用于辨别患有牛奶过敏的儿童的系统和方法与流程

本发明与配置成分析婴儿的视频图像并辨别婴儿是否患有牛奶过敏的系统和方法有关。本发明进一步与配置成分析婴儿的视频图像以区分患有牛奶过敏的婴儿和患有绞痛的婴儿的系统和方法有关。

背景技术：

1、什么是绞痛？

2、绞痛不是疾病，也不是诊断，而是它是针对看似健康的人类婴儿过度哭闹的笼统的术语，其中对所述哭闹的解决方案是时间的推移。绞痛的症状通常可以包括在一周时段内的三天哭闹连续三个小时或以上。患有绞痛的婴儿通常发现的其它症状包括：他们的拳头握紧；他们的面部变红；将他们的膝盖朝向他们的胃部或拱起他们的背部；胃部不适或过度胀气；和/或难以安抚和安定。绞痛在宝宝中很常见，大约五分之一的婴儿将在他们出生的最初六个月的某个时候患有绞痛。显然绞痛对婴儿和患病婴儿的父母/照顾者都是不愉快的。

3、什么是牛奶过敏？

4、牛奶过敏(cma)(也称为牛奶蛋白过敏)是最常见的儿童食物过敏之一，估计其影响约7％的人类婴儿。cma通常当牛奶或经由婴儿配方奶粉或当婴儿开始吃固体食物时首次将牛奶引入婴儿的饮食中时发生。更罕见地，cma可能影响纯母乳喂养的婴儿，因为来自母亲饮食中的牛奶通过母乳传递给婴儿。

5、cma是响应于牛奶中一种或多种蛋白的可重现免疫介导的过敏。它可以根据根本的免疫机制分类：免疫球蛋白(ig)e-介导的食物过敏产生即刻症状(即刻cma)，这可能影响多个器官系统，通常在牛奶摄入后至多2小时；非-ige介导的食物过敏反应通常在牛奶摄入后2和72小时之间显现(延迟cma)；以及混合ige和非ige过敏反应通常延迟。

6、cma可能引起宽范围的症状，包括：皮肤反应(例如发红发痒的皮疹或嘴唇/面部/眼睛周围肿胀)；消化问题(例如胃痛、呕吐、绞痛、腹泻、便秘)；类花粉症的症状(例如流鼻涕或鼻塞)；对治疗无响应的湿疹。偶尔，cma可能引起婴儿暴露于牛奶后不久呈现的严重的过敏症状，诸如口腔或喉咙肿胀、喘息、咳嗽、呼吸短促。

7、对具有疑似牛奶过敏的婴儿进行评估要求评估婴儿及其症状的各种方面。对于非-ige介导的过敏，不存在诊断测试。因此，评估依赖于在症状难以与正常的非常年幼的婴儿症状分开时回顾婴儿的临床病史。诸如评估还要求询问可能精疲力尽和/或痛苦的父母，这影响他们报告的准确性。由于临床医生具有大量通常复杂的指导方针要解释，评估进一步增加负担。如果存在疑似ige-介导的过敏，评估应该进一步包括婴儿的皮肤点刺测试和/或血清特异性ige过敏测试。临床医生的“黄金标准”是双盲试验，有时被称为开放标签试验，要求一段时间从婴儿的饮食中去除奶，然而，此类试验通常被大约三分之一或更多的父母拒绝，尤其是在报销不依据阳性牛奶激发试验的情况下，诸如在英国。

8、cma的治疗和诊治与绞痛的治疗和诊治显著不同。cma的治疗和诊治可以包括针对过敏测试转诊至过敏症专科门诊，并且进一步可以包括转诊至儿科营养师以监测成长和营养。cma的治疗通常要求2-4周试验性地从母亲/婴儿的饮食中去除所有牛奶，跟着在家庭环境中重新引入牛奶以确认诊断(如果存在症状的改进)。相比之下，不存在具有被医学界广泛接受的足够的疗效证据的固定的对于绞痛的治疗。绞痛的诊治包括安抚婴儿、在喂食期间保持婴儿直立以防止他们吞咽空气、在喂食后对婴儿尽力拍嗝并提供轻柔的动作(摇动婴儿床等等)以鼓励平静和睡眠。

9、因此，存在对提供诊断工具来协助患有cma的婴儿相对于患有绞痛的婴儿的初步区分的需要。

技术实现思路

1、根据本发明的第一方面，针对其提供有一种供在辨别患有牛奶过敏的婴儿中使用的系统，包括测量所述婴儿的身体运动，其中，所述系统包括计算机处理部件，所述计算机处理部件在使用中配置成：

2、接收包括婴儿运动的一系列图像的视频；

3、检测所述视频图像中的所述婴儿；

4、在所述婴儿上定位至少一个参考点；

5、在一系列所述图像上测量所述或每个参考点的运动矢量；

6、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

7、生成通信，其中，所述接近度值用于提供所述婴儿是否患有牛奶过敏的指示。

8、根据本发明的第二方面，针对其提供有一种用于辨别婴儿的牛奶过敏的方法，包括测量所述婴儿的身体运动，其中所述方法在计算装置上执行，所述计算装置包括至少一个处理器和存储处理器可执行代码的存储器，所述代码当由所述至少一个处理器实现时，执行以下的步骤：

9、接收包括婴儿运动的一系列图像的视频；

10、检测所述视频图像中的所述婴儿；

11、在所述婴儿上定位至少一个参考点；

12、在一系列所述图像上测量所述或每个参考点的运动矢量；

13、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

14、生成通信，其中所述或每个接近度值用于提供所述婴儿是否患有牛奶过敏的指示。

15、根据本发明的第三方面，针对其提供有一种供在辨别患有牛奶过敏的婴儿中使用的计算机实现的方法，包括测量所述婴儿的身体运动，其中所述方法包括：

16、接收包括婴儿运动的一系列图像的视频；

17、检测所述视频图像中的所述婴儿；

18、在所述婴儿上定位至少一个参考点；

19、在一系列所述图像上测量所述或每个参考点的运动矢量；

20、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

21、生成通信，其中所述或每个接近度值用于提供所述婴儿是否患有牛奶过敏的指示。

22、根据本发明的第四方面，针对其提供有一种具有在其上存储的指令的非暂时性处理器可读介质，所述指令当由一个或多个处理器执行时，使所述一个或多个处理器实现方法，包括：

23、接收包括婴儿运动的一系列图像的视频；

24、检测所述视频图像中的所述婴儿；

25、在所述婴儿上定位至少一个参考点；

26、在一系列所述图像上测量所述或每个参考点的运动矢量；

27、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

28、生成通信，其中所述或每个接近度值用于提供所述婴儿是否患有牛奶过敏的指示。

29、根据本发明的第五方面，针对其提供有一种供在区分患有牛奶过敏的婴儿和患有绞痛的婴儿中使用的系统，包括测量所述婴儿的身体运动，其中所述系统包括计算机处理部件，所述计算机处理部件在使用中配置成：

30、接收包括婴儿运动的一系列图像的视频；

31、检测所述视频图像中的所述婴儿；

32、在所述婴儿上定位至少一个参考点；

33、在一系列所述图像上测量所述或每个参考点的运动矢量；

34、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

35、生成通信，其中所述或每个接近度值用于提供所述婴儿是患有牛奶过敏还是绞痛的指示。

36、根据本发明的第六方面，针对其提供有一种用于区分婴儿的牛奶过敏和患有绞痛的婴儿的方法，包括测量所述婴儿的身体运动，其中所述方法在包括至少一个处理器和存储处理器可执行代码的存储器的计算装置上执行，所述代码当由所述至少一个处理器实现时，执行以下的步骤：

37、接收包括婴儿运动的一系列图像的视频；

38、检测所述视频图像中的所述婴儿；

39、在所述婴儿上定位至少一个参考点；

40、在一系列所述图像上测量所述或每个参考点的运动矢量；

41、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

42、生成通信，其中所述或每个接近度值用于提供所述婴儿是患有牛奶过敏还是绞痛的指示。

43、根据本发明的第七方面，针对其提供有一种供在区分患有牛奶过敏的婴儿和患有绞痛的婴儿中使用的计算机实现的方法，包括测量身体运动，其中所述方法包括：

44、接收包括婴儿运动的一系列图像的视频；

45、检测所述视频图像中的所述婴儿；

46、在所述婴儿上定位至少一个参考点；

47、在一系列所述图像上测量所述或每个参考点的运动矢量；

48、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

49、生成通信，其中所述或每个接近度值用于提供所述婴儿是否患有牛奶过敏的指示。

50、根据本发明的第八方面，针对其提供有一种具有在其上存储的指令的非暂时性处理器可读介质，所述指令当由一个或多个处理器执行时，使所述一个或多个处理器实现方法，包括：

51、接收包括婴儿运动的一系列图像的视频；

52、检测所述视频图像中的所述婴儿；

53、在所述婴儿上定位至少一个参考点；

54、在一系列所述图像上测量所述或每个目录点的运动矢量；

55、将所述或每个运动矢量相对于对应运动矢量的目录进行比较，并确定接近度值；

56、生成通信，其中所述或每个接近度值用于提供所述婴儿是患有牛奶过敏还是绞痛的指示。

57、cma或绞痛均不被辨别为运动障碍疾病或运动障碍病症。此外，既不教导也不鼓励医学界基于婴儿的运动来区分绞痛和cma。然而，本发明的发明人已经识别患有cma的婴儿具有相异于未患有cma的婴儿和/或相异于患有绞痛的婴儿的运动矢量。基于这种令人惊讶和发明性的认识，发明人能够创建辨别患有cma的婴儿和/或区分患有cma的婴儿和患有绞痛的婴儿的系统和方法。

58、优选地，可以被识别的婴儿的任何特征并且运算的所述特征的运动可以是参考点。本发明最优选的参考点是婴儿的头部(包括但不限于一个或两个眼睛中心、鼻尖)、躯干(包括但不限于在肩膀之间的中点的胸部、任一肩膀或两个肩膀、在胸部和腹股沟之间的中点的胃部)、手臂(包括但不限于肩膀、肘部、腕、手)、腿(包括但不限于臀部、膝尖；脚踝、大脚趾尖)；背部(包括但不限于肩膀之间的中点)等中的一个或多个。

59、附加地或备选地，两个或更多个参考点可以通过直线链接以创建参考线。优选地，三个参考点可以通过直线链接以创建参考线。例如，婴儿肩膀的三个参考点及其之间的中点可以通过直线链接以创建参考线。优选地可以创建相交参考线，例如婴儿的肩膀的三个参考点和其之间的中点可以是一个参考线，并且可以通过将婴儿鼻尖的参考点与在胸部和腹股沟和腹股沟之间的中点的胃部链接来创建相交参考线。

60、优选地，能够显示姿态的婴儿的任何特征(其中所述特征可以被识别并且姿态的创建被检测或者所述姿态的不存在被检测)可以是参考点。针对本发明的姿态检测的最优选参考点是：检测手的拳头形态；婴儿背部拱起；脚趾卷曲；腿的踢蹬动作；一种或多种预先特征化的面部姿态；等。

61、视频包括一系列帧，其中每个帧对应于静止图像。视频具有对应于一段时间上的帧(例如每秒的帧)的数量的帧速率。

62、视频可以具有任何适合的持续时间，其中可以观察到婴儿的至少一些运动，优选地只有婴儿出现在视频中。然而优选地，婴儿的视频的持续时间至少为10秒。甚至更优选地，婴儿视频的持续时间至少为20秒。最优选地，婴儿视频的持续时间至少为30秒。

63、视频的至少一部分可能包含呈现不适症状的婴儿的图像。优选地，至少25％的视频包含呈现不适症状的婴儿的图像。甚至更优选地，至少50％的视频包含呈现不适症状的婴儿的图像。最优选地，至少75％的视频包含呈现不适症状的婴儿的图像。

64、可以将多于一个婴儿视频呈现到本发明的方法和系统。优选地，将至少三个婴儿视频呈现到本发明的方法和系统。在将多于一个婴儿视频呈现到本发明的方法和系统的情况下，所述视频中的一个可以具有呈现不适症状的婴儿，并且所述视频中的一个可以具有不呈现不适症状的婴儿。

65、视频优选地示出婴儿的大部分，其中大部分被定义为婴儿具有体积并且视频在其图像内捕获大于50％的婴儿体积。视频内所捕获的婴儿越多，可以检测到越多的参考点以更好地确定一个或多个运动矢量。更优选地，视频在图像内捕获大于75％的婴儿体积。最优选地，视频在图像内基本上捕获整个婴儿。

66、优选地根据辨别所述或每个参考点和/或(一个或多个)参考线的运动速度和距离来运算运动矢量。最优选地，针对单个参考点运算运动矢量。特定参考点和/或(一个或多个)参考线的高运动矢量值会指示婴儿的剧烈运动，而低运动矢量值会指示婴儿的正常运动。

67、在示例中，运动矢量具有对应于参考点和/或(一个或多个)参考线运动的方向的方向分量。所述方向可以是相对于一个或多个参考方向，例如，(一个或多个)参考方向可以对应于宝宝上的特征集合。可以基于参考点和/或参考线在每个帧中如何运动以及视频的帧速率来确定速度。

68、运动矢量目录是运动矢量的集合，所述运动矢量可以通过确定婴儿(患有cma(确诊)、患有绞痛(疑似)的婴儿以及作为对照未明显患有任何病痛的婴儿的相应运动矢量来获得。可以比较运动矢量的集合，以创建患有cma(确诊)或患有绞痛或未患有任何病痛的婴儿的特定运动矢量的平均值。备选地或附加地，可以比较运动矢量的集合以创建患有cma(确诊)的婴儿或患有绞痛的婴儿或无病痛的婴儿的特定运动矢量的一系列值。

69、优选地根据至少一个运动矢量距所述或每个对应的运动矢量目录的偏离量来运算接近度值。换句话说，如果使用本发明的系统或方法来确定婴儿头部的运动矢量，则对应的(一个或多个)运动矢量目录会是对应婴儿身体部位/参考点(在这种情况下，会是那些婴儿的头部)的那些运动矢量目录。

70、优选地，根据多于一个运动矢量和它们与它们对应的相应运动矢量的目录的偏离来运算接近度值。甚至更优选地，根据多于五个运动矢量及它们与它们对应的相应运动矢量的目录的偏离来运算接近度值。最优选地，根据多于五个运动矢量及它们与它们对应的相应运动矢量的目录的偏离来运算接近度值。根据在婴儿上测量的多于一个运动矢量来运算接近度值是优选的，因为体积越大，接近度值的准确性越大。

71、在使用多于一个运动矢量及它们与它们相应的对应运动矢量目录的偏离来运算接近度值的情况下，则优选地从每个偏离产生一系列中间接近度值(被平均以产生接近度值)。

72、备选地，在多于一个运动矢量及它们与它们相应的对应运动矢量目录的偏离被用于运算接近度值的情况下，则优选地从每个偏离(从其中取中值以产生接近度值)产生一系列中间接近度值。

73、作为进一步的备选，在使用多于一个运动矢量及它们与它们相应的对应运动矢量目录的偏离来运算接近度值的情况下，则优选地从每个偏离(从其中取众数以产生接近度值)产生一系列中间接近度值。

74、优选地由本发明的系统和/或方法传递的指示将在标度上，其中所述标度的一个端指示仅绞痛的诊断，并且所述标度的另一端指示cma的诊断。在指示在标度上的情况下，任何适合的方式可以用于所述标度，然而优选地由数字标度提供指示，并且甚至更优选地所述数字标度被编号为1至4，其中标度上的1会指示仅绞痛的诊断，并且其中在所述标度上的4会指示仅cma的诊断。

75、在将多于一个相同婴儿的视频呈现到本发明的(一个或多个)系统和/或(一个或多个)方法的情况下，优选地将产生指示，所述指示是用于创建临时指示的每个相应的接近度值的相应接近度值的平均值或中值或众数。

76、在优选布置中，本发明的系统和方法利用学习机器学习算法，其中对于婴儿，系统和或方法产生婴儿是患有cma还是患有绞痛还是未患有cma或绞痛的指示，并且医师已经进行诊断(无论是否由所述指示告知)，诊断结果被馈送到矢量的目录以进一步细化相同(算法)。

77、本发明的系统和方法可以通过结合婴儿的患者生理数据(诸如婴儿的身长/身高和/或体重)来补充。

78、在示例中，所述方法包括将视频重新定向到标准方向的步骤。宝宝的视频可以被分析以确定方位，并且然后被校准以对应于用于形成对应矢量的目录的视频的方位。