通過醫(yī)療歷史，動(dòng)脈血壓的使用已經(jīng)是人類健康狀況的重要指標(biāo)。動(dòng)脈血壓還可以有其他應(yīng)用，如對受試者的應(yīng)力水平的檢測或受試者在某些物質(zhì)影響下的指征。

自18世紀(jì)以來，已有獲取反映人體動(dòng)脈血壓的值的儀器和方法；然而，如果不是它們?nèi)?，它們很多都依賴于與被測試的受試者的直接接觸。所描述的發(fā)明提供了一種使用視頻圖像來估計(jì)血壓從而減少或完全消除對于人體接觸(非侵入性)的需要的方式。由于可以存儲(chǔ)和發(fā)送視頻圖像，所以可以在本地、遠(yuǎn)程地和實(shí)時(shí)地或離線地執(zhí)行血壓的估計(jì)。

發(fā)明概述

本發(fā)明的實(shí)施例可以提供可以在圖像處理系統(tǒng)中配置或編程以便獲得對人體血壓的連續(xù)估計(jì)的過程。根據(jù)本發(fā)明，使用算法的組合來處理人類受試者的實(shí)時(shí)或預(yù)先記錄的視頻圖像，以獲得與被稱為動(dòng)脈收縮壓和舒張壓密切相關(guān)的值。通常，血壓使用被稱為血壓計(jì)的裝置來獲得，并且其需要將該裝置物理附接到待研究的人類受試者。本發(fā)明的實(shí)施例可以提供非接觸式或非侵入式的方式來估計(jì)與血壓計(jì)可以提供的類似的信息，優(yōu)點(diǎn)在于可以在本地或遠(yuǎn)程地使用該信息，以便使用常規(guī)視頻捕獲設(shè)備和可以本地或遠(yuǎn)程駐留的圖像處理系統(tǒng)來做出關(guān)于受試者的健康狀況的決定。

附圖簡述

圖1以框圖描述了獲得血壓估計(jì)數(shù)據(jù)的示例性實(shí)施例的元件。

圖2示出了由圖1中的圖像處理系統(tǒng)執(zhí)行的過程中涉及的步驟。

圖3描述了圖2中引用的心臟電信號上的QRS脈沖位置估計(jì)的更詳細(xì)的流程圖。

圖4是描述了垂直運(yùn)動(dòng)信號如何與人類頭部相關(guān)的示意圖。

圖5顯示了在圖2中描述的過程的延續(xù)。

圖6是描述了在圖2中獲得圖像體積描記法的優(yōu)選實(shí)施例中使用的步驟的流程圖。

圖7描述了圖2中所示的血壓估計(jì)所涉及的要素。

圖8詳細(xì)顯示圖7中的血壓估計(jì)模型。

發(fā)明的詳細(xì)描述

圖1中示出本發(fā)明的示例性實(shí)施例。后面的圖示顯示了由穩(wěn)定光源(1.3)適當(dāng)照明的人類受試者(1.1)，該穩(wěn)定光源(1.3)可以是來自太陽的自然環(huán)境光或?qū)⑻峁┮曨l捕獲元件(1.4)所需的水平的任何類型的人造光。如果這有利于將在(1.6)上執(zhí)行的圖像處理，那么也可以使用具有某些波長增強(qiáng)的光源(1.3)。

人類受試者(1.1)應(yīng)適當(dāng)被放置在攝像機(jī)(1.4)的前面，從而視場(1.2)包括受試者(1.1)的頭部，這是由于對于本示例實(shí)施例，頭部將包含感興趣區(qū)域。關(guān)于攝像機(jī)1.4，在一個(gè)實(shí)施例中使用了具有1280水平×720垂直像素的分辨率的中等質(zhì)量的彩色“網(wǎng)絡(luò)攝像頭”，但也可以采用較低質(zhì)量的圖像。對于示例實(shí)施例所選擇的幀速率為30幀/秒，使用非壓縮AVI格式，其使用攝像機(jī)接口(1.5)被輸入到使用USB作為接口協(xié)議的圖像處理系統(tǒng)(1.6)。使用更高的幀速率和分辨率可以提高系統(tǒng)的性能。

本實(shí)施例中的圖像處理系統(tǒng)(1.6)由個(gè)人臺式計(jì)算機(jī)實(shí)現(xiàn)。該系統(tǒng)(1.6)可以在提供足夠的計(jì)算和處理能力以執(zhí)行包括估計(jì)血壓的過程的算法的任何設(shè)備(通用或嵌入式)中實(shí)現(xiàn)。諸如遠(yuǎn)程服務(wù)器、智能手機(jī)、平板電腦的設(shè)備或甚至像FPGA或ASICS的硬件中的實(shí)現(xiàn)也是對于系統(tǒng)(1.6)的實(shí)現(xiàn)的可接受的方式。該系統(tǒng)也可被完全集成在單個(gè)設(shè)備中，因此諸如攝像機(jī)(1.4)、攝像機(jī)接口(1.5)和處理系統(tǒng)(1.6)的元件對于用戶眼睛可以是“單個(gè)”設(shè)備的一部分。

關(guān)于視頻耦合(1.5)，可以在其中圖像處理系統(tǒng)(1.6)所在的另一不同定位捕獲視頻，從而可以使用諸如互聯(lián)網(wǎng)的常規(guī)通信信道和協(xié)議來記錄和傳輸視頻。這可以使用直播流或先前記錄的視頻文件來完成，因此可能的是圖像處理系統(tǒng)(1.6)實(shí)時(shí)地運(yùn)行或使用批量式處理來運(yùn)行，并且可以對單個(gè)或多個(gè)視頻源(1.4)進(jìn)行處理。

在圖像處理系統(tǒng)(1.6)的輸出端處，將存在估計(jì)由(1.6)分析的受試者(1.1)的血壓的數(shù)據(jù)(1.7)。該數(shù)據(jù)可以經(jīng)由屏幕顯示器呈現(xiàn)給用戶，或者可以是不一定用于人類可視化的任何類型的數(shù)據(jù)存儲(chǔ)或傳輸元件。(1.7)可以用作唯一感興趣的值，或者可以被傳送到另一個(gè)系統(tǒng)以用于進(jìn)一步處理、傳輸存儲(chǔ)或可視化。

由接口(1.5)提供的視頻存儲(chǔ)在圖2所示的命名的幀緩沖器(2.1)上。如其名稱暗指的這個(gè)幀緩沖器(2.1)存儲(chǔ)大量的視頻幀(2.8)，從而稍后將被執(zhí)行的算法具有足夠的用于操作的數(shù)據(jù)。在本實(shí)施例中，使用了10秒的存儲(chǔ)(～300幀)的值，但是該值可以根據(jù)受試者(1.1)的類型或算法的邏輯實(shí)現(xiàn)而改變，并且它可以被優(yōu)化，這是因?yàn)樗蕾囉谟糜趯?shí)現(xiàn)的架構(gòu)、代碼和語言的方式。在示例實(shí)施例中，我們使用了分析緩沖器并輸出血壓數(shù)據(jù)(1.7)的“批量”式實(shí)現(xiàn)，但是可以使用實(shí)時(shí)方法，因此幀緩沖器(2.1)的大小可以響應(yīng)于分析方法而變化。

根據(jù)每個(gè)幀(2.8)，臉部識別過程(2.2)實(shí)現(xiàn)消除來自每個(gè)幀(2.8)的剩余信息而僅留下與頭部(2.7)相關(guān)的信息并還消除與眼睛相對應(yīng)的區(qū)域(2.14)的算法。由于進(jìn)一步的處理將不使用所移除的信息，所以數(shù)據(jù)量可以被優(yōu)化并減少過程的下一階段的處理負(fù)擔(dān)。存在對于執(zhí)行面部識別過程(2.2)可用且已知的許多公共域算法。

一旦來自受試者(1.1)的頭部(2.11)的圖像與幀(2.8)的其余部分隔離；則第一幀用于定義頭部(2.11)上將與圖像進(jìn)一步隔離的區(qū)域。該算法選擇兩個(gè)區(qū)域；眼睛之下(2.10)和眼睛之上(2.9)。這些區(qū)域是特別感興趣的，因?yàn)樗鼈兙哂休^少的邊界變化。關(guān)于區(qū)域(2.10)，可以消除臉部的其他部分，像鼻子和嘴唇。最后，期望的是具有均勻圖案并且充分反射光(1.3)的面部的區(qū)域，因此將產(chǎn)生的信號包含可接受的少量噪聲。

在該示例實(shí)施例中，沒有用于頭部(2.11)的跟蹤算法。后者意味著獲得區(qū)域(2.9)和(2.10)的方法(2.3)要求受試者(1.1)在視頻捕獲期間保持可接受地靜止并且在攝像機(jī)(1.4)的視場(1.2)之內(nèi)。了解圖像處理學(xué)科的人將會(huì)意識到，可以實(shí)現(xiàn)對象跟蹤算法，從而消除對受試者(1.1)的靜止要求。

感興趣的區(qū)域(2.9)和(2.10)將被用作兩個(gè)圖像處理算法的輸入。一個(gè)是我們所謂的圖像體積描記法(Plethysmograpy)(2.5)，其中，如將進(jìn)一步解釋的，給定其量的變化，圖像數(shù)據(jù)被處理以獲得代表受試者皮膚上的血流量的信號。另一個(gè)編號為(2.4)的塊將估計(jì)QRS脈沖位置在心臟電信號(2.12)上的定位。

人類心臟生成刺激心機(jī)運(yùn)動(dòng)的電信號2.12。該信號具有在2.12上描述的公知形狀，并且在所謂的QRS區(qū)域(2.13)處存在峰值。該峰值與最大血流量流出心臟的時(shí)刻相關(guān)，并且血壓估計(jì)過程(2.6)需要其在時(shí)間上的位置以生成產(chǎn)生的分析值(1.7)。

還知道的是，當(dāng)心臟將血液泵送到動(dòng)脈時(shí)，在一般人體上，泵送到頭部的血量是全部的25％。這種高百分比的含氧血液主要經(jīng)由頸動(dòng)脈導(dǎo)向大腦。由于血流定向在站立的受試者(1.1)頭部的垂直軸上，并且關(guān)于頭部(2.11)的大小相對于受試者(1.1)的身體的其余部分相對高；因此頭部(2.11)將主要以與心臟通過動(dòng)脈泵送血液的相同速率垂直運(yùn)動(dòng)。明顯的是，這個(gè)運(yùn)動(dòng)對于大多數(shù)的受試者(1.1)是不可察覺的，但事實(shí)上是病理學(xué)案例，其中當(dāng)受試者患有稱為“主動(dòng)脈血管機(jī)能不全”的疾病時(shí)，他們的頭部運(yùn)動(dòng)是非常明顯的。在該實(shí)施例中，用于心臟電信號的位置估計(jì)(2.4)的過程將源于圖4上的這種不可察覺的垂直運(yùn)動(dòng)(4.0)。

使用圖3的流程圖描述了用于心臟電信號上的QRS脈沖位置的估計(jì)的過程(2.4)。該過程的第一步驟(3.1)是選擇在(2.3)中先前定義的區(qū)域(2.9)和(2.10)上一定量的像素(3.9)。對于示例實(shí)施例，為上部(2.9)選擇1,000個(gè)像素，并且為下部(2.10)區(qū)域選擇相似數(shù)量。在該實(shí)施例中，區(qū)域內(nèi)使用哪些像素的選擇是隨機(jī)的，但是可以使用其他方法來選擇可以減少將后續(xù)獲得的信號上的噪聲的最佳可能的像素。像素的量還被選擇用于處理效率，但是這可以基于受試者的類型、照明和圖像的質(zhì)量來動(dòng)態(tài)地定義。一旦像素(3.9)被選擇，那么由于它們來自彩色視頻圖像；執(zhí)行灰度轉(zhuǎn)換(3.2)，因此只有每個(gè)像素的亮度分量將用于該過程的其余部分。生成灰度轉(zhuǎn)換(3.2)的方法是取3個(gè)顏色分量中的每一個(gè)的百分比以生成組合信號(例如，59％的綠色、30％的紅色和11％的藍(lán)色)。使用灰度也可以是隨著它們中的只有一種顏色分量或其他組合的使用而改變的替代方案。圖3中描述的算法檢測(3.3)上的圖像的第一幀，并將其用作參考幀(3.4)。

參考幀(3.4)被輸入到像素跟蹤算法中，在我們的例子中，我們使用了稱為“Lucas-Kanade”(3.6)的公共域算法，并簡單來說，它將參考幀(3.4)上的像素(3.9)的位置與如圖4所示的下一幀(4.1)的相同像素進(jìn)行比較。由于受試者在在幀和幀之間以X方向和以Y方向運(yùn)動(dòng)，因此表示垂直運(yùn)動(dòng)(在我們的例子中的感興趣的運(yùn)動(dòng))的一組信號(3.8)將通過跟蹤算法(3.6)輸出，直到達(dá)到最后一幀(3.7)。

在過程結(jié)束時(shí)，如圖4所示，我們將具有從Y1到Y(jié)M(3.4)的多個(gè)信號(3.8)，在我們的實(shí)施例中，M的值被定義為2000。信號將具有頭部(2.11)的垂直運(yùn)動(dòng)(4.0)，但是由于在正常受試者中，運(yùn)動(dòng)將非常微小，因此可需要進(jìn)一步處理以便增強(qiáng)和消除不需要的偽影(噪聲)，如圖5中描述的。

用于處理多個(gè)信號(3.8)的第一步驟被稱為信號組合器(5.1)。該功能塊從與垂直頭部運(yùn)動(dòng)相關(guān)的多個(gè)信號(3.8)的全部中獲得單個(gè)信號。在示例實(shí)施例中，我們使用了所有信號的平均值。也就是說，我們使用了在特定時(shí)間上的垂直位置，將對于該時(shí)間獲得的所有值添加到所有信號中，并將得到的值除以信號量(本實(shí)施例中為2000)以獲得對于該特定時(shí)間的單個(gè)值(5.2)?？梢允褂糜糜诮M合信號的其它方法，例如自相關(guān)或互相關(guān)，以便根據(jù)受試者和根據(jù)圖像特性來增強(qiáng)或改善信號。

即使受試者(1.1)保持身體靜止，還有與心臟不相關(guān)的在組合信號(5.2)中存在的其他分量。這些分量稱為偽像并且是由呼吸、眨眼，眼睛運(yùn)動(dòng)和無意識的臉部和頸部運(yùn)動(dòng)造成的。后來的偽像通過稱為互調(diào)的過程與感興趣的信號(5.12)組合。后者意味著信號(5.2)包含其他頻率上的分量，這些分量使感興趣的信號失真，因此需要去除這些偽像(5.3)。

有許多消除不需要的分量的方法，在我們的實(shí)施例中，塊(5.3)是使用經(jīng)驗(yàn)?zāi)Ｊ椒纸饣?EMD)來實(shí)現(xiàn)的。EMD技術(shù)在時(shí)域中分解信號以形成正交且非相關(guān)的多個(gè)信號，這樣我們可以消除具有與心臟電信號(2.12)不相關(guān)的頻率分量的信號。信號的時(shí)域分解的優(yōu)點(diǎn)在于它對信號的相位沒有重要影響，如同傳統(tǒng)的頻域?yàn)V波一樣。它是如在我們的例子中的用于非線性和非平穩(wěn)信號的濾波器。如“小波濾波”的已經(jīng)開發(fā)的其他技術(shù)可以服務(wù)于偽像去除(5.3)的相同目的。

在(5.3)的輸出處，我們將具有類似于感興趣的信號(2.12)的信號(5.4)。在示例性實(shí)施例中，我們期望指示QRS(2.13)區(qū)域在心臟電信號(2,12)中的位置的信號。然而，由于我們可具有其他本質(zhì)上隨機(jī)的偽像，比如更高強(qiáng)度的突然運(yùn)動(dòng)、光源(1.3)的穩(wěn)定性的缺陷或純隨機(jī)噪聲，因此在(5.2)的輸出處得到的信號(5.4)可具有對(2.4)過程不再有用的幅度和形狀的變化。對于這一點(diǎn)向前(for this point forward)，該算法僅對QRS脈沖的時(shí)間位置而不是(5.4)信號的形狀和細(xì)節(jié)感興趣。

下一步驟稱為QRS位置檢測(5.5)，并且僅專注于QRS區(qū)域(2.13)的時(shí)間位置?；谛〔ǖ乃惴ū挥糜跈z測(5.4)信號的不連續(xù)性，并且僅輸出這些不連續(xù)性的時(shí)間位置，如(5.6)所示，其中箭頭示出了發(fā)生的不連續(xù)性的時(shí)間位置以及由此的QRS信號的峰值。重要的是要注意，由于我們正在處理非常微小的運(yùn)動(dòng)的信號，所以即使在這個(gè)階段，從真實(shí)的電氣心臟信號的角度出發(fā)我們將具有寄生和錯(cuò)過的脈沖，即使在其非靜止時(shí)，該電氣心臟信號也有很好的定義模式并以規(guī)律時(shí)基發(fā)生。稱為QRS脈沖再生器的塊執(zhí)行信號(5.6)的分析，并且基于脈沖的頻率和位置，執(zhí)行錯(cuò)過的脈沖的恢復(fù)，并且還消除寄生脈沖，以便獲得脈沖信號YR(5.8)，脈沖信號YR(5.8)包括必須存在的所有(或多數(shù))脈沖，如(5.12)上的較大時(shí)間幀中所示出的電氣心臟信號(2.12)中那樣。如果需要進(jìn)行連續(xù)血壓估計(jì)，則該QRS脈沖再生器(5.7)可以是可選項(xiàng)。

循環(huán)系統(tǒng)在心臟電信號(5.12)和頭部運(yùn)動(dòng)(4.0)峰值和谷值出現(xiàn)的時(shí)間之間具有固有延遲。后者具有真實(shí)電心臟信號(5.2)(如當(dāng)使用心電圖設(shè)備或ECG獲得的)與再生的QRS脈沖位置信號(5.8)之間的相移(5.11)的效果。稍后將描述的是，將兩個(gè)信號(5.8)和(5.12)之間的該相移(5.11)減小到最小的重要性，并且這是使用相位補(bǔ)償模型(5.9)來執(zhí)行的。僅當(dāng)需要具有原始時(shí)間位置的ECG的時(shí)候需要處理(5.9)，但是如果省略該步驟則不影響該過程的其余部分。

存在幾種方法用于實(shí)現(xiàn)相位補(bǔ)償模型(5.9)。在示例性實(shí)施例中，我們使用了相對簡單的方法，其需要來自相同受試者(1.1)的幾個(gè)ECG以及還需要幾個(gè)圖像處理會(huì)話以生成信號(5.8)。相移(5.11)的平均值用于生成常數(shù)，當(dāng)將該常數(shù)應(yīng)用于(5.8)時(shí)補(bǔ)償相移(5.11)以生成YC信號(5.13)，其跟隨具有最小相移偏差(5.11)的心臟電信號(5.12)。該方法需要涉及至少一個(gè)ECG的采集并且相位校正因子將僅對該特定受試者(1.1)有效的校準(zhǔn)。后者僅被需要一次，并且對于同一受試者(1.1)的未來血壓估計(jì)會(huì)話，補(bǔ)償常數(shù)將對特定時(shí)間量有效，直到需要新的重新校準(zhǔn)。還可以看出，使用諸如身高、體型、體脂密度，年齡、性別、種族和膚色等的身體信息的其他類型的模型可以用于使用回歸和人工智能技術(shù)從統(tǒng)計(jì)人口中獲得訓(xùn)練模型，這樣，使用在特定受試者(1.1)的分析之前輸入的信息，或者甚至可以通過其他圖像處理算法完全或部分地檢測。該輸入信息將足以補(bǔ)償任何新用戶的相位，而無需事先采集ECG。

與QRS脈沖位置的估計(jì)(2.4)并行，如圖2中所示地執(zhí)行圖像體積描記法(2.5)的過程。圖像體積描記法在圖6中描述。該程序開始于受試者的頭部(2.1)中的眼睛上側(cè)的區(qū)域(2.9)的選擇。對于該實(shí)施例，使用該特定區(qū)域(6.0)，因?yàn)樗南袼卦谒鼈冎g具有較小的變化，并且該區(qū)域已經(jīng)由圖2中描述的(2.2)定義。后者不限于通過使用對于這個(gè)目的另外或相同的視頻輸入來使用其他區(qū)域或甚至是頭部(2.1)的區(qū)域或甚至諸如手臂、手掌、拇指等的身體的其他部分的區(qū)域。

與(2.4)過程不同，代替根據(jù)受試者(1.1)生成灰度圖像，圖像體積描記法過程(2.5)使用彩色圖像的綠色分量，這是因?yàn)樗褂玫姆椒ㄒ蕾囉诠獾姆瓷?，且提供最大光?qiáng)變化的是綠色分量。后者是因?yàn)閿z像機(jī)通常增強(qiáng)這個(gè)特定分量以盡可能地模仿人眼波長對亮度響應(yīng)且該響應(yīng)在綠色波長區(qū)域處達(dá)到峰值。

過程的下一個(gè)階段(6.1)由定義區(qū)域(2.9)內(nèi)的噪聲像素的消除構(gòu)成。為此，在幀和幀之間單獨(dú)地比較像素，并且丟棄在幀(或它們的組)之間在亮度上顯示出高度差異的像素，最終使用的有用像素的平均百分比可以在整個(gè)地區(qū)(2.9)的大約75％至80％。

保留在區(qū)域(2.9)內(nèi)的有用像素在(6.2)中歸一化。該過程相當(dāng)于從信號中消除直流分量，并且還提供相當(dāng)于增益或放大率的像素的亮度的相對增強(qiáng)。使用算術(shù)平均值來平均用于該幀(2.8)的區(qū)域內(nèi)的歸一化像素值，以便獲得對于(2.9)區(qū)域的表示在該特定時(shí)間處由受試者(1.1)反射的光強(qiáng)度的單個(gè)值。算術(shù)平均值還提供了第一級濾波，因?yàn)樗鼫p少了所產(chǎn)生信號中的噪聲量，但是如果這產(chǎn)生了信號的最佳表示，也可以使用其它數(shù)學(xué)或統(tǒng)計(jì)處理而不是平均值。過程6.1至6.3在幀緩沖器(2.1)上執(zhí)行，直到最后一幀被(6.4)檢測到。

如在QRS位置估計(jì)的過程(2.4)中，(6.3)的輸出處的信號將包含已經(jīng)描述的相同的偽影。這些不期望的信號元素的去除由偽像去除濾波器(6.5)來實(shí)現(xiàn)，其對于該實(shí)施例也采用EMD技術(shù)來避免相位改變，但也可以采用其他方法。

假設(shè)對于該過程而言，將要獲得的最終信號的形狀相對更重要，并且考慮到該信號也將遭受錯(cuò)過的或寄生周期，因此還需要波形再生成器(6.6)?？梢詰?yīng)用諸如DF1、DF2、FS2或“Aya Matsuyama”的濾波器來再生成信號，以便提供時(shí)間連續(xù)的體積描記信號(6.7)，其包含關(guān)于受試者(1.1)的最大和最小血流量相對于時(shí)間的信息。

用于獲得血壓估計(jì)數(shù)據(jù)(1.7)的過程的最后階段在圖7中描述。瞬時(shí)心率估計(jì)(7.2)采用相位補(bǔ)償QRS脈沖位置信號(5.13)，以便測量瞬時(shí)心率周期THRi(7.6)。由于體積描記信號(6.7)攜帶相同的定時(shí)信息，因此信號YI(6.7)也可用于測量時(shí)間或補(bǔ)償從YC(5.13)獲得的信息。

脈搏傳導(dǎo)時(shí)間測量(7.1)使用YI(6.7)和YC(5.13)二者來測量QRS脈沖位置與體積描記信號的峰值或YI(6.7)之間的時(shí)間差。測量的時(shí)間稱為脈搏傳導(dǎo)時(shí)間PTTi(7.5)，并且是用于獲得血壓估計(jì)數(shù)據(jù)(1.7)的重要元素。

時(shí)間THRi(7.6)、脈搏傳導(dǎo)時(shí)間PTTi(7.5)、校準(zhǔn)參數(shù)(7.4)和環(huán)境溫度(7.7)的瞬時(shí)測量值被饋送到血壓估計(jì)模型(7.3)，其使用該信息來導(dǎo)出血壓估計(jì)數(shù)據(jù)(1.7)，如其將進(jìn)一步被詳述的。

在圖8中示出對于血壓估計(jì)模型的更詳細(xì)的描述。當(dāng)設(shè)計(jì)用于這種類型的應(yīng)用的模型時(shí)，存在兩種流行的方法可使用：一種稱為“最大似然”(MLE)，另一種是“自適應(yīng)”模型的使用。對于該示例實(shí)施例，采用自適應(yīng)模型。自適應(yīng)模型可以使用諸如卡爾曼濾波器、均方根濾波器(RMS)或最小均方濾波器(LMS)的算法的幾種替代方案來實(shí)現(xiàn)。對于該示例實(shí)施例，我們將使用LMS方法，這是因?yàn)樗鼉H使用乘法、減法和加法，并且這意味著在圖像處理系統(tǒng)(1.6)上的易于實(shí)現(xiàn)，因?yàn)樗枰俚挠?jì)算資源，并且如果需要實(shí)時(shí)實(shí)現(xiàn)，該因素可能是重要的。

使用自適應(yīng)模型的優(yōu)點(diǎn)之一在于兩個(gè)輸入變量THRi和PTTi中的小變化被不斷地校正，從而減小估計(jì)中的誤差。在自適應(yīng)模型(8.1)的輸出處，還有稱為微調(diào)的另一個(gè)校正元素(8.2)。該元素考慮到環(huán)境溫度，并且當(dāng)分析的溫度與執(zhí)行校準(zhǔn)過程時(shí)的溫度非常不同的情況下進(jìn)行補(bǔ)償，這是因?yàn)樵谳^低溫度下血壓趨于升高并在較高溫度下降低。可以考慮其他環(huán)境因素，以獲得更準(zhǔn)確的血壓估計(jì)數(shù)據(jù)(1.7)。

對于該實(shí)施例的自適應(yīng)模型(8.1)可以需要以與相位補(bǔ)償模型(5.9)相同的方式的校準(zhǔn)過程。當(dāng)執(zhí)行校準(zhǔn)過程時(shí)，信號開關(guān)(8.5)關(guān)閉，并且將基本上是實(shí)際測量的脈搏傳導(dǎo)時(shí)間(PTTm)、心率周期(THRm)、收縮壓(SBPm)和舒張壓(DBPm)的校準(zhǔn)參數(shù)(7.4)饋送至模型。參數(shù)與通過圖像處理獲得的參數(shù)進(jìn)行比較，因此(8.1)中的算法被校準(zhǔn)以最小化誤差(8.4)。一旦為該受試者校準(zhǔn)了自適應(yīng)模型(8.1)，則校準(zhǔn)將在后續(xù)會(huì)話中對該特定受試者有效，而不需要實(shí)際測量數(shù)據(jù)，因此開關(guān)(8.5)在該會(huì)話期間處于“關(guān)閉”位置。簡單來說，血液估計(jì)模型(7.3)正在執(zhí)行如(8.6)中所述的線性近似，其中在校準(zhǔn)過程期間獲得常數(shù)C0、C1、C2。(8.2)中執(zhí)行的溫度補(bǔ)償KF也可以通過知道來自特定受試者的數(shù)據(jù)集或使用從一般人群獲得的其他類型的關(guān)系來獲得。對于相位補(bǔ)償模型(5.9)，可以使用來自多個(gè)個(gè)體的數(shù)據(jù)，并且在其他實(shí)施例中在(8.1)中可以使用更復(fù)雜的學(xué)習(xí)類型算法，因此該通用模型可以應(yīng)用于任何受試者而無需對于在優(yōu)選實(shí)施例中的特定受試者所需要的先前校準(zhǔn)。

示例實(shí)施例。本發(fā)明的方法的示例實(shí)施例包括以下步驟。捕獲到受試者的臉部的視頻，例如，10秒鐘內(nèi)的300幀，以1280x720分辨率。臉部識別和跟蹤軟件被用于允許在每個(gè)幀中僅保留圖像中與受試者的頭部相關(guān)的部分，并且從圖像中去除眼睛。臉部區(qū)域(眼睛上方和下方)在第一幀中被識別。

根據(jù)下文，可以從多個(gè)幀(例如，可以使用所有幀)中估計(jì)QRS脈沖?？梢赃x擇眼睛上方的100像素和眼睛下方的1000像素。彩色圖像可以轉(zhuǎn)換成灰度，例如59％的綠色、30％的紅色、11％的藍(lán)色。第一幀可以被標(biāo)識為參考?？梢允褂肔ucas-Kanade方法來跟蹤像素和通過比較其他幀與參考幀而確定的垂直運(yùn)動(dòng)。像素運(yùn)動(dòng)可以例如通過垂直位置的總和/2000像素來組合?？梢岳缤ㄟ^經(jīng)驗(yàn)?zāi)Ｊ椒纸?例如濾波)去除運(yùn)動(dòng)偽像?？梢岳缤ㄟ^小波分解或相關(guān)性來確定QRS脈沖的位置，諸如檢測能量峰值。統(tǒng)計(jì)模式或?qū)W習(xí)機(jī)器可用于再生成QRS脈沖。統(tǒng)計(jì)相位組合模型可用于相位補(bǔ)償。然后得知QRS定時(shí)。

在識別出臉部區(qū)域之后，圖像體積描記法可以應(yīng)用于多個(gè)幀(例如，可以使用所有幀)?？梢岳缤ㄟ^選擇綠色像素來選擇前額像素。可以例如通過像素的等級次序來消除噪聲像素。像素可以例如通過去除平均值來被歸一化。可以去除運(yùn)動(dòng)偽像，例如諸如濾波的我的經(jīng)驗(yàn)?zāi)Ｊ椒纸狻２ㄐ慰梢岳缤ㄟ^AYA Matsuyama濾波器再生。

可以確定受試者的血壓。可以根據(jù)QRS脈沖位置信號的峰值之間的時(shí)間差確定心率周期?？梢愿鶕?jù)QRS脈沖位置和體積描記信號的峰值之間的時(shí)間差來確定脈搏傳導(dǎo)時(shí)間。血壓可以例如通過諸如最小均方的自適應(yīng)模型或?qū)W習(xí)機(jī)器的那些來確定。

出于說明和描述的目的，提供了實(shí)施例的上述描述。其不旨在為詳盡本公開或限制本公開。具體實(shí)施例的各個(gè)元素或特征通常不限于該特定實(shí)施例，而是在可應(yīng)用的情況下是可互換的并且可以用在所選實(shí)施例中，即使沒有具體示出或描述。在許多方面也可能有所不同。這些變化不被視為偏離本公開，并且所有這些修改旨在被包括在本公開的范圍內(nèi)。