverlässiges Aktivitätssignal kann erstellt werden, wenn die Verarbeitungseinheit dazu ausgebildet ist, zur Erstellung des Aktivitätssignals für jeden Zeitpunkt jeweils
a) pixelweise der Unterschied der jeweils aktuellen dreidimensionalen Aufnahme zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme zu ermitteln, und
b) aufgrund der derart ermittelten Unterschiede einen akkumulierten Unterschiedswert, insbesondere durch Maximumbildung oder Mittelwertbildung, zu ermitteln und als
Bewegungswert des Aktivitätssignals zum jeweiligen Zeitpunkt weiter zu verwenden.
Eine besonders speicherplatz- und rechenleistungssparende Verarbeitung und Auswertung der erstellten dreidimensionalen Aufnahmen zur Ermittlung eines Gesamtmerkmalswerts kann erzielt werden, wenn die Verarbeitungseinheit dazu ausgebildet ist, zwischen der Ermittlung des Unterschieds zwischen der aktuellen dreidimensionalen Aufnahme und zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme und der Ermittlung des akkumulierten Unterschiedswerts eine Auswahl an Pixeln der aktuellen dreidimensionalen Aufnahme zu treffen und einzelne Pixel zu verwerfen,
wobei die Verarbeitungseinheit dazu ausgebildet ist, vorab eine interessierende Region in
der dreidimensionalen Aufnahme auszuwählen oder vorzugeben, wobei insbesondere
7738
Eine besonders effektive Reduktion der Auswirkungen fehlerhafter und irrelevanter Messungen auf den Gesamtmerkmalswert kann erzielt werden, wenn die Verarbeitungseinheit dazu ausgebildet ist, nach der Ermittlung des Unterschieds zwischen der aktuellen dreidimensionalen Aufnahme und zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme oder vor der Ermittlung des akkumulierten Unterschiedswerts Pixel der aktuellen dreidimensionalen Aufnahme zusammenzufassen
und die Bildauflösung zu reduzieren.
Ein besonders zuverlässiger Gesamtmerkmalswert kann erstellt werden, wenn die Verarbeitungseinheit dazu ausgebildet ist, als einer Bewegungsphase zugeordnete Merkmaleswerte zumindest einen der folgenden Werte zu ermitteln:
- einen konstanten Wert,
- die Dauer der jeweiligen Bewegungsphase,
- die maximale bzw. mittlere Amplitude des Aktivitätssignals innerhalb der jeweiligen Bewegungsphase
- die Summe der einzelnen Bewegungswerte des Aktivitätssignals innerhalb der jeweiligen Bewegungsphase,
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert innerhalb der jeweiligen Bewegungsphase übersteigt,
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen.
Eine besonders einfache und zuverlässige Erstellung des Gesamtmerkmalswerts kann gewährleistet werden, wenn die Verarbeitungseinheit dazu ausgebildet ist, die Akkumulation des Gesamtmerkmalswerts durch Addition oder Mittelwertbildung oder Maximalwertbildung der einzelnen Merkmalswerte, vorzugsweise über einen
vorgegebenen Zeitabschnitt, vorzunehmen.
Besonders vorteilhaft können die Körperbewegungen einer schlafenden Person während verschiedener Schlafphasen untersucht werden. Dazu kann vorgesehen sein, dass die Verarbeitungseinheit dazu ausgebildet ist, als vorgegebenen Zeitabschnitt eine vorgegebene Schlafphase, insbesondere die REM-Schlafphase, festzulegen.
- eine Vielzahl von Gesamtmerkmalswerten zu bilden,
- eine vorgegebene Kaskade von Schwellenwertvergleichen anzuwenden oder die Gesamtmerkmalswerte einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support-Vector-Machine, zuzuführen und
- derart einen Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung zu
ermitteln.
Bevorzugt kann ein Computerprogramm zur Durchführung eines erfindungsgemäßen
Verfahrens auf einem Datenträger abgespeichert werden.
Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und den beiliegenden Zeichnungen.
Besonders vorteilhafte, aber nicht einschränkend zu verstehende Ausführungsbeispiele der Erfindung werden im Folgenden anhand der beiliegenden Zeichnungen schematisch dargestellt und unter Bezugnahme auf die Zeichnungen beispielhaft beschrieben.
Im Folgenden zeigen schematisch:
Fig. 1 eine Anordnung zur Erfassung und Detektion von Körperbewegungen einer schlafenden Person sowie ein Beispiel für die Festlegung eines Höhenprofils,
Fig. 2 schematisch eine Möglichkeit der Festlegung von interessierenden Regionen,
Fig. 3 ein Beispiel eines Höhenprofils.
Fig. 4a ein Beispiel eines ermittelten zeitabhängigen Aktivitätssignals,
Fig. 4b das Aktivitätssignal aus Fig. 4a nach der Signalverarbeitung,
Fig. 4c das zeitabhängige Bewegungsindikatorsignal für das Aktivitätssignal aus Fig. 4a und Fig. 4b,
Fig. 5 für das Aktivitätssignal aus Fig. 45 und das Bewegungsindikatorsignal aus Fig. 4c ermittelte Merkmalswerte,
Fig. 6 ein Beispiel für die Auswertung der Intensität der Körperbewegungen einer Person während verschiedener Schlafphasen,
Fig. 7 ein Ablaufdiagramm für die Ermittlung, ob eine Person an einer RBD-Erkrankung leidet oder nicht.
Über der Person 1 ist eine Bildaufnahmeeinheit 2 angeordnet, die dazu ausgebildet ist, dreidimensionale Aufnahmen der Person 1 zu erstellen. Die Bildaufnahmeeinheit 2 ist mit einer Verarbeitungseinheit 3 verbunden bzw. steht mit der Verarbeitungseinheit 3 in Datenübertragungskontakt. Auf diese Weise werden von der Bildaufnahmeeinheit 2 erstellte Aufnahmen oder andere Daten an die Verarbeitungseinheit 3 übertragen. Optional kann die Verarbeitungseinheit 3 auch dazu ausgebildet sein, die Bildaufnahmeeinheit 2 in vorgegebenen Zeitabständen zur Erstellung dreidimensionaler
Aufnahmen der Person 1 anzusteuern.
Die dreidimensionalen Aufnahmen können beispielsweise mit einer Time-of-Flight (TOF) Infrarot-Kamera, die über dem Bett 10 der schlafenden Person 1 an der Zimmerdecke montiert ist, erstellt werden. Dabei werden Infrarot-Strahlen emittiert und deren Reflexion von einem Sensor in der Kamera gemessen. Durch die bekannte Geschwindigkeit des Lichts und der vergangenen Zeit zwischen Emission und Messung der Infrarot-Strahlen wird ein dreidimensionales Tiefenbild erzeugt, in dem jedes Pixel den Abstand zur Bildaufnahmeeinheit 2 bzw. zum Sensor der Kamera angibt. Auf diese Weise können z.B. 30 solcher dreidimensionalen Aufnahmen bzw. Tiefenbildern pro Sekunde erstellt werden.
Ein Verfahren zur Detektion von Körperbewegungen einer schlafenden Person, wobei laufend zu aufeinanderfolgenden Aufnahmezeitpunkten mit einer auf die Person gerichteten Bildaufnahmeeinheit 2 dreidimensionale Aufnahme der Person erstellt und ermittelte Abstandswerte bereitgestellt werden, ist in der Österreichischen Patentanmeldung A50049/2018 beschrieben. Die Verarbeitungseinheit 3 ist dazu ausgebildet, ein derartiges Verfahren durchzuführen.
Gemäß dem in der A50049/2018 beschriebenen Verfahren werden Bewegungen durch pixelweise Änderungen von dreidimensionalen Tiefenbildern über die Zeit detektiert. Dazu werden Vorverarbeitungsschritte wie ein Resampling der Tiefenbilder, Interpolation fehlerhafter Pixel und Faltung mehrerer dreidimensionaler Tiefenbilder über die Zeit
durchgeführt. Die Vorverarbeitung und Bewegungsdetektion kann in vordefinierten interessierenden Regionen bzw. Regions of Interest ROl vorgenommen werden (siehe Fig. 2). Auf Grundlage dieser vorbearbeitenden Daten können Motion Maps bzw. Bewegungskarten erstellt werden, worin die Bewegungen beispielsweise in Falschfarbendarstellung dargestellt sein können. Quantitativ können die Bewegungen in einer betreffenden interessierenden Region ROl detektiert werden, wenn z.B. innerhalb einer definierten Pixelanzahl eine Überschreitung eines vorgegebenen Schwellenwerts detektiert wird.
Diese dreidimensionalen Aufnahmen werden gemäß A50049/2018 im Rahmen eines Aufnahmeschritts a) üblicherweise in Form eines Höhenprofils H (siehe Fig. 3) erstellt, das für eine Vielzahl von unterschiedlichen Strahlen jeweils einen Abtastwert aufweist. Das vorliegende Höhenprofil kann beispielsweise aufgenommen werden, indem für eine Anzahl von der Bildaufnahmeeinheit 2 ausgehenden Strahlen S, die rasterförmig angeordnet sind und von der Bildaufnahmeeinheit 2 abgehen, jeweils separat Abstandsmesswerte d-, ..., dn aufgenommen werden, die den Abstand des Schnittpunkts P der Oberfläche der Person 1 mit dem Strahl S zur Bildaufnahmeeinheit 2 entlang des vorgegebenen Strahls S angeben.
Im Höhenprofil H ist allgemein eine Anzahl von zumindest zwei Punkten, vorzugsweise einer Vielzahl von auf rasterförmig angeordneten Strahlen S liegenden Punkten P, im Raum festgelegt, die auf der Oberfläche der Person 1 oder auf der Oberfläche eines auf oder neben der Person 1 befindlichen Gegenstands, wie beispielsweise der Bettdecke 11 oder dem Bett 10, liegen.
Die Festlegung des Höhenprofils H kann also dadurch erfolgen, die Abstandsmesswerte d+, d>, ..., dan des Höhenprofils H als diejenigen Abstände festzulegen, die die auf den Strahlen S liegenden Punkte P auf der Oberfläche der Person 1 gegenüber der Bildaufnahmeeinheit 2 haben. Die Messung der Abstände kann dabei auf unterschiedliche Weise erfolgen, beispielsweise mittels einer 3D-Kamera.
Alternativ können, wie in Fig. 1 dargestellt, die einzelnen Abstandsmesswerte d+', d»', d}' bei der Erstellung des Höhenprofils als diejenigen Abstände vorgegeben werden, die die ermittelten Punkte P auf der Oberfläche der Person 1 von einem anderen Gegenstand, insbesondere von der Decke 11 des Untersuchungsraums haben.
Ebenso besteht die Möglichkeit, für die einzelnen Punkte eine interpolierende Kurve zu finden, die als Höhenprofil H herangezogen wird. Ebenso kann diese interpolierende Kurve an einer Vielzahl dreidimensionalen Punkten, ausgewertet werden, sodass für eine Anzahl von rasterförmig angeordneten x- und y-Koordinatenwerten jeweils ein Zz-
Koordinatenwert zur Verfügung gestellt wird, der ebenfalls auf der Kurve liegt.
Für einzelne Aufnahmezeitpunkte wird dabei jeweils ein separates Höhenprofil H ermittelt, das schematisch in Fig. 3 dargestellt ist, und in einer Datenstruktur abgespeichert. Dieses Höhenprofil H weist für eine Anzahl von rasterförmig bzw bildförmig angeordneten Elementen bzw Pixeln jeweils einen Abstandsmesswert d;, ..., dn auf, wobei die
Abstandsmesswerte wie vorstehend beschrieben festgelegt werden können.
Wie in Fig. 2 dargestellt, kann optional innerhalb des Höhenprofils eine interessierende Region ROI ausgewählt werden, in der sich beispielsweise diejenigen Partien der Person 1 finden, deren Bewegung überwacht werden sollen. Da im vorliegenden Fall die Bewegungen der Beine der Person 1 überwacht werden sollen, ist die interessierende Region RO im mittleren Abschnitt des Höhenprofils H angeordnet. Sollen hingegen andere Körperregionen bzw. andere Regionen innerhalb des Höhenprofils H überwacht werden, kann eine entsprechende andere Auswahl des Höhenprofils H vorgenommen
werden.
Wird zu jedem der Aufnahmezeitpunkte jeweils ein Höhenprofil H ermittelt, so steht für jeden einzelnen der Aufnahmezeitpunkte t;, ..., t„ Jeweils eine Datenstruktur zur Verfügung, die das jeweilige Höhenprofil H enthält. Sämtliche so erstellte Datenstrukturen weisen untereinander jeweils die selbe Größe auf und weisen Speicherpositionen für die einzelnen ermittelten Abstandsmesswerte d+;, ..., d, des Höhenprofils auf.
Besonders einfach kann die Erstellung des Höhenprofils erfolgen, wenn die einzelnen von der Detektoreinheit ausgehenden Strahlen S rasterförmig angeordnet sind und jeder der Abstandsmesswerte in einer Matrixdatenstruktur eingetragen wird, die das Raster der einzelnen Strahlen S wiedergibt bzw. eine Struktur aufweist, die der Struktur des Rasters der einzelnen Strahlen S entspricht. Enthält das Raster beispielsweise 300x300 Strahlen, so umfasst die Matrixdatenstruktur 300x300 Einträge, die bei Betrachtung des Inhalts der Matrixdatenstruktur als Bild auch als Pixel bezeichnet werden können.
Zu jedem der Aufnahmezeitpunkte t;, ..., t„ wird dabei jeweils eine separate
Matrixdatenstruktur erstellt, indem die an den jeweiligen Positionen aufgenommenen
Abstandsmesswerte d;-, ..., d„ an die den Positionen im Raster entsprechenden Speicherpositionen in der Matrixdatenstruktur abgespeichert und zur Verfügung gehalten
werden.
Diejenigen Speicherpositionen der Datenstruktur, in denen Abstandsmesswerte d-+, ..., dp abgespeichert sind, die sich z.B. in der interessierenden Region des Höhenprofils befinden, werden analog auch als interessierende Region ROI1 der Datenstruktur bezeichnet.
Auf diese Weise ist es möglich für eine Vielzahl von Zeitpunkten einzelne Höhenprofile der schlafenden Person bzw. der Oberfläche der schlafenden Person 1 oder der sie abdeckenden Decke 11 oder des neben ihr befindlichen Betts 10 zu erstellen. Damit liegt eine Datenstruktur vor, aus der die wesentlichen Bewegungen der schlafenden Person 1
entnommen werden können.
In dem, dem hier dargestellten Aufnahmeschritt folgenden, ersten Verarbeitungsschritt werden Zeitabschnitte Z;, ..., Zs von Änderungen des Höhenprofils H innerhalb der ersten interessierenden Region erfasst, in denen das Maß für die zeitliche Änderung des Höhenprofils H einen vorgegebenen ersten Schwellenwert übersteigt. Weiters werden die zwischen diesen Zeitabschnitten Z;, ..., Zs liegenden zeitlichen Zwischenräume L4, L,, ...
ermittelt.
Die Festlegung und Bestimmung des Maßes für die zeitliche Änderung des Höhenprofils H kann dabei auf unterschiedliche Art und Weise erfolgen. Eine besonders einfache Variante sieht in diesem Zusammenhang vor, dass für einzelne Zeitpunkte, insbesondere für alle Zeitpunkte t,, ..., tp, Jeweils eine Bewegungskarte MM1 erstellt wird, in dem für jeden Abstandsmesswert d;, ..., dn bzw. jeden Sehstrahl S oder jeden Eintrag k(x, y, t) der Matrixdatenstruktur elementweise bzw pixelweise ein lokaler Änderungsmaßwert mm(x, y, t) für die zeitliche Änderung des jeweiligen Abstandsmesswerts d;, ..., d, oder des in der jeweiligen Datenstruktur eingetragenen Eintrags k(x, y, t) ermittelt wird.
Nachdem eine erste Bewegungskarte MM1 auf diese Weise für eine Anzahl von Zeitpunkten t;, ..., t, erstellt wurde, kann für jeden einzelnen Zeitpunkt t;, ..., t, Jeweils ein Bewegungswert ermittelt werden, der durch Akkumulation über die erhaltenen lokalen Änderungsmaßwerte mm(x, y, tt) der Bewegungskarte MM1 innerhalb der interessierenden Region ROl11 ermittelt wird.
Bei der Bestimmung eines akkumulierten Bewegungswerts für einen bestimmten Zeitpunkt, der in die zeitliche Bewegungsfunktion g(t) eingetragen wird, können grundsätzlich sämtliche zur Verfügung stehenden bzw. auf unterschiedliche Art gebildeten lokalen Änderungsmaßwerte mm(x, y, t) herangezogen werden. Insbesondere ist es auch möglich, dass die einzelnen lokalen Änderungsmaßwerte mm(x, y, t) der Bewegungskarte MM1 innerhalb der interessierenden Region ROI1 pixelweise ermittelt werden, wobei einzelne demselben Pixel oder Element der Datenstruktur zugeordneten Einträge k{(x, y, t) oder Änderungsmaßwerte, die sich innerhalb eines vorgegebenen Zeitintervalls rund um den jeweiligen Zeitpunkt t;, ..., t, befinden, gewichtet addiert werden. So besteht beispielsweise die Möglichkeit, dass zur Bestimmung eines lokalen Änderungsmaßwerts mm(x, y, t) in einem vorgegebenen Pixel oder Eintrag an der Rasterposition x, y der interessierenden Region ROIl1 bestimmt wird, in dem die betreffenden zuletzt aufgenommenen Abstandsmesswerte oder Einträge k(x, y, t) gewichtet addiert werden, wobei die einzelnen Gewichte auf unterschiedliche Weise festgelegt werden können.
Im einfachsten Fall kann die zeitliche Änderung beispielsweise durch Subtraktion der beiden Abstandsmesswerte oder Einträge k(x, y, t); k(x, y, t-1) ermittelt werden, die and derselben Position in unmittelbar aufeinander folgenden Zeitpunkten ermittelt wurden. Gegebenenfalls kann, sofern die Art der Bewegung keine Rolle spielt, auch der Betrag der Differenz der beiden Einträge k{(x, y, t); k(x, y, t-1) oder Abstandsmesswerte als lokaler Änderungsmaßwert mm({(x, y, t) für den betreffenden Eintrag oder das betreffenden betreffende Pixel an der Position x, y zum Zeitpunkt t herangezogen werden.
Ebenso ist es auch möglich, für die Bestimmung des Änderungsmaßwerts mm(x, y, t) eine Anzahl Einträgen k(x, y, t), die jeweils innerhalb eines Zeitintervalls vor dem jeweiligen Zeitpunkt t im selben Pixel an der Position x, y, aufgenommen wurden, herangezogen wird und von diesen Einträgen k(x, y, t) ein Mittelwert km;{(x, y, t) oder die, gegebenenfalls gewichtete, Summe km4;(x, y, t) ermittelt wird. Ebenso wird eine Anzahl Einträgen k(x, y, t), die jeweils innerhalb eines Zeitintervalls nach dem jeweiligen Zeitpunkt t im selben Pixel an der Position x, y, aufgenommen wurden, herangezogen und von diesen Einträgen k(x, y, t) ein Mittelwert km,(x, y, t) oder die, gegebenenfalls gewichtete, Summe km,(x, y, t) ermittelt. Anschließend wird der Änderungswert durch Bildung der Differenz der beiden so erstellten Mittelwerte oder Summen km+;{(x, y, t); km,(x, y, t) gebildet und als
Änderungsmaßwert mm(x, y, t) herangezogen.
Eine besonders einfache Möglichkeit zur Bestimmung eines akkumulierten gesamten Maßes für die zeitliche Änderung des Höhenprofils H zu einem Zeitpunkt t;, ..., t, für die
interessierende Region ROIl1 kann beispielsweise durch Summation oder Addition sämtlicher lokalen Änderungsmaßwerte mm(x, y, t) erfolgen, die zu einem Zeitpunkt bzw. in einer Bewegungskarte MM1(t) enthalten sind. Daneben können auch andere Vorgehensweisen zur Akkumulation gewählt werden, insbesondere kann vor der Summation eine Funktion h auf die einzelnen Werte der Bewegungskarte MM1{(t)
angewendet werden.
Diese Funktion h(x) kann unterschiedlich ausgestaltet sein. Im vorliegenden Fall empfehlen sich insbesondere Funktionen, die einen Schwellenwertvergleich enthalten und dem jeweiligen Bewegungswert mit einem vorgegebenen Schwellenwert TH+ vergleichen. Die betreffende Funktion h(x) kann im Falle des Unterschreitens dieses Schwellenwerts TH+ einen Nullwert zurückliefern, der zur Akkumulation keinen Beitrag leistet, insbesondere den Wert 0. Sofern jedoch der Schwellenwert TH+; überschritten ist, kann die Funktion h(x) unterschiedliche Werte zurückliefern, insbesondere kann die Funktion einen vorgegebenen konstanten Wert, beispielsweise 1, zurückliefern, der zur Akkumulation beiträgt und nicht dem Nullwert entspricht. Unter Anwendung einer Addition für wird ein Funktionswert für die zeitliche Bewegungsfunktion g(t) erhalten, der der Anzahl derjenigen Pixel oder Einträge entspricht, in denen jeweils eine Schwellenwertüberschreitung festgestellt wurde.
Daneben bestehen auch noch andere Möglichkeiten zur Festlegung der Funktion h(x), beispielsweise kann für den Fall der Überschreitung des Schwellenwerts TH; durch das Argument von der Funktion h(x) auch das Argument, dh im konkreten Fall der jeweilige Wert der Bewegungskarte MM1 zurückgeliefert werden, sodass die Funktion h beispielsweise die folgende Form hat:
h(x) = {Wenn x
h(x) = {Wenn x
Bewegungsfunktion g(t) mit einem vorgegebenen Schwellenwert TH7 erfolgen. Überschreitet die Bewegungsfunktion g(t) den betreffenden Schwellenwert THz, so wird derjenige Zeitabschnitt, in dem die Bewegungsfunktion g(t) den betreffenden Schwellenwert THz überschreitet, als Zeitabschnitt Z;, Z,, Zz3 von signifikanten Änderungen des Höhenprofils H bzw. von Bewegungen der Person 1, oder als Bewegungsphase BP-+;, BP», BPs, identifiziert und als solcher zur Verfügung gehalten.
Eine derart ermittelte Bewegungsfunktion g(t) wird im Folgenden als Aktivitätssignal MA bzw. nach Signalverarbeitungsschritten wie filtern als gefiltertes Aktivitätssignal MAp bezeichnet.
Ein erfindungsgemäßes Verfahren zur Detektion der Intensität der Körperbewegungen einer Person während ihres Schlafs folgt grundsätzlich dem folgenden Ablauf und die Verarbeitungseinheit 3 ist dazu ausgebildet, ein derartiges Verfahren durchzuführen:
Zunächst wird, wie dies bereits zuvor beschrieben wurde, ein zeitabhängiges Aktivitätssignal MA umfassend eine Anzahl von Bewegungswerten erstellt. Die Bewegungswerte werden dabei zeitlich aufeinander folgenden Zeitpunkten zugewiesen und sind jeweils charakteristisch für das Ausmaß und/oder die Intensität der Körperbewegungen der Person 1 zu einem jeweiligen Zeitpunkt während ihres Schlafs. Dabei können insbesondere die Beinbewegungen der Person 1 für die Ableitung der Bewegungswerte herangezogen werden. Das Aktivitätssignal MA wird, wie zuvor beschrieben, aus einem Höhenbild H basierend auf dreidimensionalen Aufnahmen der Person während ihres Schlafs ermittelt.
Fig. 4a zeigt ein derartiges zeitabhängiges Aktivitätssignal MA, dessen Bewegungswerte die Körperbewegungen der schlafenden Person zu einem jeweiligen Zeitpunkt charakterisieren. Das Aktivitätssignal MA kann dabei beispielsweise für einzelne Pixel oder auch für vorgegebene interessierende Regionen ROI| angegeben werden.
Gegebenenfalls kann in einem nächsten Schritt eines erfindungsgemäßen Verfahrens eine Signalverarbeitung, beispielsweise ein Filtern des Aktivitätssignals MA, vorgenommen werden. Fig. 4b zeigt das Aktivitätssignal MA aus Fig. 4a in verarbeiteter, d.h. gefilteter, Form als gefiltertes Aktivitätssignal MAp. Wie in Fig. 4b ersichtlich ist, erscheint das qgefilterte Aktivitätssignal MAp im Vergleich zum ursprünglichen Aktivitätssignal MA geglättet, da störende Einflusse wie beispielsweise Rauschen durch das Filtern unterdrückt werden.
Für die Erstellung des Aktivitätssignals MA wird im gezeigten Ausführungsbeispiel in den Figuren 4a bzw. 4b pixelweise der Unterschied der zum jeweiligen Zeitpunkt aktuellen dreidimensionalen Aufnahmen der schlafenden Person 1 zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme der schlafenden Person 1 ermittelt und auf Grundlage der derart ermittelten Unterschiede ein akkumulierter Unterschiedswert ermittelt und als Bewegungswert des Aktivitätssignals MA zum jeweiligen Zeitpunkt verwendet. Dieser akkumulierte Unterschiedswert kann beispielweise durch Maximumbildung oder Mittelwertbildung erstellt werden.
Als nächster Schritt eines erfindungsgemäßen Verfahrens wird ein zeitabhängiges Bewegungsindikatorsignal BI basierend auf dem Aktivitätssignal MA oder, wie im gezeigten Ausführungsbeispiel in Fig. 4c, basierend auf dem gefilterten Aktivitätssignal MAp ermittelt. Das Bewegungsindikatorsignal Bl wird erstellt, indem für jeden Zeitpunkt ermittelt wird, ob der jeweilige Bewegungswert des Aktivitätssignals MA bzw. des gefilterten Aktivitätssignals MAp einen aus dem Aktivitätssignal MA ermittelten adaptiven Schwellenwert übersteigt. Anschließend werden in dem derart erstellten zeitabhängigen Bewegungsindikatorsignal BI einzelne Bewegungsphasen BP ermittelt, die zusammenhängende Zeitabschnitte innerhalb des zeitabhängigen Bewegungsindikatorsignals BI darstellen, innerhalb denen das Bewegungsindikatorsignal BI eine Überschreitung des Schwellenwerts indiziert. Im gezeigten Ausführungsbeispiel in Fig. 4c wurden dabei innerhalb des zeitabhängigen Bewegungsindikatorsignals Bl drei einzelne Bewegungsphasen BP-;, BP,, BP; identifiziert.
Anschließend wird zumindest ein Merkmalswert für jede der Bewegungsphasen festgelegt oder ermittelt und ein Gesamtmerkmalswert GM durch Akkumulation der so ermittelten einzelnen Merkmalswerte über die einzelnen Bewegungsphasen erstellt. Dieser Gesamtmerkmalswert GM wird als charakteristisch für die Intensität der Körperbewegungen der Person während ihres Schlafs angesehen. So kann beispielsweise ein hoher Gesamtmerkmalswert GM auf eine hohe Anzahl von Bewegungen der Person 1 oder eine große Stärke der Bewegungen hindeuten.
Fig. 5 zeigt ein Ausführungsbeispiel für Merkmalswerte, die auf Grundlage des Bewegungsindikatorsignals BI aus Fig. 4c erstellt wurden Auf die einzelnen, in Fig. 5 ersichtlichen, Merkmalswerte für die drei Schlafphasen BP+4, BP,, BP; wird im Folgenden noch näher eingegangen.
Bei aus dem Stand der Technik bekannten Verfahren werden typischerweise lediglich die Bewegungen der schlafenden Person durch einfach zu berechnende Kennwerte wie die durchschnittliche Bewegungsanzahl pro Stunde, die Bewegungsdauer oder die Dauer der
Intervalle zwischen den Bewegungen quantifiziert.
Mit der erfindungsgemäßen Vorgangsweise ist es vorteilhafterweise möglich, die zeitliche Bewegungsverteilung der Bewegungen der schlafenden Person 1 zu analysieren und den Trend der Bewegungsaktivität während der gesamten Nacht oder der jeweiligen Schlafphase zu analysieren, beispielsweise
- ob die Anzahl der Bewegungen zu- oder abnimmt,
- die Varianz bzw. Stabilität der Bewegungsaktivität,
- die Bewegungsdichte, beispielsweise ob es Zeitbereiche oder Schlafphasen gibt, in denen die Person besonders häufig Bewegungen ausführt,
- die Verteilung von Bewegungsbursts, d.h. kurzen Phasen mit vielen aufeinanderfolgenden Bewegungen,
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert innerhalb der jeweiligen Bewegungsphase BP; BP-«, ..., BP; übersteigt,
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen BP; BP+;, ..., BP3.
Zusätzlich zu dieser Analyse der zeitlichen Bewegungsverteilung kann optional auch eine räumliche Analyse der Bewegungen durchgeführt werden. Dazu wird, wie dies schematisch in Fig. 2 dargestellt ist, eine Auswahl an Pixeln der aktuellen dreidimensionalen Aufnahme getroffen, die beispielsweise einer vorab definierten interessierenden Region ROl in der dreidimensionalen Aufnahme entsprechen, die vorab vorgegeben oder ausgewählt wird. Andere Pixel, die sich beispielsweise nicht in dieser interessierenden Region ROl befinden, können verworfen werden, um Speicherplatz und Rechenleistung einzusparen. Als eine derartige interessierende Region RO! kann beispielsweise derjenige Bereich der dreidimensionalen Aufnahme festgelegt werden, in dem sich das Abbild interessierender Körperteile der Person befindet. Dies kann, wie in Fig. 2 dargestellt, beispielsweise die Beine, aber auch den Kopf, die Arme, die Hände oder den Oberkörper der Person, betreffen.
Zusätzlich oder alternativ dazu können auch Pixel der aktuellen dreidimensionalen
Aufnahme zusammengefasst und derart die Bildauflösung reduziert werden, sodass
fehlerhafte oder irrelevante Pixel eine geringere Auswirkung auf die ermittelten Unterschiede bzw. den akkumulierten Unterschiedswert haben.
Werden beispielsweise nur die Pixel ausgewertet, die sich innerhalb einer interessierenden Region ROl der schlafenden Person 1 befinden, kann die räumliche Bewegungsverteilung innerhalb der interessierenden Region analysiert werden und beispielsweise Merkmalswerte für die bewegten Körperteile oder die Bewegungsausbreitung, d.h. ob beispielsweise Bewegungen von Kopf nach unten in Richtung der Beine erfolgen oder von der Körpermitte hin zu den Gliedmaßen, ermittelt
werden.
Die ermittelten Merkmalswerte können dabei beliebig kombiniert werden und beispielsweise hinsichtlich des Schlafs während der gesamten Nacht oder einer jeweiligen Schlafphase, beispielsweise der REM-Schlafphase, analysiert werden. Alternativ können auch andere Zeitabschnitte vorgegeben werden. Wird eine Schlafphase festgelegt, innerhalb der die Bewegungen der schlafenden Person 1 analysiert werden sollen, so kann diese innerhalb des zeitlichen Bewegungsindikatorsignals BI beispielsweise durch Analyse von EEG-Daten der schlafenden Person extern festgelegt werden. Derartige EEG-Daten werden beispielsweise ebenfalls während die Person 1 schläft und die dreidimensionalen Aufnahmen der Person 1 erstellt werden, aufgenommen, sodass anhand der EEG-Daten auf die einzelnen Schlafphasen geschlossen werden kann, die die Person 1 durchläuft. Eine schematische Darstellung eines derartigen Bewegungsindikatorsignals BI während verschiedener Schlafphasen ist in Fig. 6 dargestellt. Dabei deuten die dunklen Bereiche auf einen hohen Gesamtmerkmalswert GM hin, während die hellen Bereiche auf einen niedrigen Gesamtmerkmalswert GM
zurückzuführen sind.
Als Merkmalswerte, wie sie in Fig. 5 schematisch dargestellt sind und einer Bewegungsphase zugeordnet werden, kommen verschiedene Werte in Frage. Beispielsweise kann es sich dabei um einen konstanten Wert, die Dauer D der jeweiligen Bewegungsphase oder die Summe X der einzelnen Bewegungswerte des Aktivitätssignals MA oder, wie im gezeigten Ausführungsbeispiel in Fig. 4b, des verarbeiteten Aktivitätssignals MAp innerhalb der jeweiligen Bewegungsphase BP handeln.
In Fig. 5 sind als Merkmalswerte die Dauer der Bewegungen D-+;, D», Ds, die maximale Amplitude der Bewegungen AP+;, AP,, AP;, die Amplitudensumme Z;, X, 23 oder Power
der Bewegungen sowie die Anzahl M+, M,, M3, der Bewegungen pro definierter Zeiteinheit bzw. pro Bewegungsphase BP dargestellt. Durch diese Merkmalswerte können die detektierten Bewegungen quantitativ charakterisiert werden. Diese Merkmalswerte können einzeln oder kombiniert für die Charakterisierung der Intensität der Körperbewegungen einer Person 1 während ihres Schlafs herangezogen werden. Dabei kann beispielsweise ein Gesamtmerkmalswert GM durch Akkumulation aller oder ausgewählter einzelner Merkmalswerte, wie sie in Fig. 5 dargestellt sind, z.B. durch Addition, Mittelwertbildung oder Maximalwertbildung der einzelnen Merkmalswerte ermittelt werden. Dies kann beispielsweise bei einem vorgegebenen Zeitabschnitt wie einer vorgegebenen Schlafphase, beispielsweise der REM-Schlafphase, erfolgen.
Schlafkrankheiten sind oft begleitet von bzw. definiert durch bestimmte atypische Bewegungsmuster, die ein Erkrankter während seines Schlafs ausführt. Betroffene Patienten haben eine gesteigerte Motoraktivität, die von kurzen Zuckungen in einzelnen Gliedmaßen bis zu komplexen Bewegungsabläufen reichen kann. Dies kann die Schlafqualität reduzieren und kann bei RBD zu Verletzungen des Schlafenden oder des Bettpartners führen. Weiters sind bestimmte Schlafkrankheiten wie z.B. die REM-SchlafVerhaltensstörung, auch bekannt als RBD-Erkrankung, frühe Marker für schwerwiegende Krankheiten wie Parkinson oder bestimmte Demenzarten. Die Analyse der Bewegungen von schlafenden Personen bzw. deren Bewegungsmustern ist für die Diagnose daher überaus wichtig.
Die REM-Schlaf-Verhaltensstörung (RBD, engl. REM sleep behavior disorder) ist eine Schlafstörung, die gekennzeichnet ist durch motorische Aktivität reichend von einfachen Zuckungen bis hin zu komplexen Bewegungsmustern und Vokalisation des Schlafenden, hervorgerufen durch die fehlende Muskel-Hemmung (Atonie) im Schlaf und insbesondere in der REM-Schlafphase, wie in American Academy of Sleep Medicine: The International Classification of Sleep Disorders, Third Edition (ICSD-3), 2014, beschrieben ist. Betroffene verletzen sich oft selbst oder die Bettpartner durch Abwehr- oder Angriffsbewegungen. Studien der letzten Jahre haben den Verdacht genährt, dass RBD eine Vorstufe zu verschiedenen a-Synocleinopathien wie Morbus Parkinson, Multipler Systematrophie oder Lewy-Body-Demenz darstellt, wie in Högl, Stefani, Videnovic. Idiopathic REM Sleep Behaviour Disorder and Neurodegeneration — an Update. Nature Reviews Neurology 14, 40-55, 2018, beschrieben ist.
Bei einem erfindungsgemäßen Verfahren ist es vorteilhafterweise optional möglich, dass auf Grundlage zumindest eines Gesamtmerkmalswerts GM ein Krankheitsindikatorwert
für das Vorliegen einer RBD-Erkrankung ermittelt wird. Dazu wird beispielsweise ein für die RBD-Erkrankung charakteristischer Erkrankungs-Schwellenwert T beispielsweise von einem Arzt vorgegeben und der Gesamtmerkmalswert GM mit dem vorgegebenen Schwellenwert T verglichen. Je nachdem, ob der Erkrankungs-Schwellenwert T überoder unterschritten ist, wird somit das Vorliegen einer RBD-Erkrankung festgestellt.
Optional kann auch eine Vielzahl von Gesamtmerkmalswerten GM+;, ..., GM gebildet werden und eine vorgegebene Kaskade von Schwellenwertvergleichen angewendet werden und derart ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung
ermittelt werden.
Alternativ dazu kann der Gesamtmerkmalswert GM oder gegebenenfalls die Gesamtmerkmalswerte GM+{, ..., GM4 auch einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support Vector Machine, zugeführt werden und auf diese Weise ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung ermittelt
werden.
Fig. 7 zeigt schematisch ein Ablaufdiagramm für eine Kaskade von Schwellenwertvergleichen für vier Gesamtmerkmalswerte GM+4, ..., GM zur Ermittlung, ob eine Person 1 an einer RBD-Erkrankung leidet. Dieses Ablaufdiagramm stellt einen regelbasierten Entscheidungsbaum dar, bei dem die vier Gesamtmerkmalswerte GM+4, ..., GM, mit einer vorgegebenen Kaskade von Erkrankungs-Schwellenwerten T4, ...,T4 verglichen werden und derart ein Krankheitsindikatorwert für das Vorliegen einer RBDErkrankung ermittelt wird. Der Krankheitsindikatorwert ist im Ausführungsbeispiel in Fig. 7 in Form einer Ja-Aussage angegeben durch "RBD" oder einer Nein-Aussage angegeben durch "No RBD" für das Vorliegen einer RBD-Erkrankung dargestellt.
21738
1. Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person (1) während ihres Schlafs umfassend die folgenden Schritte - Ermitteln eines zeitabhängigen Aktivitätssignals (MA) umfassend eine Anzahl von zeitlich aufeinander folgenden Zeitpunkten zugewiesenen Bewegungswerten, - wobei die Bewegungswerte jeweils charakteristisch für das Ausmaß und/oder die Intensität von Körperbewegungen, insbesondere Beinbewegungen, der Person (1) zu einem jeweiligen Zeitpunkt während ihres Schlafs sind, und - wobei das Aktivitätssignal (MA) aus einem Höhenbild (H) basierend auf dreidimensionalen Aufnahmen der Person (1) während ihres Schlafs ermittelt wird, - gegebenenfalls Anwenden einzelner Signalverarbeitungsschritte, insbesondere Filtern, auf das Aktivitätssignal (MA), - Ermitteln eines zeitabhängigen Bewegungsindikatorsignals (Bl) basierend auf dem Aktivitätssignal (MA), indem für jeden Zeitpunkt ermittelt wird, ob der jeweilige Bewegungswert des Aktivitätssignals (MA) einen aus dem Aktivitätssignal (MA) ermittelten, adaptiven Schwellenwert (THz) übersteigt, - Ermitteln von einzelnen Bewegungsphasen (BP; BP-;, ..., BP3) als zusammenhängende Zeitabschnitte im zeitabhängigen Bewegungsindikatorsignal (Bl), in denen das Bewegungsindikatorsignal (Bl) eine Überschreitung des Schwellenwerts (THz) indiziert, und - Ermitteln oder Festlegen jeweils zumindest eines Merkmalswerts für jede der Bewegungsphasen (BP; BP;, ..., BPs) und Akkumulation der so ermittelten Merkmalswerte über die einzelnen Bewegungsphasen (BP; BP-«, ..., BPs) zu zumindest einem Gesamtmerkmalswert, wobei der zumindest eine Gesamtmerkmalswert (GM) als charakteristisch für die Intensität der Körperbewegungen der Person (1) während ihres Schlafs
angesehen wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass auf Grundlage des zumindest einen Gesamtmerkmalswerts (GM) ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung ermittelt wird, indem der zumindest eine Gesamtmerkmalswert (GM) mit zumindest einem für eine RBD-Erkrankung charakteristischen vorgegebenen Erkrankungs-Schwellenwert (T; T+, ..., T4) verglichen wird und dass im Fall, dass der jeweilige Erkrankungs-Schwellenwert (T; T+, ..., T,) überoder überschritten ist, das Vorliegen der RBD-Erkrankung festgestellt wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zur Erstellung des Aktivitätssignals (MA) für jeden Zeitpunkt jeweils
a) pixelweise der Unterschied der jeweils aktuellen dreidimensionalen Aufnahme zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme ermittelt wird, und b) aufgrund der derart ermittelten Unterschiede ein akkumulierter Unterschiedswert, insbesondere durch Maximumbildung oder Mittelwertbildung, ermittelt und als Bewegungswert des Aktivitätssignals (MA) zum jeweiligen Zeitpunkt weiterverwendet
wird.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass zwischen Schritt a) und Schritt b) eine Auswahl an Pixeln der aktuellen dreidimensionalen Aufnahme getroffen wird und einzelne Pixel verworfen werden, wobei vorab eine interessierende Region (ROl) in der dreidimensionalen Aufnahme ausgewählt oder vorgegeben wird, wobei insbesondere vorgesehen ist, dass sich in der interessierenden Region (ROl) das Abbild interessierender Körperteile der Person (1) befindet.
5. Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass vor Schritt b) oder nach Schritt a) Pixel der aktuellen dreidimensionalen Aufnahme zusammengefasst werden und die Bildauflösung reduziert wird.
6. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass als Merkmalswerte, die einer Bewegungsphase (BP; BP-«;, ..., BP3) zugeordnet werden, zumindest einer der folgenden Werte ermittelt wird:
- ein konstanter Wert,
- die Dauer der jeweiligen Bewegungsphase (D; D+4, ..., Ds),
- die maximale bzw. mittlere Amplitude (AP; AP-;, ..., AP3) des Aktivitätssignals (MA, MAp) innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BPs),
- die Summe (X; Z +, ..., Z 3) der einzelnen Bewegungswerte des Aktivitätssignals (MA, MAp) innerhalb der jeweiligen Bewegungsphase (BP; BP+;, ..., BPs),
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert übersteigt innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BP),
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen (BP; BP-+;, ..., BPs).
7. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Akkumulation des Gesamtmerkmalswerts (GM) durch Addition oder Mittelwertbildung
oder Maximalwertbildung der einzelnen Merkmalswerte, vorzugsweise über einen
vorgegebenen Zeitabschnitt, erfolgt.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der vorgegebene Zeitabschnitt durch eine vorgegebene Schlafphase, insbesondere die REM-Schlafphase, festgelegt wird.
9. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet,
- dass eine Vielzahl von Gesamtmerkmalswerten (GM+;, ..., GM) gebildet wird,
- dass eine vorgegebene Kaskade von Schwellenwertvergleichen angewendet wird oder dass die Gesamtmerkmalswerte (GM;4, ..., GM4) einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support-Vector-Machine, zugeführt werden und
- dass derart ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung ermittelt
wird.
10. Anordnung zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person (1) während ihres Schlafs umfassend - eine auf die Person (1) gerichtete Bildaufnahmeeinheit (2), die dazu ausgebildet ist, dreidimensionale Aufnahmen der Person (1), insbesondere laufend und/oder zu einer Vielzahl von aufeinanderfolgenden Aufnahmezeitpunkten, zu erstellen und Abstandsmesswerte zur Person bereitzustellen, und - eine mit der Bildaufnahmeeinheit (2) verbundene Verarbeitungseinheit (3), die dazu ausgebildet ist, - ein zeitabhängiges Aktivitätssignal (MA) umfassend eine Anzahl von zeitlich aufeinander folgenden Zeitpunkten zugewiesenen Bewegungswerten aus einem Höhenbild (H) basierend auf den von der Bildaufnahmeeinheit (2) erstellten dreidimensionalen Aufnahmen der Person (1) während ihres Schlafs zu erstellen, - wobei die Bewegungswerte jeweils charakteristisch für das Ausmaß und/oder die Intensität von Köörperbewegungen, insbesondere Beinbewegungen, der Person (1) zu einem jeweiligen Zeitpunkt während ihres Schlafs sind, - gegebenenfalls einzelne Signalverarbeitungsschritte, insbesondere Filtern, auf das Aktivitätssignal (MA) anzuwenden, - für jeden Zeitpunkt zu ermitteln, ob der jeweilige Bewegungswert des Aktivitätssignals (MA) einen aus dem Aktivitätssignal (MA) ermittelten, adaptiven Schwellenwert (THz) übersteigt und derart ein zeitabhängiges
24 / 38
11. Vorrichtung nach Anspruch 10, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, auf Grundlage des zumindest einen Gesamtmerkmalswerts (GM) einen Krankheitsindikatorwert für das Vorliegen einer RBDErkrankung zu ermitteln, indem der zumindest eine Gesamtmerkmalswert (GM) mit einem für eine RBD-Erkrankung charakteristischen vorgegebenen Erkrankungs-Schwellenwert (T; T4, ..., Ta) verglichen wird und
dass die Verarbeitungseinheit (3) dazu ausgebildet ist, im Fall, dass der ErkrankungsSchwellenwert (T; T;, ..., Ta) über- oder überschritten ist, das Vorliegen der RBDErkrankung festzustellen.
12. Verfahren nach Anspruch 10 oder 11, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, zur Erstellung des Aktivitätssignals für jeden Zeitpunkt jeweils
a) pixelweise der Unterschied der jeweils aktuellen dreidimensionalen Aufnahme zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme zu ermitteln, und
b) aufgrund der derart ermittelten Unterschiede einen akkumulierten Unterschiedswert, insbesondere durch Maximumbildung oder Mittelwertbildung, zu ermitteln und als Bewegungswert des Aktivitätssignals (MA) zum jeweiligen Zeitpunkt weiter zu verwenden.
13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, zwischen der Ermittlung des Unterschieds zwischen der aktuellen dreidimensionalen Aufnahme und zumindest einer zeitlich vorangehenden
dreidimensionalen Aufnahme und der Ermittlung des akkumulierten Unterschiedswerts
wobei die Verarbeitungseinheit (3) dazu ausgebildet ist, vorab eine interessierende Region (ROl) in der dreidimensionalen Aufnahme auszuwählen oder vorzugeben, wobei insbesondere vorgesehen ist, dass sich in der interessierenden Region (ROl) das Abbild interessierender Körperteile der Person (1) befindet.
14. Verfahren nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, nach der Ermittlung des Unterschieds zwischen der aktuellen dreidimensionalen Aufnahme und zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme oder vor der Ermittlung des akkumulierten Unterschiedswerts Pixel der aktuellen dreidimensionalen Aufnahme zusammenzufassen
und die Bildauflösung zu reduzieren.
15. Verfahren nach einem der Ansprüche 10 bis 14, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, als einer Bewegungsphase zugeordnete Merkmaleswerte zumindest einen der folgenden Werte zu ermitteln:
- einen konstanten Wert,
- die Dauer der jeweiligen Bewegungsphase (D; D-4, ..., Ds),
- die maximale bzw. mittlere Amplitude (AP; AP-;, ..., AP3) des Aktivitätssignals (MA, MAp) innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BPs),
- die Summe (X; Z4, ..., Zs) der einzelnen Bewegungswerte des Aktivitätssignals (MA, MADp) innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BPs),
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert innerhalb der jeweiligen Bewegungsphase (BP; BP-;, ..., BP3) übersteigt,
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen (BP; BP-+;, ..., BPs).
16. Verfahren nach einem der Ansprüche 10 bis 15, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, die Akkumulation des Gesamtmerkmalswerts (GM) durch Addition oder Mittelwertbildung oder Maximalwertbildung der einzelnen Merkmalswerte, vorzugsweise über einen
vorgegebenen Zeitabschnitt, vorzunehmen.
17. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, als vorgegebenen Zeitabschnitt eine vorgegebene Schlafphase, insbesondere die REM-Schlafphase, festzulegen.
18. Verfahren nach einem der Ansprüche 10 bis 17, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist,
- eine Vielzahl von Gesamtmerkmalswerten (GM+;, ..., GM.) zu bilden,
- eine vorgegebene Kaskade von Schwellenwertvergleichen anzuwenden oder die Gesamtmerkmalswerte (GM+4, ..., GM4) einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support-Vector-Machine, zuzuführen und
- derart einen Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung zu
ermitteln. 19. Datenträger, auf dem ein Computerprogramm zur Durchführung eines Verfahrens zur
Detektion der Intensität der Körperbewegungen einer Person (1) während ihres Schlafs gemäß einem der Ansprüche 1 bis 9 abgespeichert ist.
27738
Bewegungsfunktion g(t) mit einem vorgegebenen Schwellenwert TH7 erfolgen. Überschreitet die Bewegungsfunktion g(t) den betreffenden Schwellenwert THz, so wird derjenige Zeitabschnitt, in dem die Bewegungsfunktion g(t) den betreffenden Schwellenwert THz überschreitet, als Zeitabschnitt Z;, Z,, Zz3 von signifikanten Änderungen des Höhenprofils H bzw. von Bewegungen der Person 1, oder als Bewegungsphase BP-+;, BP», BPs, identifiziert und als solcher zur Verfügung gehalten.
Eine derart ermittelte Bewegungsfunktion g(t) wird im Folgenden als Aktivitätssignal MA bzw. nach Signalverarbeitungsschritten wie filtern als gefiltertes Aktivitätssignal MAp bezeichnet.
Ein erfindungsgemäßes Verfahren zur Detektion der Intensität der Körperbewegungen einer Person während ihres Schlafs folgt grundsätzlich dem folgenden Ablauf und die Verarbeitungseinheit 3 ist dazu ausgebildet, ein derartiges Verfahren durchzuführen:
Zunächst wird, wie dies bereits zuvor beschrieben wurde, ein zeitabhängiges Aktivitätssignal MA umfassend eine Anzahl von Bewegungswerten erstellt. Die Bewegungswerte werden dabei zeitlich aufeinander folgenden Zeitpunkten zugewiesen und sind jeweils charakteristisch für das Ausmaß und/oder die Intensität der Körperbewegungen der Person 1 zu einem jeweiligen Zeitpunkt während ihres Schlafs. Dabei können insbesondere die Beinbewegungen der Person 1 für die Ableitung der Bewegungswerte herangezogen werden. Das Aktivitätssignal MA wird, wie zuvor beschrieben, aus einem Höhenbild H basierend auf dreidimensionalen Aufnahmen der Person während ihres Schlafs ermittelt.
Fig. 4a zeigt ein derartiges zeitabhängiges Aktivitätssignal MA, dessen Bewegungswerte die Körperbewegungen der schlafenden Person zu einem jeweiligen Zeitpunkt charakterisieren. Das Aktivitätssignal MA kann dabei beispielsweise für einzelne Pixel oder auch für vorgegebene interessierende Regionen ROI| angegeben werden.
Gegebenenfalls kann in einem nächsten Schritt eines erfindungsgemäßen Verfahrens eine Signalverarbeitung, beispielsweise ein Filtern des Aktivitätssignals MA, vorgenommen werden. Fig. 4b zeigt das Aktivitätssignal MA aus Fig. 4a in verarbeiteter, d.h. gefilteter, Form als gefiltertes Aktivitätssignal MAp. Wie in Fig. 4b ersichtlich ist, erscheint das qgefilterte Aktivitätssignal MAp im Vergleich zum ursprünglichen Aktivitätssignal MA geglättet, da störende Einflusse wie beispielsweise Rauschen durch das Filtern unterdrückt werden.
Für die Erstellung des Aktivitätssignals MA wird im gezeigten Ausführungsbeispiel in den Figuren 4a bzw. 4b pixelweise der Unterschied der zum jeweiligen Zeitpunkt aktuellen dreidimensionalen Aufnahmen der schlafenden Person 1 zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme der schlafenden Person 1 ermittelt und auf Grundlage der derart ermittelten Unterschiede ein akkumulierter Unterschiedswert ermittelt und als Bewegungswert des Aktivitätssignals MA zum jeweiligen Zeitpunkt verwendet. Dieser akkumulierte Unterschiedswert kann beispielweise durch Maximumbildung oder Mittelwertbildung erstellt werden.
Als nächster Schritt eines erfindungsgemäßen Verfahrens wird ein zeitabhängiges Bewegungsindikatorsignal BI basierend auf dem Aktivitätssignal MA oder, wie im gezeigten Ausführungsbeispiel in Fig. 4c, basierend auf dem gefilterten Aktivitätssignal MAp ermittelt. Das Bewegungsindikatorsignal Bl wird erstellt, indem für jeden Zeitpunkt ermittelt wird, ob der jeweilige Bewegungswert des Aktivitätssignals MA bzw. des gefilterten Aktivitätssignals MAp einen aus dem Aktivitätssignal MA ermittelten adaptiven Schwellenwert übersteigt. Anschließend werden in dem derart erstellten zeitabhängigen Bewegungsindikatorsignal BI einzelne Bewegungsphasen BP ermittelt, die zusammenhängende Zeitabschnitte innerhalb des zeitabhängigen Bewegungsindikatorsignals BI darstellen, innerhalb denen das Bewegungsindikatorsignal BI eine Überschreitung des Schwellenwerts indiziert. Im gezeigten Ausführungsbeispiel in Fig. 4c wurden dabei innerhalb des zeitabhängigen Bewegungsindikatorsignals Bl drei einzelne Bewegungsphasen BP-;, BP,, BP; identifiziert.
Anschließend wird zumindest ein Merkmalswert für jede der Bewegungsphasen festgelegt oder ermittelt und ein Gesamtmerkmalswert GM durch Akkumulation der so ermittelten einzelnen Merkmalswerte über die einzelnen Bewegungsphasen erstellt. Dieser Gesamtmerkmalswert GM wird als charakteristisch für die Intensität der Körperbewegungen der Person während ihres Schlafs angesehen. So kann beispielsweise ein hoher Gesamtmerkmalswert GM auf eine hohe Anzahl von Bewegungen der Person 1 oder eine große Stärke der Bewegungen hindeuten.
Fig. 5 zeigt ein Ausführungsbeispiel für Merkmalswerte, die auf Grundlage des Bewegungsindikatorsignals BI aus Fig. 4c erstellt wurden Auf die einzelnen, in Fig. 5 ersichtlichen, Merkmalswerte für die drei Schlafphasen BP+4, BP,, BP; wird im Folgenden noch näher eingegangen.
Bei aus dem Stand der Technik bekannten Verfahren werden typischerweise lediglich die Bewegungen der schlafenden Person durch einfach zu berechnende Kennwerte wie die durchschnittliche Bewegungsanzahl pro Stunde, die Bewegungsdauer oder die Dauer der
Intervalle zwischen den Bewegungen quantifiziert.
Mit der erfindungsgemäßen Vorgangsweise ist es vorteilhafterweise möglich, die zeitliche Bewegungsverteilung der Bewegungen der schlafenden Person 1 zu analysieren und den Trend der Bewegungsaktivität während der gesamten Nacht oder der jeweiligen Schlafphase zu analysieren, beispielsweise
- ob die Anzahl der Bewegungen zu- oder abnimmt,
- die Varianz bzw. Stabilität der Bewegungsaktivität,
- die Bewegungsdichte, beispielsweise ob es Zeitbereiche oder Schlafphasen gibt, in denen die Person besonders häufig Bewegungen ausführt,
- die Verteilung von Bewegungsbursts, d.h. kurzen Phasen mit vielen aufeinanderfolgenden Bewegungen,
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert innerhalb der jeweiligen Bewegungsphase BP; BP-«, ..., BP; übersteigt,
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen BP; BP+;, ..., BP3.
Zusätzlich zu dieser Analyse der zeitlichen Bewegungsverteilung kann optional auch eine räumliche Analyse der Bewegungen durchgeführt werden. Dazu wird, wie dies schematisch in Fig. 2 dargestellt ist, eine Auswahl an Pixeln der aktuellen dreidimensionalen Aufnahme getroffen, die beispielsweise einer vorab definierten interessierenden Region ROl in der dreidimensionalen Aufnahme entsprechen, die vorab vorgegeben oder ausgewählt wird. Andere Pixel, die sich beispielsweise nicht in dieser interessierenden Region ROl befinden, können verworfen werden, um Speicherplatz und Rechenleistung einzusparen. Als eine derartige interessierende Region RO! kann beispielsweise derjenige Bereich der dreidimensionalen Aufnahme festgelegt werden, in dem sich das Abbild interessierender Körperteile der Person befindet. Dies kann, wie in Fig. 2 dargestellt, beispielsweise die Beine, aber auch den Kopf, die Arme, die Hände oder den Oberkörper der Person, betreffen.
Zusätzlich oder alternativ dazu können auch Pixel der aktuellen dreidimensionalen
Aufnahme zusammengefasst und derart die Bildauflösung reduziert werden, sodass
fehlerhafte oder irrelevante Pixel eine geringere Auswirkung auf die ermittelten Unterschiede bzw. den akkumulierten Unterschiedswert haben.
Werden beispielsweise nur die Pixel ausgewertet, die sich innerhalb einer interessierenden Region ROl der schlafenden Person 1 befinden, kann die räumliche Bewegungsverteilung innerhalb der interessierenden Region analysiert werden und beispielsweise Merkmalswerte für die bewegten Körperteile oder die Bewegungsausbreitung, d.h. ob beispielsweise Bewegungen von Kopf nach unten in Richtung der Beine erfolgen oder von der Körpermitte hin zu den Gliedmaßen, ermittelt
werden.
Die ermittelten Merkmalswerte können dabei beliebig kombiniert werden und beispielsweise hinsichtlich des Schlafs während der gesamten Nacht oder einer jeweiligen Schlafphase, beispielsweise der REM-Schlafphase, analysiert werden. Alternativ können auch andere Zeitabschnitte vorgegeben werden. Wird eine Schlafphase festgelegt, innerhalb der die Bewegungen der schlafenden Person 1 analysiert werden sollen, so kann diese innerhalb des zeitlichen Bewegungsindikatorsignals BI beispielsweise durch Analyse von EEG-Daten der schlafenden Person extern festgelegt werden. Derartige EEG-Daten werden beispielsweise ebenfalls während die Person 1 schläft und die dreidimensionalen Aufnahmen der Person 1 erstellt werden, aufgenommen, sodass anhand der EEG-Daten auf die einzelnen Schlafphasen geschlossen werden kann, die die Person 1 durchläuft. Eine schematische Darstellung eines derartigen Bewegungsindikatorsignals BI während verschiedener Schlafphasen ist in Fig. 6 dargestellt. Dabei deuten die dunklen Bereiche auf einen hohen Gesamtmerkmalswert GM hin, während die hellen Bereiche auf einen niedrigen Gesamtmerkmalswert GM
zurückzuführen sind.
Als Merkmalswerte, wie sie in Fig. 5 schematisch dargestellt sind und einer Bewegungsphase zugeordnet werden, kommen verschiedene Werte in Frage. Beispielsweise kann es sich dabei um einen konstanten Wert, die Dauer D der jeweiligen Bewegungsphase oder die Summe X der einzelnen Bewegungswerte des Aktivitätssignals MA oder, wie im gezeigten Ausführungsbeispiel in Fig. 4b, des verarbeiteten Aktivitätssignals MAp innerhalb der jeweiligen Bewegungsphase BP handeln.
In Fig. 5 sind als Merkmalswerte die Dauer der Bewegungen D-+;, D», Ds, die maximale Amplitude der Bewegungen AP+;, AP,, AP;, die Amplitudensumme Z;, X, 23 oder Power
der Bewegungen sowie die Anzahl M+, M,, M3, der Bewegungen pro definierter Zeiteinheit bzw. pro Bewegungsphase BP dargestellt. Durch diese Merkmalswerte können die detektierten Bewegungen quantitativ charakterisiert werden. Diese Merkmalswerte können einzeln oder kombiniert für die Charakterisierung der Intensität der Körperbewegungen einer Person 1 während ihres Schlafs herangezogen werden. Dabei kann beispielsweise ein Gesamtmerkmalswert GM durch Akkumulation aller oder ausgewählter einzelner Merkmalswerte, wie sie in Fig. 5 dargestellt sind, z.B. durch Addition, Mittelwertbildung oder Maximalwertbildung der einzelnen Merkmalswerte ermittelt werden. Dies kann beispielsweise bei einem vorgegebenen Zeitabschnitt wie einer vorgegebenen Schlafphase, beispielsweise der REM-Schlafphase, erfolgen.
Schlafkrankheiten sind oft begleitet von bzw. definiert durch bestimmte atypische Bewegungsmuster, die ein Erkrankter während seines Schlafs ausführt. Betroffene Patienten haben eine gesteigerte Motoraktivität, die von kurzen Zuckungen in einzelnen Gliedmaßen bis zu komplexen Bewegungsabläufen reichen kann. Dies kann die Schlafqualität reduzieren und kann bei RBD zu Verletzungen des Schlafenden oder des Bettpartners führen. Weiters sind bestimmte Schlafkrankheiten wie z.B. die REM-SchlafVerhaltensstörung, auch bekannt als RBD-Erkrankung, frühe Marker für schwerwiegende Krankheiten wie Parkinson oder bestimmte Demenzarten. Die Analyse der Bewegungen von schlafenden Personen bzw. deren Bewegungsmustern ist für die Diagnose daher überaus wichtig.
Die REM-Schlaf-Verhaltensstörung (RBD, engl. REM sleep behavior disorder) ist eine Schlafstörung, die gekennzeichnet ist durch motorische Aktivität reichend von einfachen Zuckungen bis hin zu komplexen Bewegungsmustern und Vokalisation des Schlafenden, hervorgerufen durch die fehlende Muskel-Hemmung (Atonie) im Schlaf und insbesondere in der REM-Schlafphase, wie in American Academy of Sleep Medicine: The International Classification of Sleep Disorders, Third Edition (ICSD-3), 2014, beschrieben ist. Betroffene verletzen sich oft selbst oder die Bettpartner durch Abwehr- oder Angriffsbewegungen. Studien der letzten Jahre haben den Verdacht genährt, dass RBD eine Vorstufe zu verschiedenen a-Synocleinopathien wie Morbus Parkinson, Multipler Systematrophie oder Lewy-Body-Demenz darstellt, wie in Högl, Stefani, Videnovic. Idiopathic REM Sleep Behaviour Disorder and Neurodegeneration — an Update. Nature Reviews Neurology 14, 40-55, 2018, beschrieben ist.
Bei einem erfindungsgemäßen Verfahren ist es vorteilhafterweise optional möglich, dass auf Grundlage zumindest eines Gesamtmerkmalswerts GM ein Krankheitsindikatorwert
für das Vorliegen einer RBD-Erkrankung ermittelt wird. Dazu wird beispielsweise ein für die RBD-Erkrankung charakteristischer Erkrankungs-Schwellenwert T beispielsweise von einem Arzt vorgegeben und der Gesamtmerkmalswert GM mit dem vorgegebenen Schwellenwert T verglichen. Je nachdem, ob der Erkrankungs-Schwellenwert T überoder unterschritten ist, wird somit das Vorliegen einer RBD-Erkrankung festgestellt.
Optional kann auch eine Vielzahl von Gesamtmerkmalswerten GM+;, ..., GM gebildet werden und eine vorgegebene Kaskade von Schwellenwertvergleichen angewendet werden und derart ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung
ermittelt werden.
Alternativ dazu kann der Gesamtmerkmalswert GM oder gegebenenfalls die Gesamtmerkmalswerte GM+{, ..., GM4 auch einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support Vector Machine, zugeführt werden und auf diese Weise ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung ermittelt
werden.
Fig. 7 zeigt schematisch ein Ablaufdiagramm für eine Kaskade von Schwellenwertvergleichen für vier Gesamtmerkmalswerte GM+4, ..., GM zur Ermittlung, ob eine Person 1 an einer RBD-Erkrankung leidet. Dieses Ablaufdiagramm stellt einen regelbasierten Entscheidungsbaum dar, bei dem die vier Gesamtmerkmalswerte GM+4, ..., GM, mit einer vorgegebenen Kaskade von Erkrankungs-Schwellenwerten T4, ...,T4 verglichen werden und derart ein Krankheitsindikatorwert für das Vorliegen einer RBDErkrankung ermittelt wird. Der Krankheitsindikatorwert ist im Ausführungsbeispiel in Fig. 7 in Form einer Ja-Aussage angegeben durch "RBD" oder einer Nein-Aussage angegeben durch "No RBD" für das Vorliegen einer RBD-Erkrankung dargestellt.
21738
Claims (19)
1. Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person (1) während ihres Schlafs umfassend die folgenden Schritte - Ermitteln eines zeitabhängigen Aktivitätssignals (MA) umfassend eine Anzahl von zeitlich aufeinander folgenden Zeitpunkten zugewiesenen Bewegungswerten, - wobei die Bewegungswerte jeweils charakteristisch für das Ausmaß und/oder die Intensität von Körperbewegungen, insbesondere Beinbewegungen, der Person (1) zu einem jeweiligen Zeitpunkt während ihres Schlafs sind, und - wobei das Aktivitätssignal (MA) aus einem Höhenbild (H) basierend auf dreidimensionalen Aufnahmen der Person (1) während ihres Schlafs ermittelt wird, - gegebenenfalls Anwenden einzelner Signalverarbeitungsschritte, insbesondere Filtern, auf das Aktivitätssignal (MA), - Ermitteln eines zeitabhängigen Bewegungsindikatorsignals (Bl) basierend auf dem Aktivitätssignal (MA), indem für jeden Zeitpunkt ermittelt wird, ob der jeweilige Bewegungswert des Aktivitätssignals (MA) einen aus dem Aktivitätssignal (MA) ermittelten, adaptiven Schwellenwert (THz) übersteigt, - Ermitteln von einzelnen Bewegungsphasen (BP; BP-;, ..., BP3) als zusammenhängende Zeitabschnitte im zeitabhängigen Bewegungsindikatorsignal (Bl), in denen das Bewegungsindikatorsignal (Bl) eine Überschreitung des Schwellenwerts (THz) indiziert, und - Ermitteln oder Festlegen jeweils zumindest eines Merkmalswerts für jede der Bewegungsphasen (BP; BP;, ..., BPs) und Akkumulation der so ermittelten Merkmalswerte über die einzelnen Bewegungsphasen (BP; BP-«, ..., BPs) zu zumindest einem Gesamtmerkmalswert, wobei der zumindest eine Gesamtmerkmalswert (GM) als charakteristisch für die Intensität der Körperbewegungen der Person (1) während ihres Schlafs
angesehen wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass auf Grundlage des zumindest einen Gesamtmerkmalswerts (GM) ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung ermittelt wird, indem der zumindest eine Gesamtmerkmalswert (GM) mit zumindest einem für eine RBD-Erkrankung charakteristischen vorgegebenen Erkrankungs-Schwellenwert (T; T+, ..., T4) verglichen wird und dass im Fall, dass der jeweilige Erkrankungs-Schwellenwert (T; T+, ..., T,) überoder überschritten ist, das Vorliegen der RBD-Erkrankung festgestellt wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zur Erstellung des Aktivitätssignals (MA) für jeden Zeitpunkt jeweils
a) pixelweise der Unterschied der jeweils aktuellen dreidimensionalen Aufnahme zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme ermittelt wird, und b) aufgrund der derart ermittelten Unterschiede ein akkumulierter Unterschiedswert, insbesondere durch Maximumbildung oder Mittelwertbildung, ermittelt und als Bewegungswert des Aktivitätssignals (MA) zum jeweiligen Zeitpunkt weiterverwendet
wird.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass zwischen Schritt a) und Schritt b) eine Auswahl an Pixeln der aktuellen dreidimensionalen Aufnahme getroffen wird und einzelne Pixel verworfen werden, wobei vorab eine interessierende Region (ROl) in der dreidimensionalen Aufnahme ausgewählt oder vorgegeben wird, wobei insbesondere vorgesehen ist, dass sich in der interessierenden Region (ROl) das Abbild interessierender Körperteile der Person (1) befindet.
5. Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass vor Schritt b) oder nach Schritt a) Pixel der aktuellen dreidimensionalen Aufnahme zusammengefasst werden und die Bildauflösung reduziert wird.
6. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass als Merkmalswerte, die einer Bewegungsphase (BP; BP-«;, ..., BP3) zugeordnet werden, zumindest einer der folgenden Werte ermittelt wird:
- ein konstanter Wert,
- die Dauer der jeweiligen Bewegungsphase (D; D+4, ..., Ds),
- die maximale bzw. mittlere Amplitude (AP; AP-;, ..., AP3) des Aktivitätssignals (MA, MAp) innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BPs),
- die Summe (X; Z +, ..., Z 3) der einzelnen Bewegungswerte des Aktivitätssignals (MA, MAp) innerhalb der jeweiligen Bewegungsphase (BP; BP+;, ..., BPs),
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert übersteigt innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BP),
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen (BP; BP-+;, ..., BPs).
7. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Akkumulation des Gesamtmerkmalswerts (GM) durch Addition oder Mittelwertbildung
oder Maximalwertbildung der einzelnen Merkmalswerte, vorzugsweise über einen
vorgegebenen Zeitabschnitt, erfolgt.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der vorgegebene Zeitabschnitt durch eine vorgegebene Schlafphase, insbesondere die REM-Schlafphase, festgelegt wird.
9. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet,
- dass eine Vielzahl von Gesamtmerkmalswerten (GM+;, ..., GM) gebildet wird,
- dass eine vorgegebene Kaskade von Schwellenwertvergleichen angewendet wird oder dass die Gesamtmerkmalswerte (GM;4, ..., GM4) einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support-Vector-Machine, zugeführt werden und
- dass derart ein Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung ermittelt
wird.
10. Anordnung zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person (1) während ihres Schlafs umfassend - eine auf die Person (1) gerichtete Bildaufnahmeeinheit (2), die dazu ausgebildet ist, dreidimensionale Aufnahmen der Person (1), insbesondere laufend und/oder zu einer Vielzahl von aufeinanderfolgenden Aufnahmezeitpunkten, zu erstellen und Abstandsmesswerte zur Person bereitzustellen, und - eine mit der Bildaufnahmeeinheit (2) verbundene Verarbeitungseinheit (3), die dazu ausgebildet ist, - ein zeitabhängiges Aktivitätssignal (MA) umfassend eine Anzahl von zeitlich aufeinander folgenden Zeitpunkten zugewiesenen Bewegungswerten aus einem Höhenbild (H) basierend auf den von der Bildaufnahmeeinheit (2) erstellten dreidimensionalen Aufnahmen der Person (1) während ihres Schlafs zu erstellen, - wobei die Bewegungswerte jeweils charakteristisch für das Ausmaß und/oder die Intensität von Köörperbewegungen, insbesondere Beinbewegungen, der Person (1) zu einem jeweiligen Zeitpunkt während ihres Schlafs sind, - gegebenenfalls einzelne Signalverarbeitungsschritte, insbesondere Filtern, auf das Aktivitätssignal (MA) anzuwenden, - für jeden Zeitpunkt zu ermitteln, ob der jeweilige Bewegungswert des Aktivitätssignals (MA) einen aus dem Aktivitätssignal (MA) ermittelten, adaptiven Schwellenwert (THz) übersteigt und derart ein zeitabhängiges
24 / 38
11. Vorrichtung nach Anspruch 10, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, auf Grundlage des zumindest einen Gesamtmerkmalswerts (GM) einen Krankheitsindikatorwert für das Vorliegen einer RBDErkrankung zu ermitteln, indem der zumindest eine Gesamtmerkmalswert (GM) mit einem für eine RBD-Erkrankung charakteristischen vorgegebenen Erkrankungs-Schwellenwert (T; T4, ..., Ta) verglichen wird und
dass die Verarbeitungseinheit (3) dazu ausgebildet ist, im Fall, dass der ErkrankungsSchwellenwert (T; T;, ..., Ta) über- oder überschritten ist, das Vorliegen der RBDErkrankung festzustellen.
12. Verfahren nach Anspruch 10 oder 11, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, zur Erstellung des Aktivitätssignals für jeden Zeitpunkt jeweils
a) pixelweise der Unterschied der jeweils aktuellen dreidimensionalen Aufnahme zu zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme zu ermitteln, und
b) aufgrund der derart ermittelten Unterschiede einen akkumulierten Unterschiedswert, insbesondere durch Maximumbildung oder Mittelwertbildung, zu ermitteln und als Bewegungswert des Aktivitätssignals (MA) zum jeweiligen Zeitpunkt weiter zu verwenden.
13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, zwischen der Ermittlung des Unterschieds zwischen der aktuellen dreidimensionalen Aufnahme und zumindest einer zeitlich vorangehenden
dreidimensionalen Aufnahme und der Ermittlung des akkumulierten Unterschiedswerts
wobei die Verarbeitungseinheit (3) dazu ausgebildet ist, vorab eine interessierende Region (ROl) in der dreidimensionalen Aufnahme auszuwählen oder vorzugeben, wobei insbesondere vorgesehen ist, dass sich in der interessierenden Region (ROl) das Abbild interessierender Körperteile der Person (1) befindet.
14. Verfahren nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, nach der Ermittlung des Unterschieds zwischen der aktuellen dreidimensionalen Aufnahme und zumindest einer zeitlich vorangehenden dreidimensionalen Aufnahme oder vor der Ermittlung des akkumulierten Unterschiedswerts Pixel der aktuellen dreidimensionalen Aufnahme zusammenzufassen
und die Bildauflösung zu reduzieren.
15. Verfahren nach einem der Ansprüche 10 bis 14, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, als einer Bewegungsphase zugeordnete Merkmaleswerte zumindest einen der folgenden Werte zu ermitteln:
- einen konstanten Wert,
- die Dauer der jeweiligen Bewegungsphase (D; D-4, ..., Ds),
- die maximale bzw. mittlere Amplitude (AP; AP-;, ..., AP3) des Aktivitätssignals (MA, MAp) innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BPs),
- die Summe (X; Z4, ..., Zs) der einzelnen Bewegungswerte des Aktivitätssignals (MA, MADp) innerhalb der jeweiligen Bewegungsphase (BP; BP-+, ..., BPs),
- die zeitliche Änderung der Anzahl an Pixel, in denen der Bewegungswert den vorgegebenen oder einen weiteren Schwellenwert innerhalb der jeweiligen Bewegungsphase (BP; BP-;, ..., BP3) übersteigt,
- die Periodizität und gegebenenfalls die Periodendauer der Bewegungsphasen (BP; BP-+;, ..., BPs).
16. Verfahren nach einem der Ansprüche 10 bis 15, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, die Akkumulation des Gesamtmerkmalswerts (GM) durch Addition oder Mittelwertbildung oder Maximalwertbildung der einzelnen Merkmalswerte, vorzugsweise über einen
vorgegebenen Zeitabschnitt, vorzunehmen.
17. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist, als vorgegebenen Zeitabschnitt eine vorgegebene Schlafphase, insbesondere die REM-Schlafphase, festzulegen.
18. Verfahren nach einem der Ansprüche 10 bis 17, dadurch gekennzeichnet, dass die Verarbeitungseinheit (3) dazu ausgebildet ist,
- eine Vielzahl von Gesamtmerkmalswerten (GM+;, ..., GM.) zu bilden,
- eine vorgegebene Kaskade von Schwellenwertvergleichen anzuwenden oder die Gesamtmerkmalswerte (GM+4, ..., GM4) einem Klassifikationsverfahren, insbesondere einem neuronalen Netz oder einer Support-Vector-Machine, zuzuführen und
- derart einen Krankheitsindikatorwert für das Vorliegen einer RBD-Erkrankung zu
ermitteln.
19. Datenträger, auf dem ein Computerprogramm zur Durchführung eines Verfahrens zur
Detektion der Intensität der Körperbewegungen einer Person (1) während ihres Schlafs gemäß einem der Ansprüche 1 bis 9 abgespeichert ist.
27738
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA50645/2019A AT522841A1 (de) | 2019-07-17 | 2019-07-17 | Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person |
PCT/AT2020/060270 WO2021007605A1 (de) | 2019-07-17 | 2020-07-14 | Verfahren zur detektion der intensität und/oder des ausmasses der körperbewegungen einer person |
EP20745085.9A EP3998942A1 (de) | 2019-07-17 | 2020-07-14 | Verfahren zur detektion der intensität und/oder des ausmasses der körperbewegungen einer person |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA50645/2019A AT522841A1 (de) | 2019-07-17 | 2019-07-17 | Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person |
Publications (1)
Publication Number | Publication Date |
---|---|
AT522841A1 true AT522841A1 (de) | 2021-02-15 |
Family
ID=71783786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ATA50645/2019A AT522841A1 (de) | 2019-07-17 | 2019-07-17 | Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3998942A1 (de) |
AT (1) | AT522841A1 (de) |
WO (1) | WO2021007605A1 (de) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE602004009077T2 (de) * | 2003-06-09 | 2008-06-19 | Sumitomo Osaka Cement Co., Ltd. | Einrichtung zur messung dreidimensionaler formen |
DE102015208144A1 (de) * | 2014-05-19 | 2015-11-19 | Xerox Corporation | Erhöhen der Genauigkeit eines physiologischen Signals, Erhalten von einem Video eines Patienten |
EP3245943A1 (de) * | 2016-05-18 | 2017-11-22 | Motognosis UG (haftungsbeschränkt) | Verfahren zur berührungslosen ermittlung und aufbereitung von schlafbewegungsdaten |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014019760A1 (de) * | 2014-09-10 | 2016-04-21 | Ait Austrian Institute Of Technology Gmbh | Verfahren und Vorrichtung zur Bestimmung des zeitlichen Verlaufs der Atemtiefe |
-
2019
- 2019-07-17 AT ATA50645/2019A patent/AT522841A1/de not_active Application Discontinuation
-
2020
- 2020-07-14 EP EP20745085.9A patent/EP3998942A1/de not_active Withdrawn
- 2020-07-14 WO PCT/AT2020/060270 patent/WO2021007605A1/de unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE602004009077T2 (de) * | 2003-06-09 | 2008-06-19 | Sumitomo Osaka Cement Co., Ltd. | Einrichtung zur messung dreidimensionaler formen |
DE102015208144A1 (de) * | 2014-05-19 | 2015-11-19 | Xerox Corporation | Erhöhen der Genauigkeit eines physiologischen Signals, Erhalten von einem Video eines Patienten |
EP3245943A1 (de) * | 2016-05-18 | 2017-11-22 | Motognosis UG (haftungsbeschränkt) | Verfahren zur berührungslosen ermittlung und aufbereitung von schlafbewegungsdaten |
Also Published As
Publication number | Publication date |
---|---|
EP3998942A1 (de) | 2022-05-25 |
WO2021007605A1 (de) | 2021-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3332710B1 (de) | Charakterisierung von plaque | |
DE102007028226B4 (de) | Auswertungsverfahren für eine zeitliche Sequenz von Röntgenbildern und hiermit korrespondierende Gegenstände | |
DE102007040071A1 (de) | Bereichsweise Rekonstruktion von räumlich verteilten Funktionen | |
EP1531342B1 (de) | Verfahren zur Erkennung von Fussgängern | |
EP2626005A1 (de) | Verfahren zur Bestimmung des physischen und/oder psychischen Zustands eines Probanden anhand einer Analyse seiner Herzratenvariabilität | |
DE102015206630B4 (de) | Multispektrale CT-Bildgebung | |
EP2305105B1 (de) | Verfahren zur Erkennung einer Fehlfunktion eines Sensors zur in-vivo Messung einer Analytkonzentration | |
DE102015116044A1 (de) | Verfahren und Vorrichtung zur Quantifizierung einer respiratorischen Sinusarrhythmie sowie Verwendung eines derartigen Verfahrens oder einer derartigen Vorrichtung [ | |
DE112015006378T5 (de) | Bildverarbeitungsvorrichtung, Bildverarbeitungsverfahren und Bildverarbeitungsprogramm | |
DE10155089C1 (de) | Verfahren zur Entfernung von Ringen und Teilringen in Computertomographie-Bildern | |
EP3756158B1 (de) | Verfahren zur bestimmung von fehlern von aus digitalen objektdarstellungen abgeleiteten parametern | |
DE102015206127B4 (de) | Verfahren und Bilddaten-Ermittlungseinrichtung zum Rekonstruieren von Bilddaten bei der CT-Bildgebung | |
AT520863B1 (de) | Verfahren zur Detektion von Körperbewegungen einer schlafenden Person | |
AT522841A1 (de) | Verfahren zur Detektion der Intensität und/oder des Ausmaßes der Körperbewegungen einer Person | |
EP0278215A1 (de) | Verfahren und Vorrichtung zur Verarbeitung von Signalen aus einem physiologisch erzeugten elektrischen Feld | |
DE102013105648B3 (de) | Verfahren zur Ermittlung einer sich ändernden räumlichen Verteilung von Partikeln zu mehreren Zeitpunkten | |
DE102012211799B4 (de) | Verfahren und Vorrichtung zur rechnergestützten Verarbeitung von mit einer Mehrzahl von Elektroden gemessenen Aktionspotentialen des menschlichen oder tierischen Körpers | |
DE102007029731A1 (de) | Verfahren zur automatischen Bestimmung einer optimalen Herzphase für eine Cardio-CT-Rekonstruktion und Cardio-CT-Rekonstruktion | |
EP1172069A1 (de) | Computertomograph mit Dosisoptimierung durch Festlegung der optimalen Wahl des Röhrenstroms in Echtzeit (Belichtungsautomatik), der Röhrenstrommodulation (Dosisminimierung) und darauf aufbauender Nachverarbeitung durch 3D adaptive Filter (Rauschreduzierung | |
EP2630910B1 (de) | Verfahren zur Detektion von Artefakten | |
DE102018103715A1 (de) | Verfahren zur Komprimierung von Messdaten | |
EP3426143A1 (de) | Vorrichtung und verfahren zur elektrostimulation eines probanden | |
DE102015206450A1 (de) | Verfahren zur rechnergestützten Verarbeitung von mit einer Mehrzahl von Elektroden gemessenen Aktionspotentialen des menschlichen oder tierischen Körpers | |
DE102016219607A1 (de) | Erzeugung einer mit anatomischen Bilddaten korrelierten Ergebniskarte | |
WO2015177080A1 (de) | VERFAHREN UND ANORDNUNG ZUR VERGRÖßERUNG DES SIGNAL-RAUSCHABSTANDES VON EVOZIERTEN UND EREIGNISKORRELIERTEN POTENZIALEN IN DEN ABLEITUNGEN EINER NEURONALEN AKTIVITÄT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
REJ | Rejection |
Effective date: 20231115 |