[发明专利]用于对患者的活动分类的方法、计算机程序和设备

说明书

实施例创建用于基于患者支承设备（110）中的患者（100）的图像数据对患者（100）的活动分类的方法、设备和计算机程序。该方法（10）包括基于图像数据探测（12）患者（100）的活动并且从图像数据中确定（14）活动的分类信息。分类信息至少包括关于患者（100）的所探测到的活动是主动由患者（100）引起还是被动由外部影响引起的信息。此外，该方法（10）包括提供（16）关于活动的信息和分类信息。

技术领域

实施例涉及用于基于患者的图像数据对患者的活动分类的方法、设备和计算机程序，尤其但并不排外地涉及用于自动化地识别和分类内在的和外在的患者活动的方案。

背景技术

在常规技术中，重症监护患者的自动监控主要通过由床位/病床处的医疗设备（例如血液动力学监测、呼吸机）监测（监控）生命参数来执行。当发生不期望的生理状态时，医疗设备应该报警。然而，同样重要的是监控状态变量、如患者的活动。

至今，这样的监控决定性地通过在场的护理人员进行，所述护理人员应根据患者的状态以有时非常紧密的时间间隔照看患者，这又与巨大成本相联系。

在重症监护室中收集患者的多个生命参数。对此的示例是心率、呼吸率或氧饱和度。这些生命参数实现患者的健康状态的改进的估计。至今明显关注较少的另一生命参数是患者本身的活动。尤其对患者活动的自动监控按照目前的现有技术仅仅有条件地是可能的。在此，应假定，所确定的患者活动对于一系列应用而言有高的重要性。对此的示例是作为全局生命参数的活动、苏醒事件的识别、镇静深度的评价或各个身体部分的运动能力的评价。

大部分已知的方法和设备使用与患者本身或至少患者的躺卧面（Liegefläche）接触的压力传感器或直接固定在患者上的加速度传感器。

例如，已知基于压力传感器的系统，所述系统应该用于多个任务。这种系统的特色在于压力传感器，所述压力传感器安置在患者床上的床垫下面。躺在床垫上的人的运动被记录和评估。基于压力的系统直接安置在患者附近并且因此可能引起在清洁和卫生方面的损害。此外，这种传感器静态地与患者的床垫连接并且因此也拥有静态的检测区域。

Karantonis等人于2006年的公开内容“Implementation of a Real-Time HumanMovement Classifier Using a Triaxial Acceleromater for Ambulatory Monitoring”描述了一种系统，该系统应利用固定在患者的臀部上的加速度传感器能够识别活动和静止的周期以及事件、如行走和跌倒。直接固定在患者上的传感器分别监控患者区域，所述传感器固定在所述患者区域上。

在专利申请LU90722中描述了一种用于借助摄像机监控病床中的患者的方法。在此，记录“情况图像”，所述情况图像于是关于时间彼此比较，以便探测改变。如果这些改变超过阈值，则触发动作。此外解释了在情况图像中可以识别边缘和/或轮廓，由此可以排除不相关的身体部分。同样提及了通过对象识别可以获得如下数据，所述数据描述患者的姿势以及允许推断出各个受伤的身体部分的运动。

专利申请WO02082999涉及借助图像序列识别痉挛发作。为此，规定感兴趣区，将该感兴趣区的图像划分成更小的区域并且针对每个区域量化关于时间的改变程度。紧接着，处理器尝试识别周期性运动，以便这样推断出痉挛发作。

其他细节可以在以下文献中找到：

l Achilles, F.(2016)，Patient MoCap：“Human Pose Estimation Under BlanketOcclusion for Hospital Monitoring Applications”，International Conference onMedical Image Computing and Computer-Assisted Intervention，