-
HINTERGRUND
-
Das Überwachen von kardiorespiratorischen Ereignissen eines Patienten ist für die Früherkennung potenziell tödlicher Zustände lebenswichtig. Aktuelle Technologien, die Kontaktsensoren umfassen, erfordern, dass der Patient solche Vorrichtungen ständig trägt. Eine solche Anforderung kann zu Unbequemlichkeit, psychologischer Abhängigkeit und Würdeverlust führen und sogar zusätzliche medizinische Problem verursachen, wie Hautinfektionen, wenn Sensoren über einen längeren Zeitraum getragen werden müssen. Alte Patienten, Kinder und solche, die an chronischen medizinischen Zuständen leiden, leiden mit höherer Wahrscheinlichkeit an solchen negativen Wirkungen einer kontinuierlichen Überwachung. Die Verwendung einer unauffälligen, kontaktlosen, bildgebenden Überwachung physiologischer Ereignisse kann einiges zur Abmilderung einiger dieser Probleme erreichen. Frühere Anstrengungen waren auf Systeme und Verfahren gerichtet, die Video-Bilderfassungsvorrichtungen zur Überwachung eines Patienten in Bezug auf eine gewünschte physiologische Funktion einsetzten. Bei diesen Verfahren werden Videos von einem interessierenden Bereich des ruhenden Patienten aufgenommen und bearbeitet, um Herz- und Atemwegsfunktionen aus physiologischen Signalen zu berechnen, die aus Zeitreihensignalen gewonnen werden, die von diesen Videos erhalten werden. Xerox-Forscher haben bestimmt, dass Bewegungen des ruhenden Patienten, wie z.B. das Drehen des Kopfes, das Bewegen eines Arms und Ähnliches, Bewegungsartefakte in den physiologischen Signalen weitergeben oder auslösen können, die von dem Video des Patienten gewonnen werden und somit die Genauigkeit physiologischer Signale negativ beeinflussen können, die daher erhalten werden.
-
Was also auf diesem Gebiet benötigt wird, sind ausgeklügelte Systeme und Verfahren zur Erhöhung der Genauigkeit physiologischer Signale, die von einem Video eines Patienten erhalten werden, der auf eine gewünschte physiologische Funktion überwacht wird.
-
Es werden ein System und ein Verfahren offenbart, die die Genauigkeit physiologischer Signale erhöhen, die von einem Video von einem Patienten erhalten werden, der auf eine gewünschte physiologische Funktion überwacht wird. In einer Ausführungsform umfasst das vorliegende Verfahren Folgendes. Als Erstes werden Bilder eines Videos eines Patienten empfangen, der auf eine gewünschte physiologische Funktion überwacht wird. Das Video wurde von einer Video-Bilderfassungsvorrichtung aufgenommen. Die Bilder stammen von mindestens einem Teil einer exponierten Körperregion des Patienten, wo ein physiologisches Signal, das der gewünschten physiologischen Funktion entspricht, von der Video-Bilderfassungsvorrichtung registriert wird. Es wird eine Größe N einer Bildreihe definiert. Dann wird Folgendes mit den Bildreihen der Größe N ausgeführt. Die Bildreihe wird verarbeitet, um Pixel zu isolieren, die mit der exponierten Körperregion verknüpft sind, und die isolierten Pixel werden verarbeitet, um ein Zeitreihensignal für diese Reihe zu erhalten. Danach erfolgt eine Bestimmung, ob während der Videoerfassung dieser Bildreihe eine Bewegung aufgetreten ist. Wenn augrund des Bestimmungsergebnisses die Bewegung unterhalb eines festgelegten Bewegungsgrenzwerts liegt, werden die Parameter eines Vorhersagemodells unter Verwendung des Zeitreihensignals aktualisiert, das für diese Bildreihe erhalten wurde. Andernfalls wird das zuletzt aktualisierte Vorhersagemodell verwendet, um ein vorhergesagtes Zeitreihensignal für die aktuelle Reihe zu erzeugen, und das Zeitreihensignal, das für diese Reihe erhalten wurde, wird mit dem vorhergesagten Zeitreihensignal fusioniert, um ein fusioniertes Zeitreihensignal zu erhalten. Zeitreihensignale, die für Bildreihen fusioniert oder anderweitig erhalten wurden, werden verarbeitet, um ein physiologisches Signal zu erhalten, das der physiologischen Funktion entspricht, auf die der Patient überwacht wird.
-
Die Funktionen und Vorteile des oben beschriebenen Systems und Verfahrens werden aus der folgenden ausführlichen Beschreibung und den begleitenden Zeichnungen offensichtlich.
-
KURZBESCHREIBUNG DER ZEICHNUNGEN
-
Die vorangehenden sowie weitere Funktionen und Vorteile des hier offenbarten Gegenstandes werden anhand der folgenden ausführlichen Beschreibung im Zusammenhang mit den begleitenden Zeichnungen veranschaulicht, wobei:
-
1 ein Flussdiagramm ist, das eine beispielhafte Ausführungsform des vorliegenden Verfahrens zur Erhöhung der Genauigkeit physiologischer Signale veranschaulicht, die von einem Video eines auf eine gewünschte physiologische Funktion überwachten Patienten erhalten wurden;
-
2 eine Fortsetzung des Flussdiagramms von 1 ist, wobei die Flussbearbeitung in Bezug auf Knoten A fortgesetzt wird;
-
3 ein Blockdiagramm eines beispielhaften Videoverarbeitungssystems 300 zur Bearbeitung eines Videos gemäß der gezeigten Ausführungsform ist und in Bezug auf die Flussdiagramme der 1 und 2 beschrieben wird;
-
4 ein Graph eines ungefilterten Signals ist, das durch Bearbeitung der Videobilder erhalten wurde;
-
5 ein Graph des ungefilterten Signals von 4 ist, dem ein vorhergesagtes Signal überlagert wurde; und
-
6 ein Graph des vorhergesagten Signals mit einem aktuellen Signal ist, um die Korrelation zu zeigen.
-
AUSFÜHRLICHE BESCHREIBUNG
-
Es wird ein System und ein Verfahren zur Erhöhung der Genauigkeit physiologischer Signale offenbart, die von einem Video eines auf eine gewünschte physiologische Funktion überwachten Patienten erhalten wurden.
-
Eine "physiologische Funktion" ist eine Atemwegs- oder eine Herzfunktion.
-
Ein "Patient" betrifft eine lebende Person oder einen lebenden Patienten, der auf eine physiologische Funktion überwacht wird. Obwohl der Begriff "Person" oder "Patient" durchgehend in diesem Text verwendet wird, versteht es sich, dass der Patient auch etwas anderes als ein Mensch sein kann, wie z.B. ein Primat. Solche Begriffe verstehen sich nicht als den Umfang der anhängenden Ansprüche streng auf Menschen beschränkend.
-
Ein "Video", wie allgemein verstanden wird, betrifft eine Mehrzahl zeitgereihter Bilder, die mittels einer Video-Bilderfassungsvorrichtung von einem auf eine physiologische Funktion überwachten Patienten aufgenommen wurden. Das Video kann auch weitere Komponenten enthalten, wie z.B. Audio, Zeit-, Bildratendaten und Ähnliches. Das Video wird von einer Körperregion des Patienten aufgenommen, wo ein zeitlich variables Signal, das mit der gewünschten physiologischen Funktion verknüpft ist, von der Video-Bilderfassungsvorrichtung registriert und verwendet werden kann, um das Video aufzunehmen.
-
Eine "Video-Bilderfassungsvorrichtung" ist eine Einkanal- oder Mehrkanal-Video-Bilderfassungsvorrichtung, wie allgemein verstanden wird. Die Video-Bilderfassungsvorrichtung kann eine Vorrichtung mit einer hohen Bildrate und hoher räumlicher Auflösung sein, wie z.B. eine Monochrom-Kamera zur Aufnahme von Schwarz/Weiß-Videos, oder eine Farbkamera zur Aufnahme von Farbvideos. Die Video-Bilderfassungsvorrichtung kann eine Vorrichtung mit Thermo-, Infrarot-, Multispektral- oder Hyperspektral-Sensoren sein. Die Video-Bilderfassungsvorrichtung kann eine Hybridvorrichtung umfassen, die in einem herkömmlichen Videomodus mit hoher Bildrate und hoher räumlicher Auflösung und in einem Spektralmodus mit geringer Bildrate, aber hoher räumlicher Auflösung arbeiten kann. Die Video-Bilderfassungsvorrichtung kann eine Mehrzahl von Ausgaben besitzen, von der das Video erhalten oder anderweitig kanalweise empfangen werden kann. Die Video-Bilderfassungsvorrichtung kann verschiedene Komponenten umfassen, wie Speicher, eine oder mehrere Speichervorrichtungen, und Prozessoren, die maschinenlesbare Programmanweisungen zur Verarbeitung und Analyse von Videos gemäß den vorliegenden Lehren ausführen können. Video-Bilderfassungsvorrichtungen, die Standard-Videoausstattung umfassen, sowie solche mit spezialisierten bildgebenden Sensoren sind von einer breiten Reihe von Anbietern im Handel frei verfügbar.
-
"Empfangen von Bildern" eines Videos versteht sich weit gefasst und umfasst "abfragen", "aufnehmen", "erfassen", "erwerben" oder anderweitig Bilder zur Verarbeitung gemäß den hier offenbarten Verfahren erhalten. Die Bilder können von einem Speicher oder einer Speichervorrichtung der Video-Bilderfassungsvorrichtung abgefragt, von einer entfernten Vorrichtung über ein Netzwerk erhalten oder von einem Medium, wie einer CD-ROM oder DVD erhalten werden. Bilder können von einem Webbasierten System oder einer Web-basierten Anwendung downloaden, wodurch solche Videobilder zur Verarbeitung verfügbar werden. Bilder können auch von einer Anwendung empfangen werden, wie sie für Handheld-Geräte verfügbar sind, und auf dem Mobiltelefon oder einer anderen Handheld-Computervorrichtung, wie einem iPad oder Tablet, verarbeitet werden.
-
Eine "Bildreihe" bedeutet eine Mehrzahl von zeitgereihten Bildern. Bildreihen sind zeitlich aufeinanderfolgend, d.h. eine nächste Reihe von Bildern folgt einer vorherigen Reihe. In einer bevorzugten Ausführungsform überlappen aufeinanderfolgende Bildreihen erheblich. Gemäß den hiesigen Lehren ist eine Anfangsgröße N einer ersten Bildreihe so definiert, dass Nmin ≤ N ≤ Nmax, wobei Nmin eine minimale Größe einer Bildreihe ist, die zum Erhalten eines genauen physiologischen Signals erforderlich ist, und Nmax eine nutzerdefinierte maximale Größe einer Bildreihe ist. Für eine Atemfunktionsbewertung ist eine minimale Größe für eine Bildreihe vorzugsweise nicht kleiner als 3 Atemzyklen des Patienten. Für eine Herzfunktionsbewertung ist eine minimale Größe für eine Bildreihe vorzugsweise nicht kleiner als 1 Herzzyklus des Patienten. Bildreihen werden verarbeitet, um ein Zeitreihensignal für jede Reihe zu erhalten.
-
Ein "Zeitreihensignal" ist ein Signal, das aus einer Bildreihe extrahiert wird, die bedeutsame Daten in Bezug auf die physiologische Funktion enthält, auf die der Patient überwacht wird. Das Zeitreihensignal enthält interessierende Frequenzkomponenten. Zeitreihensignale können normalisiert werden und können einer Vorfilterung unterzogen werden, um unerwünschte Frequenzen zu entfernen. Ein Zeitreihensignal wird von einer gegebenen Reihe von Videobildern mittels Verarbeitung von Pixeln in einem oder mehreren Bereichen der exponierten Körperregion in jedem der Bilder in der Reihe erzeugt. Ein Verfahren zur Verarbeitung von Pixeln umfasst das Isolieren von Pixeln, die mit der Körperregion in dem Bild verknüpft sind. Pixel können in dem Bild unter Verwendung von Bildverarbeitungstechniken isoliert werden, wie z.B. Pixelklassifizierung basierend auf Farbe, Textur, räumlichen Funktionen, Spektral-Informationen, Objektidentifikation, wie z.B. Gesicht- oder Thoraxbereichserkennung, Mustererkennung und Nutzereingabe. Dann erfolgt Mitteln der Pixelwerte in den isolierten Bereichen in jedem Bild für alle Bilder in der Reihe. Ein Mittel wird aus allen Pixeln in jedem der isolierten Bereiche berechnet, um ein Kanalmittel pro Bild zu erhalten. Einzelne Zeitreihensignale können nach Bedarf gewichtet werden. Ein Wichten kann über ein oder mehrere Signalsegmente erfolgen, während andere Signalsegmente ungewichtet bleiben. Verfahren zum Wichten von Segmenten eines Signals sind gut bekannt. Zeitreihensignale, die von Reihen von Bildern erhalten wurden, werden verarbeitet, um ein physiologisches Signal zu erhalten.
-
Ein "physiologisches Signal" ist ein Signal, das einer physiologischen Funktion entspricht, auf die der Patient überwacht wird. Das physiologische Signal wird von jedem Zeitreihensignal extrahiert, das vor der Verarbeitung jeder Bilderreihe erhalten wird. Viele der oben einbezogenen US-Patentanmeldungen lehren verschiedene Erscheinungsformen zum Extrahieren physiologischer Signale von einem Zeitreihensignal. Das physiologische Signal kann an eine Anzeigenvorrichtung, eine Speichervorrichtung, eine kabellose Handheld-Mobiltelefonvorrichtung oder eine entfernte Vorrichtung über ein Netzwerk kommuniziert werden.
-
Eine "exponierte Körperregion" eines Patienten betrifft mindestens eine Teilansicht exponierter Haupt des Körpers des Patienten, wie sie durch die Apertur der Video-Bilderfassungsvorrichtung erscheint, wo ein physiologisches Signal, das der gewünschten physiologischen Funktion entspricht, von der Video-Bilderfassungsvorrichtung registriert werden kann. Körperregionen, wo ein Atemsignal mittels der Video-Bilderfassungsvorrichtung registriert werden kann, sind solche Bereiche des Patientenkörpers, die sich aufgrund von Expansion und Kontraktion der Brust durch Atmung bewegen. Diese Körperregionen umfassen die vordere Thoraxregion des Patienten, eine Seitenansicht der Thoraxregion des Patienten sowie eine hintere Region des dorsalen Körpers des Patienten. Körperregionen, wo ein Herzsignal mittels der Video-Bilderfassungsvorrichtung registriert werden kann, sind solche Bereiche exponierter Haut, wo subkutanes venöses oder arterielles Pulsieren aufgrund von Blutfluss erfasst werden kann.
-
"Bestimmen, ob eine Bewegung eingetreten ist", bedeutet das Bestimmen, ob Bewegung in den Videobildern, die die Reihe umfasst, wahrscheinlich einen Bewegungsartefakt induziert hat. Die Bewegung kann von dem Patienten, der Video-Bilderfassungsvorrichtung oder dadurch verursacht sein, dass ein Dritter zwischen Video-Bilderfassungsvorrichtung und Patienten gelaufen ist. Bewegung kann durch das den Patienten umgebende Umfeld verursacht werden, wie z.B. dadurch, dass sich das Patientenbett bewegt hat oder sich Kissen/Bettdecke verschoben haben, durch flackerndes Licht oder Ähnliches. Eine Bestimmung, ob Bewegung eingetreten ist, kann unter Verwendung einer Vielzahl von Techniken erzielt werden. Es kann z.B. ein Bewegungsmelder genutzt werden, um den Patienten zu überwachen und ein Signal bereitzustellen, wenn sich der Patient bewegt, oder umgekehrt ein Signal bereitzustellen, wenn sich der Patient nicht bewegt. Es kann entsprechend ein Zeitintervall der Bilder, die mit der Bewegung verknüpft sind, identifiziert werden. Bewegung kann auch mittels einer visuellen Überwachung durch einen geschulten Techniker bestimmt werden, der die Aufgabe hat, den Patienten während der Videoerfassung zu beobachten. Es können Software-Tools eingesetzt werden, um Bildreihen auf Bewegung zu analysieren, z.B. durch Verarbeitung von Pixeln in der oder den isolierten Körperregionen in der Bildreihe, um eine Mengenänderung der Zentrumspixel-Anordnungen zu bestimmen, die mit dem Bereich in Bezug auf ein fixiertes Objekt in dem Umfeld oder eine fixierte Position des Patienten verknüpft sind.
-
Weitere Verfahren umfassen das Bestimmen einer Änderungsrate des Zeitreihensignals mindestens eines vorgewählten Kanals der Video-Bilderfassungsvorrichtung; Bestimmen, ob sich eine Ableitung einer beliebigen x- oder y-Lage, Orientierung, Größe in der Körperregion in einer Bildreihe in Bezug auf dieselben Lagen in einer vorhergehenden Bildreihe geändert hat; oder Bestimmen, ob eine Ableitung einer beliebigen x- oder y-Lage in anderen Teilen des Patientenkörpers einen Grenzwert überschreitet. Bewegung kann durch Suche nach Änderung einer Form der Körperregion in der Bildreihe identifiziert werden, d.h., wenn der Kopf gedreht, ein Arm bewegt wird etc. Zur Bewegungserkennung kann ein Gesichtserkennungs-Algorithmus oder ein Objektverfolgungsverfahren genutzt werden. Software-Tools können gestaltet werden, ein Signal zu senden, einen Alarm auszulösen oder anderweitig Zeitintervalle von Bildern zu kennzeichnen, wenn Bewegung erfasst oder nicht erfasst wurde.
-
Ein "Bewegungsgrenzwert", wie hier verwendet, ist ein Grad eines Bewegungsbetrags während der Videoerfassung einer Bildreihe, die zu Vergleichszwecken verwendet werden. Der Grenzwert kann auf der physiologischen Funktion basieren, auf die der Patient überwacht wird, d.h. der für die Atemfunktionsbewertung eingestellte Grenzwert kann sich vollständig von dem Grenzwert unterscheiden, der für die Herzfunktionsbewertung eingestellt ist. Der Grenzwert kann auf einem Bewegungstyp oder eine Bewegungsquelle (d.h. des Patienten oder des Umfeldes) basieren. Der Grenzwert kann auf der Zeit der Bewegung in der Reihe beruhen. Der Grenzwert kann von einem Nutzer oder Techniker eingestellt werden. Der Bewegungsgrenzwert kann dynamisch in Echtzeit angepasst werden. Eine solche dynamische Anpassung kann z.B. auf einem Signal-Rauschen-Verhältnis eines Leistungsspektrums des Zeitreihensignals, das durch Verarbeitung einer gegebenen Pixelreihe erhalten wurde, oder auf einer Wellenform eines Rhythmussignals basieren. Der Grenzwert kann dynamisch durch einen Nutzer/Techniker in Echtzeit angepasst werden, während das Video des Patienten von der Video-Bilderfassungsvorrichtung aufgenommen wird. Es versteht sich, dass der eingestellte Bewegungsgrenzwert von der Anwendung abhängig ist, in der die hier vorliegenden Lehren ihre vorgesehene Nutzung finden. Daher ist eine Diskussion in Bezug auf einen bestimmten Grenzwert hier ausgelassen. In Reaktion auf die Bewegung für eine gegebene Bildreihe, die den Grenzwert überschritten hat, kann das von dieser Reihe erhaltene Zeitreihensignal verworfen werden. Alternativ wird eine Anzeige bereitgestellt, dass das von dem Zeitreihensignal für diese Reihe extrahierte physiologische Signal unzuverlässig sein könnte und weiterer Verarbeitung bedarf. In anderen Ausführungsformen wird eine Bewegungskompensationsstrategie angewendet, um die Auswirkungen der erfassten Bewegung zu reduzieren.
-
Verschiedene weitere Reaktionen auf Bewegungen, die den Grenzwert überschreiten, umfassen z.B. das Auslösen eines Alarmsignals, dass die Bewegung übermäßig ist; Signalisieren an medizinisches Fachpersonal, dass übermäßige Bewegung aufgetreten ist; Ändern der Bildrate der Video-Bilderfassungsvorrichtung; Wechseln der Video-Bilderfassungsvorrichtung auf eine andere Videokamera; Bewegen einer Position der Video-Bilderfassungsvorrichtung; und vollständiges Stoppen der Videoerfassung.
-
Ein "Vorhersagemodell" wird in der Vorhersageanalytik verwendet, um ein statistisches Modell zur Vorhersage eines Verhaltens oder Ergebnisses in der Zukunft zu erzeugen. Ein Vorhersagemodell umfasst allgemein eine Anzahl von Variablen (d.h. Parametern), die als zukünftige Verhalten oder Ergebnisse vorhersagend bestimmt wurden. Multiple Prediktoren werden zu einem Vorhersagemodell kombiniert, das bei Anwendung auf die Analyse zukünftige Wahrscheinlichkeiten mit einem vertretbaren Zuverlässigkeitsgrad vorhersagen kann. In einem Vorhersagemodell werden die Daten zu vergangenem Verhalten ausgewertet, ein Vorhersagemodell wird formuliert, Parameter des Modells werden wiederholt revidiert und validiert, wenn zusätzliche Daten verfügbar werden, und das Vorhersagemodell wird verwendet, um zukünftige Verhalten oder Ergebnisse vorherzusagen. Das Vorhersagemodell kann so einfach sein wie eine lineare Gleichung oder so komplex wie ein neuronales Netz. Der Leser wird auf folgende Texte verwiesen:
"Applied Predictive Modeling", Max Kuhn und Kjell Johnson, Springer Publishing (Sept. 2013), ISBN-13: 978-1461468486, und
"Applied Linear Regression", Sanford Weisberg, Wiley Publishing 4. Aufl. (Dez. 2013), ISBN-13: 978-1118386088. In dem vorliegenden Verfahren werden Parameter des Vorhersagemodells wiederholt mit Komponenten der Zeitreihensignale aktualisiert, die von der Verarbeitung der Bildreihen erhalten wurden, wenn die Bewegung einen festgelegten Bewegungsgrenzwert überschritten hat. Wenn bestimmt wird, dass während der Videoerfassung einer gegebenen Bildreihe eine Bewegung aufgetreten ist, die den eingestellten Bewegungsgrenzwert überschreitet, wird dann das zuletzt aktualisierte Vorhersagemodell verwendet, um ein "vorhergesagtes" Zeitreihensignal für diese bestimmte Bildreihe zu erzeugen. Das erzeugte, vorhergesagte Zeitreihensignal wird dann mit dem Zeitreihensignal fusioniert, das durch Verarbeitung dieser Bildreihe erhalten wurde. Hier wird ein autoregressives Modell oder eine Impulsantwort als Vorhersagemodell verwendet.
-
Ein "autoregressives Modell" ist ein Vorhersagemodell eines Systems, das festlegt, dass die Ausgabe linear von Werten vorheriger Zustände abhängt. Autoregressive Modelle wurden verwendet, um eine große Vielfalt zeitlich variabler Prozesse zu beschreiben, wie solche aus Natur, Wirtschaft etc. Autoregressive Modelle umfassen Autoregressive Moving Average(ARMA)-Modelle, Autoregressive Integrated Moving Average(ARIMA)-Modelle und Autoregressive Fractionally Integrated Moving Average(ARFIMA)-Modelle.
-
Eine "Impulsantwortfunktion" oder einfach "Impulsantwort" ist ein Vorhersagemodell eines Systems, wobei eine Ausgabe in Reaktion auf eine Eingabe erzeugt wird, die als "Impuls" bezeichnet wird. Die Antwort der Funktion beschreibt die Reaktion des Systems auf den Impuls. Die Reaktion des Systems kann eine Funktion der Zeit oder eine Funktion anderer, unabhängiger Variablen sein, die das dynamische Verhalten des Systems parametrisieren.
-
"Fusionieren" bedeutet das Kombinieren von Zeitreihensignalen. Einige oder alle Zeitreihensignale und die vorhergesagten Zeitreihensignale können nach Bedarf gewichtet werden. Solche Wichtungen können beliebig groß oder klein sein, einschließlich Null. Verfahren zum Kombinieren (Fusionieren) von Zeitreihensignalen sind auf dem Gebiet der Signalverarbeitung gut bekannt. Das resultierende, fusionierte Zeitreihensignal kann z.B. unter Verwendung eines Equiripple-Bandpassfilters gefiltert werden, um unerwünschte Artefakte zu entfernen.
-
"Verarbeitung" umfasst die Anwendung einer beliebigen mathematischen Operation, die auf Daten gemäß einem beliebigen, bestimmten Zusammenhang oder zu einem beliebigen, bestimmten Zweck angewendet wird, wie hier beschrieben.
-
Es wird jetzt Bezug auf das Flussdiagramm von 1 genommen, das eine beispielhafte Ausführungsform des vorliegenden Verfahrens zur Erhöhung der Genauigkeit eines physiologischen Signals darstellt, das von einem Video eines auf eine gewünschte physiologische Funktion überwachten Patienten erhalten wurde. Flussverarbeitung beginnt bei Schritt 100 und fährt sofort mit Schritt 102 fort.
-
In Schritt 102 wird das Empfangen eines Videos einer Körperregion eines Patienten, wo ein zeitlich variables Signal, das einer gewünschten physiologischen Funktion entspricht, mittels der Video-Bilderfassungsvorrichtung registriert wird, die das Video erfasst.
-
In Schritt 104 wird eine Anfangsgröße N einer Bildreihe zur Verarbeitung definiert, so dass Nmin ≤ N ≤ Nmax, wobei Nmin eine minimale Größe einer Bildreihe und Nmax eine maximale Größe einer Bildreihe ist.
-
In Schritt 106 wird die Bildreihe verarbeitet, um die mit der Körperregion verknüpften Pixel zu isolieren.
-
In Schritt 108 werden die isolierten Pixel verarbeitet, um ein Zeitreihensignal für diese Bildreihe zu erhalten.
-
In Schritt 110 wird eine Bestimmung getroffen, ob eine Bewegung während der Videoerfassung dieser Bildreihe eingetreten ist, die einen Bewegungsgrenzwert überschreitet.
-
Es wird jetzt Bezug auf 2 genommen, die eine Fortsetzung des Flussdiagramms von 1 ist, wobei die Flussverarbeitung in Bezug auf Knoten A fortgesetzt wird.
-
Wenn, als Ergebnis der Bestimmung in Schritt 110, die Bewegung den eingestellten Bewegungsgrenzwert nicht überschreitet, fährt die Verarbeitung in Bezug auf Knoten A fort, wobei in Schritt 112 die Parameter eines Vorhersagemodells unter Verwendung des für diese Reihe (aus Schritt 108) erhaltenen Zeitreihensignals aktualisiert werden. Wenn andererseits bestimmt wird, dass die Bewegung den Bewegungsgrenzwert überschritten hat, fährt die Verarbeitung in Bezug auf Knoten B fort, wobei in Schritt 114 das aktualisierte Vorhersagemodell verwendet wird, um ein vorhergesagtes Zeitreihensignal für die aktuelle Reihe zu erzeugen.
-
In Schritt 116 wird das Zeitreihensignal dieser Reihe mit dem vorhergesagten Zeitreihensignal fusioniert, das für diese Reihe (von Schritt 114) erzeugt wurde, um ein fusioniertes Zeitreihensignal für die aktuelle Reihe zu erhalten.
-
In Schritt 118 wird eine Bestimmung getroffen, ob weitere Bilder verarbeitet werden müssen. Wenn dies der Fall ist, wird die Verarbeitung mit Bezug auf Knoten D fortgesetzt, wo in Schritt 106 eine weitere Bildreihe verarbeitet wird. Die Verarbeitung wird wiederholt, bis keine Bildreihen zur Verarbeitung verbleiben.
-
In anderen Ausführungsformen wird ein Alarmsignal bereitgestellt, wenn die Bewegung einen eingestellten Bewegungsgrenzwert überschritten hat. Der Alarm kann die Form einer Nachricht haben, die auf einer Anzeigenvorrichtung angezeigt wird, oder ein Geräusch, das z.B. in einer Schwesternstation aktiviert wird, oder eine Anzeige einer Vorrichtung. Der Alarm kann die Form eines farbigen oder blinkenden Lichts haben, das eine visuelle Anzeige bereitstellt, dass ein Alarmzustand besteht. Der Alarm kann eine Text-, Audio- und/oder Videonachricht sein. Das Alarmsignal kann an eine oder mehrere entfernte Vorrichtungen über ein kabelhaftes oder kabelloses Netzwerk kommuniziert werden. Der Alarm kann direkt an ein Handheld-Mobiltelefon einer medizinischen Fachkraft gesendet werden. Danach können zusätzliche Aktionen in Reaktion auf den Alarm erfolgen. Das oben beschriebene Verfahren wird vorzugsweise für Patientenüberwachung verwendet, wo die Bilder des Videos mittels einer Video-Bilderfassungsvorrichtung in Echtzeit aufgenommen und bei Empfang verarbeitet werden, um ein physiologisches Signal zu extrahieren, das der gewünschten physiologischen Funktion entspricht.
-
Es versteht sich, dass die hier dargestellten Flussdiagramme veranschaulichend sind. Eine oder mehrere der dargestellten Operationen in den Flussdiagrammen können in einer anderen Reihenfolge ausgeführt werden. Weitere Operationen können zugefügt, modifiziert, verstärkt oder konsolidiert werden. Variationen davon verstehen sich als in den Umfang der anhängenden Ansprüche fallend.
-
Jetzt wird Bezug auf 3 genommen, die ein Blockdiagramm eines beispielhaften Videoverarbeitungssystems 300 zur Verarbeitung eines Videos gemäß der Ausführungsform zeigt, die in Bezug auf die Flussdiagramme der 1 und 2 gezeigt und beschrieben ist.
-
In 3 ist eine Video-Bilderfassungsvorrichtung 300 gezeigt, die einen Videostream 301 einer exponierten Körperregion des Patienten 302 erfasst. Videobilder (zusammen bei 303) werden an ein Videoverarbeitungssystem 304 kommuniziert. Der Reihen-Prozessor 305 empfängt die definierte Größe N einer Bildreihe von der Workstation 311 und verarbeitet kontinuierlich Bildreihen der Größe N mittels Isolieren von Pixeln, die mit der exponierten Körperregion in den Bildern verknüpft sind, und dann mittels Verarbeiten der isolierten Pixel, um ein Zeitreihensignal für jede Reihe zu erhalten. Der Bewegungsanalysator 306 verarbeitet die aktuelle Bildreihe und bestimmt, ob eine Bewegung aufgetreten ist, die einen eingestellten Bewegungsgrenzwert überschritten hat. Die Bestimmung wird durch das Vorhersagemodel-Modul 307 bereitgestellt, das, basierend auf der Bestimmung, entweder die die Parameter des darin gespeicherten Vorhersagemodells aktualisiert oder das zuletzt aktualisierte Vorhersagemodell verwendet, um ein vorhergesagtes Zeitreihensignal zu erzeugen. Das Signalfusionsmodul 308 empfängt das Zeitreihensignal für die aktuelle Reihe und das vorhergesagte Zeitreihensignal (wenn zutreffend) und fährt damit fort, die beiden Zeitreihensignale zu fusionieren, um ein fusioniertes Zeitreihensignal zu erhalten. Der Prozessor 309 ruft maschinenlesbare Programmanweisungen von Speicher 310 auf und wird bereitgestellt, um die Funktionalität jeglicher Module des Videoverarbeitungssystems 304 zu erleichtern. Der Prozessor 309, der alleine oder zusammen mit anderen Prozessoren und Speichern arbeitet, kann gestaltet sein, die Funktionalität jeglicher der Prozessoren und Module des Videoverarbeitungssystems 304 zu unterstützen oder anderweitig deren Funktionalität auszuführen. Der Prozessor 309 fährt damit fort, ein physiologisches Signal aus den verschiedenen Zeitreihensignalen zu erzeugen, und kommuniziert das physiologische Signal des Patienten an die Anzeigevorrichtung der Workstation 311.
-
Ein Computergehäuse der Workstation 311 beherbergt verschiedene Komponenten, wie ein Motherboard mit einem Prozessor und einem Speicher, einer Netzkarte, einer Videokarte, einer Festplatte, die lesen/schreiben von/auf maschinenlesbare Medien 312, wie eine Floppy Disk, optische Disk, CD-ROM, DVD, Magnetband und Ähnliches, kann sowie weitere Software und Hardware, die zur Ausführung der Funktionalität einer Computer-Workstation erforderlich sind. Die Workstation umfasst weiter eine Anzeigevorrichtung 313, wie ein CRT, LCD oder eine Touchscreen-Vorrichtung, um Informationen, Ergebnisse, Orte und Ähnliches anzuzeigen. Ein Nutzer kann jegliche dieser Informationen ansehen und eine Auswahl aus den dort angezeigten Menü-Optionen treffen. Die Workstation besitzt ein Betriebssystem und weitere spezialisierte Software, die eingerichtet ist, alphanumerische Werte, Menüs, Scroll-Balken, Wählscheiben, gleitende Balken, Pull-Down-Optionen, wählbare Tasten und Ähnliches anzuzeigen, um Informationen einzugeben, auszuwählen, zu modifizieren und zu übernehmen, die erforderlich sind, um Videobilder gemäß den vorliegenden Lehren zu verarbeiten. In weiteren Ausführungsformen kann ein Nutzer oder Techniker die Nutzerschnittstelle verwenden, um interessierende Bereiche zu identifizieren, Parameter einzustellen, Bilder auszuwählen und/oder Bildbereiche zur Bearbeitung auszuwählen. Diese Auswahl kann in den Speichervorrichtungen 312 und 316 gespeichert oder von dort aufgerufen werden. Standardeinstellungen und Anfangsparameter können von den Speichervorrichtungen nach Bedarf aufgerufen werden. Weiter kann ein Nutzer die verschiedenen Parameter des eingesetzten Vorhersagemodells anpassen oder die Vorhersagemodelle dynamisch in Echtzeit ändern, während Bildreihen verarbeitet werden. Die Workstation kann die Bilder des Videostreams anzeigen. Die Workstation implementiert eine Datenbank in der Speichervorrichtung 316, worin Aufzeichnungen gespeichert, manipuliert und in Reaktion auf eine Anforderung von dort aufgerufen werden. Solche Aufzeichnungen nehmen in zahlreichen Ausführungsformen die Form eines medizinischen Verlaufs des Patienten ein. Obwohl die Datenbank als eine externe Vorrichtung gezeigt ist, kann die Datenbank in der Workstation montiert sein, z.B. auf einer Festplatte, die in dem Computergehäuse angeordnet ist.
-
Obwohl als Desktop-Computer gezeigt, versteht es sich, dass die Workstation ein Laptop ein Mainframe oder ein Computer mit Spezialanwendung, wie ein ASIC, Schaltkreis oder Ähnliches, sein kann. Die Ausführungsform der Workstation von 3 ist veranschaulichend und kann andere Funktionalitäten umfassen, die auf dem Gebiet bekannt sind. Jegliche der Komponenten der Workstation kann in Kommunikation mit dem Videoverarbeitungssystem 304 oder jeglichen Vorrichtungen stehen, die damit kommunizieren. Jegliche der Module und Verarbeitungseinheiten des Videoverarbeitungssystems 304 können mit den Speichervorrichtungen 312 und 316 kommunizieren und Daten, Variablen, Aufzeichnungen, Parameter, Funktionen und/oder lesbare/ausführbare Programmanweisungen nach Bedarf speichern oder daher aufrufen, wie dies zur Ausführung der vorgesehenen Funktionen erforderlich ist. Jedes der Module des Videoverarbeitungssystems 304 kann mit einer oder mehreren entfernten Vorrichtungen über das Netzwerk 317 kommunizieren.
-
Es versteht sich, dass einige oder alle der Funktionen, die von einem der Module oder Verarbeitungseinheiten des Videoverarbeitungssystems 304 ausgeführt werden, vollständig oder teilweise von der Workstation 311 ausgeführt werden können. Die Workstation kann mit der Video-Bilderfassungsvorrichtung 300 über Netzwerk 317 kommunizieren. Die Ausführungsform von 3 ist veranschaulichend und versteht sich nicht als den Umfang der anhängenden Ansprüche streng auf diese Konfiguration beschränkend. Verschiedene Module können eine oder mehrere Komponenten zuweisen, die wiederum Software und/oder Hardware umfassen können, die gestaltet ist, die vorgesehene Funktion auszuführen.
-
Das Folgende ist ein Beispiel unter Verwendung der hier offenbarten Lehren zu einem Video einer gesunden Person. Das Video wurde unter Verwendung einer Video-Bilderfassungsvorrichtung für einen gesunden Erwachsenen aufgenommen, die auf 30 Bilder pro Sekunde (fps) Aufnahmegeschwindigkeit für eine Zeitdauer von 200 Bildern eingestellt wurde. Die Trainingsreihenlänge war 17 Sekunden lang (512 Bilder). Die Probennahmezeit betrug 0,0333 Sekunden.
-
4 ist ein Graph 400 eines ungefilterten Signals 401, das durch Verarbeiten der Videobilder erhalten wurde. Signalsegment (bei 402) ist, wenn eine Bewegung eingetreten ist, die den Grenzwert überschritten hat.
-
5 ist ein Graph 500 des ungefilterten Signals von 4 überlagert mit einem vorhergesagten Signal. Das fusionierte und gefilterte Signal ist in demselben Graphen gezeigt.
-
6 ist ein Graph 600 des aktuellen Signals (durchgezogene Linie bei 601) des Patienten in dem Video, überlagert mit dem vorhergesagten Signal (gestrichelte Linie bei 602). Das vorhergesagte Signal scheint mit dem aktuellen Signal zu korrelieren. Es ist anzumerken, dass mit zunehmendem Vorhersage-Horizont Phase und Signalstärke verloren gehen. Endfilterung wurde mit einem Equiripple-Bandpassfilter ausgeführt.
-
Verschiedene Ausführungsformen
-
Die vorliegenden Lehren können aufgrund der hier bereitgestellten funktionellen Beschreibung ohne übermäßiges Experimentieren von einem Fachmann in Hardware oder Software unter Verwendung beliebiger bekannter oder später entwickelter Systeme, Strukturen, Vorrichtungen und/oder Software realisiert werden. Eine oder mehrere Ausführungen der hier beschriebenen Verfahren verstehen sich als in einen gefertigten Artikel eingebaut, der verschifft, verkauft, geleast oder anderweitig getrennt entweder alleine oder als Teil einer Produkt-Suite oder eines Service bereitgestellt werden kann.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Nicht-Patentliteratur
-
- ”Applied Predictive Modeling”, Max Kuhn und Kjell Johnson, Springer Publishing (Sept. 2013), ISBN-13: 978-1461468486 [0026]
- ”Applied Linear Regression”, Sanford Weisberg, Wiley Publishing 4. Aufl. (Dez. 2013), ISBN-13: 978-1118386088 [0026]