阅读说明：本技术 用于基于视频的非接触式潮气容积监测的系统和方法 (System and method for video-based contactless moisture volume monitoring ) 是由 P·S·阿迪森 D·雅奎尔 D·福 于 2018-12-13 设计创作，主要内容包括：本发明涉及医疗监测的领域,并且具体地涉及非接触式视频监测以测量患者的潮气容积。描述了系统、方法和计算机可读介质以用于确定患者的感兴趣区域并且监测该感兴趣区域以便确定该患者的潮气容积。这可通过以下方式实现：使用深度感测相机来监测患者并在该患者呼吸时确定其胸部和/或其他身体部分如何运动。这种运动感测可用于确定潮气容积测量值。(The present invention relates to the field of medical monitoring, and in particular to contactless video monitoring to measure tidal volume of a patient. Systems, methods, and computer-readable media are described for determining a region of interest of a patient and monitoring the region of interest to determine a tidal volume of the patient. This can be achieved by: a depth sensing camera is used to monitor a patient and determine how his chest and/or other body parts move as the patient breathes. This motion sensing can be used to determine a tidal volume measurement.)

用于基于视频的非接触式潮气容积监测的系统和方法

相关申请的交叉引用

本申请要求2018年1月8日提交的美国临时专利申请号62/614,763的优先权，该临时专利申请的公开内容全文以引用方式并入本文。

背景技术

许多常规医疗监测器需要将传感器附接到患者以便检测来自患者的生理信号并且通过电缆将所检测的信号传输到监测器。这些监测器处理所接收的信号并且确定生命体征，诸如患者的脉搏率、呼吸率和动脉血氧饱和度。例如，脉搏血氧计是一种手指传感器，它可包括两个光发射器和一个光检测器。该传感器将光发射到患者的手指中并且将所检测的光信号传输到监测器。该监测器包括处理器，该处理器处理该信号，确定生命体征(例如，脉搏率、呼吸率、动脉血氧饱和度)，并且在显示器上显示这些生命体征。

其他监测系统包括其他类型的监测器和传感器，诸如脑电图(EEG)传感器、血压袖带、温度探头、空气流量测量设备(例如，肺量计)及其他。已开发了一些无线可穿戴传感器，诸如无线EEG贴片和无线脉搏血氧传感器。

基于视频的监测是患者监测的新领域，它使用远程摄像机来检测患者的物理属性。这种类型的监测也可称为以远程视频传感器为参考的“非接触式”监测，该远程视频传感器不接触患者。本公开的其余部分提供了该新领域中的解决方案和改进。

发明内容

根据可独立地提供的第一方面，提供了确定患者的潮气容积的方法，该方法包括由处理器接收患者的至少一部分的至少一个图像(包括深度信息)。该方法还包括由处理器确定患者上的参考点。该方法还包括由处理器至少部分地基于参考点来确定感兴趣区域。感兴趣区域对应于患者的躯干区域。该方法还包括监测感兴趣区域中的深度信息随时间推移的变化。该方法还包括将深度信息的所监测的变化映射到患者的潮气容积。

在一些实施方案中，进一步基于由参考点确定的至少一个身体坐标来限定感兴趣区域。

在一些实施方案中，至少一个身体坐标中的每个身体坐标对应于患者的身体上的位置，并且至少一个身体坐标在身体上的位置是肩部、髋部、颈部、胸部和腰部中的至少一者。

在一些实施方案中，进一步基于患者的各个部分离捕获至少一个图像的相机的距离来确定感兴趣区域。

在一些实施方案中，进一步通过以下方式确定感兴趣区域：响应于确定患者被旋转为使得患者不与捕获至少一个图像的相机的视线正交，而丢弃泛洪填充的各个部分。

在一些实施方案中，进一步通过以下方式确定感兴趣区域：确定患者的躯干区域被部分遮蔽并且从感兴趣区域排除部分遮蔽区域。

在一些实施方案中，由第一相机捕获至少一个图像，并且由第二相机捕获包括患者的至少一部分的至少第二图像。

在一些实施方案中，该方法还包括由处理器基于至少第二图像来确定患者的第二感兴趣区域。

在一些实施方案中，该方法还包括由处理器从至少一个图像确定患者的第二感兴趣区域。

在一些实施方案中，感兴趣区域的尺寸不同于第二感兴趣区域。

在可独立地提供的另一个方面，提供了监测患者的基于视频的方法，该方法包括由处理器接收视频馈送，该视频馈送包括在不同时间捕获的多个图像。该视频馈送捕获患者的至少一部分。该方法还包括由处理器在视频馈送上确定人类患者的感兴趣区域。感兴趣区域对应于患者的躯干区域。该方法还包括由处理器测量感兴趣区域随时间推移的变化。该方法还包括由处理器基于感兴趣区域的变化来确定患者的潮气容积。

在一些实施方案中，该方法还包括由处理器将基于感兴趣区域的变化确定的潮气容积与空气流量测量设备的输出进行比较，并且由处理器基于该比较来校准潮气容积测定值。

在一些实施方案中，该方法还包括由处理器接收关于患者的人口统计信息，并且基于该人口统计信息来调节潮气容积测定值。

在一些实施方案中，人口统计信息包括患者的性别、身高、体重、体质指数(BMI)和年龄中的至少一者。

在一些实施方案中，感兴趣区域的尺寸至少部分地取决于患者离捕获视频馈送的相机的距离。

在一些实施方案中，该方法还包括使用处理器确定患者的潮气容积随时间推移的变化。

在一些实施方案中，该方法还包括使用处理器基于患者的潮气容积的变化来确定潜在通气不足条件。

在一些实施方案中，基于患者相对于捕获视频馈送的相机的取向来配置感兴趣区域。

在一些实施方案中，基于患者相对于捕获视频馈送的相机的取向来确定患者的潮气容积。

在一些实施方案中，由第一相机捕获视频馈送，由第二相机捕获第二视频馈送，并且由第二视频馈送捕获患者的至少第二部分。

在一些实施方案中，该方法还包括由处理器基于第二视频馈送来确定患者的第二感兴趣区域。

在一些实施方案中，进一步基于第二感兴趣区域随时间推移的变化来确定潮气容积。

在一些实施方案中，该方法还包括由处理器从视频馈送确定患者的第二感兴趣区域。

在一些实施方案中，感兴趣区域的尺寸不同于第二感兴趣区域。

在一些实施方案中，进一步基于第二感兴趣区域随时间推移的变化来确定潮气容积。

在可独立地提供的另外一个方面，提供了用于确定患者的潮气容积的装置，该装置包括处理器，该处理器被配置为：接收患者的至少一部分的至少一个图像(包括深度信息)，确定患者上的参考点；至少部分地基于该参考点来确定感兴趣区域，其中该感兴趣区域对应于患者的躯干区域；监测感兴趣区域中的深度信息随时间推移的变化；以及将深度信息的所监测的变化映射到患者的潮气容积。

在可独立地提供的另外一个方面，提供了用于患者的基于视频的监测的装置，该装置包括处理器，该处理器被配置为：接收视频馈送，该视频馈送包括在不同时间捕获的多个图像，其中在该视频馈送内捕获患者的至少一部分；在该视频馈送上确定患者的感兴趣区域，其中该感兴趣区域对应于患者的躯干区域；测量感兴趣区域随时间推移的变化；以及基于感兴趣区域的变化来确定患者的潮气容积。

在可独立地提供的另外一个方面，提供了包括计算机可读指令的计算机程序产品，该计算机可读指令能够执行以执行如本文要求保护或描述的方法。

一个方面或实施方案中的特征可以以任何适当的组合作为任何其他方面或实施方案中的特征来应用。例如，方法、装置或计算机程序产品特征中的任何一者可作为方法、装置或计算机程序产品特征中的任何另一者来提供。

附图说明

图l是根据本文所述的各种实施方案的基于视频的患者监测系统的示意图。

图2是根据本文所述的各种实施方案的示出计算设备、服务器和图像捕获设备的框图。

图3是根据本文所述的各种实施方案的由相机捕获的图像。

图4是根据本文所述的各种实施方案的示出随时间推移的潮气容积计算的坐标图。

图5是根据本文所述的各种实施方案的示出可如何计算与感兴趣区域(ROI)相关联的潮气容积的示意图。

图6是根据本文所述的各种实施方案的用于确定感兴趣区域(ROI)并测量潮气容积的方法的流程图。

图7A至图7D是根据本文所述的各种实施方案的示出不同体型的患者的不同ROI的示例的示意图。

图8是根据本文所述的各种实施方案的示出复杂ROI的示意图。

图9是根据本文所述的各种实施方案的示出具有叠加的骨骼的患者的示意图。

图10是根据本文所述的各种实施方案的示出具有叠加的骨骼和ROI的患者的示意图。

图11是根据本文所述的各种实施方案的示出转身面向第一方向的具有ROI的患者的示意图。

图12是根据本文所述的各种实施方案的示出转身面向第二方向的具有ROI的患者的示意图。

图13是根据本文所述的各种实施方案的示出具有已被泛洪填充的ROI的患者的示意图。

图14是根据本文所述的各种实施方案的示出深度遮罩的实现以确定ROI的示意图。

图15是根据本文所述的各种实施方案的示出转身面向第一方向的具有ROI的患者的示意图，其中ROI已被泛洪填充并丢弃双臂。

图16是根据本文所述的各种实施方案的示出转身面向第二方向的具有ROI的患者的示意图，其中ROI已被泛洪填充并丢弃双臂。

图17是根据本文所述的各种实施方案的示出具有不包括患者手部的ROI的患者的示意图。

图18是根据本文所述的各种实施方案的示出具有ROI的患者的示意图，在该ROI中已排除双臂和头部。

图19是根据本文所述的各种实施方案的示出具有ROI的患者的示意图，在该ROI中已排除双臂和头部并且患者转身面向第一方向。

图20是根据本文所述的各种实施方案的示出具有ROI的患者的示意图，在该ROI中已排除双臂和头部并且患者转身面向第二方向。

图21是根据本文所述的各种实施方案的示出具有不包括患者双手的ROI的患者的示意图。

图22是根据本文所述的各种实施方案的示出与非接触式视频监测所测量的潮气容积相比空气流量测量设备所测量的潮气容积的坐标图。

图23是根据本文所述的各种实施方案的示出潮气容积测量值和呼吸功能损伤阈值的坐标图。

图24是根据本文所述的各种实施方案的示出潮气容积测量值和阈值潮气容积的坐标图，该阈值潮气容积指示了通气不足。

图25是根据本文所述的各种实施方案的示出可用于计算损伤程度的实测每分钟容积的坐标图。

图26是根据本文所述的各种实施方案的示出具有泛洪填充区域的ROI的示意图。

图27是根据本文所述的各种实施方案的示出初始位置处的患者的示意图。

图28是根据本文所述的各种实施方案的示出与相机的视线成一定角度的患者的示意图。

图29是根据本文所述的各种实施方案的示出从上方对患者的表示的示意图。

图30是根据本文所述的各种实施方案的示出从上方对与相机的视线成一定角度的患者的表示的示意图。

图31是根据本文所述的各种实施方案的示出与相机的视线正交的患者的ROI的表观运动的示意图。

图32是根据本文所述的各种实施方案的示出不与相机的视线正交的患者的ROI的表观运动的示意图。

图33是根据本文所述的各种实施方案的示出患者的ROI不与相机的视线正交的角度的示意图。

图34是根据本文所述的各种实施方案的示出与和相机的视线正交的患者相关联的不同深度阈值的表示的示意图。

图35是根据本文所述的各种实施方案的示出相对于不与相机的视线正交的患者的未经调节的深度阈值的表示的示意图。

图36是根据本文所述的各种实施方案的示出相对于不与相机的视线正交的患者的经调节的深度阈值的表示的示意图。

图37是根据本文所述的各种实施方案的示出用于基于患者的肩部的位置来调节相对于患者的深度阈值的替代方法的示意图。

图38是根据本文所述的各种实施方案的示出患者的ROI的示意图。

图39是根据本文所述的各种实施方案的示出具有患者双手的部分障碍的患者的ROI的示意图。

图40是根据本文所述的各种实施方案的示出具有叠加在患者上方的三维网格的患者的示意图。

图41是根据本文所述的各种实施方案的示出具有遮蔽面积的患者的ROI的示意图。

图42是根据本文所述的各种实施方案的示出排除了遮蔽面积的ROI的示意图。

图43是根据本文所述的各种实施方案的示出排除了遮蔽面积的ROI的另一个示意图。

图44是根据本文所述的各种实施方案的示出用于确定患者的ROI和/或测量患者的潮气容积的双相机系统的示意图。

图45是根据本文所述的各种实施方案的示出具有用于测量潮气容积的两个不同尺寸的ROI的患者的示意图。

图46是根据本文所述的各种实施方案的示出使用两个不同尺寸的ROI来确定潮气容积的方法的流程图。

具体实施方式

本发明涉及医疗监测的领域，并且具体地涉及针对呼吸器监测来对患者进行非接触式监测。本文描述了系统、方法和计算机可读介质以用于确定患者的感兴趣区域并且监测该感兴趣区域以便确定患者的潮气容积。本文所公开的系统、方法和计算机可读介质有可能改善记录保留，改善患者护理，减少生命体征测量的错误，增加呼吸监测的频率和准确性，帮助医疗保健提供者更好地表征和应对潮气容积减少(例如，通气不足)所指示的不利医疗状况，并且一般地改善患者的监测，以及下文所讨论的许多其他潜在优点。潮气容积测量/监测在以下领域中还可为有用的：呼吸功能损伤、无创通气、容积二氧化碳图、新生儿监测、疼痛管理、术后监测/治疗等等。具体地讲，动脉血氧饱和度是呼吸功能损伤的滞后指标；在患者停止呼吸后氧饱和度水平可能需要60秒或更长时间才会下降。通过如本文所公开的那样监测呼吸，可让呼吸缓慢、呼吸较浅或停止呼吸的患者更快地接受治疗，从而有可能挽救生命并实现更好的治疗效果。

本文所公开的改进可极大地增强检测或测量呼吸功能损伤的能力，从而提升医疗保健专业人员可向患者提供的护理水平。例如，确定患者的呼吸性质的能力允许确定疾病状态的进展和/或即将发生的并发症(包括即将发生的呼吸停止)。

有利地，本文所公开的系统、方法和计算机可读介质提供了使用非接触式监测来测量患者的潮气容积的增强方式。在采用基于接触的监测时，可通过利用结合了专用流量测量设备的显眼面罩来测量潮气容积。这些面罩和流量设备可较笨重和不舒适，因此可能常规上不会将这种类型的设备用于患者。另外，即使当使用这种设备时，也可能不会长时间使用，因此可能不适合患者的潮气容积的长期监测。

如本文所述，非接触式视频监测可用于确定指示患者潮气容积的气流容积。例如，这可通过以下方式实现：使用深度感测相机来监测患者并在患者呼吸时确定其胸部和/或其他身体部分的运动。这种运动感测可用于确定潮气容积测量值。因此，本文公开了使用患者的非接触式视频监测来确定潮气容积测量值的系统、方法和计算机可读介质。此外，本文所公开的系统、方法和计算机可读介质适应具有不同特性和疾病状态的患者，从而跨许多不同临床场景实现更准确的患者特定的测量。

图1是根据本发明的一个实施方案的基于视频的患者监测系统200和患者212的示意图。系统200包括放置在患者212远处的非接触式检测器210。在该实施方案中，检测器210包括相机214，诸如摄像机。相机214远离患者，因为其与患者212间隔开并且不接触该患者。相机214包括暴露于视野216的检测器，该视野包含患者212的至少一部分。

相机214随时间推移而生成图像序列。相机214可为深度感测相机，诸如得自华盛顿州雷德蒙德的微软公司(Microsoft Corp.(Redmond，Washington))的Kinect相机。深度感测相机可检测相机与其视野中的对象之间的距离。如本文所公开，此类信息可用于确定患者在相机214的视野内并且确定要在患者上监测的感兴趣区域(ROI)。一旦识别ROI，就可随时间推移监测该ROI，并且ROI内的点的深度变化可表示与呼吸相关联的患者的运动。因此，那些运动或ROI内的点的变化可用于确定潮气容积，如本文所公开。

在一些实施方案中，该系统确定患者的骨骼轮廓以识别由此外推ROI的一个或多个点。例如，骨骼可用于寻找胸部中心点、肩部点、腰部点和/或身体上的任何其他点。这些点可用于确定ROI。例如，可通过填充胸部中心点周围的面积来限定ROI。某些所确定的点可限定ROI的外边缘，诸如肩部点。在其他实施方案中，并不使用骨骼，而是使用其他点来建立ROI。例如，可识别面部，并且以与面部的比例和空间关系推断胸部面积。在如本文所述的其他实施方案中，该系统可基于哪些部分在点的一定深度范围内来在该点周围建立ROI。换句话讲，一旦确定应由此形成ROI的点，该系统就可利用来自深度感测相机的深度信息填满ROI，如本文所公开。例如，如果选择了胸部上的点，则利用深度信息来确定所确定的点周围的ROI面积，该ROI面积离深度感测相机的距离与所确定的点类似。该面积可能是胸部。进一步示出了使用与所确定的点有关的阈值深度，并且在下文至少相对于图14和图33至图37进行了描述。

在另一个示例中，患者可穿上一件特殊配置的衣服，该衣服识别身体上的点，诸如肩部或胸部中心。系统可通过识别该衣服的指示特征来识别那些点。此类识别特征可为视觉编码消息(例如，条形码、QR码等)或与患者衣服的其余部分形成对比的色泽鲜艳的形状等。在一些实施方案中，患者所穿的一件衣服可在其上具有栅格或其他可识别的图案以帮助识别患者和/或其运动。在一些实施方案中，可使用紧固机构(诸如粘合剂、别针等)将识别特征贴在衣服上。例如，可将小贴纸放置在患者的肩部和/或胸部中心上，从而可易于从相机所捕获的图像识别出这些部位。在一些实施方案中，指示器可为这样的传感器，其可将光或其他信息传输到相机，使得能够在图像中识别相机的位置以便帮助限定ROI。因此，可使用不同方法来识别患者并限定ROI。

在一些实施方案中，该系统可接收用户输入以识别用于限定ROI的起始点。例如，可在界面上重现图像，从而允许界面的用户选择要监测的患者(多个人在相机的视野中的情况下这可为有用的)和/或允许用户选择可由此确定ROI的患者上的点(诸如胸部上的点)。还可使用用于识别患者、患者上的点并限定ROI的其他方法，如下文进一步所述。

在各种实施方案中，可确定将根据呼吸模式运动的ROI或ROI的部分，以确定患者的潮气容积，如下文进一步所述。

通过有线或无线连接220将所检测到的图像发送到计算设备。计算设备包括处理器218、显示器222以及用于存储软件和计算机指令的硬件存储器226。由摄像机214记录患者的顺序图像帧，并将这些顺序图像帧发送到处理器218以便分析。显示器222可远离相机214，诸如视频屏幕与处理器和存储器分开定位。与图1所示的相比，计算设备的其他实施方案可具有不同、更少或附加的部件。在一些实施方案中，计算设备可为服务器。在其他实施方案中，图1的计算设备可另外连接到服务器(例如，如图2所示和下文所讨论)。可在计算设备和/或服务器处处理或分析所捕获的图像/视频以确定患者212的潮气容积，如本文所公开。

图2是根据本发明的一个实施方案的示出计算设备300、服务器325和图像捕获设备385的框图。在各种实施方案中，可在系统中使用更少、附加和/或不同的部件。计算设备300包括耦接到存储器305的处理器315。处理器315可在存储器305中存储并调用数据和应用程序，包括可根据本文所公开的任何方法处理信息并发送命令/信号的应用程序。处理器315还可在界面/显示器310上显示对象、应用程序、数据等。处理器315还可通过界面/显示器310接收输入。处理器315还耦接到收发器320。采用该配置时，处理器315及随后计算设备300可与其他设备通信，诸如通过连接370与服务器325通信以及通过连接380与图像捕获设备385通信。例如，计算设备300可向服务器325发送从图像捕获设备385(诸如相机)所捕获的图像确定的关于患者的信息，诸如图像中的患者的深度信息或所确定的关于患者的潮气容积信息，如本文所公开。计算设备300可为图1的计算设备。因此，计算设备300可位于图像捕获设备385的远处，或其可在图像捕获设备385本地和附近(例如，在同一房间中)。在本文所公开的各种实施方案中，计算设备300的处理器315可执行本文所公开的步骤。在其他实施方案中，可在服务器325的处理器335上执行这些步骤。在一些实施方案中，可由处理器315和335两者执行本文所公开的各种步骤和方法。在一些实施方案中，可由处理器315执行某些步骤，而由处理器335执行其他步骤。在一些实施方案中，可将处理器315所确定的信息发送到服务器325以便存储和/或进一步处理。

在一些实施方案中，图像捕获设备385是远程感测设备，诸如摄像机。在一些实施方案中，图像捕获设备385可为某种其他类型的设备，诸如接近传感器或接近传感器阵列、热或红外传感器/相机、声音/声学或无线电波发射器/检测器或任何其他可用于监测患者的位置和患者的ROI以确定潮气容积的设备。还可利用身体成像技术根据本文所公开的方法来测量潮气容积。例如，可利用反向散射x射线或毫米波扫描技术来扫描患者，这可用于限定ROI并监测运动以用于潮气容积计算。有利地，此类技术可能能够“透视”衣服、被褥或其他材料，同时给出患者皮肤的准确表示。这可允许更准确的潮波测量，特别是在患者穿着宽松衣服或盖上被褥时。图像捕获设备385可被描述为本地的，因为其相对紧密地靠近患者，以使得患者的至少一部分在图像捕获设备385的视野内。在一些实施方案中，图像捕获设备385可以是可调的以确保在该视野中捕获患者。例如，图像捕获设备385可为物理上可移动的，可具有可改变的取向(诸如通过旋转或平移)，和/或可能能够改变对焦、变焦或其他特性以允许图像捕获设备385充分地捕获患者以便进行ROI确定和潮气容积监测。在各种实施方案中，在确定ROI之后，相机可对焦于ROI，放大ROI，通过移动相机使ROI在视野内居中，或可以以其他方式调节相机以允许对所确定的ROI的运动进行更好和/或更准确的跟踪/测量。

服务器325包括耦接到存储器330的处理器335。处理器335可在存储器330中存储并调用数据和应用程序。处理器335还耦接到收发器340。采用该配置时，处理器335及随后服务器325可与其他设备通信，诸如通过连接370与计算设备300通信。

可以以各种方式利用例示性实施方案中所示的设备。例如，可改变连接370和380中的任何一者。连接370和380中的任何一者可为硬连线连接。硬连线连接可涉及通过USB(通用串行总线)端口、串行端口、并行端口或其他类型的有线连接来连接这些设备，该其他类型的有线连接可促进数据和信息在设备的处理器与第二设备的第二处理器之间的传输。在另一个实施方案中，连接370和380中的任何一者可为坞站，一个设备可在此插入到另一个设备中。在其他实施方案中，连接370和380中的任何一者可为无线连接。这些连接可采取任何类别的无线连接的形式，包括但不限于蓝牙连接、Wi-Fi连接、红外、可见光、射频(RF)信号或其他无线协议/方法。例如，无线通信的其他可能模式可包括近场通信，诸如无源射频识别(RFID)和有源RFID技术。RFID和类似的近场通信可允许各种设备在彼此邻近放置时在短距离内通信。在又一个实施方案中，各种设备可通过互联网(或其他网络)连接来连接。即，连接370和380中的任何一者可表示允许各种设备通过互联网(要么通过硬连线连接，要么通过无线连接)通信的若干不同计算设备和网络部件。连接370和380中的任何一者也可为若干连接模式的组合。

图2中的设备的配置仅仅是可在其上执行所公开的实施方案的一个物理系统。可存在所示的设备的其他配置以实施所公开的实施方案。此外，可存在与图2所示的设备相比附加或更少的设备的配置以实施所公开的实施方案。另外，图2所示的设备可被组合以允许比所示更少的设备，或可被分开而使得系统中存在超过三个设备。应当理解，计算设备的许多不同组合可执行本文所公开的方法和系统。此类计算设备的示例可包括其他类型的医疗设备和传感器、红外相机/检测器、夜视相机/检测器、其他类型的相机、射频发射器/接收器、智能电话、个人计算机、服务器、膝上型计算机、平板电脑、黑莓手机、支持RFID的设备或此类设备的任何组合。

图3是根据本文所述的各种实施方案的由相机捕获的图像。在该特定示例中，图3中的图像是由深度感测相机(诸如得自微软公司(Microsoft)的Kinect相机)捕获的深度图像或深度图。深度图像包括关于从相机到图像中的每个点的距离的信息。可由立体相机、相机组、相机阵列或运动传感器获得这种类型的图像或图。当随时间推移以视频流的形式拍摄多个深度图像时，视频信息包括图像内的点在随时间推移朝向和远离相机运动时的运动。

该图像包括患者390和感兴趣区域(ROI)395。ROI 395可用于从患者390的胸部确定容积测量值。ROI 395位于患者的胸部上。在该示例中，ROI 395是方形框。在各种实施方案中，其他ROI可为不同形状。由于该图像包括诸如来自深度感测相机的深度数据，也可确定关于患者390的空间位置的信息并因此确定患者的胸部和ROI 395。该信息可包含在例如矩阵内。当患者390呼吸时，患者的胸部朝向和远离相机运动，从而随时间推移改变与图像相关联的深度信息。因此，与ROI 395相关联的位置信息随时间推移而变化。可跨ROI 395的面积对ROI 395内的各个点的位置进行积分以提供随时间推移的容积变化，如图4和图5所示。图4是根据本文所述的各种实施方案的示出随时间推移的潮气容积计算的坐标图。

图5是根据本文所述的各种实施方案的示出可如何计算与感兴趣区域(ROI)相关联的潮气容积的示意图。图5中描绘了与ROI 395内的点相关联的向量，其中示出了框值的示意图随时间推移而变化。例如，这些向量表示在患者的胸部随吸气向前扩张时患者的胸部朝向相机的运动。类似地，随后当患者的胸部随呼气收缩时，这些向量将向后远离相机运动。可跟踪该向前和向后运动以确定呼吸率。此外，可对该向前和向后运动进行积分以确定潮气容积，如图5所示。通过跨该框的x和y坐标对垂直向量值H(x,y,t)进行积分，可在如下方程1中生成瞬时容积：

V(t)＝∫∫H(x,y,t)dxdy [1]

当首次激活该框的分析时，可将H的初始值设定为零。因此，可生成容积信号V(t)，诸如图4所示的容积信号。图4中的容积信号示出了患者390进行的四次浅呼吸，接着是两次深呼吸，然后是另一次浅呼吸。图4中的信号的峰值和谷值可用于识别各次呼吸、各次呼吸的大小以及患者的总呼吸率。如本文所公开的另外方法可用于校准这些测量值以产生患者390的真实潮气容积。

图6是根据本文所述的各种实施方案的用于确定感兴趣区域(ROI)并测量潮气容积的方法600的流程图。方法600包括在605处接收包括患者的至少一部分的至少一个图像。方法600还包括在610处确定患者的骨骼或参考点。方法600还包括在615处至少部分地基于骨骼或参考点来确定感兴趣区域(ROI)。在一些实施方案中，骨骼以外的方法或测量可用于确定ROI。例如，该系统可识别患者的身体(诸如肩部、头部、颈部、腰部等)上对应于具体地方的点，这些地方可用作用于形成ROI的形心、参考点或泛洪填充点。该系统还可使用来自深度感测相机的信息来确定关于患者的其他信息。例如，该系统可确定患者在离相机多远的地方使用深度感测相机或其他深度感测技术。一旦获知该信息，该系统就可使用所确定的ROI和/或身体的其他点来计算身体或身体部分的近似尺寸。例如，该系统可将所确定的ROI尺度或其他所确定的关于患者的信息映射到患者的近似体型、身高、体重、BMI、年龄、性别或另一种特性。

方法600还包括在620处测量随时间推移的ROI变化。这可以以如本文所公开的各种方式实现。方法600还包括在625处基于感兴趣区域的变化来确定患者的潮气容积。可使用本文所公开的任何方法、系统和计算机可读介质来执行该确定。

在一些实施方案中，可能需要校准来自非接触式系统的容积信号以提供容积的绝对量度。例如，通过将ROI中的点对时间积分而获得的容积信号可准确地跟踪患者的潮气容积，并且可由校准因子调节该容积信号。校准或校正因子可为线性关系(诸如线性斜率和截距)、系数或其他关系。作为一个示例，从摄像机获得的容积信号可低估患者的总潮气容积，这是由于低估了使患者胸部向后远离相机扩张或向上与相机视线正交扩张的呼吸的容积。因此，可通过简单地加上或应用校正或校准因子来调节非接触式容积信号。可以以一些不同的方式确定该校正因子。在一个实施方案中，使用单独的流量测量设备进行初始参考测量。例如，可通过以下方式测量患者的潮气容积：使用流量测量设备(例如，肺量计)在短校准或测试时间帧(诸如3至4次呼吸)内产生参考潮气容积。将相同时间帧内的V(t)信号(本文也称为容积信号、潮气容积和/或潮气容积信号)与参考潮气容积进行比较，并且确定校准因子以使得V(t)的范围匹配流量测量设备所测量的参考潮气容积。在通过流量测量设备的几次校准呼吸之后，可从患者移除该流量测量设备。使用在初始校准阶段期间确定的校准因子来调节此后从视频馈送测量的V(t)容积信号。

在一些实施方案中，可使用关于患者的人口统计数据来校准容积信号。根据患者的人口统计数据(这可包括身高、体重、胸围、BMI、年龄、性别等)的知识，可确定从所测量的V(t)到实际潮气容积信号的映射。例如，与更大身高和/或体重的患者相比，更小身高和/或体重的患者可具有更小加权系数以用于针对给定ROI框尺寸来调节所测量的V(t)。不同校正或映射也可用于其他因素，诸如患者是否盖上了被褥、患者所穿衣服的类型/样式(例如，T恤、运动衫、医用罩衣、连衣裙、V领T恤/连衣裙等)、衣服/被褥的厚度/材料、患者的姿势和/或患者的活动(例如，进食、说话、睡眠、清醒、运动、步行、跑步等)。图7A至图7D是根据本文所述的各种实施方案的示出不同体型的患者的不同ROI的示例的示意图。换句话讲，即使图7A和图7B中的每个患者的ROI框为相同尺寸，也可根据患者的实际体型来调节所测量的V(t)以使得所报告的V(t)更准确。因此，如果真实潮气容积(V_真实)如下方程2中那样与来自ROI的视频实测潮气容积(V_ROI)相关：

V_真实＝K.V_ROI+C [2]

其中K和C是常数，则K和/或C可根据人口统计信息而改变。需注意，C可为零或非零。

另选地，可根据患者人口统计数据来设定ROI尺寸，即，与更大身高和/或体重的患者相比，更小身高和/或体重的患者可使用更小ROI尺寸，诸如图7C和图7D所示。因此，根据患者的体型来缩放ROI框以在患者间提供身体的所测量部分的一致性。该缩放可基于患者的人口统计数据的输入来进行，或可基于在相机捕获的图像中感测到不同体型患者来进行，或可由用户(诸如临床医生)输入。

ROI尺寸也可根据患者离相机系统的距离而不同。ROI尺度可与患者离相机系统的距离成线性地改变。这确保了ROI根据患者来缩放并覆盖患者的相同部分，而不论患者离相机的距离如何。当基于视野中的患者位置来准确地缩放ROI时，可保持由容积信号V(t)得出的潮气容积计算，而不论患者处于视野中何处。即，在患者离相机更近时更大的ROI以及在相同患者离相机更远时更小的ROI应得到相同V(t)计算。这通过应用缩放因子来实现，该缩放因子取决于患者(和ROI)离相机的距离。为了适当地测量患者的潮气容积，确定ROI的实际尺寸(ROI的面积)。然后测量该ROI的运动(参见例如图5)。然后使用ROI的所测量的运动和ROI的实际尺寸来计算潮气容积。由于患者离相机的距离可改变，因此与该患者相关联的ROI在来自相机的图像中可看起来尺寸在变化。然而，使用深度感测相机或其他类型的深度传感器所捕获的深度感测信息，该系统可确定患者(及其ROI)实际上离相机有多远。利用该信息，可确定ROI的实际尺寸，从而允许潮气容积的准确测量，而不论相机离患者的距离如何。

作为预设或缩放的尺寸的框的替代，ROI可转而具有更复杂的形态以捕获患者的整个胸部区域。图8中示出了这点的示例，该图是根据本文所述的各种实施方案的示出复杂ROI的示意图。该方法可使用泛源视野方法和/或识别患者轮廓的方法来确定ROI。

另一种类型的智能ROI确定可使用呼吸率(RR)调制功率分析。这将呼吸时的功率与未呼吸时的功率进行比较以滤除噪声并且确定更准确的ROI和潮气容积。在一种方法中，基于相机所捕获的患者的图像来定位胸部的中心。识别胸部中心中的小面积，在此可提取良好呼吸调制。为此，可随时间推移监测胸部以确定良好呼吸调制定位的点。可将胸部上的各个点的运动与已知或预期的呼吸率进行比较以确保选择良好点。然后，可执行全帧/视野处理。使用功率比(Prr/Pnot-rr)的质量度量将产生热图，可通过使用动态阈值将该热图缩减为ROI。将在该呼吸率下并在高于阈值振幅时调制的点添加到ROI，并且丢弃未在该呼吸率下或在该振幅下调制的点。可动态地更新该ROI，以使得ROI连续地刷新以捕获随呼吸而运动的胸部的部分，或在患者跨视野运动时跟踪胸部。由于胸部上的每个点离相机的距离是已知的，因此还可推断ROI的预期尺度。即，由于胸部的大致形状是已知的，因此系统还可确保ROI中包括的图像的部分符合预期人类胸部或躯干形状。可基于来自图像的深度信息来确定被挑出为可能是人类胸部/躯干的部分。该系统还可包括胸部上符合离相机的预定距离阈值的ROI点，如本文所讨论(参见例如与图14和图33至图37有关的讨论)。可基于已知的预期人类胸部/躯干尺寸和尺度来设定该预定距离阈值。此外，热图的动态阈值产生预期尺度和形状的复杂胸部ROI。另外，在如本文所公开的一些实施方案中，ROI可包括超过一个非连接或非连续面积。还可根据与单个连续/连接ROI类似的方法来动态地确定那些非连接或非连续面积。

在中心点用于导出ROI的情况下，胸部上的中心点在一些情况下可能被遮挡，诸如当手部在所确定的胸部的中心点前方运动时。在该情况下，ROI可错误地跟踪手部，而非胸部。为了应对这种情况，该系统可监测中心点以确保其具有良好呼吸调制，即，中心点以与人类呼吸类似的方式运动。如果该中心点(或所使用的任何其他点)停止以与人类呼吸调制类似的频率运动，则可寻找发生人类呼吸调制的新的中心点。一旦识别此类新的点，就可填充该点周围的区域以形成新的ROI。在一些实施方案中，该方法可用于寻找起初应围绕其填充ROI的点(而不是试图定位胸部的中心点)。

在一些实施方案中，可选择示出与呼吸调制类似的特性的多个点，并且使用所述多个点来填满身体上的一个或多个ROI。这可有利地使得识别因呼吸引起运动的身体的任何部分，而不仅仅是胸部面积。另外，该方法可有利地提供多个ROI，可对所述多个ROI一起进行监测以测量潮气容积或呼吸率，或进行外推以测量潮气容积，就好像只有单个ROI一样。例如，遮挡相机观察胸部的臂部可一直延伸跨过胸部。然后该系统可识别呼吸调制特有的至少两个点，一个在胸部上的臂部上方并且一个在胸部上的臂部下方。可从那些点填满两个ROI以延伸成覆盖相机不可见的胸部。

然后可外推该所测量的数据以考虑臂部所遮挡的胸部的量，从而获得更准确的潮气容积测量值。该外推还可考虑被遮挡的胸部的部分。这可为有用的，因为胸部的不同部分在呼吸期间将以与其他部分不同的程度运动。上方和下方的两个ROI可用于确定胸部的哪部分被臂部遮挡。例如，如果顶部ROI非常小且底部ROI比较大，则该系统可确定臂部正遮挡离颈部更近的胸部的更高部分。如果相反(大顶部ROI和小底部ROI)，则该系统可确定被遮挡的胸部的部分朝腰部进一步往下。因此，该系统可在计算潮气容积时考虑胸部的哪部分被遮挡。

为了使用深度感测相机从呼吸的患者提取准确的容积变化，重要的是正确地选择采样区域，然后使用该采样区域来聚合容积变化。在捕获患者的完整呼吸运动中，尽可能多地包含患者躯干的ROI可有利地比更小的ROI更准确。因此，可动态地选择ROI，以使得连续地确定并刷新基于深度数据和骨骼坐标的最佳采样区域，如下所述。

图9是根据本文所述的各种实施方案的示出具有叠加的骨骼910的患者905的示意图。图9中呈现了来自深度感测相机的深度数据和所推测的骨骼信息。来自骨骼数据的位置可用于限定呼吸ROI(矩形)，在该呼吸ROI中有把握预期找到强呼吸调制。建立该呼吸ROI以从两个肩关节(每个肩关节由矩形顶角处的圆点指示)向下延伸到中脊椎关节(由矩形底线的中间的圆点指示)。图像内的阴影指示深度信息：更深的灰色概述了身体离相机相对更近，而壁上更浅的灰色表示离相机更远的图像的部分。图像中的3D信息可以以一定方式编码，使得允许与图9至图21的灰度图像中可示出的相比更大的对比度。例如，可使用RGB数据点示出深度信息。在另一个示例中，图像的像素或坐标可与深度值相关联，该深度值用于根据本文所公开的系统、方法和计算机可读介质来计算潮气容积。

图10是根据本文所述的各种实施方案的示出具有叠加的骨骼和ROI的患者的示意图。还可从骨骼坐标推断出二维身体遮罩1005，并且该二维身体遮罩包含呼吸ROI。图10中通过使用扩张五边形来限定二维身体遮罩1005以包含患者的躯干，该扩张五边形具有位于以下部位的拐角：1)右肩、2)右髋、3)左髋、4)左肩和5)颈关节(在颈椎C7处或附近)。在各种实施方案中，可使用其他形状、扩张或其他形状修改来确定二维身体遮罩。在一些实施方案中，可基于患者身体的形状、患者的人口统计数据、患者身体的取向或任何其他因素来选择用于确定二维身体遮罩的形状。此处的遮罩是2D深度图像内的实际躯干边界的合理近似值(2D深度图像中的数据编码3D信息以使得3D空间中的深度变化可被检测到并用来计算潮气容积，如本文所公开)。

图11是根据本文所述的各种实施方案的示出转身面向第一方向(患者面向页面右侧)的具有ROI的患者的示意图。图12是根据本文所述的各种实施方案的示出转身面向第二相反方向(朝向页面左侧)的具有ROI的患者的示意图。如图11和图12所示，动态生成的遮罩可跟随躯干相对于相机的旋转。

图13是根据本文所述的各种实施方案的示出具有已被泛洪填充的ROI的患者的示意图。还可使用基于深度的泛洪填充方法由深度图像形成二维深度遮罩。换句话讲，在离相机的一定深度范围内的图像的部分被泛洪填充以表示ROI。种子坐标置于呼吸ROI内。在这种情况下，使用框的中心。可相对于种子点离相机的深度来限定深度容差范围：低容差限定要包括在ROI中的最近允许的像素，并且高容差限定最远允许的像素。从种子开始应用泛洪填充方法以寻找包含在该范围内的最大连续区域。当胸部表面有些平坦并且位于离相机的指定深度范围内时，该方法可识别患者的胸部。该方法可确定对象的硬边界，如图13所示。然而，在该特定情况下，如果对于呼吸信号没有那么大兴趣的患者身体的区域(例如，头部、双臂)也落在相同的指定深度范围内，则也可能包括这些区域。如果此类区域不表现出呼吸调制，则可从ROI排除这些区域。

图14是根据本文所述的各种实施方案的示出深度遮罩的实现以确定ROI的示意图。具体地讲，图14示出了患者的种子点如何相对于深度相机存在，以及可如何配置深度遮罩的高阈值和低阈值。“低”阈值设定从种子点朝向相机的距离，并且“高”阈值设定从种子点远离相机的距离。落在这些范围内的像素将包括在ROI中。在各种实施方案中，可利用对于高阈值和低阈值的不同阈值。

图15是根据本文所述的各种实施方案的示出转身面向第一方向的具有ROI的患者的示意图，其中ROI已被泛洪填充但丢弃了双臂。图16是根据本文所述的各种实施方案的示出转身面向第二方向的具有ROI的患者的示意图，其中ROI已被泛洪填充但丢弃了双臂。泛源视野能够处理患者的旋转，因为当患者转身时，患者的双臂运动到离相机太近或太远的地方，因此运动到深度遮罩的阈值之外。因此，动态生成的泛源视野ROI能够基于所限定的深度范围来丢弃双臂所引起的障碍。具体地讲，在图15和图16中，胸部均保持在ROI内，而双臂被排除。

图17是根据本文所述的各种实施方案的示出具有不包括患者手部的ROI的患者的示意图。图17示出了基于深度值(即，使用深度遮罩)来丢弃障碍的泛源视野能力的另一个示例。从所生成的ROI正确地丢弃了患者的手部，因为其离相机太近。

图18是根据本文所述的各种实施方案的示出具有ROI的患者的示意图，在该ROI中已排除双臂和头部。具体地讲，图18中的ROI使用上文相对于图9至图12所述的身体遮罩与上文相对于图13至图17所述的深度遮罩的组合以便生成改进的采样区域(ROI)，由该改进的采样区域提取呼吸容积。换句话讲，将这两种方法应用于相机所捕获的图像以获得更准确的ROI，从而得到更精确和/或准确的潮气容积测量值。图18示出了使用所组合的这两种方法来生成/确定的示例性ROI，其中患者面向相机(大致与相机的视线正交)。

图19是根据本文所述的各种实施方案的示出具有ROI的患者的示意图，在该ROI中已排除双臂和头部并且患者转身面向第一方向。图20是根据本文所述的各种实施方案的示出具有ROI的患者的示意图，在该ROI中已排除双臂和头部并且患者转身面向第二方向。当患者如图19或图20中那样旋转时，使用组合的方法形成的遮罩的性能好于独立的任一方法。不存在可能因泛洪填充而发生的区域的溢出，因此正确地丢弃了头部、双臂、椅子等。然而，保留了泛洪填充方法对边界障碍的稳健性。图21是根据本文所述的各种实施方案的示出具有不包括患者双手的ROI的患者的示意图。因此，如本文所公开，可在图像中识别各种特征(双手、面部等)，并且可在此基础上从ROI滤除这些特征。在存在障碍的一些实施方案中，可测量可见、无障碍的ROI面积并使之与理想面积(在完整ROI都可见的情况下)匹配，并且将所测量的面积(可见、无障碍的面积)除以该值(理想ROI面积)以给出用于总潮气容积估计的等效成比例面积。

相对于下文所述的图22至图25，可通过根据历史上收集的数据调节所测量的非接触式或视频潮气容积来确定真实潮气容积，其示出了非接触式监测潮气容积与参考值(历史上收集的数据)之间的关系。图22是根据本文所述的各种实施方案的示出与非接触式视频监测所测量的潮气容积(y轴)相比参考空气流量测量设备所测量的潮气容积(x轴)的坐标图。在图22中，针对由参考空气流量计设备确定的体积来绘制由相机系统确定的超过100个呼吸容积。该图示出了两个数据集之间具有非恒等斜率(不等于1的斜率)的非常明显的线性关系。因此，由非接触式视频系统测量的视频潮气容积可易于通过乘以基于该斜率的系数来转换成预期真实潮气容积。

将一条直线拟合到该数据。该直线可为具有以下方程3的形式的线性回归线的形式：

TVm＝m×TVr+c [3]

其中TV_m是使用非接触式相机系统测得的潮气容积，TV_r是参考潮气(真实)容积，m是梯度并且c是常数。在此类方法中，可使用回归，其中迫使直线经过图22中的坐标图的原点。这得到以下方程4(即，c＝0)：

TV_m＝m×TVr [4]

并且梯度m变为简单乘数常数。另选地，可将更复杂的非线性方程拟合到该数据。另选地，还可拟合分段函数或任何其他关系式。在各种实施方案中，可利用依赖于其他因素的一系列关系式。例如，不同曲线或拟合可用于各种呼吸率、各种患者姿势、呼吸模式(胸部或腹部)、患者人口统计数据(BMI、年龄、性别、身高、体重等)或任何其他因素。

潮气容积测量值(TV_m)也可用于确定患者是否表现出通气不足。图23是根据本文所述的各种实施方案的示出潮气容积测量值和呼吸功能损伤阈值的坐标图。在图23中，示出了TV_m对实测每分钟容积(MV_m)的绘图。每分钟容积是患者每分钟呼吸的空气量。该信息是有价值的，因为患者可以以不同频率和深度呼吸(一些患者可呼吸得更慢且更深，而其他患者呼吸得更浅但更频繁)。然而，每分钟容积指示患者随时间推移而实际摄取了多少总空气，这对于指示患者是处于正常状态(例如，正常通气)还是异常状态(例如，通气不足、通气过度)是有价值的。数据在呼吸功能损伤阈值处的明显拐点指示正常通气的下限阈值，低于该下限阈值可能发生通气不足。高于该点，每分钟容积相对恒定，其在潮气容积增加时仅略微增加。该相对恒定的区域指示即使在更大的潮气容积下，每分钟容积也相对较稳定，这可能是由于在更低的呼吸率(每分钟呼吸次数)下进行了更大的呼吸(具有更大的潮气容积)，从而得到类似的总每分钟容积。此类绘图可向临床医生指示患者表现出通气不足并且有必要进行干预。

还可如图24所示的那样确定阈值每分钟容积。图24是根据本文所述的各种实施方案的示出潮气容积测量值和y轴上的阈值每分钟容积的坐标图，该阈值每分钟容积指示了通气不足。换句话讲，可确定指示患者可能在通气不足区域内的阈值每分钟容积。在一些实施方案中，可使用移动平均值，这是由于正常通气区域中的一些数据点降至低于阈值每分钟容积。当在最少持续时间内患者的潮气容积降至低于x轴呼吸功能损伤阈值(例如，阈值潮气容积)或每分钟容积降至低于y轴阈值每分钟容积或两者的组合时，可确定存在通气不足。当确定通气不足时，该系统可生成警报以向医疗保健专业人员指示应监测和/或治疗患者。

图25是根据本文所述的各种实施方案的示出可用于计算损伤程度的实测每分钟容积的坐标图。一旦低于该阈值，损伤程度就可由如图25中的绘图上所示的面积的比率表示。即，可将由虚线指示的面积除以由实线指示的面积以给出呼吸功能损伤的严重性的指示。虚线示出患者的测量值当前所在位置，并且实线指示正常呼吸的阈值。可通过以下方式确定该比率：如图24和图25所示且如下方程5中那样将实测每分钟容积除以阈值容积水平：

CD＝MV/MV_阈值 [5]

或另选地如下方程6中所示的那样使用实测潮气容积和呼吸功能损伤阈值(例如，阈值潮气容积)：

CD＝TV/TV_阈值 [6]

可以看出，当数据点落在拟合线上并且该拟合呈线性并经过原点时，这些比率相同。然而，它们可能因数据扩展或在使用其他非线性形式时有所不同。可在逐个患者基础上生成这些坐标图以生成定制线和阈值，或可将曲线应用于通过如本文所公开的最可能适合患者的非接触式视频监测来测量的潮气容积。

如上所提及，可能需要校准或调节来自视频图像的容积信号V(t)以获得真实潮气容积。例如，在患者就坐并让其后背紧贴座椅并且患者面向相机的情况下捕获上图3中的图像。因此，患者的胸部的平面与相机正交。本文公开了用于在患者的胸部的平面不与相机的视线正交的情况下计算潮气容积的方法。

如果患者以与相机成一定角度就坐，与患者的呼吸相关联的运动向量可能不与相机的视线处在一条直线上。图26是根据本文所述的各种实施方案的示出具有泛洪填充区域的ROI的示意图。图26示出了叠加在患者的深度图像上的骨骼。图26中还示出了ROI的泛洪填充区域。在该实施方案中，ROI限定在离胸部中心的一定距离内。此类方法在胸部与相机的视线正交时效果很好。

图27是根据本文所述的各种实施方案的示出初始位置处的患者的示意图。图28是根据本文所述的各种实施方案的示出与相机的视线成一定角度的患者的示意图。换句话讲，图28示出了在患者旋转成与相机的视线成一定角度就坐后他/她身上的泛洪填充区域。通过将该区域与图27中的初始位置进行比较，泛洪填充区域已移动到患者中覆盖左臂部分的侧面上并远离胸部的右侧部分移动。

本文公开了用于校正由胸部平面与相机视线的非正交角度引起的泛洪填充区域的该移动的改进方法。图29是根据本文所述的各种实施方案的示出从上方对患者的表示的示意图。图30是根据本文所述的各种实施方案的示出从上方对与相机的视线成一定角度的患者的表示的示意图。图29示出了其胸部平面与相机的视线正交的患者。示出了胸部的呼吸位移。这些呼吸位移被表示为d_i,j，其中i和j是沿着胸部的垂直平面和水平平面的指数。跨ROI对这些位移进行积分以从深度相机系统提供潮气容积。图30示出了以与视线成一定角度(θ)就坐的患者。在这种情况下，沿着相机视线的位移d*_i,j将小于与胸壁正交的实际位移。我们可通过如下方程7中那样除以角度θ的余弦来校正这些位移：

di,j＝d*i,j/cos(θ) [7]

现在可通过根据以下方程8对这些值进行数值积分来计算视线方向上的真实潮气容积：

TVc＝∑_i∑_jd_i,jΔ [8]

其中Δ是i-j栅格瓦片的面积。这种类型的测量也可在患者斜倚时执行；即，在胸部平面的旋转沿着不同轴或平面(例如，沿着x轴，而非如图30中那样沿着y轴)时。另外，这种类型的测量可在患者胸部的平面的旋转沿着多个轴时执行。然而这些仅仅是示例，并且应当理解，可对这些公式进行进一步强化以考虑患者沿着躯干从肩部到髋部的扭动。

以上相对于图29和图30描述的实施方案假定ROI的体积变化仅仅在与胸壁平面正交的方向上。可使用附加校正因子来考虑在横向方向上扩张躯干的呼吸。可应用这些校正因子而不考虑胸部与相机的位置或取向如何。

图31是根据本文所述的各种实施方案的示出与相机的视线正交的患者的ROI的表观运动的示意图。换句话讲，患者胸部的表面以与相机视线正交的方式取向，并且所示运动是相机所见的在正交取向的患者呼吸时该患者的胸部的运动。图32是根据本文所述的各种实施方案的示出不与相机的视线正交的患者的ROI的表观运动的示意图。换句话讲，患者胸部的表面以相对于相机视线的非正交的方式取向，并且所示运动是如相机所见的在非正交取向的患者呼吸时该患者的胸部的运动。在一个实施方案中，可考虑与和相机视线非正交的胸部运动相关联的横向运动(图32)。图32中相机系统所见的ROI在水平方向上压缩，这是由于此时患者不与相机的视线正交。当患者呼吸时，ROI的表观位置将因胸部位移的水平分量(这对于没有此类移动的完全正交情况(图31)为零)而移动。通过获知角度θ，可计算ROI上的特征点的位置的变化并因此可更准确地跟踪整个呼吸周期中的ROI。

图33是根据本文所述的各种实施方案的示出患者的ROI不与相机的视线正交的角度的示意图。可通过获知如图33所示的角度θ来限定变换的泛源视野框。该框外部的表面可能不包括在泛源视野中。此外，如图33所示，在根据角度θ调节时仍可利用离胸部上的中心点的阈值。

在一些实施方案中，可通过如图34至图37所示的那样使用入射角和/或骨骼上的外周(肩部)点的位置来增加泛源视野深度范围的量值。图34是根据本文所述的各种实施方案的示出与和相机的视线正交的患者相关联的不同深度阈值的表示的示意图。图35是根据本文所述的各种实施方案的示出相对于不与相机的视线正交的患者的未经调节的深度阈值的表示的示意图。图36是根据本文所述的各种实施方案的示出相对于不与相机的视线正交的患者的经调节的深度阈值的表示的示意图。图37是根据本文所述的各种实施方案的示出用于基于患者的肩部的位置来调节相对于患者的深度阈值的替代方法的示意图(例如，该方法可用于确保患者的两个肩关节始终保留在泛洪填充范围内)。

具体地讲，基于角度θ将图34和图35的阈值H和L调节到图36的H2和L2。在图37所示的另一个实施方案中，基于身体的已知点(诸如由图37的红十字表示的肩关节)来从H和L调节H2和L2。在第一示例中，根据固定容差量来调节H2和L2，诸如通过分别根据以下方程9和10来调节H2和L2：

H2＝MAX(H,距离(种子,远肩部)+容差量) [9]

L2＝MAX(L,距离(种子,近肩部)+容差量) [10]

在第二示例中，根据相对量(例如，10％)来调节H2和L2，诸如通过分别根据以下方程11和12来调节H2和L2：

H2＝MAX(H,距离(种子,远肩部)*1.1) [11]

L2＝MAX(L,距离(种子,近肩部)*1.1) [12]

这有助于确保适当地捕获胸部的运动并且适当地确定ROI，使得可准确地计算潮气容积。

以下相对于图38至图43的讨论进一步讨论了如何解决相机与患者上的期望ROI之间的视线中的障碍。在一些情况下，当患者被障碍完全遮蔽时，潮气容积输出可被报告为无效。然而，在具有部分障碍(例如因患者的双手在相机前方运动)的一些情况下，可调节ROI以使得可确定准确的潮气容积。本文所公开的各种实施方案有利地提供了在使用深度传感器相机系统实时监测潮气容积之前使用三维(3D)校准程序克服部分障碍的改进。在一些实施方案中，手部可能搁放在与胸部齐平的地方。在此类情况下，可能不会从ROI排除手部，因为其可在患者呼吸时随胸部一起运动。在一些实施方案中，手部所放的面积可结合在潮气容积的测量中，但在手部面积中的运动与手部周围显露的胸部的运动显著不同时可被分配更低的置信值或被排除。即，该系统可确定手部的面积何时可用于准确地计算潮气容积以及何时应被排除。

图38是根据本文所述的各种实施方案的示出患者的ROI的示意图。图39是根据本文所述的各种实施方案的示出具有患者双手的部分障碍的患者的ROI的示意图。图38和图39示出了使用如本文所公开的深度相机传感器获得的深度数据，示出了图38中的ROI没有任何障碍并且图39中的ROI具有部分障碍。

在一个实施方案中，在开始对患者进行测量时执行3D身体扫描校准过程。图40是根据本文所述的各种实施方案的示出具有叠加在患者上方的三维(3D)网格的患者的示意图。从校准过程获得3D网格，从而允许映射患者的3D胸部表面轮廓。使用该经校准的3D表面轮廓来估计已被遮蔽的ROI的一部分。识别该遮蔽区域，并且根据下文所讨论的各种实施方案使用3D轮廓来估计对遮蔽区域的潮气容积的贡献。

在第一实施方案中，可如下方程13中那样使用初始未遮蔽ROI(Au)与可见面积的比率根据来自可见面积的实测潮气容积(TVv)来估计真实潮气容积(TVe)：

TVe＝TVv(Au/(Au-Ao)) [13]

其中Ao是遮蔽面积。这在图41中示意性地示出，该图是根据本文所述的各种实施方案的示出具有遮蔽面积的患者的ROI的示意图。

在其他实施方案中，可使用遮蔽面积周围的漂移来估计遮蔽面积内的漂移，然后将遮蔽面积内的漂移乘以遮蔽面积以提供对来自未遮蔽面积的实测潮气容积的贡献。这在图42中示意性地示出，该图是根据本文所述的各种实施方案的示出排除了遮蔽面积的ROI的示意图。这可通过以下方式进行：测量遮蔽区域边缘周围的平均漂移(Δ_ave)并且如下方程14中那样使用该值来计算潮气容积贡献(TVc)：

TV_c＝A_o×Δ_ave [14]

其中Ao是遮蔽区域的面积。另选地，确定预先遮蔽时间期间的遮蔽区域内的相对漂移并将其用于在遮蔽时间期间估计漂移。这可通过以下方式进行：在预先遮蔽时间段期间基于跨网格的成比例的漂移来按比例分配漂移。

在另一个实施方案中，可将来自上一次无障碍呼吸的数据保存为对实测潮气容积的相对贡献的映射。可使用该历史无障碍比率映射来计算有障碍区域的贡献。此外，可使用该映射推断出该估计值的置信度量，其中例如C＝1--Sum(障碍贡献)。这样，与已知对实测容积有更大贡献的面积的障碍相比，低贡献面积的障碍对置信度的影响将更小。在不存在先前无障碍呼吸的情况下，可使用贡献的通用映射(其将基于累积的患者数据来构建)。

在另一个实施方案中，在校准过程期间记录特征点测量值(例如，骨骼点，诸如图38和图39所示)。这些特征点表示固定物理尺度，这些固定物理尺度将用于计算因患者的取向变化而引起的3D身体网格的位置。固定点测量值的一些示例是胸骨至肩部末端、胸部的高度以及跨胃部/腹部/腰部的宽度。如果总遮蔽区域在可接受的容差以内，则使用初始3D网格重建遮蔽区域。可通过以下方式执行估计的3D表面：将未遮蔽区域与3D校准扫描进行比较，并且在获得身体的当前位置的最佳形态变换之后重新映射遮蔽区域。(该最佳形态变换可为因不同体位和呼吸引起的平移、旋转、仿射变换。)

在另一个实施方案中，以与正常深度数据不同的色彩方案来显示重建区域。这向操作员提供视觉反馈，该视觉反馈指示基于估计计算的区域。这在图43中示出，该图是根据本文所述的各种实施方案的示出排除了遮蔽面积的ROI的示意图。具体地讲，更大的浅灰色区域4305是覆盖完整胸部区域的正常ROI，并且具有对角线的更小椭圆形区域4310指示该测量情况中存在的障碍。还可基于例如可见面积与总面积的比率来计算置信水平。该置信水平可显示在屏幕上和/或可在潮气容积算法内使用。就后者而言，其可例如用于确定该置信度何时低于阈值并因此不应再显示潮气容积。

本文还公开了使用非接触式视频监测来改进潮气容积测量的各种系统、方法和计算机可读介质。例如，容积信号可受到因患者运动而引起的噪声的破坏。在另一个示例中，与呼吸相关的患者的某种运动可能对相机并不总是可见。本文公开并在下文相对于图44至图46讨论了用于减轻噪声并且提高潮气容积测量的准确性和稳健性的实施方案。

图44是根据本文所述的各种实施方案的示出用于确定患者的ROI和/或测量患者的潮气容积的双相机系统的示意图。在多相机系统中，相机可在患者的背面和前面进行取向，如图44所示。此类相机可用于使用本文所公开的各种实施方案来产生两个容积信号：Vl(t)和V2(t)。在一种方法中，Vl(t)和V2(t)可用于通过彼此相减来确定实际潮气容积。例如，可如下方程15中那样确定容积变化信号：

VC(t)＝Vl(t)-V2(t) [15]

当首次激活该分析时，可将VC(t)的初始值设定为零。另选地，可将VC(t)的最小值设定为零。图44中示意性地概述了该方法。在各种实施方案中，可使用超过两个相机来进一步改进潮气容积测量。在图44所示的示例中，容积信号Vl(t)和V2(t)分别与左侧的第一相机和右侧的第二相机相关联。如果信号VI(t)和V2(t)被配置为使得每个相机的正方向相同，则这些信号各自呈上升趋势。例如，如果每个相机的正方向被设定为在图44中从左到右，则信号Vl(t)和V2(t)指示患者一边呼吸一边朝向右侧的相机运动。如果每个相机的正方向被设定为在图44中从右到左，则信号V1(t)和V2(t)将指示患者一边呼吸一边朝向左侧的相机运动。然而，如果相机被设定为使得正方向与每个相机有关，则当患者朝向其中一个相机并远离另一个相机运动时，信号Vl(t)和V2(t)将呈相反方向(而不与图44中相同)的趋势。

多相机系统也可有利于跟踪并测量肩部运动。例如，在一些患者中，可至少部分地通过监测肩部的运动/位移来测量潮气容积。以大致与患者胸部正交的方式取向的深度感测相机可能能够检测一些肩部运动以便测量潮气容积。然而，一个或多个附加相机(例如，在患者上方、在患者右侧或左侧、在患者后方)可能能够捕获肩部中的附加运动，这些附加运动可用于测量潮气容积。

多相机系统也可有利地用于移除非临床相关数据。例如，患者可能以一定方式在整个病房或病床中运动，这会影响单个相机所进行的测量并且使得难以测量潮气容积。通过利用多个相机，可跟踪患者的运动。例如，如果患者朝向一个相机并远离另一个相机运动，则来自两个相机的深度向量测量值将捕获相反方向上的运动数据并且使这些数据相互抵消，从而留下与呼吸相关联的运动以测量为潮气容积。在此类实施方案中，该系统可使用来自第一相机的数据来确定患者胸部上的ROI，并且使用来自第二相机的数据来确定患者背部上的第二ROI。也可使用以类似方式采用超过两个相机的系统，并且这可为系统增加进一步的稳健性。

为了使用两个或更多个相机来评估患者的运动、位置和容积变化，在一个实施方案中，这些相机能够确定它们相对于彼此在何处定位和取向。例如，为了组合来自每个相机的深度测量值，该系统需要知道这两个相机是否在相反方向、正交方向或任何其他角度或取向上观看。由于可基于x、y和z轴上的向量来进行潮气容积计算，因此该系统可识别病房中的校准点以充分地限定这些轴，这在多个相机没有彼此正交的视线的实施方案中可特别有用。这些相机可通过观看病房中的公共对象或校准点来确定其相对取向。即，在一个实施方案中，病房中的对象或点在两个(或所有)相机的视野内均可见。校准点可为患者上的点(诸如头部的顶部)或可为病房中的某物。病房中识别的点可为特别配置的设备，诸如其上有条形码或其他特征的贴纸或标牌，该条形码或其他特征可从相机所捕获的数据识别。通过识别病房中的一个或多个相同点并且使用深度感测数据来确定在何处将相机与已知对象、一个点或多个点进行比较，该系统可准确地确定来自每个深度感测相机的测量值可如何映射到x、y和z轴上的向量中。换句话讲，病房中的点可用于识别这些相机实际位于何处以及这些相机相对于彼此位于何处。

在一些实施方案中，这些相机可发送可被彼此捕获的通信，以便对这些相机进行校准。例如，相机可闪光或发送另一个信号以指示其位置。在另一个示例中，深度感测相机可捕获指示相机的数据，以使得该系统可确定一个相机在另一个相机的视野内的位置。该信息还可用于使所捕获的数据同步，即，确保相机所捕获的运动作为向量映射到相同轴上，以使得可准确地确定潮气容积。还可识别病房中的三维对象并使用该三维对象来校准/定位相机。换句话讲，关于病房中的对象的信息可用于弄清楚这些相机相对于对象并因此相对于彼此位于何处。如果相机以影响其视野、变焦等的方式运动或进行调节，则可在校准/定位这些相机时及随后在潮气容积计算中跟踪并考虑该运动/调节。

在一些实施方案中，多个相机可能能够看见整个病房或更多。该系统可包括逻辑部件以使用或优先考虑来自能更好地看见患者或ROI的某些相机的数据。这样，可进行更准确的测量。如果使用多个相机来确定ROI和/或潮气容积，则可确定一些相机能更好地看见患者或可以以其他方式进行更准确的测量。在此类情况下，该系统可对来自那些相机的数据进行更重加权(为其分配更高权重)或为其分配更高置信水平，以使得在计算潮气容积或其他度量时优先考虑更可能准确的数据。

类似地，各种实施方案还可利用使用多个深度相机进行的完整3D重建。基于多个深度相机进行的3D体积的实时重建可用于实时跟踪患者的总容积。换句话讲，该系统并非确定患者身体上的ROI，而是可跟踪患者的整个身体。潮气容积是患者总容积的分量，并且可被提取为总容积变化的比例。本文所公开的各种实施方案所提供的运动(骨骼检测/跟踪)数据可用于减少患者运动所引起的变化。

在各种实施方案中，还可使用采用单个相机的多ROI方法。除了更小ROI(例如，仅胸部ROI)之外，还可使用更大ROI。更大ROI的平均运动可用于从胸部ROI滤除全局身体运动，从而使呼吸信号保持完整。这可通过以下方式进行：使用自适应滤波器从胸部ROI信号去除更大ROI信号中识别的非呼吸运动。更大ROI可包括或可不包括胸部ROI。该实施方案的示例在图45中示意性地示出，该图根据本文所述的各种实施方案示出了具有用于测量潮气容积的两个不同尺寸的ROI的患者。

可执行其他滤波/处理以排除非临床相关的信息。例如，当患者正在说话或进食时，他们可具有更难跟踪并且可能不是临床相关的异常潮气容积和呼吸模式。因此，本文所公开的系统、方法和计算机可读介质可被配置为识别患者正在说话或进食或进行另一个期望排除的活动的时间段。例如，来自深度感测相机的数据可指示患者具有嘴部/唇部的说话运动、不规则呼吸率等。其他传感器可与相机结合使用以确定患者正在说话，诸如音频传感器。如果音频传感器拾取例如人类语音所特有的音频并且呼吸率异常，则该系统可识别患者正在说话并且不使用所收集的数据来试图监测或计算潮气容积。还可识别其他不规则情形，诸如在患者正在进食时。深度感测相机数据可用于确定患者正在进食，例如通过与咀嚼类似的下颌运动、指示吞咽的颈部运动、双手周期性地移动到嘴部以喂食、患者面部前方出现吸管状形状。通过识别可能有不规则呼吸的情况，该系统可滤除在那些时间段期间收集的数据以便不影响潮气容积测量值、平均值或其他计算。另外，预期呼吸不规则的场景(如进食和说话)的确定也可有利于警报条件。例如，在患者正在说话的场景中，该系统可抑制与潮气容积测量值相关的任何警报。

图46是根据本文所述的各种实施方案的使用两个不同尺寸的ROI来确定潮气容积的方法4600的流程图。方法4600包括视频信号4605，根据该视频信号在4610处确定更大ROI并且在4615处确定更小胸部ROI。方法4600还包括在4620处对胸部ROI进行滤波。在4625处，输出患者的潮气容积。

各种实施方案可包括滤除非生理信号，如本文所公开。例如，呼吸的预期光谱带宽可为已知的并且用于从容积信号滤除非呼吸信号。例如，可在0.10Hz与0.66Hz(对应于10秒和1.5秒呼吸或每分钟6次和40次呼吸)之间对原始容积信号进行带通滤波。在运动落在频率范围之外的情况下，可将该运动排除，因为其不可能是与呼吸运动相关联的运动。

在一些实施方案中，本文所公开的系统、方法和计算机可读介质可用于测量容积CO₂。例如，当与鼻插管或其他二氧化碳描记设备结合使用时，可确定容积CO₂。具体地讲，二氧化碳描记设备测量患者呼出的空气中的二氧化碳百分比。采用如本文所公开的潮气容积测量值时，可将空气中的二氧化碳百分比乘以潮气容积以确定患者的容积CO₂(即，患者呼出的二氧化碳的总容积有多少)。

可对使用深度感测相机或其他监测患者的设备所采集的数据使用各种其他数据处理和滤波过程。例如，可在数据、移动平均值、加权平均值中监测趋势，并且可全部利用滤波以去除不符的数据。还可利用置信水平来确定是否要包括数据。例如，可针对预定阈值置信水平来识别不符的行为(如说话)。如果针对该特定置信水平识别了不符的行为，则可将该时间期间收集的数据从趋势、平均值及该系统执行的其他数据处理和/或采集操作中排除。该系统还可计算相对于所测量的潮气容积的置信水平。例如，如果确定了稳健ROI，则该系统可具有相对于所计算的潮气容积的更高置信水平。如果患者受到过大障碍、离得太远或存在已知会使潮气容积测量出问题的其他因素，则该系统可将低置信水平与潮气容积测量值相关联。如果置信水平降至低于特定阈值水平，则可将该时间期间收集的数据从相对于患者及其潮气容积的某些计算中排除。在一些实施方案中，置信水平阈值还可用于确定是否要传播警报。例如，如果患者离开了病房，则该系统将测量零潮气容积。然而，该系统可认识到其尚未识别ROI，从而在该测量值中给出零置信水平。因此，将抑制相对于零潮气容积测量值的警报条件。在更多细微差别的示例中，该系统可识别何时发生不规则情形，并且使用置信水平来确定所收集的数据是有效还是无效(即，是否应将其用于该系统的各种计算和/或记录保留)。通过确定某些数据是有效还是无效，该系统可确定是否要使用所收集的该数据来计算患者的潮气容积。

本文还公开了可根据潮气容积监测系统、方法和计算机可读介质来使用的各种类型的警示。例如，可在检测到如本文所述的通气不足时触发警示。还可在潮气容积降至低于预定阈值的情况下触发警示。可在每分钟容积降至低于预定阈值的情况下触发警示。可在未检测到呼吸活动的情况下或在至少一定持续时间内未检测到呼吸活动的情况下触发警示。

系统还可区分某些类型的运动。例如，患者的呼吸模式可在睡眠时改变。因此，该系统可确定患者是否正在睡眠，他们睡了多久，他们是否在夜间醒来及醒多少次等。某些类型的运动的确定也可为患者特定的。即，某些患者可针对不同类型的运动以不同方式运动。例如，入睡的患者A可以以与入睡的患者B不同的方式运动。该系统可能能够识别患者之间的睡眠模式的差异。该系统还可能能够识别患者的睡眠状态和清醒状态，即使那些状态在患者的运动特征方面不同。例如，该系统可基于呼吸模式、潮气容积、呼吸率、每分钟容积和/或其他因素来识别患者是清醒的。通过监测那些因素，该系统可能能够检测指示患者可能入睡的那些因素的变化。然后该系统可研究这些睡眠时间的趋势以确定该特定患者在入睡时的特征。然后该系统可在未来密切注意与该特征类似的数据或信号以确定患者已入睡。

本文所述的系统和方法可以以一个或多个有形且非暂态的机器可读介质(诸如硬盘驱动器、硬件存储器等)的形式提供，该机器可读介质上记录有指令以便由处理器或计算机执行。该指令集可包括各种命令，这些命令指示计算机或处理器执行具体操作，诸如本文所述的各种实施方案的方法和过程。该指令集可为软件程序或应用程序的形式。计算机存储介质可包括用于存储信息诸如计算机可读指令、数据结构、程序模块或其他数据的易失性和非易失性介质以及可移动和不可移动介质。计算机存储介质可包括但不限于RAM、ROM、EPROM、EEPROM、闪存存储器或其他固态存储器技术、CD-ROM、DVD或其他光学存储装置、磁盘存储装置、或任何其他可用于存储期望的信息并且可由该系统的部件访问的硬件介质。该系统的部件可彼此经由有线或无线通信来进行通信。这些部件可彼此分开，或部件的各种组合可一起集成到医疗监测器或处理器中，或包含在具有标准计算机硬件(例如，处理器、电路、逻辑电路、存储器等)的工作站内。该系统可包括处理设备，诸如微处理器、微控制器、集成电路、控制单元、存储介质和其他硬件。

尽管已经相对于示例性实施方案描述和示出了本发明，但是应当理解，本发明并不限于此，因为可以在其中进行改变和修改，这些改变和修改在如下文所要求保护的本发明的全部预期范围内。