JP6775680B2 - 光学的画像データを取得して患者台装置の側部仕切り部の姿勢を特定するための装置、方法およびコンピュータプログラム - Google Patents
光学的画像データを取得して患者台装置の側部仕切り部の姿勢を特定するための装置、方法およびコンピュータプログラム Download PDFInfo
- Publication number
- JP6775680B2 JP6775680B2 JP2019517226A JP2019517226A JP6775680B2 JP 6775680 B2 JP6775680 B2 JP 6775680B2 JP 2019517226 A JP2019517226 A JP 2019517226A JP 2019517226 A JP2019517226 A JP 2019517226A JP 6775680 B2 JP6775680 B2 JP 6775680B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- posture
- image data
- side partition
- patient table
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 71
- 230000003287 optical effect Effects 0.000 title claims description 17
- 238000004590 computer program Methods 0.000 title description 8
- 238000005192 partition Methods 0.000 claims description 101
- 230000036961 partial effect Effects 0.000 claims description 67
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 22
- 230000036544 posture Effects 0.000 description 70
- 238000004891 communication Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000000474 nursing effect Effects 0.000 description 6
- 108010076504 Protein Sorting Signals Proteins 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241000210029 Passiflora latent virus Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000025865 Ulcer Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 241000405217 Viola <butterfly> Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009420 retrofitting Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Emergency Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Psychology (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Social Psychology (AREA)
- Geometry (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Alarm Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Invalid Beds And Related Equipment (AREA)
- Accommodation For Nursing Or Treatment Tables (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
・Besl, P. J. (1992), “Method for registration of 3-D shapes”, In Robotics-DL tentative (第586〜606頁),
・Fischler, M. A. (1981), “Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography”, Communications of the ACM, 第381〜395頁,
・Hartman, F. (2011), “Robotersteuerung durch Gesten“, Masterarbeit Universitaet zu Luebeck,
・Kong, T., & Rosenfeld, A. (1996), “Topological Algorithms for Digital Image Processing”, Elsevier Science, Inc.,
・Shapiro, L., & Stockman, G. (2001), “Computer Vision”, Prentice-Hall,
・Bron, C., & Kerbosch, J. (1973), “Algorithm 457: finding all cliques of an undirected graph, Communications of the ACM” , 第575〜577頁,
・Canny, J. (1986), “A Computational Approach to Edge Detection”, IEEE Transactions on Pattern Analysis and Machine Intelligence,
・Capezuti, E., Wagner, L., & Brush, B. (2007), “Consequences of an intervention to reduce restrictive side rail use in nursing homes”, Journal of the American Geriatrics Society, 第334〜341頁,
・Dalal, N., & Triggs, B. (2005), “Histograms of Oriented Gradients for Human Detection”, IEEE Computer Society Conference on Computer Vision and Pattern Recognition,
・Duda, R., & Hart, P. E. (1972), “Use of the Hough Transformation to Detect Lines and Curves in Pictures”, Comm. ACM, 第11〜15頁,
・Hartman, F. (2011),“Robotersteuerung durch Gesten“, Universitaet Luebeck,
・Jolliffe, I. T. (2002), “Principal Component Analysis”, Springer,
・Soille, P. (1999), “Morphological Image Analysis: Principles and Applications”, Springer-Verlag,
・Talerico, K. A., & Capezuti, E. (2001), “Myths and Facts About Side Rails: Despite ongoing debates about safety and efficacy, side rails are still a standard component of care in many hospitals, so how do you determine their safe use?”, AJN The American Journal of Nursing, 第43〜48頁、および
・Viola, P., & Jones, M. (2001), “Rapid object detection using a boosted cascade of simple features”, CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION 2001.
1)床から最大Dcmしか離れていない点を除外する(かかる点はPLV長手軸に属し得ない。というのも、PLV100は通常、医療従事者のためにある程度の最小作業高さを保証しなければならないからである)。
2)横たわり面より上方にある点を除外する(その際には、求められたPLVセグメント120a〜120dが必要となる)。
3)(例えば、各PLVセグメント120a〜120dからFcm下方にある点を除外することによって)マットレスに属する可能性がある点を除外する。
4)残った点に基づいて主成分分析(英語で「Principal Component Analysis」PCAともいう)(Jolliffe, 2002)を計算し、主軸をPLV長手軸として選択する。
Ojala, T., M. Pietikainen, and T. Maenpaa,“Multiresolution Gray-scale and Rotation Invariant Texture Classification With Local Binary Patterns”. IEEE Transactions on Pattern Analysis and Machine Intelligence. Volume 24, No. 7、2002年7月、第971〜987頁、
Viola, P., and M. J. Jones,“Rapid Object Detection using a Boosted Cascade of Simple Features”. Proceedings of the 2001 IEEE Computer Society Conference. Volume 1、2001年4月15日、第I‐511〜I‐518頁、
Cortes, Corinna, and Vladimir Vapnik.“Support-vector networks.”Machine learning 20.3 (1995): 273-297、および
Breiman L., Random forests. In Machine Learning、第5〜32頁、2001
に記載されている。
1)3次元空間における多角形によって、
2)3次元空間における直方体によって、
3)検討対象のパーツの部分における横たわり面またはPLV長手軸より上方(ないしは下方)の当該パーツの平均高さによって、かつ
4)x(例えば0)とy(例えば10)との間の数によって、
描写することができる。上記4)において、xは当該パーツの最低位置を表し、yは当該パーツの最高位置を表す。位置xおよびyは、例えばPLVの型式によって既知となり得る。
臨床情報システム、
例えば単純なスクリーン、モニタおよびディスプレイ等の定置の表示ユニット、ならびに
例えばスマートフォンまたはタブレット等のモバイル表示機器
である。
Claims (16)
- 患者台装置(100)の光学的な画像データを取得して、前記画像データに基づいて前記患者台装置(100)の少なくとも1つの側部仕切り部(110)の姿勢を特定するための装置(10)であって、
前記装置(10)は、特定装置(16)を備えており、
前記特定装置(16)は、前記画像データに基づいて前記患者台装置(100)の少なくとも1つの部分セグメント(120)の姿勢を特定し、前記少なくとも1つの部分セグメント(120)の姿勢に基づいて前記患者台装置(100)の前記少なくとも1つの側部仕切り部(110)の姿勢を特定するように構成されており、
前記特定装置(16)は、前記少なくとも1つの側部仕切り部(110)の姿勢に基づいて前記患者台装置(100)のコンフィギュレーションについての安全情報を特定するように構成されており、
前記特定装置(16)は、前記安全情報に基づいて、前記患者台装置(100)のコンフィギュレーションが安全レベルを下回る場合に警報情報を出力するように構成されており、
前記特定装置(16)は、さらに前記患者台装置(100)の2つの長辺を特定し、前記長辺に基づいて、前記画像データから、前記患者台装置(100)の前記少なくとも1つの側部仕切り部(110)に属しない画素を少なくとも部分的に除外するように構成されている、
装置(10)。 - 前記装置(10)はさらに、前記少なくとも1つの側部仕切り部(110)の姿勢についての情報を出力するためのインタフェース(12)を備えている、
請求項1記載の装置(10)。 - 前記装置(10)は、前記患者台装置(100)の光学的な画像データを取得するための取得装置(14)を備えており、
前記取得装置(14)は、前記画像データとして3次元の点群を取得するように構成された1つまたは複数のセンサを備えている、
請求項1または2記載の装置(10)。 - 前記特定装置(16)はさらに、前記患者台装置(100)の前記少なくとも1つの部分セグメント(120)の姿勢に基づいて前記患者台装置(100)の横たわり面の大きさおよび位置を特定するように構成されている、
請求項1から3までのいずれか1項記載の装置(10)。 - 前記特定装置(16)は、前記画像データをさらに前記患者台装置(100)の長辺の画素に制限するように構成されている、
請求項1から4までのいずれか1項記載の装置(10)。 - 前記特定装置(16)は、前記画像データを前記患者台装置(100)の側部平面上に投影して投影像を得るように構成されている、
請求項5記載の装置(10)。 - 前記特定装置(16)は、前記投影像内において物体検出を用いて側部仕切り部候補を特定するように構成されている、
請求項6記載の装置(10)。 - 前記特定装置(16)は、前記側部仕切り部候補を評価し、評価された前記側部仕切り部候補に基づいて前記少なくとも1つの側部仕切り部(110)の姿勢を特定するように構成されている、
請求項7記載の装置(10)。 - 前記特定装置(16)は、記憶装置を用いて前記安全情報を記録するように構成されている、
請求項1から8までのいずれか1項記載の装置(10)。 - 前記特定装置(16)は、表示装置を用いて前記安全情報を出力するように構成されている、
請求項1から9までのいずれか1項記載の装置(10)。 - 前記患者台装置(100)の前記安全レベルは、前記少なくとも1つの側部仕切り部(110)に対する前記少なくとも1つの部分セグメントの相対姿勢に基づく、
請求項1から10までのいずれか1項記載の装置(10)。 - 前記安全レベルは、前記患者台装置(100)の特定されたコンフィギュレーションの場合に前記患者台装置(100)から患者が落下するリスクがどの程度高いかを表す尺度である、
請求項1から11までのいずれか1項記載の装置(10)。 - 前記安全レベルは、前記少なくとも1つの部分セグメント(120)にわたる横たわり面より上方の前記側部仕切り部(110)の平均高さの度合いである、
請求項1から12までのいずれか1項記載の装置(10)。 - 前記特定装置(16)は、前記患者台装置(100)の少なくとも2つの部分セグメント(120a;120b)の姿勢を特定するように構成されている、
請求項1から13までのいずれか1項記載の装置(10)。 - 患者台装置(100)の光学的な画像データを取得し、前記画像データに基づいて前記患者台装置(100)の少なくとも1つの側部仕切り部(110)の姿勢を特定するための方法であって、
前記画像データに基づいて前記患者台装置(100)の少なくとも1つの部分セグメント(120)の姿勢を特定するステップ(80a)と、
前記少なくとも1つの部分セグメント(120)の姿勢に基づいて前記患者台装置(100)の前記少なくとも1つの側部仕切り部(110)の姿勢を特定するステップ(80b)と、
前記患者台装置(100)の2つの長辺を特定し、前記長辺に基づいて、前記画像データから、前記患者台装置(100)の前記少なくとも1つの側部仕切り部(110)に属しない画素を少なくとも部分的に除外するステップと、
を有する方法。 - プログラムコードを有するプログラムであって、
前記プログラムコードは、コンピュータ上、プロセッサ上、またはプログラミング可能なハードウェア構成要素上で実行されるときに請求項15記載の方法を実施するためのものである、
プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016015121.8A DE102016015121A1 (de) | 2016-12-20 | 2016-12-20 | Vorrichtung, Verfahren und Computerprogramm zur Erfassung von optischen Bilddaten und zur Bestimmung einer Lage einer Seitenbegrenzung einer Patientenlagerungsvorrichtung |
DE102016015121.8 | 2016-12-20 | ||
PCT/EP2017/082340 WO2018114454A1 (de) | 2016-12-20 | 2017-12-12 | Vorrichtung, verfahren und computerprogramm zur erfassung von optischen bilddaten und zur bestimmung einer lage einer seitenbegrenzung einer patientenlagerungsvorrichtung |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019536129A JP2019536129A (ja) | 2019-12-12 |
JP6775680B2 true JP6775680B2 (ja) | 2020-10-28 |
Family
ID=60857046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019517226A Active JP6775680B2 (ja) | 2016-12-20 | 2017-12-12 | 光学的画像データを取得して患者台装置の側部仕切り部の姿勢を特定するための装置、方法およびコンピュータプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US10991118B2 (ja) |
EP (1) | EP3559953B1 (ja) |
JP (1) | JP6775680B2 (ja) |
CN (1) | CN110073442B (ja) |
DE (1) | DE102016015121A1 (ja) |
WO (1) | WO2018114454A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018115990A1 (de) * | 2018-07-02 | 2020-01-02 | Stiegelmeyer Gmbh & Co. Kg | Verfahren zur Positionskontrolle von Funktionsteilen eines Kranken- oder Pflegebettes und/oder einer darin befindlichen Person |
CN110443978B (zh) * | 2019-08-08 | 2021-06-18 | 南京联舜科技有限公司 | 一种摔倒报警设备及方法 |
CN110806581B (zh) * | 2019-10-21 | 2022-03-29 | 边缘智能研究院南京有限公司 | 医疗推车防碰撞检测方法、装置和*** |
CN112286036B (zh) * | 2020-12-29 | 2021-03-12 | 四川写正智能科技有限公司 | 防溺水智能手表 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1504427B1 (en) * | 2002-04-25 | 2011-03-02 | Secumanagement B.V. | Sensor arrangement and method for calibrating the same |
US7319386B2 (en) * | 2004-08-02 | 2008-01-15 | Hill-Rom Services, Inc. | Configurable system for alerting caregivers |
EP2429643B1 (en) * | 2009-04-30 | 2017-08-23 | Medtronic, Inc. | Patient state detection based on support vector machine based algorithm |
EP2619724A2 (en) * | 2010-09-23 | 2013-07-31 | Stryker Corporation | Video monitoring system |
US11188589B2 (en) * | 2013-03-15 | 2021-11-30 | Wits(Md), Llc. | Associating received medical imaging data to stored medical imaging data |
US20140350379A1 (en) * | 2013-05-21 | 2014-11-27 | Steven Roger Verdooner | System and method for imaging a patient user's body part |
AU2014317772B2 (en) * | 2013-09-06 | 2019-04-11 | Stryker Corporation | Patient support usable with bariatric patients |
DE102013017264A1 (de) | 2013-10-17 | 2015-04-23 | Dräger Medical GmbH | Verfahren für die Überwachung eines Patienten innerhalb eines medizinischen Überwachungsbereichs |
EP3080922A4 (en) * | 2013-12-11 | 2017-09-06 | Antisep - Tech Ltd. | Method and system for monitoring activity of an individual |
CN106415654A (zh) * | 2014-02-18 | 2017-02-15 | 诺日士精密株式会社 | 信息处理装置、信息处理方法及程序 |
US9463126B2 (en) * | 2014-03-11 | 2016-10-11 | Hill-Rom Services, Inc. | Caregiver universal remote cart for patient bed control |
US20150293600A1 (en) * | 2014-04-11 | 2015-10-15 | Visual Exploration LLC | Depth-based analysis of physical workspaces |
US10223890B2 (en) * | 2014-07-07 | 2019-03-05 | Koninklijke Philips N.V. | Detecting a movement and/or a position of an object to be monitored |
EP2966581A1 (de) * | 2014-07-07 | 2016-01-13 | Siemens Aktiengesellschaft | Netzwerksystem und Verfahren zur Steuerung eines Computertomographen |
US9396404B2 (en) | 2014-08-04 | 2016-07-19 | Datalogic ADC, Inc. | Robust industrial optical character recognition |
DE102015013031B4 (de) | 2015-10-09 | 2018-12-27 | Drägerwerk AG & Co. KGaA | Vorrichtung, Verfahren und Computerprogramm zur Bestimmung einer Lage von zumindest zwei Teilsegmenten einer Patientenlagerungsvorrichtung |
CN109863561A (zh) * | 2016-08-24 | 2019-06-07 | 皇家飞利浦有限公司 | 用于患者监测以预测和防止床跌落的设备、***和方法 |
-
2016
- 2016-12-20 DE DE102016015121.8A patent/DE102016015121A1/de not_active Withdrawn
-
2017
- 2017-12-12 JP JP2019517226A patent/JP6775680B2/ja active Active
- 2017-12-12 CN CN201780079082.5A patent/CN110073442B/zh active Active
- 2017-12-12 US US16/471,322 patent/US10991118B2/en active Active
- 2017-12-12 EP EP17822205.5A patent/EP3559953B1/de active Active
- 2017-12-12 WO PCT/EP2017/082340 patent/WO2018114454A1/de unknown
Also Published As
Publication number | Publication date |
---|---|
CN110073442A (zh) | 2019-07-30 |
WO2018114454A1 (de) | 2018-06-28 |
DE102016015121A1 (de) | 2018-06-21 |
CN110073442B (zh) | 2023-05-09 |
JP2019536129A (ja) | 2019-12-12 |
US20200105010A1 (en) | 2020-04-02 |
EP3559953B1 (de) | 2023-05-10 |
EP3559953A1 (de) | 2019-10-30 |
US10991118B2 (en) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6775680B2 (ja) | 光学的画像データを取得して患者台装置の側部仕切り部の姿勢を特定するための装置、方法およびコンピュータプログラム | |
US10095930B2 (en) | System and method for home health care monitoring | |
JP6934253B2 (ja) | 外科織物内の血液構成要素の量の評価方法 | |
US10134128B2 (en) | Device, method and computer program for detecting optical image data of a patient positioning device | |
US10121062B2 (en) | Device, system and method for automated detection of orientation and/or location of a person | |
Li et al. | Detection of patient's bed statuses in 3D using a Microsoft Kinect | |
BE1021528B1 (nl) | Valdetectiesysteem en werkwijze voor het detecteren van een val van een bewaakte persoon | |
JP6822328B2 (ja) | 見守り支援システム及びその制御方法 | |
SG178270A1 (en) | Condition detection methods and condition detection devices | |
Mousse et al. | Percentage of human-occupied areas for fall detection from two views | |
Banerjee et al. | Monitoring patients in hospital beds using unobtrusive depth sensors | |
JP2020515948A (ja) | 患者周辺の光学画像データを検出し、患者のチェックを識別する方法、装置およびコンピュータプログラム | |
Farshbaf et al. | Detecting high-risk regions for pressure ulcer risk assessment | |
Kittipanya-Ngam et al. | Computer vision applications for patients monitoring system | |
CN111448589B (zh) | 用于检测患者的身体移动的设备、***和方法 | |
Martinez et al. | “BAM!” depth-based body analysis in critical care | |
Zin et al. | Elderly monitoring and action recognition system using stereo depth camera | |
US10853679B2 (en) | Monitoring assistance system, control method thereof, and program | |
JP2015175633A (ja) | 立体抽出方法および立体抽出装置 | |
WO2024023893A1 (ja) | 人検出装置、人検出システム、プログラム及び人検出方法 | |
Mousse et al. | Video-based people fall detection via homography mapping of foreground polygons from overlapping cameras | |
Abidin et al. | Awakening Event Detection for Fall Prevention Among Bedridden Using Kinect-Like Depth Image | |
EP4394725A1 (en) | Method and system for monitoring bedridden and bed-resting persons | |
As’ari et al. | The evaluation of depth image features for awakening event detection | |
Sghir | Modeling Human Motion for Predicting Usage of Hospital Operating Room |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190329 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200423 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200908 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200928 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201006 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6775680 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |