Jump to ContentJump to Main Navigation
Show Summary Details
More options …

tm - Technisches Messen

Plattform für Methoden, Systeme und Anwendungen der Messtechnik

[TM - Technical Measurement: A Platform for Methods, Systems, and Applications of Measurement Technology
]

Editor-in-Chief: Puente León, Fernando / Zagar, Bernhard


IMPACT FACTOR 2018: 0.594

CiteScore 2018: 0.54

SCImago Journal Rank (SJR) 2018: 0.261
Source Normalized Impact per Paper (SNIP) 2018: 0.563

Online
ISSN
2196-7113
See all formats and pricing
More options …
Volume 86, Issue 7-8

Issues

Kamerabasierte Erfassung von Vitalparametern

Camera-based measurement of vital signs

Tobias Haist / Carsten Reichert / Felicia Würtenberger / Lena Lachenmaier / Andreas Faulhaber
Published Online: 2019-06-12 | DOI: https://doi.org/10.1515/teme-2019-0019

Zusammenfassung

Die berührungslose und für den Benutzer/Patienten möglichst wenig einschränkende Erfassung von Vitalparametern ist für eine Vielzahl potentieller Anwendungen von hohem praktischem Interesse. In der hier dargestellten Arbeit zeigen wir zwei Ansätze, wie hochgenau und robust Puls und Atmung kamerabasiert detektiert werden können. Wesentlich ist für die Pulsmessung die Nutzung der geeigneten Wellenlängenkanäle und bei der Atmungsdetektion der Einsatz der holografischen Mehrpunktmethodik. Für die Pulsmessung konnte so bei 73 Messreihen eine mittlere Abweichung von 1,67 Schlägen pro Minute erzielt werden. In 95 % aller Messungen lag der Fehler kleiner 5 Schläge pro Minute (klinisch irrelevant). Die Atmungsdetektion lieferte bei 94 Messungen lediglich eine Fehlmessung (Abweichung größer 2 Atemzüge pro Minute) und eine mittlere Abweichung von 0,34 Atemzügen pro Minute.

Abstract

For a lot of potentially interesting applications the remote detection of vital signs is of major concern. In this contribution we show two approaches for the robust detection of pulse and breathing patterns by using a camera. The pulse measurement strongly benefits from the utilization of appropriate spectral channels. In 95 % of all measurements the measurement error was below 5 beats per minute with a mean deviation of 1.67 beats per minute. For the detection of breathing a triangulation based setup in combination with multipoint detection in order to increase the sensitivity is used. For 94 breathing detections only one erroneous measurement (deviation of more than two breaths per minute) and a mean deviation of 0.34 breaths per minute have been achieved.

Schlagwörter: Pulsmessung; Atmungsdetektion; Vitalparameter; Bildverarbeitung; Computer-generierte Hologramme; hyperspektrale Bildgebung; Triangulation

Keywords: Pulse measurement; breathing; vital signa; image processing; computer-generated holograms; hyperspectral imaging; triangulation

Literatur

  • 1.

    Stéphane Cook, Mario Togni, Marcus C Schaub, Peter Wenaweser, and Otto M Hess. High heart rate: a cardiovascular risk factor? European heart journal, 27(20):2387–2393, 2006.CrossrefWeb of ScienceGoogle Scholar

  • 2.

    Heinz Werner Gödert, Hans-Georg Rill, and Gerhard Vossel. Psychophysiological differentiation of deception: the effects of electrodermal lability and mode of responding on skin conductance and heart rate. International Journal of Psychophysiology, 40(1):61–75, 2001.CrossrefGoogle Scholar

  • 3.

    Andrew H Kemp and Daniel S Quintana. The relationship between mental and physical health: insights from the study of heart rate variability. International Journal of Psychophysiology, 89(3):288–296, 2013.Web of ScienceCrossrefGoogle Scholar

  • 4.

    Joseph E Mietus, Chung-Kang Peng, P Ch Ivanov, and Ary Louis Goldberger. Detection of obstructive sleep apnea from cardiac interbeat interval time series. In Computers in Cardiology 2000. Vol. 27 (Cat. 00CH37163), pages 753–756. IEEE, 2000.Google Scholar

  • 5.

    Marc Garbey, Nanfei Sun, Arcangelo Merla, and Ioannis Pavlidis. Contact-free measurement of cardiac pulse based on the analysis of thermal imagery. IEEE Transactions on Biomedical Engineering, 54(8):1418–1426, 2007.CrossrefWeb of ScienceGoogle Scholar

  • 6.

    G Cosoli, L Casacanditella, EP Tomasini, and L Scalise. The non-contact measure of the heart rate variability by laser doppler vibrometry: comparison with electrocardiography. Measurement Science and Technology, 27(6):065701, 2016.Web of ScienceGoogle Scholar

  • 7.

    Abdelwadood Mesleh, Dmitriy Skopin, Sergey Baglikov, and Anas Quteishat. Heart rate extraction from vowel speech signals. Journal of computer science and technology, 27(6):1243, 2012.Web of ScienceCrossrefGoogle Scholar

  • 8.

    Mohammad A Haque, Ramin Irani, Kamal Nasrollahi, and Thomas B Moeslund. Heartbeat rate measurement from facial video. IEEE Intelligent Systems, 31(3):40–48, 2016.Web of ScienceCrossrefGoogle Scholar

  • 9.

    Fokko P Wieringa, Frits Mastik, and Antonius FW van der Steen. Contactless multiple wavelength photoplethysmographic imaging: a first step toward “spo2 camera” technology. Annals of biomedical engineering, 33(8):1034–1041, 2005.CrossrefGoogle Scholar

  • 10.

    Alrick B Hertzman and John B Dillon. Applications of photoelectric plethysmography in peripheral vascular disease. American Heart Journal, 20(6):750–761, 1940.CrossrefGoogle Scholar

  • 11.

    Daniel J McDuff, Justin R Estepp, Alyssa M Piasecki, and Ethan B Blackford. A survey of remote optical photoplethysmographic imaging methods. In Engineering in Medicine and Biology Society (EMBC), 2015 37th Annual International Conference of the IEEE, pages 6398–6404. IEEE, 2015.Google Scholar

  • 12.

    Jure Kranjec, S Beguš, G Geršak, and J Drnovšek. Non-contact heart rate and heart rate variability measurements: A review. Biomedical Signal Processing and Control, 13:102–112, 2014.CrossrefWeb of ScienceGoogle Scholar

  • 13.

    MA Hassan, AS Malik, D Fofi, N Saad, B Karasfi, YS Ali, and F Meriaudeau. Heart rate estimation using facial video: A review. Biomedical Signal Processing and Control, 38:346–360, 2017.Web of ScienceCrossrefGoogle Scholar

  • 14.

    Gerard De Haan and Arno Van Leest. Improved motion robustness of remote-ppg by using the blood volume pulse signature. Physiological measurement, 35(9):1913, 2014.Web of ScienceCrossrefGoogle Scholar

  • 15.

    Mark van Gastel, Sander Stuijk, and Gerard de Haan. Motion robust remote-ppg in infrared. IEEE Transactions on Biomedical Engineering, 62(5):1425–1433, 2015.Web of ScienceCrossrefGoogle Scholar

  • 16.

    Luis F Corral, Gonzalo Paez, and Marija Strojnik. Optimal wavelength selection for non-contact reflection photoplethysmography. In Proc. SPIE, volume 8011, page 801191, 2011.Google Scholar

  • 17.

    Wanqing Wu, Heye Zhang, Sandeep Pirbhulal, Subhas Chandra Mukhopadhyay, and Yuan-Ting Zhang. Assessment of biofeedback training for emotion management through wearable textile physiological monitoring system. IEEE Sensors Journal, 15(12):7087–7095, 2015.Web of ScienceCrossrefGoogle Scholar

  • 18.

    Matija Jezeršek, Matjaž Fležar, and Janez Možina. Laser multiple line triangulation system for real-time 3-d monitoring of chest wall during breathing. Strojniški vestnik–Journal of Mechanical Engineering, 54(7–8):503–506, 2008.Google Scholar

  • 19.

    Klemen Povsic, Janez Mozina, Matija Jezersek, and Matjaz Flezar. Laser 3-d measuring system and real-time visual feedback for teaching and correcting breathing. Journal of biomedical optics, 17(3):036004, 2012.Web of ScienceGoogle Scholar

  • 20.

    A Khalid, K Kimber, R Wilson, W De Boer, and R Iles. Non invasive measurement of respiratory rate: comparison between the embletta®(gold) respiband device and thora3di, pneumacare ltd. Am J Respir Crit Care Med, 189:A2935, 2014.Google Scholar

  • 21.

    Tobias Haist, Marc Gronle, Duc Anh Bui, and Wolfgang Osten. Holografische mehrpunktgenerierung zur positionsanalyse. tm-Technisches Messen, 82(5):273–279, 2015.Google Scholar

  • 22.

    Marc Gronle, Wolfram Lyda, Marc Wilke, Christian Kohler, and Wolfgang Osten. itom: an open source metrology, automation, and data evaluation software. Applied optics, 53(14):2974–2982, 2014.CrossrefWeb of ScienceGoogle Scholar

  • 23.

    Magdalena Lewandowska, Jacek Rumiński, Tomasz Kocejko, and Jedrzej Nowak. Measuring pulse rate with a webcam—a non-contact method for evaluating cardiac activity. In Computer Science and Information Systems (FedCSIS), 2011 Federated Conference on, pages 405–410. IEEE, 2011.Google Scholar

  • 24.

    Ming-Zher Poh, Daniel J McDuff, and Rosalind W Picard. Non-contact, automated cardiac pulse measurements using video imaging and blind source separation. Optics express, 18(10):10762–10774, 2010.Web of ScienceCrossrefGoogle Scholar

  • 25.

    Wolfgang Bachmann. Signalanalyse: Grundlagen und mathematische Verfahren. Springer-Verlag, 2013.Google Scholar

  • 26.

    Les Thede. Practical analog and digtal filter design. Artech House, Inc., 2004.Google Scholar

  • 27.

    Ulrich Harten. Optik, pages 273–334. Springer Berlin Heidelberg, Berlin, Heidelberg, 2017.Google Scholar

About the article

Tobias Haist

Tobias Haist hat Physik an der Universität Stuttgart studiert und dort im Bereich Technische Optik promoviert. Er ist akademischer Oberrat am Institut für Technische Optik (ITO) und Gruppenleiter der Arbeitsgruppe „3D Metrologie“. Seine Hauptforschungsinteressen sind räumliche Lichtmodulation, 3D Messtechnik sowie Bildverarbeitung.

Carsten Reichert

Carsten Reichert ist wissenschaftlicher Mitarbeiter am Institut für Technische Optik (ITO) der Universität Stuttgart. Seine Hauptarbeitsgebiete sind Baukastensysteme und die ganzheitliche Optimierung von optischen Systemen.

Felicia Würtenberger

Felicia Würtenberger studierte von 2014 bis 2017 im interuniversitären Bachelorstudiengang „Medizintechnik“ der Eberhard Karls Universität Tübingen und der Universität Stuttgart. Sie hat ihr Bachelorstudium mit einer Bachelorarbeit im Bereich „Optik in der Medizintechnik“ am Institut für Technische Optik (ITO) der Universität Stuttgart abgeschlossen. Seit Oktober 2017 studiert sie im Masterstudiengang „Medizintechnik“ an der Universität Stuttgart mit Spezialisierung in den Bereichen „Optische Verfahren und Systeme in der Medizintechnik“ und „Mikrosystemtechnik“.

Lena Lachenmaier

Lena Lachenmaier studierte „Medizintechnik“ an den Universitäten Tübingen und Stuttgart. Ihre Bachelorarbeit schrieb sie im Bereich optische Messtechnik am Institut für Technische Optik (ITO) der Universität Stuttgart. An der Universität Stuttgart begann sie im April 2019 den Masterstudiengang „Medizintechnik“, mit Spezialisierung in Optische Systeme und Medizingerätekonstruktion.

Andreas Faulhaber

Andreas Faulhaber ist seit 2018 wissenschaftlicher Mitarbeiter am Institut für Technische Optik (ITO) der Universität Stuttgart. Er arbeitet im Gebiet der optischen Messtechnik, hybride Messsysteme und digitale Bildverarbeitung. Von 2014 bis 2017 erlangte er den Abschluss M.Sc. in Biomedical Engineering an der Universität Stuttgart mit Schwerpunkt auf optische Systeme und Medizingerätetechnik.


Received: 2019-02-27

Accepted: 2019-05-04

Published Online: 2019-06-12

Published in Print: 2019-07-26


Funding Source: Bundesministerium für Bildung und Forschung

Award identifier / Grant number: FKZ 13N 14168

Wir danken dem Bundesministerium für Bildung und Forschung (BMBF) für die finanzielle Unterstützung im Rahmen des Projekts Bakaros (FKZ 13N 14168).


Citation Information: tm - Technisches Messen, Volume 86, Issue 7-8, Pages 354–361, ISSN (Online) 2196-7113, ISSN (Print) 0171-8096, DOI: https://doi.org/10.1515/teme-2019-0019.

Export Citation

© 2019 Walter de Gruyter GmbH, Berlin/Boston.Get Permission

Comments (0)

Please log in or register to comment.
Log in