术后植入部位监测的制作方法

1.本公开涉及医疗装置，并且在一些具体示例中涉及计算装置，这些计算装置被配置为评估患者从植入医疗装置(该医疗装置当前植入患者体内)开始的恢复情况。


背景技术：

2.医疗装置可用于治疗各种医疗状况。示例性医疗装置包括可植入医疗装置(imd)，诸如心脏或心血管可植入电子装置(cied)。imd，有时也被称为“植入式医疗装置”，可以包含在外科手术上或在程序上准备的植入部位处植入患者体内的装置。imd可包括被配置为诊断患者的各种疾病、监测患者的健康状态等的诊断装置。除此之外或另选地，imd也可被配置为经由电极诸如植入式电极向患者递送电刺激疗法，其中该装置可被配置为刺激心脏、神经、肌肉、脑组织等。在任何情况下，imd可在一些情况下包括电池供电组件，诸如在提及可植入心脏起搏器，可植入心脏复律除颤器(icd)，包括脊髓刺激器、深部脑刺激器、神经刺激器和肌肉刺激器的其他电刺激器，输注装置、心脏和其他生理监测器、耳蜗植入物等的情况下。在此类情况下，imd的电池供电组件可以诸如在手术上或程序上准备的植入部位处被植入。另外，如细长的医疗电引线或药物递送导管等相关装置可以从imd延伸到其它皮下植入部位，或者在一些情况下延伸到身体更深处，如延伸到器官或各种其它植入部位。
3.虽然准备和植入在无菌区进行，并且imd组件在引入到无菌区之前被包装在无菌容器中或者进行消毒，但仍然可能存在将微生物引入到所述部位的风险。因此，植入临床医生通常在手术前将消毒剂或防腐剂施涂于手术部位处的皮肤，在切口闭合之前直接施涂到所述部位，并开出口服抗生素供患者在恢复期间摄入。尽管采取了这些预防措施，仍可能发生感染。
4.因此，与植入医疗装置相关的感染仍然是关于公共卫生和经济的问题。如果发生与imd相关的感染，则移出装置通常是唯一适当的行动方案。另外，一旦某个部位被感染，感染就会例如沿着引线或导管迁移到植入引线和/或导管的位置。例如，响应于此类感染而取出长期植入的引线或导管可能非常困难。积极的全身药物治疗用于治疗此类感染。然而，与imd相关的感染的早期检测可以允许早期干预，从而减少装置移出。
5.在一些情况下，已经植入某些医疗装置诸如cied的患者需要接受由医疗保健专业人员(hcp)进行的植入后随访咨询访视。hcp访视通常在植入后几天到几周的任何时间进行。在高达90％以上水平的大多数情况下，这些访视并不显著而且很简短。然而，植入后随访对患者来说仍可能构成hcp的必要检查点。在一些情况下，这种随访会发现可能需要临床干预的潜在感染或与装置相关的并发症。


技术实现要素：

6.虽然由hcp进行的实际随访咨询访视往往相对较短，但访视仍然可能对患者的生活、医生的诊所和整个医疗保健系统构成负担。本公开的各方面涉及具有处理电路的一个或多个计算装置，其中该处理电路被配置为促进或模拟患者的虚拟登记，诸如虚拟随访或
其他健康检查，其中患者和/或医生可检查imd(特别是imd的植入部位)的状态。
7.所述一个或多个计算装置的处理电路系统可实施各种工具和技术(在下文中称为“工具”、处理器系统或处理电路系统)，以便为患者提供虚拟登记。处理电路系统可被配置为向患者提供参与虚拟登记过程的选项作为植入后评估的一部分，对于所述虚拟登记过程，患者可远程进行虚拟登记过程，如距正式医生的办公室环境或其他hcp环境远程进行。在一些示例中，移动或便携式计算装置的处理电路可被配置为管理虚拟登记过程，使得用户可能够从任何远程位置高效地导航登记过程。另外，处理电路系统可在各种计算装置(例如，终端用户移动装置、相机装置、可穿戴装置、边缘装置等)之间传达患者和/或医疗装置数据。在一些示例中，处理电路系统可被配置为管理登记过程以确保与登记工具的正确交互，使得系统可准确地确定患者和/或imd是否出现任何并发症。处理电路系统可以通过网络和/或通过实施各种通信协议来传达此类信息。
8.在一些情况下，处理电路系统可在安全环境中实施虚拟登记过程，诸如在经授权的移动计算装置上和/或在安全数据网络上。在一些情况下，处理电路系统可在移动装置上实施虚拟登记过程，该移动装置被配置为在有或没有其他装置(例如，网络装置)的帮助下执行本公开的各种技术中的一种或多种技术。也就是说，移动装置可操作被配置为执行虚拟登记过程的各种软件工具。然后，患者可在没有网络接入或网络使用受限的情况下进行虚拟登记过程的整个会话，如在使用与边缘装置(例如，具有另外的处理资源来辅助或执行各种登记功能的iot装置)的无线通信时。移动装置可在登记会话完成后的稍后时间点将虚拟登记数据与其他网络装置同步。这样，hcp可在所述时间访问数据，其中当患者进行特定的登记会话时，hcp实时或接近实时地访问此类数据可能并不重要。
9.根据本公开的技术，处理电路系统被配置为向用户(例如，患者)提供部位检查用户界面(ui)。计算装置的处理电路可确定被配置为接收植入部位的成像数据的成像程序。在一些情况下，成像程序可包括ui程序数据。在此类情况下，计算装置的处理电路可实施ui程序数据以便经由该ui提供成像程序，该成像程序被配置为允许用户根据本公开的各种技术中的一种或多种技术来执行部位检查过程。计算装置的处理电路可初始化成像装置(例如，一个或多个相机、增强现实成像装置等)，这些成像装置可被配置为根据各种成像模式(例如，视频捕获模式、静止图像模式、快速连拍模式、红外模式、运动照片模式、缩放模式等)来操作，其中所述各种成像模式可被配置为在图像捕获过程期间彼此补充(例如，互补)。计算装置的处理电路可触发各种成像模式(例如，在各种成像模式之间转变)以便获得植入部位的图像(并且当需要时，获得补充图像)用于部位检查分析。计算装置的处理电路可基于一个或多个图像捕获引发此类转变。也就是说，计算装置的处理电路可基于对获得的图像的分析(诸如对植入部位处的任何异常的分析)而从第一图像捕获模式转变到补充图像捕获模式。计算装置可执行分析，或者在一些情况下，单独装置(例如，边缘装置、网络服务器等)可执行分析。在成像装置与计算装置分离和/或不同的情况下，单独装置可与用户的计算装置(例如，智能电话、平板计算机等)进行通信，或者可与成像装置的通信电路交互。
10.在一些示例中，计算装置的处理电路可执行成像程序，该成像程序被配置为向用户提供部位检查ui。这样，计算装置的处理电路可生成ui程序数据和/或从存储器访问ui程序数据。同样，计算装置的处理电路可生成成像程序数据和/或从存储器访问成像程序数
据，其中成像程序数据可限定用于部位检查ui的ui程序数据。在一些情况下，处理电路可从虚拟登记计算系统的单独计算装置访问ui程序数据和/或成像程序数据。在一些情况下，计算装置的处理电路可为每个特定用户或用户类别定制成像程序(例如，ui程序数据)。在一些情况下，处理电路系统可通过部署各种人工智能(ai)算法和/或机器学习(ml)模型来定制成像程序，所述ai算法和/或ml模型被配置为确定反映特定用户或用户类别以及与特定用户或用户类别相对应的一个或多个医疗装置的ui。在任何情况下，处理电路系统可被配置为经由显示装置向用户操作的计算装置的用户提供部位检查ui。
11.在非限制性示例中，植入部位检查过程可被实施为综合ui的一部分，该综合ui可包括多个交互式ui登记元素(包括用于启动植入部位检查过程的ui登记元素)，所述多个交互式ui登记元素被配置为系统地引导患者通过更综合的虚拟登记过程。ui登记元素可被配置为主动帮助特定患者向系统提供具体患者输入(例如，植入部位的图像)。患者输入可以包含具体类型的信息和特定数量的信息。在一些示例中，处理电路系统可使用信息来例如识别患者的各种疾病，诸如装置囊袋感染，或者以其他方式识别植入部位、医疗装置和/或患者的异常。在一些示例中，处理电路系统可部署ai和/或ml模型，以便评估经由ui接收的输入，以便确定植入部位的状态(例如，imd的状态)。在另一个示例中，处理电路系统可以将来自患者的输入传达给hcp。处理电路系统进而可以从hcp接收输入。在此类情况下，处理电路系统可基于hcp输入来确定植入部位的状态。在任何情况下，处理电路系统可利用患者输入和/或hcp输入来训练ai和/或ml模型，其中处理电路系统可获得hcp输入，在一些情况下，hcp输入基于患者输入(例如，植入部位的上传图像、ecg波形等)。因此，处理电路系统可利用来自多个源的信息来确定患者的各种疾病(例如，植入部位处的潜在感染、植入部位的异常愈合等)。虽然在一些情况下参考综合ui进行了描述，但是本公开的技术不限于此，并且应当理解，部位检查ui可被实施为不涉及本公开的其他ui元素(例如，装置检查元素等)的独立ui。也就是说，仅在一些示例中，计算装置的处理电路可包括非部位检查ui元素，以便获得可补充的患者和/或装置数据，或者在一些情况下，获得互补部位检查信息(例如，植入部位图像、图像系列、成像序列等)。
12.应当理解，本公开的处理电路系统可完全独立地或与本文所公开的其他ui登记元素中的任何一个或多个ui登记元素一起实施各种部位检查技术。在例示性和非限制性示例中，处理器系统可在被专门配置为执行本公开的部位检查技术的专用部位检查相机装置上实施本公开的部位检查技术。在另一示例中，本公开的处理电路系统可在用户的个人移动装置上实施本公开的部位检查技术，该个人移动装置被配置为采用被专门配置为执行本公开的部位检查技术(诸如，通过根据本公开的一种或多种技术来执行成像程序)的软件应用程序。除此之外并且在所选择的情况下，软件应用程序可被进一步配置为生成与本文所公开的另外ui登记元素(诸如，装置登记元素或患者登记元素)相关的另外ui数据。
13.在一些情况下，患者可定期执行此类虚拟检查，以检查植入部位的状态。也就是说，即使在执行了hcp在患者的手术事件后强制或推荐的多个虚拟登记会话之后，患者也可执行健康检查。
14.虚拟登记过程可以替代和/或在一些情况下补充hcp现场访视。在一些示例中，本公开的处理电路系统可使用计算装置实施的检查的结果来确定是否向患者提供指示，并且在某些情况下向医生或其他hcp提供关于是否需要现场访视，或者另选地患者的imd伤口恢
复是否如预期的那样进行的指示。在一些情况下，处理电路系统可经由一个计算装置(诸如移动电话装置)从用户处获得信息，并且经由另一计算装置(诸如边缘装置或网络服务器)评估信息。在这种情况下，边缘装置可以部署根据医疗装置数据、患者数据和/或从网络获得的启发式数据训练的ai和/或ml模型。在一些情况下，处理电路系统可利用从用户的计算装置获得的数据(例如，患者数据、图像数据、成像序列数据)和/或直接从患者的医疗装置获得的数据来训练ai或ml模型。在这种情况下，那些医疗装置可以被配置成与边缘装置以及用户计算装置进行通信。
15.在一个示例中，本公开提供了一种监测具有imd的患者的植入部位的方法，所述方法包括：经由计算装置确定所述患者的识别数据；至少部分地基于所述识别数据来识别对应于所述imd的imd信息；至少部分地基于所述imd信息来确定成像程序，所述成像程序限定用于对所述植入部位进行成像的一个或多个参数；由所述计算装置启动成像装置，所述成像装置被配置为根据所述成像程序捕获图像数据的一个或多个帧；经由所述成像装置接收所述一个或多个帧中的至少一个帧，所述至少一个帧包括所述植入部位的图像；从所述图像数据的所述至少一个帧中识别所述植入部位处的异常；响应于识别所述异常，自动触发补充图像捕获模式，其中所述成像装置在所述补充图像捕获模式下操作时被配置为捕获所述植入部位的一个或多个补充图像；在触发所述补充图像捕获模式之后，由所述计算装置接收所述植入部位的所述一个或多个补充图像；以及经由所述计算装置输出所述植入部位的所述一个或多个补充图像。
16.在另一示例中，本公开提供了一种用于监测具有imd的患者的植入部位的系统，所述系统包括：存储器，所述存储器被配置为存储图像数据；和一个或多个处理器，所述一个或多个处理器与所述存储器进行通信。在此类示例中，所述系统的所述一个或多个处理器可被配置为：确定所述患者的识别数据；至少部分地基于所述识别数据来识别对应于所述imd的imd信息；至少部分地基于所述imd信息来确定成像程序，所述成像程序限定用于对所述植入部位进行成像的一个或多个参数；启动成像装置，所述成像装置被配置为根据所述成像程序捕获所述图像数据的一个或多个帧；从所述成像装置接收所述一个或多个帧中的至少一个帧，所述至少一个帧包括所述植入部位的图像；从所述图像数据的所述至少一个帧中识别所述植入部位处的异常；响应于识别所述异常，自动触发补充图像捕获模式，其中所述成像装置在所述补充图像捕获模式下操作时被配置为捕获所述植入部位的一个或多个补充图像；在触发所述补充图像捕获模式之后，接收所述植入部位的所述一个或多个补充图像；以及输出所述植入部位的所述一个或多个补充图像。
17.本公开还提供了非暂时性计算机可读介质，其包括使可编程处理器执行本文所述的技术中的任何技术的指令。在一个示例中，本公开提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质上存储有指令，所述指令在被执行时使一个或多个处理器：确定患者的识别数据，所述患者具有imd；至少部分地基于所述识别数据来识别对应于所述imd的imd信息；至少部分地基于所述imd信息来确定成像程序，所述成像程序限定用于对植入部位进行成像的一个或多个参数；启动成像装置，所述成像装置被配置为根据所述成像程序捕获图像数据的一个或多个帧；经由所述成像装置接收所述一个或多个帧中的至少一个帧，所述至少一个帧包括所述植入部位的图像；从所述图像数据的所述至少一个帧中识别所述植入部位处的异常；响应于识别所述异常，自动触发补充图像捕获模式，其中
所述成像装置在所述补充图像捕获模式下操作时被配置为捕获所述植入部位的一个或多个补充图像；在触发所述补充图像捕获模式之后，接收所述植入部位的所述一个或多个补充图像；以及输出所述植入部位的所述一个或多个补充图像。
18.本公开还提供了用于执行本文所述的技术中的任何技术的手段。
19.发明内容旨在提供对本公开中所描述的主题的概述。本发明内容并不旨在提供对以下附图和说明书内详细描述的系统、装置和方法的排他性或穷举性解释。在附图和以下具体实施方式中阐述了本公开的一个或多个示例的进一步细节。根据说明书和附图以及权利要求，其他特征、目标和优点将是显而易见的。
附图说明
20.图1示出了根据本文所公开的一种或多种技术的与患者结合的示例性监测系统的环境。
21.图2是展示根据本文所公开的一种或多种技术的图1的示例计算装置的示例配置的功能框图。
22.图3是展示根据本文所公开的一种或多种技术的包含图1或2的示例计算装置、网络、边缘装置和服务器的示例网络系统的框图。
23.图4是示出根据本文所公开的一种或多种技术的图1和/或图3的医疗装置的示例性配置的功能框图。
24.图5是根据本公开的一种或多种技术的图1、图2或图3的示例性计算装置的示例性用户界面(ui)可视化。
25.图6是根据本公开的一种或多种技术的示例性启动会话界面的ui可视化。
26.图7是根据本公开的一种或多种技术的示例菜单界面的ui可视化。
27.图8是示出根据本公开的一种或多种技术的利用成像技术的示例性方法的流程图。
28.图9是根据本公开的一种或多种技术的根据用户对图7中所展示的患者状态界面的请求而呈现的示例患者状态界面的ui可视化。
29.图10是根据本公开的一种或多种技术的示例患者状态界面的ui可视化。
30.图11是根据本公开的一种或多种技术的示例生理参数检查界面的ui可视化。
31.图12是根据本公开的一种或多种技术的示例性生理参数检查界面的ui可视化。
32.图13是根据本公开的一种或多种技术的示例装置检查界面的ui可视化。
33.图14是根据本公开的一种或多种技术的示例性装置检查界面的ui可视化。
34.图15是根据本公开的一种或多种技术的示例部位检查界面的ui可视化。
35.图16是根据本公开的一种或多种技术的示例性部位检查界面的ui可视化。
36.图17是根据本公开的一种或多种技术的示例性部位检查界面的ui可视化。
37.图18是示出根据本公开的一种或多种技术的根据各种熟练度水平来利用成像技术的示例性方法的流程图。
38.图19是示出根据本公开的一种或多种技术的执行包括图像捕获过程的部位检查过程的示例性方法的流程图。
39.图20是根据本公开的一种或多种技术的示例性植入部位的多个透视图的示例性
图示。
40.图21是示出根据本公开的一种或多种技术的执行图像捕获过程诸如图18的图像捕获过程的示例性方法的流程图。
41.图22是示出根据本公开的一种或多种技术的利用成像技术的示例性方法的流程图。
42.图23是根据本公开的一种或多种技术的示例性完整登记界面的ui可视化。
43.图24是根据本公开的一种或多种技术的示例性完整登记界面的ui可视化。
44.图25是示出根据本公开的一种或多种技术的确定关于imd患者的用于医疗干预的指令的示例性方法的流程图。
45.在整个说明书和附图中，相似的附图标记代表相似的元件。
具体实施方式
46.在2019年，全球范围内预计有超过150万个可植入医疗装置(imd)植入物被植入患者体内。根据心律学会(hrs)和欧洲心律协会(ehra)指南，这些植入物中的每个植入物都应在两到十二周内接受现场随访。患者对植入后访视的依从性改善了死亡率和患者预后。然而，患者对这种访视的顺从性在55％至80％的范围内。在这些访视的93％至99％中，患者没有出现异常(例如，感染)。也就是说，这些访视中的许多访视可以虚拟地执行。
47.本公开呈现了用于植入部位感染的远程imd后监测的系统和方法。据估计，约0.5％的imd植入物和约2％的imd替代物会发生植入感染。对imd感染的早期诊断可以帮助推动有效的抗生素疗法或装置取出以治疗感染。这在可以持续监测患者的医院内术后环境中完成。
48.当患者感觉到如疼痛或发烧等任何与感染相关的症状时，通常会接着进行出院后感染诊断。然而，对于一部分无法自我报告任何植入部位异常的无症状感染患者，则需要专家审查。由于让所有患者都来进行身体感染审查对于患者和护理人员两者来说可能很麻烦，因此需要对植入部位进行远程监测。
49.一般来说，本公开涉及可以经由包括但不限于智能电话、平板计算机、移动装置、虚拟现实(vr)、增强现实(ar)或混合现实(mr)头戴式装置等各种面向用户的计算装置来操作的浏览器界面或移动装置应用程序。计算装置可执行软件应用程序，该软件应用程序使计算装置在本地使用计算装置的计算资源或者经由云计算诸如通过经由网络接口将所捕获的数据传输到执行本文所述的分析中的一些或全部分析的后端系统(例如，服务器系统)来执行本文所述的各种功能。另外，如本文所述，可以通过边缘计算，如通过将捕获的数据传输到边缘装置(例如，iot装置或另一个计算装置)来执行所述分析中的一些或全部。在一些示例中，边缘装置可以包含面向用户的装置或客户端装置，如智能电话、平板计算机、pda和其它移动计算装置。在任何情况下，后端系统可以包含也可以不包含作为后端系统的一部分的某些边缘装置。在一个示例中，网络可以与在后端系统边缘处运行的一个或多个边缘装置接合，以便在用户的计算装置与各种网络服务器之间形成媒介。在此类示例中，计算装置可以通过利用边缘计算、云计算或其组合来执行本公开的各种技术。边缘计算和云计算的示例组合可以包含分布式计算或分布式计算系统。在任何情况下，计算装置可在应用程序中、在平板计算机中和/或在云环境中执行本公开的技术。
50.在本公开的基于云的实施方案中，移动装置应用程序可以从后端系统接收各种类型的分析后数据，并将数据以接收到的形式或者在执行一些另外的处理或在本地格式化数据后呈现给用户。
51.执行应用程序(例如，虚拟登记过程)的计算装置可执行以下描述的各种功能，无论是经由计算装置提供的本地计算资源，还是经由基于云的后端系统，或者两者兼有。在一些示例中，计算装置可以通过网页浏览器实施应用程序。在一些示例中，计算装置可以执行装置检查。在此类示例中，计算装置可以实施对一个或多个医疗装置(例如，imd、cied等)的一种或多种询问。在一些情况下，计算装置可通过网络直接从一个或多个医疗装置、从一个或多个边缘装置或它们的任何组合来接收医疗装置询问数据。在此类示例中，计算装置可分析医疗装置设置、参数和性能度量。
52.在一些示例中，计算装置可执行对一个或多个手术植入部位(例如，植入物伤口部位、取出植入物的部位等)的检查。在另一示例中，计算装置可执行对一个或多个在程序上准备的植入部位的检查。在一个示例中，可在患者访视期间在局部麻醉下将可插入心脏监测器插入在程序上准备的植入部位中。
53.在一些示例中，计算装置可实施关于指示植入部位(例如，伤口部位、手术部位、在程序上准备的部位等)的区域的图像处理。在一些示例中，计算装置可以使用计算装置的或以其它方式通信耦接到计算装置的相机来执行图像处理以检测异常，如伤口愈合中的异常和/或通过确定植入部位处的潜在感染来检测异常。在一些示例中，计算装置可触发各种相机操作模式以便获得植入部位的补充图像。在一个示例中，如果计算装置确定植入部位处可能存在潜在感染，则计算装置可启动补充捕获模式(例如，视频捕获模式、帧连拍模式、运动照片模式等)，其中补充捕获模式被配置为捕获植入部位的附加图像。计算装置可使用附加图像来确定异常的存在，并且在一些情况下，确定异常是实际异常的可能性。计算装置还可使用在先前图像捕获模式(例如，初始图像捕获模式)或后续图像捕获模式(在补充图像捕获模式之后)捕获的图像，以便获得对计算装置实用的许多不同的植入部位图像。在例示性示例中，计算装置可最初在第一图像捕获模式中捕获一个或多个图像，并且基于异常确定，转变到视频捕获模式(例如，高采样率视频模式)，以便捕获植入部位的成像序列以进行分析。
54.在一些示例中，计算装置可以执行生理检查。在此类示例中，计算装置可以实现对从患者检测到的生理信号的监测和/或分析，所述生理信号包含心电图(ecg)信号和可以记录的其它健康信号(例如，呼吸、阻抗、活动、压力等)。另外，计算装置可执行患者状态检查。应用程序可以为患者实施交互式日志记录、日志或日记功能，以回答有关患者健康信息、药物、症状、生理或解剖度量或任何相关患者报告的信息的几个关键问题。
55.在一些示例中，本公开的工具可使用人工智能(ai)引擎和/或机器学习(ml)模型(例如，图像处理算法)以便评估患者的健康(例如，植入部位处感染的可能性、imd的非预期旋转等)。对于部位检查过程，计算装置执行的部位检查过程可调用图像识别或图像处理ai，其利用可从各种源获得的伤口和感染库(例如，使用伤口和感染库进行训练)。另外，计算装置可部署ml模型以确定植入部位处感染的存在。类似于ai引擎，计算装置或另一装置可利用例如各种异常库(例如，训练集、伤口和感染库)训练ml模型。另外，计算装置或另一装置可利用患者输入训练图像处理算法，以及确认潜在感染何时被确认为实际感染，所述
患者输入诸如为对问卷的用户答案、植入部位的图像、生理参数。因此，图像处理算法可基于特定数据项之间的各种相关性来微调感染的检测。在一个示例中，当特定的泛红阴影出现在植入部位周围时，用户可指示特定的疼痛水平。图像处理算法可使此类数据相关，以便提供对潜在异常的更稳健检测。同样，特定的ecg数据或装置参数(例如，温度测量)可与植入部位感染相关，并且计算装置或其他装置可利用此类数据训练图像处理算法，以便实现高准确度和置信度水平的异常检测。
56.另外，ai引擎可使用群组数据来进行个体检查。群组可以包含任何数量的群组，包含包括cied患者的cied群组、年龄群组、皮肤色素沉着群组、imd类型群组等或其组合。在一些示例中，可使用群组数据来训练ml模型以进行个体检查。为了执行ecg检查，本公开的工具可以使用具有qrs模型的心律失常分类ai相对于患者的人口统计特征和特性对正常节律和任何潜在的心律失常进行分类。将理解的是，qrs模型通常是指包含典型心电图(例如，q波、r波、s波等)所包含的各种图形偏转的组合的qrs复合波。为了执行本公开的装置检查功能，应用程序可以利用计算装置的各种通信硬件组件来询问一个或多个医疗装置(例如，imd)，以检索特定于医疗装置系列的医疗装置参数。处理电路系统可被配置为将检索到的参数与医生先前提供的设置以及可比的医疗装置系列进行比较，以进行正态/常态偏离分析。
57.本公开的工具还可以使用与患者的交互式会话来提供患者状态检查功能，在所述交互式会话中，患者提供引出的输入来回答与患者的健康和当前状况相关的问题。在各种示例中，本公开的工具可以使患者能够通过文本输入、从预填充的响应中选择下拉菜单和/或单选按钮来输入信息(例如，状况信息或结果)，如附图中的一个或多个附图中所示。在一些非限制性示例中，本公开的工具可输出问题以引出患者响应，通过患者响应，患者可输入信息诸如药物、其剂量以及其他提示信息。
58.在会话完成时，本公开的工具可在经由移动装置应用程序提供的ui上标记结果，并带有日期和时间戳。本公开的工具可为患者提供生成用于患者记录的报告(例如，作为便携式文档格式(pdf)或各种其他格式)、通过电子邮件或以其他方式将报告或报告的选择内容传送给家庭成员或医生(例如，经由文件传送协议(ftp))等的能力。如本文所讨论的，在一些情况下，ui可提供关于本公开的部位检查方面的具体信息，并且在此类情况下，可相对于本公开的其他ui方面采用单独的ui。
59.在一些非限制性示例中，本公开的应用程序可以使患者具有将结果本地保存到计算装置(例如，智能电话或平板计算机)以供将来比较、参考或用作独立文件的能力。在一些情况下，计算装置可以将结果本地存储到计算装置以用作应用程序或其它应用程序内的可检索会话，或者用作在计算装置上实施的健康工具包的一部分。在一些非限制性示例中，本公开的应用程序可以(例如，经由在线门户)将报告推送到专有网络。通过以这种方式推送报告或其它数据，本公开的工具使hcp能够审查患者的健康信息并将数据输入到电子病历(emr)数据库或储存库中。本公开的工具可以基于各种标准生成对hcp接收的确认(并且在一些示例中，生成报告是否被hcp审查的指示)，并通过与移动装置的通信或其它患者可访问的计算方式将这种通信提供给患者。在一些示例中，计算装置可以被配置成接收关于报告是否被hcp审查的指示。在此类示例中，计算装置可被配置为至少部分地基于指示向用户提供报告的状态(例如，hcp已审查、审查进行中等)。
60.如果本公开的工具确定上述任何一项检查或检查的任何组合产生了异常结果(或可接受的正常范围外的异常)，则本公开的工具可以使用移动装置应用程序向患者输出提示。在一些示例中，提示可指示异常，诸如在一个或多个植入部位处的潜在感染的指示，其中植入部位可包括imd的植入部位、imd的电池供电组件和/或imd的相关联装置中的一者或多者。在一些示例中，提示可包括安排hcp进行随访的建议或指示。
61.在一些示例中，本公开的工具可存储会话信息和先前检查的结果(例如，本地存储在计算装置上、存储到云存储资源，或存储到两者)。计算装置可以这样做以便帮助患者和/或hcp跟踪关于患者的伤口恢复、医疗装置的功能等的进展或变化。在一些示例中，本公开的工具可实施关于应用程序的有限日期计数器，以便阻止或防止患者在随访时间窗口到期后继续使用应用程序。本公开的各方面实现了例如用于联系医生的双向通信，医生可以用各种消息进行通信，如“给我的办公室打电话”等。
62.如本领域技术人员将理解的，如本文所公开的远程医疗装置监测表示相对于现有实施方案的显著技术进步。具体地，所公开的技术可使用第一图像捕获模式在第一置信度水平下确定潜在感染并且使用补充图像捕获模式来进行确认，从而使得评估植入部位的状态的效率增加，其中补充图像捕获模式可少量使用，以便节省处理、电池和存储器资源。进一步地，所公开的技术可以通过使用在特定时刻部署和实施以实现异常检测的最高精度的特定工具动态地确定异常的存在来产生健康益处。还可向用户呈现允许用户直观地操作ui以便捕获将用于实现最高准确度的异常检测的正确图像和正确数量的图像的相关控制机制。如此，此处所述的示例表示此计算机相关技术的重大改进。
63.本文所公开的另外示例也表示计算机相关技术的改进。例如，相机系统可使用参考标记，诸如用户可见或以其他方式用户不可见的参考标记，以便跟踪相机的角度，使得可以一致且可靠的方式获得特定透视图。另外，在一些示例中，本文所公开的监测系统可以是其它软件应用的本地系统，并且因此，可以使用类似的ui/ux元素来显示图块。其他示例性改进包括调用外部信息源以为登记报告提供更大的相关性和复杂性的能力，以及在一些示例中，调用api(例如，语言翻译api、机器学习api)以执行监测系统内的另外工作的能力。在一个示例中，云部署的api可以作为ml模型的可访问端点。另外，各种ml模型或ai引擎可以部署为所谓的轻版本，这些轻版本被配置为在资源非常有限的装置(例如，移动装置、平板计算机等)上高效运行。
64.本文所公开的想法存在于计算机相关技术的领域内。例如，在相关数据不一定驻留在本地耦接到相关显示装置的存储装置中的ui中的信息显示实际上不可能在计算机相关技术领域之外复制。在非限制性示例中，成像程序ai/ml工具可同时或动态地从不同的系统获得，并且同时或动态地呈现在ui中。另外，监测系统可通过适当的介质和/或在适当的时刻在适当的显示器上(例如，在静态时间表或动态更新时间表上)直观地呈现数据。另外，本公开的技术提供了在一些示例中可利用非视觉传感器(诸如通过相机进行热成像)来检测植入部位处的温度变化的异常确定技术。另外，描述了利用合成各种数据项(例如，植入部位的图像、装置状态信息等)的特定示例的各种数据分析技术，其中信息源可被优化以提供与植入后患者监测的具体技术问题相关的具体数据。也就是说，在一些示例中，数据的合成提供了用于识别异常的鲁棒算法，尽管所描述的算法用于针对潜在的异常获得和分析数据的具体部分，如图像数据。
65.另外，已经注意到，设计“可供人类使用且易于学习的计算机ui对于软件开发人员来说是不平凡的问题”(dillon,a.(2003)用户界面设计(user interface design)《麦克米伦认知科学百科全书(macmillan encyclopedia of cognitive science)》，第4卷，伦敦：麦克米伦，453-458)。本公开的交互式和动态ui的各种示例是大量研究、开发、改进、迭代和测试的结果，并且在一些示例中，提供了在电子装置中获得信息、总结和呈现信息的特定方式。这种不平凡的开发产生了本文所述的ui，其很可能提供显著的认知和人体工程学效率以及优于先前系统的优势。交互式和动态ui包括可为用户提供减少的心理工作负荷/负担、改进的决策、减少的工作压力等的改进的人机交互。例如，具有本文所述的交互式ui的ui可提供对来自各种源的患者特定信息的优化呈现，并且可使得用户能够比使用先前系统更快地访问、导航、评估和利用此类信息，所述先前系统可能缓慢、复杂和/或难以学习，尤其是对于新手用户而言。因此，在对应于特定患者的特定ui上呈现简洁和紧凑的信息有助于可用信息的高效使用以及本公开的医疗装置和虚拟检查功能的优化使用。
66.图1示出了与患者4结合的示例性监测和/或登记系统100的环境。在一些示例中，系统100可以实施本文所公开的各种患者和医疗装置监测以及异常检测技术。系统100包含一个或多个医疗装置6和一个或多个计算装置2。虽然在一些情况下，医疗装置6包含imd，如图1所示，但本公开的技术不限于此。然而，出于说明的目的，在一些情况下，医疗装置6在本文中可以简称为imd 6或一个或多个imd 6。
67.计算装置2可以是具有可由用户查看的显示器的计算装置。用户可以是医生技术员、外科医生、电生理学家、临床医生(例如，植入临床医生)或患者4。患者4通常是人，但不一定是人。例如，患者4可能是需要持续监测各种健康状况(例如，心脏状况、脊髓状况等)的动物。在这种情况下，人类护理人员可以操作利用可能无法从动物患者4获得的用户输入的所公开技术的方面。
68.在一些情况下，计算装置2在本文中可以被称为多个“计算装置2”，而在其他情况下，在适当的时候可以简称为“计算装置2”。系统100可以在计算装置2中的至少一个可以与医疗装置6和/或医疗装置6的植入部位中的至少一个接合和/或对其进行监测的任何环境中根据本公开的一种或多种技术实施。计算装置2可以例如通过对医疗装置6的植入部位进行成像来根据本公开的一种或多种技术与医疗装置6接合和/或对其进行监测。
69.在一些示例中，计算装置2可以包含蜂窝电话、“智能电话”、卫星电话、笔记本计算机、平板计算机、可穿戴装置、计算机工作站、一个或多个服务器、个人数字助理、手持计算装置、虚拟现实头戴式装置、无线接入点、运动或存在传感器装置中的一个或多个，或可以运行使得计算装置能够与医疗装置6交互或与被配置成进而与医疗装置6交互的另一个计算装置交互的应用程序的任何其它计算装置。
70.计算装置2中的至少一个可以被配置成通过有线或无线通信与医疗装置6以及任选地计算装置2中的其它计算装置通信。例如，计算装置2可以经由近场通信(nfc)技术(例如，电感耦接、nfc或可在小于10cm至20cm的范围内操作的其他通信技术)和/或远场通信技术(例如，根据802.11的射频(rf)遥测、规范集或可在大于nfc技术的范围内操作的其他通信技术)进行通信。在一些示例中，计算装置2可以包含用于向边缘装置12、网络10和/或医疗装置6提供输入的接口。例如，计算装置2可包括允许用户将图像或成像序列存储到数据库的用户输入机制，诸如触摸屏。在此类示例中，边缘装置12之一可以管理数据
库，在一些情况下，计算装置2可以通过网络10访问所述数据库以便执行本公开的各种技术中的一种或多种技术。
71.计算装置2可包括用户界面(ui)22。在一些示例中，ui 22可以是图形ui(gui)、交互式ui等。在一些示例中，ui 22还可包括命令行界面。在一些示例中，计算装置2和/或边缘装置12可以包含显示系统(未示出)。在此类示例中，显示系统可以包括用于生成用于显示和/或交互的要呈现的ui数据的系统软件。在一些示例中，处理电路(诸如计算装置2的处理电路)可从另一装置(诸如从边缘装置12或服务器94(图3)中的一者)接收ui数据，计算装置2可使用该ui数据来生成用于显示和/或交互的要呈现的ui数据。
72.计算装置2可以被配置成通过ui 22接收来自用户的输入。ui 22可以包含例如小键盘和显示器，所述显示器可以是例如液晶显示器(lcd)或发光二极管(led)显示器。在一些示例中，计算装置2的显示器可以包含触摸屏显示器，并且用户可以通过显示器与计算装置2交互。应注意，用户还可以通过网络计算装置与计算装置2远程交互。
73.在一些示例中，ui 22可以进一步包含小键盘。在一些示例中，ui 22可以包含小键盘和显示器。小键盘可采用与特定功能相关联的文数字小键盘或减小的按键集合的形式。计算装置2可以另外或可替代地包含如鼠标等外围定点装置，用户可以通过所述外围定点装置与ui 22交互。在一些情况下，ui 22可包括利用虚拟现实(vr)、增强现实(ar)或混合现实(mr)ui的ui，诸如可经由vr、ar或mr头戴式装置实施的那些。
74.在一些示例中，计算装置2可以包含成像装置，如相机32。相机32可以是内置在计算装置2中的数码相机。在一些示例中，相机32可以与计算装置2分离。在此类示例中，相机32可以将成像数据传达到计算装置2和/或其它计算装置(例如，边缘装置2)。在一些示例中，计算装置2可包括电荷耦接装置(ccd)芯片。ccd芯片可以被配置成使用闪光灯作为激发(例如，白光)光源以光谱响应分析模式操作。在此类示例中，计算装置2可采用ccd芯片以便分析植入部位的图像或植入部位的成像序列。在一个示例中，计算装置2可以采用ccd芯片以在不同光波长下提供单独的颜色过滤分析，以更好地检测不同肤色中的发红和肿胀。也就是说，计算装置2可对图像或成像序列执行颜色过滤以便从一组图像和/或成像序列中识别异常。在另一示例中，计算装置2可对图像执行颜色过滤，以便确定自动触发补充图像捕获模式以捕获补充图像(例如，成像序列)。
75.在例示性示例中，计算装置2可使用相机32对患者4的植入部位进行成像。在此类示例中，计算装置2的存储装置24(图2)可存储图像数据(例如，静止图像、视频数据等)。在此类情况下，处理电路(诸如计算装置2的处理电路20(图2)和/或边缘装置12的处理电路64(图3))可与存储装置24进行通信。
76.在一些示例中，处理电路(例如，计算装置2的处理电路20(图2)、边缘装置12的处理电路64(图3)、服务器94的处理电路98(图3)或医疗装置17的处理电路40)可确定患者4的识别数据，诸如授权数据。在一个示例中，处理电路系统20可以至少部分地基于识别数据来识别对应于imd 6的imd信息。因此，处理电路20可至少部分地基于imd信息来确定成像程序，该成像程序限定用于对植入部位诸如患者4的植入部位进行成像的一个或多个参数。在一个示例中，成像程序可限定用于对患者4的一个或多个植入部位进行成像的一个或多个参数。成像程序可包括部位检查过程应用程序(例如，从应用商店安装的移动应用程序)。在一些示例中，成像程序还可包括针对计算装置2的用户(例如，患者4、hcp等)定制的部位检
查过程。
77.在已确定成像程序的情况下，计算装置2可启动成像装置(例如，相机32)。在此类示例中，成像装置可被配置为根据成像程序捕获图像数据的一个或多个帧。在例示性示例中，可以在执行启动成像程序之后自动启动相机应用程序。在已启动相机32的情况下，计算装置2可从相机32接收所述一个或多个帧中的至少一个帧，所述至少一个帧包括植入部位的图像。据此，根据本公开的各种技术，计算装置2可从图像数据的所述至少一个帧识别植入部位处的异常。在一个示例中，计算装置2可利用图像处理算法(例如，ai引擎28和/或ml模型30(图2))来识别此类异常。在一些情况下，计算装置2将图像传输到另一装置，然后，该另一装置检测异常并将异常的细节传输回计算装置2，使得计算装置2可识别异常。
78.响应于识别异常，计算装置2自动触发补充图像捕获模式。也就是说，当在补充图像捕获模式下操作时，相机32捕获植入部位的一个或多个补充图像。在一些示例中，补充图像捕获模式包括视频捕获模式或其他增强型图像捕获模式(例如，连拍帧)。在任何情况下，在已启用补充图像捕获模式的情况下，相机32可捕获植入部位的一个或多个补充图像并将补充图像传送到计算装置2。因此，计算装置2可接收植入部位的补充图像。据此，计算装置2可输出植入部位的所述一个或多个补充图像。在一些示例中，计算装置2可经由通信电路26将所述一个或多个补充图像输出到存储装置24或另一装置。其他装置或计算装置2可执行各种检测算法，以便确定潜在异常是否具有对患者4构成健康风险的高可能性。进而，计算装置2可经由ui 22或向另一装置提供指示植入部位的状态以及患者4是否应寻求另外的医疗援助的植入状态。
79.在一些示例中，计算装置2可以包含编程头或桨(未示出)。在此类示例中，计算装置2可以通过编程头与医疗装置6接合。编程头可靠近患者4的身体放置在医疗装置6附近(例如，在imd诸如imd 6的植入部位附近)。计算装置2可以包含编程头，以便提高计算装置2与医疗装置6之间通信的质量或安全性。另外，计算装置2可以包含编程头，以便提高计算装置2、医疗装置6和/或边缘装置12之间通信的质量或安全性。
80.在图1的例示性和非限制性示例中，医疗装置6包括至少一个imd。在此类示例中，至少一个imd可以植入患者4的胸腔外部(例如，皮下植入在图1中所展示的胸肌位置中)。在一些示例中，医疗装置6可以定位在靠近或刚好低于患者4的心脏水平的胸肌附近，例如，至少部分地在心脏轮廓内。如本文所使用的，imd可包括以下、是以下或者是以下的一部分：各种装置或集成系统，诸如但不限于可植入心脏监测器(icm)、可植入起搏器，包括递送心脏再同步疗法(crt)的那些、可植入心脏复律除颤器(icd)、诊断装置、心脏装置等。在一些示例中，本公开的工具可被配置为监测除cied之外的植入物的功能或用户对所述植入物的适应度，所述植入物诸如为脊髓刺激器、深脑刺激器、胃刺激器、泌尿系统刺激器、其他神经刺激器、骨科植入物、呼吸监测植入物等。
81.在一些示例中，医疗装置6可以包含一个或多个cied。在一些示例中，患者4可以同时与多个医疗装置6交互。在例示性示例中，患者4可以具有多个植入患者4的身体内的imd。在另一示例中，医疗装置6可包括一个或多个植入式和/或非植入式医疗装置的组合。非植入式医疗装置的示例包括可穿戴装置(例如，监测手表、可穿戴除颤器等)或被配置为获得患者4的生理数据的任何其他外部医疗装置。
82.在一些示例中，医疗装置6可以作为疗法递送装置操作。例如，医疗装置可以向患
者4的心脏递送电信号，如可植入起搏器、心脏复律器和/或除颤器、通过一个或多个导管向患者4递送治疗物质的药物递送装置，或递送电信号和治疗物质两者的组合疗法装置。如本文所述，计算装置2可基于植入患者4中的医疗装置的类型来确定各种成像程序或成像程序的至少一些方面(诸如，偏置因素)。
83.应当注意，虽然某些示例医疗装置6被描述为被配置成监测心血管健康，但本公开的技术不限于此，并且本领域技术人员将理解本公开的技术可以在其它环境(例如，神经学、骨科等)下实施。在一些示例中，医疗装置6中的一个或多个可被配置为执行深部脑刺激(dbs)、脊髓刺激(scs)、骨盆刺激、周围神经刺激、肌肉刺激等。
84.此外，虽然某些示例性医疗装置6被描述为电气装置或电有源装置，但本公开的技术不限于此，并且本领域技术人员将理解，在一些示例中，医疗装置6可包括非电气或非电有源装置(例如，骨科植入物等)。在任何情况下，医疗装置6可被配置为诸如经由遥测协议、射频识别(rfid)传输等将医疗数据传达到计算装置2。因此，被配置为传达医疗数据的任何医疗装置和/或计算装置可被配置为实施本公开的技术。
85.在一些示例中，医疗装置6可以被植入到患者4的皮下。在一些示例中，医疗装置6中的至少一个采取可从medtronic plc获得的reveal linq
tm
可插入心脏监测器(icm)或类似于例如linq
tm
icm的版本或修改的另一icm的形式。在此类示例中，医疗装置6可促进在正常日常活动期间对患者进行相对较长期的监测。
86.在非限制性示例中，医疗装置6可包括被配置为作为起搏器、心脏复律器和/或除颤器操作或者以其他方式监测患者4的心脏的电活动的imd。在一些示例中，医疗装置6可以基于在患者4的心脏内感测到的电信号向患者4的心脏提供起搏脉冲。
87.在一些示例中，医疗装置6还可以通过定位在至少一根引线和/或壳体电极上的电极来提供除颤疗法和/或心脏复律疗法。医疗装置6可以检测患者4的心脏的心律失常，如心室纤颤，并且以电脉冲的形式向患者4的心脏递送除颤疗法。在一些示例中，医疗装置6可以被配置成递送一系列疗法，例如，能量水平增加的脉冲，直到患者4的心脏纤颤停止。在此类示例中，医疗装置6可以采用本领域中已知的一种或多种纤颤检测技术来检测纤颤。
88.在一些示例中，系统100可以在包含网络10和/或边缘装置12的环境中实施。也就是说，在一些示例中，系统100可以在网络10的环境下操作和/或包含一个或多个边缘装置12。在一些情况下，网络10可以包含边缘装置12。类似地，计算装置2可以包含边缘装置12的功能并且因此也可以用作边缘装置12中的一个边缘装置。
89.在一些示例中，边缘装置12包括调制解调器、路由器、物联网(iot)装置或系统、智能扬声器、屏幕增强型智能扬声器、个人助理装置等。另外，边缘装置12可包括面向用户的装置或客户端装置，诸如智能电话、平板计算机、个人数字助理(pda)和其他移动计算装置。
90.在涉及网络10和/或边缘装置12的示例中，系统100可以在家庭环境、医院环境或包括网络10和/或边缘装置12的任何环境中实施。示例技术可以与医疗装置6一起使用，所述医疗装置可以与一个或多个边缘装置12和图1中未描绘的其它装置(例如，网络服务器)无线通信。
91.在一些示例中，计算装置2可以被配置成与医疗装置6、边缘装置12或网络10中的一个或多个通信，所述网络运行如由明尼苏达州明尼阿波利斯市美敦力公司开发的美敦力网络等网络服务。在一些示例中，医疗装置6可以通过与计算装置2
通信。在一些情况下，网络10可以包含边缘装置12中的一个或多个边缘装置。网络10可以是和/或包括任何适当的网络，包括私有网络、个域网、内联网、局域网(lan)、广域网、有线网络、卫星网络、蜂窝网络、点对点网络、全球网络(例如，互联网)、云网络、边缘网络、装置网络等或它们的组合，所述网络中的一些或全部可以或可以不接入和/或来自互联网。也就是说，在一些示例中，网络10包括互联网。在例示性示例中，计算装置2可经由网络10周期性地向和/或从医疗装置6和/或边缘装置12中的一者传输和/或接收各种数据项。
92.另外，计算装置2可被配置为连接到蜂窝基站收发器(例如，用于3g、4g、lte和/或5g蜂窝网络接入)和wi-fi
tm
接入点，因为这些连接是可用的。在一些示例中，蜂窝基站收发器可以具有接入到网络10的连接。这些各种蜂窝和wi-fi
tm
网络连接可以由不同的第三方实体管理，所述不同的第三方实体在本文中被称为“载体”。
93.在一些示例中，系统100可以包含存储各种医疗数据记录、群组数据、图像数据的一个或多个数据库(例如，存储装置96)。在此类示例中，服务器94(例如，一个或多个数据库)可以由一个或多个单独的实体(例如，互联网服务提供商(isp)等)管理或控制。
94.在一些示例中，计算装置2可以被配置成从医疗装置6检索数据。检索到的数据可以包含由医疗装置6测量的生理参数的值、由医疗装置6检测到的心律失常或其它疾病发作的迹象以及由医疗装置6获得的生理信号。在一些示例中，计算装置2可以检索由计算装置2记录的心脏egm段，例如，由于计算装置2确定在所述段期间发生心律失常或另一种疾病的发作，或者响应于来自患者4或另一用户的记录所述段的请求。
95.在一些示例中，用户还可以使用计算装置2从医疗装置6检索关于患者4的如活动或姿势等其它感测到的生理参数的信息。在一些示例中，边缘装置12可以以类似于计算装置2的方式与医疗装置6交互，例如，以对医疗装置6进行编程和/或从医疗装置6检索数据。
96.系统100例如医疗装置6、计算装置2、边缘装置12和/或一个或多个其他计算装置(例如，远程服务器)的处理电路可被配置为执行本公开的示例性技术以确定患者4的异常状态。在一些情况下，处理电路系统在本文中可以被称为处理器系统或处理电路系统。在一些示例中，系统100的处理电路系统获得生理参数、图像、医疗装置诊断等，以确定是否向患者4和/或hcp提供警报。
97.在一些情况下，当患者健康数据(例如，植入部位图像、ecg参数等)、医疗装置诊断数据组合时，系统100例如计算装置2的处理电路系统向患者4和/或其它用户提供警报，并指示异常的开始。警报可以是由医疗装置6和/或计算装置2生成的声音警报、由计算装置2生成的视觉警报，如文本提示或闪烁的按钮或屏幕，或者由医疗装置6和/或计算装置2生成的触觉警报，如振动或振动模式。此外，可以例如通过网络10向其它装置提供警报。基于根据本文所公开的各种技术中的一种或多种技术检测到的潜在异常的严重性，可以使用若干不同级别的警报。
98.图2是展示计算装置2的至少一个计算装置2的组件的示例配置的框图。在图2的示例中，至少一个计算装置2包含处理电路系统20、通信电路系统26、存储装置24和ui 22。
99.处理电路系统20可以包含一个或多个处理器，所述一个或多个处理器被配置成实施用于在计算装置2内执行的功能和/或处理指令。例如，处理电路系统20能够处理存储在存储装置24中的指令。处理电路20可包括例如微处理器、数字信号处理器(dsp)、专用集成
电路(asic)、现场可编程门阵列(fpga)、复杂可编程逻辑装置(cpld)或等效的集成或离散逻辑电路系统或前述装置或电路中的任一种的组合。因此，处理电路系统20可以包含任何合适的结构，无论是在硬件、软件、固件还是其任何组合中，用于执行本文中归因于处理电路系统20的功能。
100.经训练的ml模型30和/或ai引擎28可被配置为根据本公开中ml模型被认为是有利的某些示例(例如，预测建模、推理检测、上下文匹配、自然语言处理等)处理和分析用户输入(例如，植入部位的图像、患者状态数据、成像序列诸如视频数据等)、装置参数(例如，加速度计数据)、医疗装置(例如，医疗装置17、imd 6)的历史数据，和/或生理参数。可被配置为执行本公开的各方面的ml模型和/或ai引擎的示例包括分类器和非分类ml模型、人工神经网络(“nn”)、线性回归模型、逻辑回归模型、决策树、支持向量机(“svm”)、朴素或非朴素贝叶斯网络、k最近邻(“knn”)模型、深度学习(dl)模型、k均值模型、聚类模型、随机森林模型或它们的任何组合。取决于实施方式，ml模型可以是受监督的、无监督的或在一些情况下是混合组合(例如，半监督的)。可以基于指示用户(例如，患者4)如何与计算装置2交互的数据来训练这些模型。例如，仅出于说明的目的，将使用关于项目(例如，伤口图像、相机、视频、生理参数等)的事件或行为(如点击、查看或观看)来描述本公开的某些方面。
101.在非限制性示例中，患者4可能难以捕获植入部位的特定视图。可在健康监测或计算网络中共享这些有用的数据，使得可基于类似的交互和用户对各种捕获模式的反应向多于一个用户呈现最佳结果。为了简洁起见，可能不会针对有关对象(例如，数据对象，诸如增强现实覆盖对象)的事件或行为来描述这些方面。在一些示例中，处理电路40可使用ml算法(例如，dl算法)以例如针对医疗装置6中的一者的植入部位来例如监测正在愈合的伤口的进展或预测正在发生的潜在感染。在例示性和非限制性示例中，ai引擎28和/或ml模型30可利用深度神经网络来定位图像中的植入部位并对异常状态进行分类。在另一示例中，ai引擎28和/或ml模型30可利用朴素贝叶斯和/或决策树来合成(例如，组合)数据项和其分析(例如，图像分析和ecg分析)，以便获得对患者4的综合异常确定并将此类综合确定包括在诸如患者4的报告中。
102.在另一个示例中，ai引擎28和/或ml模型30可以加载有群组参数(例如，年龄群组、imd类型群组、皮肤色素沉着群组等)和群组参数的组合并根据所述群组参数进行训练。在此类示例中，ai引擎28和/或ml模型30可利用在确定与基线参数的偏离时用于比较的历史参考询问。在一些示例中，医生或其他hcp可维持群组参数，诸如通过更新群组参数的库。因此，可利用此类参数训练ai引擎28和/或ml模型30以定制图像分析算法，并由此提高检测相对于患者4的异常的准确度，而不是利用可广泛应用于一般患者群体但具有潜在更少准确度的未训练算法。
103.另外，根据各种不同的环境和其他各种不同的资源约束(例如，处理能力、网络接入、电池寿命等)，计算装置2可利用不同的图像处理算法和/或数据合成算法，诸如ai、ml、dl、数字信号处理、神经网络和/或其他技术。
104.另外，经训练的ai引擎28可以用于随着时间的推移了解患者4并了解患者4的植入部位。以这种方式，ai引擎28可以针对特定植入部位的检测到的异常提供个性化检测算法。在此类示例中，ai引擎28可以加载有群组参数并根据群组参数进行训练，使用历史参考询问或图像进行比较。这样，计算装置2可使用不同的算法途径(例如，ai、ml、dl、数字信号处
理、神经网络和/或其他技术)来提供解决方案，以便个性化患者4的部位检查过程。
105.如临床医生或患者4等用户可以通过ui 22与计算装置2中的一个或多个计算装置交互。ui 22包括显示器(未示出)，诸如液晶显示器(lcd)或发光二极管(led)显示器或其他类型的屏幕，处理电路20可通过显示器呈现健康或装置相关信息，例如，心脏egm、对感染检测的指示、植入部位周围的着色变化等。另外，ui 22可包括用于接收来自用户的输入的输入机制。输入机构可以包含例如按钮、小键盘(例如，字母数字小键盘)、外围定点装置、触摸屏或允许用户通过由计算装置2的处理电路系统20呈现的ui 22导航并提供输入的另一种输入机制。在一个示例中，ui 22可允许用户使用计算装置2的触摸屏来旋转图像和调整缩放级别(例如，捏合缩放、手势、视线跟踪等)。
106.如图1的示例所示，在一些示例中，计算装置2可包括成像装置。在例示性示例中，计算装置2可包括相机32或多个相机32(例如，数码相机)作为示例性成像装置。如图2所示，相机32可以指包括一个或多个图像传感器34、一个或多个镜头36以及一个或多个相机处理器38的集合装置(例如，图像信号处理器)。在一些示例中，处理电路系统20可以包含相机处理器38。
107.在一些示例中，多个相机32可以包含在计算装置2(例如，具有一个或多个前置相机和一个或多个后置相机的移动电话)中的单个计算装置中。在一些示例中，计算装置2可包括具有一个或多个图像传感器34和一个或多个镜头36的第一相机32以及具有一个或多个图像传感器34和一个或多个镜头36的第二相机32等。应当注意，虽然可以参考从单个相机(例如，从单个图像传感器)接收的帧来讨论本文中的一些示例性技术，但是本公开的技术不限于此，并且本领域技术人员将理解，本公开的技术可以针对任何类型的相机32和相机32的组合实施，诸如可以包括在计算装置2中或以其他方式通信耦接到计算装置2的相机32的组合。在一些示例中，图像传感器34表示可包括图像传感器处理电路的一个或多个图像传感器34。在一些示例中，图像传感器34包含用于捕获光的表示的像素传感器(例如，像素)阵列。
108.虽然(例如，经由虚线)示出为任选地包括在计算装置2中，但本公开的技术不限于此，并且在一些情况下，相机32可以与计算装置2分离，诸如独立的相机装置或分离的相机系统。在任何情况下，相机32可被配置为捕获植入部位的图像并经由相机处理器38将图像数据传送到处理电路20。在一些示例中，相机32可以被配置成实现各种缩放级别。在一个示例中，相机32可以被配置成执行裁剪和/或缩放技术以实现特定缩放级别。在一些示例中，相机32可被配置为操纵来自图像传感器34的输出和/或操纵镜头36，以便实现特定缩放级别。
109.另外，相机32可被配置为捕获植入部位的一系列图像(例如，快速连拍)或图像序列(例如，视频数据)。也就是说，相机32可被配置为根据多个图像捕获模式进行操作。在一个示例中，相机32可根据第一图像捕获模式进行操作，其中相机32可被配置为捕获静止图像的一个或多个帧。根据本公开的各种技术，相机32可被配置为在植入部位的预定义透视图中捕获所述一个或多个帧，以及相对于预定义透视图以各种角度捕获所述一个或多个帧。在一些示例中，处理电路20可相对于特定视图确定异常(例如，潜在感染)的存在。在此类情况下，处理电路20可自动触发补充图像捕获模式。如本文所使用的，“自动地”或“自动”通常意指无需用户干预或控制。补充图像捕获模式可被配置为自动捕获植入部位的一个或
多个补充静止图像。在另一示例中，补充图像捕获模式可包括视频捕获模式，其中相机32以特定帧速率捕获图像序列。
110.在一些情况下，相机32和/或处理电路20可基于异常(例如，潜在异常是实际异常的可能性、异常的严重性、异常类别等)而改变特定帧速率。在一个示例中，相机32和/或处理电路20可在存在更可能是实际异常的潜在异常的情况下确定与更低可能性的潜在异常确定的帧速率相比更高的帧速率。在此类情况下，处理电路20可启动视频捕获模式，以便以大于更低可能性确定的帧速率捕获视频，在一些情况下，该帧速率的下限可以是每秒至少120帧。也就是说，相对于处理电路20在其他情况(例如，关键异常更少的情况)下可能启动的每秒120帧，处理电路20可以更高帧速率启动视频捕获模式。
111.在一些示例中，计算装置2可以包含用于向用户提供声音通知、指令或其它声音以及从用户接收语音命令或两者兼有的音频电路系统(未示出)。在一些示例中，计算装置2可提供指示用户调整相机32的位置的声音通知。在例示性示例中，计算装置2可确定植入部位未正确地被框选在相机32的视场(fov)内。在此类情况下，计算装置2可确定目标调整，诸如在特定方向(例如，左侧或右侧横向方向等)上的移动。在此类情况下，除了提供目标调整的视觉显示之外或作为提供目标调整的视觉显示的替代方案，计算装置2可提供引导计算装置2的用户正确地框选植入部位和/或捕获目标透视图的声音通知(例如，声音指令)。在例示性示例中，计算装置2可提供请求将相机32在任何方向上旋转和/或完全调整到不同位置的视觉和/或声音通知，诸如相对于植入部位垂直(例如，向内朝向植入部位或远离植入部位)或相对于植入部位定位在其他方向上。应当理解，将相机32移动到不同位置也可另外包括相机32在相机32的偏航、俯仰和/或滚动方向上的旋转。
112.在一些示例中，计算装置2可提供向用户指示通过ui和/或虚拟登记过程(例如，部位检查过程)进行的方向的声音通知。另外，计算装置2可提供指示任务何时完成的声音通知，诸如成像任务、授权任务(例如，成功登录)、ecg测量任务何时完成或任何其他任务何时完成。在另一个示例中，计算装置2可以根据特定结果提供不同的声音通知。在一个示例中，当虚拟登记过程的结果为使得无需随访预约(例如，没有潜在感染等)时，计算装置2可提供安静通知，而当虚拟登记过程的结果指示建议随访预约时(诸如，当识别植入部位处的异常(例如，潜在感染)的可能性时)，计算装置2可提供更大声通知。
113.通信电路系统26可以包含用于与如医疗装置6等另一个装置进行通信的任何合适的硬件、固件、软件或其任何组合。在处理电路系统20的控制下，通信电路系统26可以从医疗装置6或另一个装置接收下行链路遥测，以及向其发送上行链路遥测。通信电路26可被配置为经由电感耦接、电磁耦接、nfc、rf通信、wi-fi
tm
或其他专有或非专有无线通信方案来传输或接收信号。通信电路系统26还可以被配置成通过多种形式的有线和/或无线通信和/或网络协议中的任一种与除医疗装置6之外的装置进行通信。
114.存储装置24可以被配置成在操作期间将信息存储在计算装置2内。存储装置24可以包含计算机可读存储介质或计算机可读存储装置。在一些示例中，存储装置24包含短期存储器或长期存储器中的一个或多个。存储装置24可包括例如只读存储器(rom)、随机存取存储器(ram)、非易失性ram(nvram)、动态ram(dram)、静态ram(sram)、磁盘、光盘、闪存、各种形式的电可擦除可编程rom(eeprom)或可擦除可编程rom(eprom)或任何其他数字媒体。
115.在一些示例中，存储装置24用于存储指示由处理电路系统20执行的指令的数据。
另外，存储装置24可以存储图像数据和/或补充图像数据。在一些示例中，存储装置24可以存储图像数据帧。也即是说，存储装置24可以存储一个或多个图像。在一些示例中，存储装置24可存储患者4的身体的一个或多个图像(例如，植入部位图像、皮肤颜色分析的皮肤图像、靠近引线布线的皮肤表面等)、生理参数图像(例如，ecg图像)等。另外，存储装置24可存储成像序列，诸如用于视频的图像序列(例如，视频文件)。存储装置24可由在计算装置2上运行的软件或应用程序使用，以在程序执行期间临时存储信息。存储装置24还可存储历史医疗装置数据、历史患者数据、时序信息(例如，植入imd后的天数、特定生理参数超过某个阈值后的天数等)、ai和/或ml训练集、图像或视频数据等。
116.在计算装置2、边缘装置12、网络10以及医疗装置6之间交换的数据可以包含医疗装置6的操作参数。计算装置2可向医疗装置6传输包括计算机可读指令的数据。医疗装置6可接收并实施计算机可读指令。在一些示例中，当由医疗装置6实施时，计算机可读指令可控制医疗装置6以改变一个或多个操作参数、导出收集的数据等。在例示性示例中，处理电路20可向医疗装置6传输指令，所述指令请求医疗装置6将收集的数据(例如，ecg、阻抗值等)导出到计算装置2、边缘装置12和/或网络10。计算装置2、边缘装置12和/或网络10进而可以从医疗装置6接收收集的数据并将收集的数据存储在例如存储装置24中。另外，处理电路系统20可以向医疗装置6传输询问指令，所述询问指令请求医疗装置6输出操作参数(例如，电池、阻抗、脉冲宽度、起搏百分比等)。
117.在一些示例中，计算装置2可以耦接到外部电极，或通过经皮引线耦接到植入式电极。在此类示例中，根据本文所公开的一种或多种技术，计算装置2可以从医疗装置6接收生理参数、ecg等并对其进行监测。
118.在图2所示的示例中，处理电路20被配置为执行本文所述的各种技术，诸如参考图5至图25描述的技术。为避免混淆，处理电路系统20被描述为执行计算装置2所禁止的各种处理技术，但应当理解的是，这些技术中的至少一些技术也可以由其它处理电路系统(例如，医疗装置17的处理电路系统40(图4)、服务器94的处理电路系统98、边缘装置12的处理电路系统64等)来执行。在例示性示例中，处理电路20可捕获植入部位的图像、将图像输出到分析平台以用于感染检测、基于图像确定潜在感染的存在、输出包括潜在感染信息的植入状态概要，并且传输包括潜在感染信息的植入状态概要。在此示例中，分析平台可以是处理电路系统20执行的单独程序。在另一个示例中，分析平台可以是来自处理器系统的其它处理电路系统替代地执行的单独程序。
119.图3是展示根据本文所公开的一种或多种技术的包含一个或多个示例计算装置2、一个或多个医疗装置17、网络10、一个或多个边缘装置12以及一个或多个服务器94的示例系统300的框图。在一些示例中，系统300是参考图1描述的系统100的示例。在另一示例中，系统300示出了托管监测系统100的示例性网络系统。在一些示例中，医疗装置17可以是图1的医疗装置6的示例。也就是说，医疗装置17可以包含imd、cied等，类似于参考图1所描述的。另外，医疗装置17可包括非可植入医疗装置，包括可穿戴医疗装置(例如，智能手表、可穿戴除颤器等)。
120.在此示例中，医疗装置17可以使用通信电路系统42通过第一无线连接与边缘装置12之一进行通信。在一些示例中，医疗装置17可以使用通信电路系统42通过第二无线连接与接入点通信。接入点可以包含通过如电话拨号、数字用户线(dsl)或电缆调制解调器连接
等各种连接中的任一种连接到网络10的装置。在一些示例中，接入点可以通过包含有线或无线连接的不同形式的连接耦接到网络10。在一些示例中，计算装置2之一可以用作网络10的接入点。例如，用户装置诸如平板计算机或智能电话可与患者4定位在同一位置，并且可被配置为用作接入点。在任何情况下，计算装置2、边缘装置12和服务器94互连并且可以通过网络10相互通信。
121.医疗装置17、边缘装置12和/或计算装置2可被配置为经由各种连接在网络10上与远程计算资源(例如，服务器94)进行通信。数据网络(例如，网络10)可由服务器94(例如，数据服务器、删除服务器、分析服务器等)实施。在一个示例中，服务器94可包括被配置为存储数据和/或基于数据执行计算的数据服务器。在另一示例中，服务器94可包括被配置为根据本公开的各种技术中的一种或多种技术存储数据(例如，数据库)并将数据发送到服务器94中的另一服务器以进行数据分析、图像处理或其他数据计算的数据服务器。在一些示例中，服务器94可以在一个或多个主机装置上实施，如刀片式服务器、中型计算装置、大型计算机、台式计算机或任何其它被配置成提供计算服务和资源的计算装置。用于通过因特网或其它上述类型的通信网络中的任一种进行通信的协议和组件是计算机通信领域的技术人员已知的，并且因此在本文中不需要更详细地描述。
122.在一些示例中，医疗装置17中的一个或多个医疗装置可以用作或包含服务器94。也就是说，医疗装置17可以包含足以在医疗装置17中的单个医疗装置上或在通过网络10(例如，在私有或封闭网络上)协调任务的医疗装置17的网络上执行本文所公开的技术的存储容量或处理能力。在一些示例中，医疗装置17之一可以包含服务器94中的至少一个服务器。例如，便携式/床边患者监测仪可以被配置成用作服务器94之一，以及用作被配置成从患者4获得生理参数值的医疗装置17之一。
123.在一些示例中，服务器94可经由有线或无线连接与医疗装置17中的每个医疗装置进行通信，以从医疗装置17接收生理参数值。在非限制性示例中，生理参数值可从医疗装置17传送到服务器94和/或边缘装置12。
124.在一些示例中，服务器94可以被配置成为已经从医疗装置17、边缘装置12和/或计算装置2收集的数据提供安全存储位点。在一些情况下，服务器94可包括存储医疗和健康相关数据的数据库。例如，服务器94可以包括存储从医疗装置17、边缘装置12和/或计算装置2收集的数据的云服务器或其它远程服务器。在一些情况下，服务器94可以通过计算装置2将数据汇编在网页或其它文档中以供如临床医生等受过训练的专业人员查看。在图3所展示的示例中，服务器94包含存储装置96(例如，用于存储从医疗装置17检索的数据)和处理电路系统98。如参考图2所描述的，计算装置2可以类似地包含存储装置和处理电路系统。
125.处理电路系统98可以包含一个或多个处理器，所述一个或多个处理器被配置成实施用于在服务器94内执行的功能和/或处理指令。例如，处理电路系统98能够处理由存储装置96存储的指令。处理电路系统98可以包含例如微处理器、dsp、asic、fpga或等效的集成或离散逻辑电路系统或前述装置或电路系统中的任一种的组合。因此，处理电路98可包括任何合适的结构，无论是在硬件、软件、固件还是它们的任何组合中，以执行本文中归因于处理电路98的功能。服务器94的处理电路系统98和/或计算装置2的处理电路系统可以实施本文所述的技术中的任何技术，以分析从医疗装置17接收的生理参数，例如，以确定患者4的愈合进展或医疗装置17的健康。
126.存储装置96可包括计算机可读存储介质或计算机可读存储装置。在一些示例中，存储装置96包括短期存储器或长期存储器中的一个或多个。存储装置96可包括例如rom、ram、nvram、dram、sram、磁盘、光盘、闪存、各种形式的eeprom或eprom或任何其他数字媒体。在一些示例中，存储装置96用于存储指示由处理电路98执行的指令的数据。
127.在一些示例中，计算装置2中的一个或多个计算装置可以是由临床医生(或其它hcp)放置的平板计算机或其它智能装置，临床医生可以通过所述平板计算机或其它智能装置对医疗装置17进行编程、从所述医疗装置接收警报和/或询问所述医疗装置。例如，临床医生可以通过计算装置2访问由医疗装置17收集的数据，如当患者4处于临床医生访视之间时用于检查医学病状的状态。在一些示例中，计算装置2可将关于图像、视频数据、感染指示、成像程序、训练集、ml模型、imd信息、患者识别数据、授权数据等的数据传输到一个或多个其他计算装置2、边缘装置12或服务器94。同样地，计算装置2可以接收类似的信息。
128.在一些示例中，临床医生可将针对患者4的用于医疗干预的指令输入到由计算装置2执行的应用程序中，诸如基于由计算装置2、医疗装置17、边缘装置12、服务器94或它们的任何组合中的另一者确定的患者状况的状态，或基于临床医生已知的其他患者数据。患者状况可以包含植入物状态，如植入物的植入部位处的潜在感染。用户的计算装置2可以通过网络10接收指令。计算装置2进而可以在显示装置上显示指示医疗干预消息的消息。
129.在一些示例中，计算装置2之一可以向由患者4或患者4的护理人员定位的计算装置2中的另一个计算装置传输用于医疗干预的指令。例如，此类用于医疗干预的指令可包括改变药物剂量、时序或选择的指令、安排临床医生访视的指令或寻求医疗照顾的指令。以这种方式，患者4可以被授权根据需要采取行动来解决其医疗状况，这可以帮助改善患者4的临床结果。
130.图4是展示根据本文所公开的一种或多种技术的医疗装置17中的一个或多个医疗装置的示例配置的功能框图。在所展示示例中，医疗装置17包含处理电路系统40、存储装置50和通信电路系统42。另外，在一些示例中，医疗装置17可以包含一个或多个电极16、天线48、感测电路系统52、切换电路系统58、传感器62和电源56。如前所述，医疗装置17可以是图1的医疗装置6之一的示例。也就是说，医疗装置17可以包含imd、cied等，类似于参考图1所示和描述的医疗装置6。在另一示例中，医疗装置17可包括非植入式医疗装置，诸如可穿戴医疗装置、医疗工作站推车等。
131.在一些示例中，医疗装置17中的一个医疗装置可以是植入患者4体内的医疗装置，而医疗装置17中的另一医疗装置可包括相机32，并且因此可执行本公开的各种技术中的一种或多种技术。也就是说，根据本公开的各种技术中的一种或多种技术，医疗装置17中的一个医疗装置可经由相机32捕获图像和/或补充图像。
132.处理电路系统40可以包含固定功能电路系统和/或可编程处理电路系统。处理电路系统40可以包含微处理器、控制器、dsp、asic、fpga或等效的离散或模拟逻辑电路系统中的任何一个或多个。在一些示例中，处理电路系统40可以包含多个组件，如一个或多个微处理器、一个或多个控制器、一个或多个dsp、一个或多个asic或一个或多个fpga的任何组合的任何组合，以及其它集成或离散逻辑电路系统。本文中归属于处理电路系统40的功能可以体现为软件、固件、硬件或其任何组合。
133.在一些示例中，处理电路系统40可以包含ai引擎44和/或ml模型46。ai引擎44和ml
模型46可以类似于参考图2所描述的那些ai引擎和ml模型。在一个示例中，ml模型46可以包含一个或多个dl模型，所述模型例如根据如ecg数据等各种生理参数数据进行训练。
134.在图4所示的非限制性示例中，医疗装置17包括多个电极16a-16n(统称为“电极16”)。在一些情况下，电极16在本文中可以被称为多个“电极16”，而在其它情况下，在适当的时候可以简称为“电极16”。电极16可以安置在患者4的一个身体层内，而至少一个其它电极16可以安置在患者4的另一个身体层内。在一些示例中，电极16可以被配置成植入患者4的胸部外部。
135.感测电路系统52可以通过切换电路系统58选择性地耦接到电极16，例如，以选择电极16和由处理电路系统40控制的用于感测阻抗和/或心脏信号的被称为感测向量的极性。在一些示例中，处理电路系统40可以使用切换电路系统58例如通过数据/地址总线来选择将使用可用电极中的哪些可用电极来获得各种测量结果。
136.在一些示例中，医疗装置17可作为疗法递送装置操作。在此类示例中，医疗装置17可以包含引线。引线可以延伸到患者4的心脏或胸部内或附近的任何位置。在例示性和非限制性示例中，医疗装置17中的一个医疗装置可包括从医疗装置17中的一个医疗装置延伸到右心房或右心室中的单个引线，或分别延伸到右心房和右心室中的两条引线。
137.在一些示例中，医疗装置17之一可以被配置成包含如感测电路系统52等感测电路系统以及如传感器54等一个或多个传感器。另外，在一些示例中，计算装置2之一可以被配置成也包含如感测电路系统52等感测电路系统以及如传感器54等一个或多个传感器。在一个示例中，计算装置2之一和/或医疗装置17之一可以包含心率传感器、脉搏传感器、光电容积图(ppg)传感器、血氧饱和度(spo2)传感器等。
138.感测电路52可在一个或多个处理器中实施，诸如在医疗装置17的处理电路40或计算装置2的处理电路20的一个或多个处理器中实施。在图4的示例中，感测电路系统52被示出为与传感器54结合。类似于本文所述的处理电路系统20、98、40、64和其它电路系统，感测电路系统52可以体现为一个或多个硬件模块、软件模块、固件模块或其任何组合。
139.在一些示例中，医疗装置17中的至少一个医疗装置可包括传感器装置，诸如活动传感器、心率传感器、加速度计、患者4佩戴的可穿戴装置、温度传感器等。也就是说，在一些示例中，所述一个或多个其他医疗装置17可以是相对于患者4的身体或相对于植入患者4体内的医疗装置17在患者4外部的外部装置。在任何情况下，医疗装置17可经由通信电路42彼此交互，并且在一些示例中，可以类似的方式与计算装置2、边缘装置12等交互。
140.在一个示例中，计算装置2可以利用如加速度计数据所指示的医疗装置17的取向信息，以调整例如计算装置2的图像处理参数。在一个示例中，可基于影响本公开的图像处理技术的医疗装置17的取向形成阴影，使得图像处理算法可基于关于医疗装置17定位在患者4体内的位置的信息来调整处理技术。在这种情况下，计算装置2可以从医疗装置2接收如温度数据和/或取向数据等信息，并且在图像数据的分析期间利用此类信息。也就是说，计算装置2可基于从医疗装置2接收的信息来分析经由相机32接收的图像数据，以便准确地表征潜在异常。在非限制性和例示性示例中，计算装置2可基于在植入后立即上传的植入部位的参考图像集合来分析图像数据，其中参考图像集合可能由于医疗装置2的移动而不再与医疗装置2的位置状态对准，并且因此，计算装置2可调整图像处理技术以便保持一定程度的准确度，同时计算装置2或另一装置最后执行异常分析。
141.在一个示例中，计算装置2可以根据通过第二子会话获得的生理参数来确定指示装置迁移并且因此增加从图像数据中检测到潜在异常的可能性的ecg变化。在此类情况下，计算装置2可使用针对检测异常的偏差来分析图像数据，或者可以在植入后报告中包括基于根据第一数据项集合和第二数据项集合确定的潜在异常的可能性的提高的可能性(例如，概率、置信区间)。
142.在另一个示例中，计算装置2可以确定ecg信号并利用ecg信号映射到imd 6的取向。在一些示例中，计算装置2可通过识别ecg中的偏转(例如，pqrst数据)或通过将ecg形态数据与群体范围或群组数据库进行比较来利用ecg形态数据映射到imd 6的取向。当ecg形态指示从患者4的基线ecg偏移时，则计算装置2可以指示装置迁移异常。装置迁移异常可以指示潜在感染异常。在这种情况下，当计算装置2不确定是否存在来自图像集合的潜在感染时，计算装置2可以基于ecg形态数据将确定偏向于对异常的识别。在另一个示例中，计算装置2可以从医疗装置17(例如，imd 6)中的一个或多个医疗装置获得引线阻抗信息。与上文类似，计算装置2可利用imd信息(例如，引线阻抗信息)作为用于异常检测和/或预测的另外的输入。
143.通信电路系统42可以包含用于与如边缘装置12、网络计算装置(如服务器)、其它医疗装置17或传感器和/或计算装置2等另一个装置进行通信的任何合适的硬件、固件、软件或其任意组合。在处理电路系统40的控制下，通信电路系统42可以借助于例如天线48等内部或外部天线从边缘装置12或另一个装置接收下行链路遥测，以及向其发送上行链路遥测。另外，处理电路系统40可以通过如美敦力公司的网络等网络10与网络计算装置通信。天线48和通信电路系统42可以被配置成通过电感耦接、电磁耦接、nfc、rf通信、wi-fi
tm
或其它专有或非专有无线通信方案来传输和/或接收信号。在一个示例中，处理电路系统40可以通过网络10向边缘装置12、计算装置2和/或其它装置提供要通过通信电路系统42向上传输的数据。在例示性示例中，计算装置2可以从医疗装置17(例如，imd 6)中的特定医疗装置接收信号(例如，上行链路数据)。在此类示例中，计算装置2可以根据信号确定与患者4和/或医疗装置17(例如，imd 6)中的特定医疗装置相关的信息。在一个示例中，信息可以包含对应于医疗装置17中的特定医疗装置或对应于医疗装置17的集合的装置信息(例如，imd信息)，其中所述组可以包含除imd 6中的一个之外的其它配对医疗装置17(例如，可穿戴装置等)。
144.在一些示例中，处理电路40可使用地址/数据总线提供控制信号。在一些示例中，通信电路42可经由多路复用器向处理电路40提供数据，其中数据经由天线48从外部接收。在一些示例中，医疗装置17可以使用如通用串行总线(usb)连接、网络10上的以太网连接(例如，lan)等有线连接将数据传输到另一个装置。
145.在一些示例中，存储装置50包含计算机可读指令，所述计算机可读指令当由处理电路系统40执行时使包含处理电路系统40的医疗装置17执行归因于本文中的医疗装置17和处理电路系统40的各种功能。存储装置50可以包含任何易失性介质、非易失性介质、磁介质、光介质或电介质。例如，存储装置50可以包含rom、ram、nvram、dram、sram、磁盘、光盘、闪存、各种形式的eeprom或eprom或任何其它数字媒体。作为示例，存储装置50可以存储医疗装置17的一个或多个操作参数的编程值和/或由医疗装置17收集的数据，以使用通信电路
系统42传输到另一个装置。作为示例，由存储装置50存储并由通信电路系统42传输到一个或多个其它装置的数据可以包含心电图、心脏egm(例如，数字化egm)和/或阻抗值。
146.医疗装置17的各种组件耦接到电源56，所述电源可以包含可再充电或不可再充电电池。不可再充电电池可能够保持电荷持续数年，而可再充电电池可从插座或其他外部充电装置(例如，感应充电)充电。在涉及可再充电电池的示例中，可再充电电池可以例如每天、每周或每年充电一次。在一些示例中，根据本公开的各种技术中的一种或多种技术，电源56可以与医疗装置17分离并且植入患者4的可以监测异常的单独的植入部位中。
147.如本文所述，医疗装置17可以包含医疗装置6(例如，imd 6)。在此类示例中，医疗装置17可以具有针对植入容易性和患者舒适性设计的几何形状和大小。本公开中描述的医疗装置17的示例的体积可以为3立方厘米(cm3)或更小、1.5cm3或更小或其间的任何体积。另外，医疗装置17可以包含近端和远端，所述近端和远端呈圆形以减少在植入患者4的皮肤下后对周围组织造成的不适和刺激。医疗装置17的示例性配置描述于例如美国专利公开第2016/0310031号。计算装置2可接收包括医疗装置17的此类配置细节的imd信息(例如，imd大小、端部是否为圆形、细长引线的长度等，如果有的话)。如本文所述，根据本公开的各种技术中的一种或多种技术，计算装置2可利用imd信息诸如imd配置来训练ai引擎28和/或ml模型30，以提供imd定制的异常评估。
148.图5是根据本公开的一种或多种技术的示例性计算装置502的示例性ui可视化。计算装置502可以是参考图1、图2或图3描述的计算装置2中的一个计算装置的示例。根据本公开的一种或多种各种技术，计算装置502可包括一个或多个相机32。如本文所述，在一些示例中，所述一个或多个相机32可以与计算装置502分离。在图5的例示性和非限制性示例以及示出计算装置502的其他示例中，计算装置502可包括移动手持装置(例如，平板计算机、智能电话等)。虽然展示为移动手持装置，但本公开的技术不限于此。将理解的是，可以使用各种其它装置以及在各种其它环境中采用ui可视化元素，如在虚拟现实、增强现实或混合现实环境中。也就是说，用户可以使用增强现实头戴式装置的相机32，以对患者4的植入部位进行成像，以及导航本公开的ui中的一个或多个。
149.在一些示例中，如本文所述的ui可视化或界面可包括相关ui(例如，ui 22)的ui页面或屏幕。在一些示例中，用户可使用导航按钮(例如，后退、下一步、滚动按钮等)侧向地(例如，向前、向后等)导航通过各种ui页面或屏幕。在一些情况下，ui可视化可包括虚拟现实和/或增强现实可视化，诸如当计算装置502包括vr、ar或mr头戴式装置时。也就是说，ui可视化可以呈现为用户可以在虚拟现实空间和/或增强现实空间中与之交互的沉浸式ui程序。本领域技术人员将理解，尽管示出为ui的不同页面，但是代替手持移动装置的屏幕上的ui页面，计算装置502可类似地呈现然而用户可导航的vr ui元素，以便根据本公开的各种技术中的一种或多种技术或至少不与本公开的各种技术中的一种或多种技术相悖地进行虚拟登记过程。
150.在一些示例中，计算装置502可(例如，经由ui 22)呈现包括各种登录选项的界面504。在一个示例中，界面504可包括登录图块506或其他登录元素(例如，相机图标508)。根据本公开的一种或多种技术，由于用户输入与登录图块506相关，因此计算装置502可接收用户输入，以便调用和/或启动虚拟登记过程(例如，成像程序)。
151.在例示性示例中，界面504可包括首先初始化相机32以用于登录目的的相机图标。
计算装置502可从相机32接收图像并根据所接收的图像授权用户。在一些示例中，计算装置502可执行面部识别或植入部位(例如，伤口)特性识别。在一些示例中，患者4可将计算装置502轻触植入部位以进行nfc或rfid授权。也就是说，计算装置502可接收nfc或rfid指示。计算装置502可使用此类指示来识别和/或授权特定用户。在任何情况下，计算装置502可通过或基于条形码(例如，一维条形码、二维条形码、快速响应(qr)码
tm
、矩阵条形码等)的读取或扫描从存储装置24加载虚拟登记程序(例如，成像程序)。在一些情况下，条形码可以包含在植入时或植入手术之前/之后不久给予患者4的传单中。
152.在一些示例中，计算装置502可使用医疗装置17中的一个医疗装置来授权用户。在这种情况下，医疗装置17可以包含能够验证用户(例如，患者4、hcp等)的可穿戴装置。在一些情况下，可穿戴装置可包括腕带，该腕带包括条形码、rfid芯片等。在此类情况下，用户可将医疗装置17轻触计算装置502或者计算装置502可以其他方式扫描医疗装置17。在一些情况下，分接头可以是非接触式分接头，如在装置之间保持较小气隙的空气分接头。在任何情况下，在非限制性示例中，计算装置502可从医疗装置17接收授权信息，并且诸如通过允许用户进行到成像程序的下一个界面来授权用户。
153.在一些示例中，ui 22可包括用作登录元素的按钮600(例如，软键、硬键等)。也就是说，按钮600可包括提供各种登录选项的多功能按钮。在一个示例中，按钮600可包括指纹扫描仪或其他生物特征扫描仪。按钮600可以在计算装置502的正面、背面或任何其他部分上。
154.在一些示例中，计算装置502可不呈现界面504，诸如在用户第一次登录后。在此类示例中，用户可选择“记住装置”、“记住我”和/或“我是此装置的唯一相关用户”。计算装置502可接收用户输入并相应地放弃针对未来登录事件的登录界面。在一些情况下，用户可能想要对每次登录进行重新授权，如在多个imd患者使用同一计算装置502进行植入部位或其它imd监测的情况下。
155.图6是根据本公开的一种或多种技术的启动会话界面602的ui可视化。在一些情况下，启动会话界面602可包括启动会话图标606和/或相机图标608。相机图标608可类似于相机图标508，不同之处在于一旦通过授权，则相机图标608可用作启动部位检查会话或虚拟登记过程的其他会话的快捷方式。在此类示例中，计算装置502可接收相机图标608的用户输入，并且计算装置502进而可初始化成像装置(例如，相机32)并启动部位检查会话，如参考图8、图15至图22、以及图25所描述的。应当注意，在一些情况下，虚拟登记过程可仅包括部位检查会话，并且因此对启动会话图标606的此类致动可自动启动本公开的成像程序，而不是呈现图7的界面。
156.在一些情况下，启动会话界面602可包括配置文件界面604。在一些示例中，配置文件界面604可包括患者4的图像或成像序列、患者4的一个或多个相关植入部位的图像或成像序列，或两者兼有。这样，患者4可通过使用虚拟登记ui享受更加个性化的体验。在此类示例中，计算装置502可从存储装置24或从另一存储装置诸如经由网络10访问图像或图像序列。图像或图像序列可以是来自先前会话的图像，诸如来自执行成像程序的计算装置502的先前会话的图像。
157.在一些示例中，程序中的虚拟检查可诸如通过云解决方案推送到患者4的装置。在此类情况下，计算装置502可从边缘装置12或从另一装置(例如，经由网络10的服务器94)接
收推送通知。在一些情况下，推送通知可以源自另一用户的计算装置2，如源自hcp的计算装置2。在一些情况下，计算装置502可基于预先确定的调度提醒来接收提示虚拟登记会话的通知。在此类情况下，hcp可对到期时使计算装置502提供推送通知和/或自动启动虚拟登记会话的日历计时器进行编程。在一些示例中，计算装置502可在确定调度触发器或推送通知(例如，hcp推送)时向用户提供打开(例如，启动)虚拟登记程序的指令。在一些情况下，计算装置502可在确定调度触发器或推送通知时自动启动虚拟登记程序。也就是说，计算装置502可自动呈现图5的界面504、图6的界面602，或者在一些情况下，可默认呈现与参考图14至图16描述的那些界面类似的界面。在一些情况下，计算装置502可在呈现各种其他界面之前确定用户是否首先需要授权。
158.在非限制性和例示性示例中，计算装置502可在患者4提示时、在植入后的具体日期安排时和/或在诊所检查期间或附近推送请求时启动成像程序(例如，虚拟登记)。在一些示例中，计算装置502可使虚拟登记程序(例如，成像程序)在给定时间后到期。在另一示例中，虚拟登记程序(例如，成像程序)可不包括明确到期日期(例如，所谓的“常青”应用程序)。
159.在例示性示例中，计算装置502在提供交互式会话时可识别患者的随访时间表。在一个示例中，计算装置502可例如从hcp的计算装置2中的一个计算装置接收随访时间表，或者可经由网络10从数据库访问随访时间表。随访时间表可限定一个或多个时间段，计算装置502被配置为在所述一个或多个时间段中提示用户进行交互式会话。在例示性示例中，随访时间表可包括在植入或取出医疗装置17(例如，imd 6)的15天后计算装置502提供提示的第一时间段。在另一示例中，计算装置502可包括ai引擎和/或ml模型可为患者4确定的可变时间段，使得基于各种不同的标准，不同的患者可以有不同的登记时间表。在此类示例中，计算装置502可以根据随访时间表提供交互式会话。
160.图7是根据本公开的一种或多种技术的菜单界面702的ui可视化。在启动虚拟登记程序(例如，成像程序)时，计算装置502可根据虚拟登记程序经由ui 22输出交互式ui。在一些示例中，计算装置502可提供包括至少一个第一界面图块的最高级别界面。第一界面图块可对应于部位检查界面。在此类情况下，部位检查界面可包括相对于最高级别界面的级别处于较低级别的子界面级别。交互式ui可呈现若干图块，用户可以从中进行选择。在图7的示例中，本公开的应用程序输出包含一个或多个图形ui可视化元素(统称为ui元素或“图块”)的ui程序。
161.尽管在一些情况下被描述为作为具有分层级别的分层结构的一部分来提供，但应当理解，本公开的技术不限于此，并且就用户在初始化接收部位检查和其他界面时可以视为默认值的内容而言，子界面可以与菜单界面分离。在其中涉及混合现实环境的示例中，计算装置502可呈现单个级别的所有界面，其中用户可例如通过围绕虚拟现实用户界面摇摄患者4的头部来访问每个单独的界面。在例示性和非限制性示例中，用户可从虚拟现实用户界面访问和/或启动部位检查界面，其中虚拟现实界面在一些情况下可以转换为增强现实界面，诸如当计算装置502检测到对第一图块(例如，部位检查图块)的选择时。在此类情况下，根据本公开的各种技术中的一种或多种技术，计算装置502可转变到增强现实模式，在增强现实模式中，用户可例如经由相机32(例如，头戴式相机或通信耦接到计算装置502的另一相机)对患者4的植入部位进行成像。一旦部位检查过程完成，计算装置502就可恢复到
单独的用户界面(例如，最高级别菜单界面或第二界面)，在一些情况下，该单独的用户界面再次呈现在虚拟现实环境中。虽然本文可针对用户与本公开的部位检查过程的交互描述若干示例，但应当理解，部位检查过程和本公开的其他过程可以在各种环境中提供，为了简洁起见，不一定在本文中描述所述各种环境。
162.如图7的例示性示例所示，界面702的ui元素可包括患者状态图块706、生理参数分析图块708、装置检查图块710和/或部位检查图块712。用户(例如，患者4、护理人员、医生)可以(例如，通过触摸输入)选择这些图块中的任一个，以利用与每个此类图块的描述相关联的功能。在一些示例中，ui元素可以包括可以通过ui 22呈现给用户的交互式图形单元。在一些示例中，致动相机图标可使计算装置502自动启动部位检查会话，以便提供可经由部位检查图块712访问的部位检查页面的快捷方式。
163.另外，本文所述的界面中的任何界面可以包含会话id跟踪器图块704。会话id跟踪器图块704可提供会话跟踪信息，诸如日期戳、时间戳、会话id戳、用户信息等。会话id跟踪器还可包括关于先前会话的历史数据，诸如先前报告的结果的概要。在任何情况下，当为每个特定会话(诸如，部位检查会话)生成新报告时，计算装置502可包括此类会话跟踪信息。
164.另外，单独的界面可包括单独的跟踪器ui元素，当计算装置502检测到对特定跟踪器图块的选择时，计算装置502可检索关于患者4和/或对应于患者4的各种医疗装置17的历史信息。计算装置502可提供经由ui 22提供此类信息的弹出界面，或者在一些情况下，可经由ui 22自动将用户导航到报告和/或历史界面以供进一步审查。另外，计算装置502可将此类数据(例如，报告、历史等)导出到另一界面和/或全部导出到另一装置(例如，hcp的计算装置2中的一个计算装置、服务器94中的一个服务器、边缘装置12等)。在一个示例中，响应于检测到用户对特定跟踪器图块的选择，计算装置502可响应于检测到的对导出报告按钮(例如，软键)的选择而导出报告。导出的报告可包括详细描述对多个数据项(例如，图像数据、ecg数据等)的分析的多个植入后报告或编译报告。在例示性示例中，计算装置502可经由部位检查界面检测对部位检查跟踪器图块的选择，并且作为响应，可生成和/或导出一个或多个历史报告，所述一个或多个历史报告表示来自一个或多个先前由用户执行的部位检查的一个或多个分析。
165.在另一示例中，计算装置502可检测对跟踪器图块(例如，跟踪器图块704)的选择，并且作为响应，可生成和/或导出对应于部位检查结果的报告、对应于生理参数结果的报告、和/或对应于多个结果的综合报告、以及任何单独的概要报告(例如，部位检查结果的历史报告)。在另一示例中，计算装置502可生成包括这些报告中的任何一个或多个报告的聚合的历史报告，使得响应于检测对特定跟踪器图块的选择，计算装置502可检索历史报告并编译和/或总结过去的报告，以便产生单个植入后历史报告，用于导出和/或(例如，经由弹出界面)显示。在此类情况下，hcp的计算装置2可经由网络10接收植入后报告，使得hcp可审查患者4的历史记录和/或历史记录概要(例如，对于与患者4对应的医疗装置17)。
166.图8是示出根据本公开的一种或多种技术的利用成像技术的示例性方法的流程图。本公开的成像技术可用于对患者4的植入部位进行成像。在一些示例中，示例性成像方法可遵循参考图5至图7或图15中的任一图描述的ui可视化中的任一个ui可视化。
167.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可被配置为确定患者4的识别数据
22接收指示患者4的患者姓名的用户输入。处理电路系统20可以查询数据库，并基于查询的结果将患者4识别为系统100(例如，系统300)的已知患者。
172.处理电路系统20可以参考患者数据(例如，患者标识符)，使得可以在多个患者之间(例如，在诊所中)共享同一计算装置2(或相同的算法库)。如本文所述，计算装置2可基于患者数据来调整部位检查算法库，以便定制适应每个相应患者的过程和ui可视化。在另一示例中，可部署通用部位检查算法以适应某个类别的所有患者(例如，疗养院患者、特定疗养院的患者等)。这样，部位检查算法可为部位检查过程的各种用户保持和提供特定级别的一致性，其中这些用户可能是公共类的一部分。
173.在一些示例中，当同时操作成像程序时，多个计算装置2均可捕获单个患者4的植入部位的图像。也就是说，当操作成像程序时，患者4的计算装置2以及护理人员的计算装置2可以执行此操作的技术。在此类示例中，计算装置2可实时同步数据和/或分析结果，或者在一些情况下，在稍后的时间点同步数据和/或分析结果，诸如通过等待直到计算装置2之间的无线连接可用或者网络连接变为可用(例如，经由网络10的连接)。在一些情况下，直到计算装置2确定执行数据同步过程，计算装置2可以在本地存储数据，如存储到存储装置24，或者在一些情况下存储到边缘装置12的存储装置62。
174.在一些示例中，在接收到识别成像程序的用户的授权数据后，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定患者4的识别数据。在此类示例中，成像程序的用户可包括hcp、患者4的家庭成员、患者4等。为了说明，处理电路20可授权用户并授权用户访问成像程序。随后，处理电路系统20可以通过ui 22接收有效识别患者4的输入数据，如用户输入。在一个示例中，输入数据包括条形码扫描数据、从下拉菜单中选择患者4(例如，经由关键字搜索)、手动输入的患者信息等。在任何情况下，计算装置2然后可根据输入诸如通过确定患者4的姓名或id来确定患者4的识别数据。
175.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定对应于患者4的医疗装置17(例如，imd 6)中的一个医疗装置的imd信息(804)。在一个示例中，处理电路系统20可以至少部分地基于识别数据来识别对应于医疗装置17中的特定医疗装置的imd信息。在一些示例中，imd信息可以包含imd植入部位信息，如植入部位在患者4的身体上定位的位置、植入部位的大小和形状以及关于植入部位的其它信息。在另一个示例中，imd信息可以包含与imd的植入部位相关的历史数据和/或与imd相关的历史数据。在一些示例中，历史数据可包括植入手术后的植入部位的图像、伤口特性、植入部位的形状和大小(例如，伤口大小)、切口信息、手术期间的任何并发症史、植入日期等。在一些示例中，imd信息还可包括imd类型信息、imd通信协议信息、医疗装置17(例如，imd 6)的预估取向、关于负责植入(例如，插入)医疗装置17(例如，imd 6)的一个或多个hcp(例如，外科医生、临床医生)的数据、与所述一个或多个hcp在密封植入部位时采用的一种或多种方法相关的信息、植入部位随时间推移的图像等。示例性植入方法和器械描述于例如美国专利公开第2014/0276928号。在任何情况下，计算装置2可以基于植入手术期间使用的植入方法和器械来确定植入部位处潜在异常的存在(例如，潜在异常是实际异常的可能性)。在一个示例中，计算装置2可以将植入部位的图像数据与来自参考图像库的参考图像数据进行比较，其中所述库中的参考图像可能
已经标记了如植入方法和器械(例如，库元数据)等各种细节。计算装置2可以至少部分地通过参考来自参考库的对应图像来确定植入部位处的异常，所述对应图像包含与植入部位计算装置2正在成像的植入方法和仪器属性类似的植入方法和仪器属性。
176.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定成像程序(806)。在一个示例中，处理电路20可至少部分地基于imd信息来确定成像程序，该成像程序限定用于对一个或多个植入部位(包括患者4的植入部位)进行成像的一个或多个参数。成像程序可包括关于用户的熟练度(例如，新手、引导、手动等)的参数，并且可以如此定制。另外，成像程序可被确定为包括其他非基于成像的程序(例如，装置检查程序)的虚拟登记程序的一部分。在一些情况下，处理电路20可经由ai引擎28和/或ml模型30定制成像程序，以便为用户提供进一步个性化的ui体验。在任何情况下，成像程序可包括被配置为根据本公开的各种技术中的一种或多种技术生成ui数据的程序。另外，成像程序可包括可由用户经由计算装置2执行的例程，诸如成像例程。成像例程可被设计成引导用户通过虚拟部位检查过程，并且在一些情况下，可基于用户的熟练度水平(例如，操作成像装置的熟练度、导航ui的熟练度等)来引导用户。应当理解，本公开的示例性ui对于每个单独用户或用户类别可以是不同的，如可由计算装置2或其他装置的ai引擎(28)和/或ml模型30确定的。
177.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可启动成像装置(808)。成像装置可被配置为根据成像程序进行操作。在此类示例中，成像装置(例如，相机32)可被配置为捕获图像数据的一个或多个帧。也就是说，成像装置可被配置为根据成像程序来捕获图像数据的所述一个或多个帧。
178.在一些示例中，处理电路20可使相机32启动作为成像装置。在一些示例中，计算装置2包括成像装置。也就是说，计算装置2可包括机载相机32。在一些示例中，成像装置可以是单独的成像装置，诸如手持相机32。在此类情况下，计算装置2可经由通信电路26向外部成像装置传输信号，其中该信号向外部成像装置提供输入，该外部成像装置启动成像装置以便根据所确定的成像程序进行操作。
179.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可接收植入部位(例如，植入物伤口部位)的图像(810)。植入部位可以是医疗装置17(例如，imd 6)中的一个或多个医疗装置植入患者4体内或在一些情况下已经先前植入患者4体内的部位。在一些示例中，处理电路20可经由成像装置(例如，相机32)接收图像数据的一个或多个帧，其中这些帧中的至少一个帧包括植入部位的图像。
180.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定是否已在植入部位处识别异常(812)。在一个示例中，处理电路20可确定ai引擎28和/或ml模型30是否正识别或已识别医疗装置17(例如，imd 6)的植入部位处的异常。
181.植入部位处的异常可包括在植入医疗装置17(例如，imd 6)后与imd的植入部位结合出现的各种异常。示例性异常可包括植入部位处的潜在感染、植入部位处的异常愈合、装置迁移(例如，imd 6的迁移)等。在例示性示例中，异常愈合可包括疤痕组织异常，诸如凸起
的疤痕组织等。另外，异常可包括缝合或粘合剂异常或与植入部位的闭合相关的另一异常。在一些示例中，计算装置2可部署各种图像处理引擎，诸如ai引擎28和/或ml模型30的图像处理算法，以便对潜在异常进行识别、分类或评估和/或确定异常的其他指示。
182.在一些示例中，每个类别的异常可具有预定义的严重性级别。在每个类别的异常内，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可将异常确定为具有一系列严重性级别。在一个示例中，植入部位感染通常可具有相对于不当伤口愈合(例如，由于在植入部位处形成过多的疤痕组织)的严重性级别更高的严重性级别。这是因为一般而言，与形成过多疤痕组织的问题相比，植入部位处的感染可能对患者4的寿命构成更大的风险。在此类示例中，异常的指示可包括各种严重性评估。
183.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可接收对异常的指示。在一些情况下，处理电路20可经由通信电路26从另一装置(诸如，从边缘装置12中的一个边缘装置)接收对异常的指示。在此类情况下，计算装置2可根据对图像或图像系列的内部分析和/或根据计算装置2外部的分析确定异常是否存在或不存在或者是否无法肯定异常不存在或存在。示例性外部分析包括将图像传输到执行异常检测或识别的另一装置，诸如服务器94中的一个服务器。当处理电路20确定无异常存在或基于植入部位的图像确定异常的可能性低时，成像程序可进行到输出植入部位的图像(818；在812处从“否”进行)。在一个示例中，处理电路20可将图像输出到内部存储装置(例如，存储装置24)。
184.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可在识别植入部位处的异常时(812)输出植入部位的图像。在一个示例中，计算装置2可将图像输出到外部异常确定器(例如，ai引擎28和/或ml模型30)，该外部异常确定器可确定潜在异常的存在和/或潜在异常是实际异常的可能性。在此类情况下，在确定无异常存在或基于植入部位的图像确定异常的可能性低时，计算装置2可进行到成像程序的成像例程的结束(820)，而不是继续输出图像。
185.在一些示例中，成像程序可涉及捕获植入部位的多组图像(例如，各种透视图)。在此类示例中，处理电路20可确定继续执行成像程序(在822处从“否”继续)。因此，处理电路20可使相机32捕获剩余图像。也就是说，计算装置2可继续经由成像装置接收植入部位的图像(810)。
186.在一些情况下，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可识别植入部位处的异常(在812处从“是”进行)。在一个示例中，处理电路20可确定是否已在植入部位处识别异常。在任何情况下，处理电路20可基于图像数据的至少一帧来识别异常。在一个示例中，处理电路20可从对所述至少一个帧的分析中识别潜在异常。
187.在例示性和非限制性示例中，处理电路20可将植入部位处潜在感染的存在确定为潜在异常。也就是说，处理电路系统20可以在识别植入部位处的异常时确定植入部位处潜在感染的存在。在一些示例中，处理电路系统20可以基于对至少一帧的分析来检测植入部位处的潜在异常。在另一示例中，处理电路20可通过经由通信电路26向边缘装置12传输图像或图像系列来确定潜在异常。也就是说，计算装置2可以将图像数据的一帧或多帧传输到
边缘装置12，其中所述帧包含植入部位的一个或多个图像。另外，计算装置2可经由网络10将图像或图像系列传输到边缘装置12、医疗装置17(例如，可穿戴装置、床边工作站)和/或服务器94。
188.在一些示例中，计算装置2可经由网络10将图像或图像系列传输到另一装置，诸如服务器94，在这种情况下，服务器94可将图像或图像系列传输到边缘装置12以供进一步分析。也就是说，在一些示例中，计算装置2可经由网络10将数据诸如图像或视频数据间接地传输到边缘装置12和/或服务器94。在一个示例中，计算装置2可将数据传输到边缘装置12，该边缘装置进而执行数据的处理和/或将数据(例如，经边缘处理的数据)传输到服务器94以供进一步分析。在此类情况下，边缘装置12和/或服务器94可基于经由通信电路26从计算装置2接收的数据(例如，图像数据、视频数据等)来确定潜在异常的存在。在任何情况下，计算装置2可在从另一装置(例如，边缘装置12、服务器94等)接收到潜在异常信息时确定植入部位处潜在异常的存在。
189.在例示性示例中，边缘装置12和/或服务器94可从计算装置2接收图像或图像系列。在一些情况下，边缘装置12和/或服务器94可在将图像处理分析的结果传输到计算装置2和/或边缘装置12之前对图像或图像系列执行图像处理分析。在一些示例中，边缘装置12可基于对所述至少一个帧的分析来识别潜在异常的存在。在一些示例中，边缘装置12可以(例如，通过ai引擎28和/或ml模型30)部署图像处理引擎以确定潜在异常的存在。在另一示例中，边缘装置12可借助于服务器94执行分析中的一些或全部分析。也就是说，在一些示例中，服务器94或边缘装置12可包括被配置为帮助检测潜在异常的图像处理引擎或各种分析工具。服务器94和/或边缘装置12可包括图像处理引擎，诸如参考图2描述的ai引擎28或ml模型30。在一个示例中，服务器94或边缘装置12可包括用于训练一个或多个成像处理引擎的训练集。服务器94和/或边缘装置12可执行对图像处理引擎的训练，或者在一些情况下，可帮助计算装置2训练图像处理引擎。在另一个示例中，服务器和/或边缘装置12可以将训练集传输到计算装置2。在这种情况下，计算装置2可以(例如，通过ai引擎28和/或ml模型30)训练图像处理算法。在任何情况下，计算装置2可基于对所述至少一个帧的分析根据所述至少一个帧确定植入部位处潜在感染的存在。
190.另外，当识别异常时，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定潜在异常是实际异常的可能性(例如，严重性度量、概率度量等)。在一个示例中，处理电路系统20可以基于定义潜在异常的信息(例如，异常的类别、异常特性、imd类型等)来确定潜在异常是实际异常的可能性。在一些情况下，处理电路20可通过从另一装置(例如，边缘装置12、服务器94等)接收指示潜在异常是实际异常的可能性的数据或者在一些情况下指示潜在异常构成健康风险(无论严重与否)的数据来确定可能性。在非限制性示例中，处理电路20可确定根据一组图像确定的潜在感染表示实际感染的可能性。
191.如本领域技术人员将理解的，实际感染(例如，真正的感染)可以通过在植入部位处确认或证实的传染原的存在来证明。换句话说，潜在感染确定是植入部位已被传染原感染的未经证实的确定。也就是说，计算装置2可以基于计算装置2可用的数据将潜在感染确定为可能的感染，但是计算装置2可能无法在没有指示感染实际上是实际感染的另外的输入的情况下诊断实际感染。在任何情况下，计算装置2可至少部分地基于所述至少一个帧来
确定植入部位处的潜在感染是实际感染的可能性。另外，如愈合异常等实际异常可以通过愈合过程中的实际异常来证明，如可以通过另一来源(例如，hcp)确认或验证。
192.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，在确定潜在异常是实际异常的可能性时可使用加权因子(例如，内置偏差、误差范围等)。在一个示例中，处理电路系统20可以根据包含患者数据、植入部位数据、误报率、误差范围信息等的数据池训练ai引擎28和/或ml模型30，以确定潜在异常是实际异常的准确可能性。在一个示例中，当imd属于特定类型或特定数量的图像指示潜在异常时，内置偏差可包括倾向于将潜在异常确认为很可能是实际异常的偏差。
193.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可触发补充图像捕获模式(814)。也就是说，响应于识别异常，处理电路20可自动触发补充图像捕获模式。在此类情况下，当在补充图像捕获模式下操作时，成像装置可自动和/或手动捕获植入部位的一个或多个补充图像。在一些示例中，响应于识别异常，计算装置2可经由ui 22提示用户根据补充图像捕获模式手动捕获图像数据的补充帧。在一些示例中，处理电路20通过向相机32传输使相机32启动补充图像捕获模式的信号来触发补充捕获模式。
194.在一些示例中，补充捕获模式可以与第一图像捕获模式基本上相同，但是其中补充捕获模式被配置为根据附加指令或捕获参数(例如，缩放级别、闪光参数、对比度调整、白平衡、所谓的3a参数(例如，自动对焦、自动曝光、自动白平衡等))来产生补充图像。在一些示例中，补充图像捕获模式可包括被配置为捕获补充图像的第二图像捕获模式，其中第二图像捕获模式不同于用于捕获植入部位的第一组一个或多个图像的图像捕获模式(例如，第一图像捕获模式)。
195.在一些示例中，补充图像捕获模式可包括视频捕获模式。当在视频捕获模式下操作时，相机32以特定捕获率捕获成像序列(例如，视频序列)。处理电路20可接收补充图像以补充先前接收的图像或随后接收的图像，以便更准确地确定植入部位处异常的存在。在另一示例中，补充图像捕获模式可包括自动缩放捕获模式，该自动缩放捕获模式被配置为经由相机32执行自动缩放以便在各种缩放级别下捕获植入部位的补充图像。
196.处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可接收植入部位的补充图像(816)。在一个示例中，在触发补充图像捕获模式之后，处理电路20可接收植入部位的所述一个或多个补充图像。补充图像可包括成像序列(例如，视频数据)或在一些情况下可包括一个或多个图像或图像系列。
197.在此类示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可输入植入部位的所述一个或多个补充图像(818)。在一个示例中，处理电路20可将视频数据输出到内部存储装置或经由通信电路26输出到一个或多个其他装置。在一些示例中，除了成像序列之外，处理电路20可输出处理电路20在识别异常之前接收的植入部位的静止图像。另外，处理电路20可输出包括在第一图像捕获模式下操作相机32时接收的静止图像中的一个或多个静止图像的成像序列(例如，复合成像序列)。也就是说，在一些示例中，处理电路20可将经由第一图像捕获模
式捕获的一个或多个帧与经由补充图像捕获模式捕获的一个或多个补充帧组合以便生成复合序列。另外，在视频数据的情况下，计算装置2可编码补充图像数据以创建压缩视频文件，并且可以在具有或没有来自第一图像捕获模式的静止图像数据的情况下这样做。在此类情况下，处理电路20可将所述一个或多个补充图像输出为压缩视频文件。
198.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可将图像输出到一个或多个图像处理器(例如，ai引擎28和/或ml模型30)。在一个示例中，处理电路20可部署图像处理器以便进一步识别潜在异常。如本文所述，在一些示例中，图像处理器可例如由处理电路20利用各种训练集进行训练，所述各种训练集诸如为imd信息、患者识别数据等。处理电路20可利用此类数据训练图像处理器，使得图像处理器可准确地和确信地识别异常植入部位以及可能性/严重性信息等，因为成像程序可能已限定此类信息。在一些示例中，计算装置2可将各种图像输出到边缘装置12和/或服务器94，其中边缘装置12或服务器94可有利地部署图像处理器(例如，ai引擎28和/或ml模型30)。在计算装置2具有有限的处理、存储器和/或处理资源使得对于计算装置2而言部署此类图像处理器可能不可行的情况下，这可能是有利的。
199.在一些示例中，在输出图像之前，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定是否继续补充模式、是否恢复到另一图像捕获模式或是否输出图像、结束成像程序、结束部位检查过程等。在一个示例中，处理电路20可在接收到补充图像时确定是否继续图像捕获过程(824)。处理电路20可确定不继续(在824处从“否”进行)，在这种情况下，处理电路20可输出图像(818)、结束成像程序(在822处从“是”进行)或完全结束部位检查过程(820)。
200.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定继续图像捕获过程(在824处从“是”进行)。处理电路20还可确定是否继续补充捕获模式(826)。如果是，则处理电路20可继续使相机32捕获补充图像(在826处从“是”进行)。也就是说，处理电路20可继续接收植入部位的补充图像(816；在826处从“是”进行)。否则，处理电路20可转变到另一图像捕获模式，诸如第一图像捕获模式，其中处理电路20可继续接收表示植入部位的图像数据的帧(在826处从“否”进行)。在此类情况下，类似于822处的“否”分支，计算装置2可为用户生成调整成像装置的提示，使得计算装置2可接收例如植入部位在各种不同视角下的图像。
201.图9是根据用户对图7中所展示的患者状态界面的请求而呈现的患者状态界面902的ui可视化。也就是说，图9示出了根据用户对图1所示的患者状态图块的选择调用和启动本公开的面向用户的移动装置应用程序的ui的ui可视化屏幕截图。本公开的各种ui可视化可包括导航按钮906a-906n。导航按钮可包括后退按钮906a、主页按钮906b、下一步按钮906c、结束按钮906n等。在一些情况下，按钮600可以用作主页按钮906b，该主页按钮使用户返回到计算装置502的主页或应用程序的主页，诸如界面602或界面702。界面902可包括开始会话图块904，该开始会话图块在被致动时可启动被配置为引发或请求患者输入的患者状态ui。在一些示例中，患者状态界面902可以用作患者4的健康信息中枢。在一个示例中，除了经由计算装置502接收的健康信息之外，计算装置502还可从其他装置、可穿戴装置或其他软件应用程序接收健康信息。
202.图10是根据本公开的一种或多种技术的示例患者状态界面1002的ui可视化。图10
展示了本公开的后端系统或移动装置应用程序可以生成的患者状态问卷的非限制性示例。患者状态问卷可用于评估关于患者4的总体健康状况、植入物恢复特定症状、患者最近服用或即将服用的药物等的信息。患者状态界面1002可以是允许患者4或另一用户例如经由自由文本、下拉菜单、单选按钮等输入关于患者4的信息的ui页面。在一些示例中，计算装置2可利用患者健康信息来训练ai引擎28和/或ml模型30，以便更准确地确定植入部位的异常信息(例如，异常类型的严重性等)。在一个示例中，计算装置2可以接收指示植入部位处酸痛、发红等的用户输入。在这种情况下，ai引擎28和/或ml模型30可以在确定潜在异常时利用此类信息。在一些情况下，计算装置502可接收作为音频数据的患者健康信息，在这种情况下，计算装置502可利用音频数据来训练ai引擎28和/或ml模型30。
203.图11是根据本公开的一种或多种技术的示例生理参数检查界面1102的ui可视化。生理参数检查界面1102可以包含按钮，所述按钮包含开始生理参数分析1104、上一个参数1106、下一个参数1108和生理参数菜单。在一些情况下，生理参数检查界面1102示出了根据用户选择图7所示的生理参数分析图块(例如，图块708)进行调用或初始化的界面。
204.图12是根据本公开的一种或多种技术的示例性生理参数检查界面1202的ui可视化。在例示性示例中，生理参数检查界面1202包含ecg分析页面。生理参数检查界面1202作为非限制性示例展示了两个结果，即正常ecg分析1204和异常ecg分析1208(例如，如在ecg中观察到的异常1210所指示的)。可以从医疗装置6、医疗装置17(例如，imd)或如手表、健身跟踪器或被配置成收集ecg数据的其它可穿戴装置等另一个装置之一接收ecg。在任何情况下，计算装置2可以获得用于分析的ecg数据。在非限制性和例示性示例中，分析可以包含正常结果1206或异常结果1212，在异常结果的情况下可以需要用于联系诊所的警报。
205.ecg收集方面的示例包括直接从医疗装置17(例如，医疗装置6)中的一个医疗装置收集的ecg。在一些示例中，医疗装置17可以包含可穿戴装置，如活动跟踪器、心率监测器、脉搏监测器、脉搏血氧监测器、温度监测器(例如，核心温度监测器、表面温度监测器)。另外，计算装置2可以接收从可穿戴装置或其它ecg装置(例如，医疗装置17)收集的ecg。在一些示例中，计算装置2可提供与医疗装置17的程序化连接(例如，经由下拉菜单)。计算装置2可以通过下拉菜单从患者4或hcp接收指示医疗装置17中的一个或多个医疗装置的目标编程连接(例如，无线连接)的输入。在一些示例中，本公开的虚拟登记应用程序包括装置感知应用程序。也就是说，计算装置2可以存储关于计算装置2正在与什么装置进行通信的信息。在一些情况下，计算装置2可以通过配对过程来确定此类信息。在另一个示例中，计算装置2可以接收如医生下载的信息。在一些示例中，计算装置2可以根据下拉菜单(例如，装置下拉菜单)中的用户选择来确定此类信息。
206.在一些示例中，计算装置2可包括基于对医疗装置17中的一个医疗装置的询问的装置感知方面。在另一示例中，计算装置2可接收通过另一装置诸如通过推送通知推送的装置参数和信息。在一些示例中，计算装置2可从由hcp操作的计算装置2中的另一计算装置接收装置信息，其中hcp可经由ui 22填入正确信息。
207.在一些情况下，计算装置2可直接从另一装置或间接从另一装置诸如通过网络10接收生理参数或生理参数分析结果。在例示性示例中，计算装置可以从另一个装置接收ecg或ecg的图像。也就是说，扫描仪程序可以扫描ecg并以任何合适的文档格式上传扫描。同样地，加载器程序可以上传ecg的图像以供计算装置2使用。在一些情况下，计算装置2可以包
含扫描仪程序和/或加载器程序。在这种情况下，计算装置2可以将生理参数信息上传到另一个装置或将参数信息存储到内部存储装置(例如，存储装置24)。
208.图13是根据本公开的一种或多种技术的示例装置检查界面1302的ui可视化。装置检查界面1302示出了可根据用户对图7所示的装置检查图块(例如，图块710)的选择进行调用或初始化的示例性界面。
209.图14是根据本公开的一种或多种技术的示例性装置检查界面1402的ui可视化。对装置检查界面1402的调用可以使计算装置2询问医疗装置17(例如，imd 6)。在一个示例中，计算装置2可以通过各种近距离无线通信协议和遥测来询问医疗装置17。也就是说，处理电路系统20可以通过计算网络接收第二数据项集合。在一些示例中，计算装置可以通过网络10直接从一个或多个医疗装置17、从一个或多个边缘装置12或其任何组合来接收医疗装置询问数据。
210.计算装置2可以用装置检查部分的各种参数填充装置检查界面1402，如所示出的。在各种示例中，基于云的实施方案的后端系统可以将询问信息推送到移动装置，或者移动装置应用程序可以在移动装置处本地发起询问。在任何情况下，用户可以通过调用应用程序并发送统计数据来审核医疗装置17(例如，imd 6)的性能，如图14所示。在图14的示例中，所监测的统计数据包含但不限于电池强度、阻抗、脉冲宽度、起搏百分比、脉冲振幅和起搏模式。在一些情况下，计算装置2可基于询问的结果自动安排例行装置检查或随访。
211.图15是根据本公开的一种或多种技术的示例性部位检查界面1502的ui可视化。部位检查界面1502示出了根据用户对图7所示的部位检查图块(例如，图块712)的选择调用或启动部位检查过程。然而，如本文所述，在一些情况下，部位检查界面1502可以与图7的虚拟登记界面702分离。因此，在一些示例中，部位检查界面1502可以作为包括部位检查界面1502或类似部位检查界面的独立ui存在。在此类示例中，独立部位检查ui可另外包括登录和启动会话界面，类似于参考图5和图6描述的那些界面。
212.部位检查界面1502可以包含开始检查1504按钮和相机图标608按钮。相机图标608可自动开始会话，诸如当用户不希望调整任何相机参数时。然而，在一些示例中，用户可能希望在开始之前调整相机参数。尽管未展示，但部位检查界面1502可以包含用于调整各种相机参数的另外的选项。另外，用户可以在使用相机捕获植入部位的图像的同时即时调整相机参数。在一些示例中，相机参数包括在前置相机与另一相机之间进行调整，调整照明、缩放级别、焦点、对比度等。一旦准备好，则处理电路20可经由ui 22接收用户对开始检查1504的选择，以便前进到部位检查过程的下一页面或界面(例如，部位检查ui的下一图形界面)。
213.图16是根据本公开的一种或多种技术的示例性部位检查界面1602的ui可视化。部位检查界面1602包括照片图标608，该照片图标被配置为使相机32捕获植入部位1604的图像。类似地，部位检查界面1602包括视频图标1608，该视频图标被配置为使相机32捕获植入部位1604的视频。在一些示例中，处理电路20可自动触发此类视频捕获作为补充图像捕获模式。另外，用户可手动进入视频捕获模式。用户可为自动或手动模式设置视频捕获参数，诸如帧速率、采样率等。在一些示例中，处理电路20可根据下限和上限接收此类视频捕获参数。在例示性和非限制性示例中，处理电路20可接收用户输入，该用户输入将视频捕获下限限定为每秒120帧，并且将上限限定为每秒140帧。当处理电路20触发视频捕获模式作为补
充图像捕获模式时，处理电路20可以满足特定帧速率的参数初始化摄像机，所述参数诸如为由上限和下限限定和/或默认限定的参数。在上述例示性示例中，处理电路20可将每秒125帧确定为相机参数并且相应地初始化摄像机。在一些情况下，处理电路20可基于各种相机限制、存储器存储限制、潜在异常检测等来这样做。
214.在一些情况下，用户可将相机指向植入部位1604，在这种情况下，处理电路20可自动执行异常检测，而不管是否已经接收到捕获图像的命令。另外，当处理电路20检测到异常时，处理电路20可使相机32自动捕获植入部位的图像。一旦捕获到照片，就会出现植入物状态指示器1606，其指示植入物的状态，包括植入部位1604。在图16的示例中，植入部位指示为“正常”。
215.在一些示例中，处理电路20可实施用于鉴别诊断的区域比较区(例如，dx)。处理电路20可对植入部位1604和例如不同肤色的胸骨区域执行梯度分析，以确定鉴别诊断。处理电路20可参考鉴别诊断来确定植入部位1604处是否存在潜在异常。ai引擎28和/或ml模型30还使用用户提供的图片中的各种测量结果来确定植入部位是否在“正常”状态的阈值内。在一些情况下，处理电路20可在图像上覆盖标尺或其他增强或覆盖，以帮助用户捕获对测量结果有用的图像。也就是说，处理电路系统20可以提供用户可以用来获得植入部位的正确距离和/或视角的增强或另一个框架。在例示性示例中，处理电路20可引导用户对植入部位进行成像，其中相机32距植入部位目标距离，并且在一些情况下，距植入部位第二目标距离。处理电路20可进一步引导用户以相对于植入部位或相对于相机32的参考平面(例如，计算装置2的起始位置)的目标角度对植入部位进行成像。在此类示例中，处理电路20可使用覆盖、增强标尺等(诸如在增强现实实施方式中)，以便以特定距离、角度等捕获每个视图。
216.在一些示例中，处理电路20可训练ai引擎28和/或ml模型30辨别关于颜色和标记的相对测量结果。这样，处理电路20可补偿伤口在不同肤色上、跨不同患者人口统计群组等的不同外观。在一些示例中，图像处理ai可使用同一图片内的区域比较来区分植入部位与患者4皮肤的未受植入影响的区域(例如，以得出相对或增量信息)。图像处理ai还可被训练成补偿系统性感染与诸如囊袋或切口处的植入部位引起的感染之间的差异。在一些示例中，处理电路20可部署ai引擎28和/或ml模型30以根据所捕获的图像确定红色、绿色和蓝色(rgb)图像细节、和其他配色方案。另外，ai引擎28和/或ml模型30根据所捕获的图像确定植入部位伤口闭合的形状、图像是否包括光泽度等。处理电路20可基于各种图像处理技术来确定植入部位的图像是否包括潜在异常或者植入部位是否在其他方面满足“正常”状态的预定义阈值。
217.图17是根据本公开的一种或多种技术的示例性部位检查界面1702的ui可视化。图17的示例性部位检查界面1702示出了异常的植入部位结果。当检测到异常时，处理电路20可提供视觉警报1706。处理电路可在视觉警报1706中包括关于潜在异常的描述性信息。在一些示例中，处理电路可包括视觉警报1706a—一种供用户执行一些动作(例如，联系诊所等)的医疗干预指令。
218.在一些示例中，处理电路20可在界面1702上提供增强现实覆盖1704。处理电路20可这样做以便帮助用户以特定角度根据大小参考来捕获植入部位的图像或成像序列。另外，ai引擎28和/或ml模型30可基于植入部位缓慢愈合的趋势来提供对相应算法的调整，术后图像将逐渐改变。在一些示例中，处理电路20可训练ai引擎28和/或ml模型30以在一些示
例中检测与“健康”状态的偏离。健康状态可包括来自先前未检测到异常的部位检查会话的植入部位的特性。
219.当处理电路20确定异常时，处理电路20可自动触发补充图像捕获模式。在其中涉及视频捕获模式的示例中，处理电路20在捕获视频数据时可在视频捕获期间自动拍摄照片。在一些情况下，即使在用户命令对任何图像的任何捕获之前，处理电路20也可自动触发补充捕获模式。也就是说，处理电路20可在用户致动请求更长期的图像捕获的照片按钮608之前从由图像传感器34中的一个图像传感器捕获的图像中确定异常。在另一示例中，处理电路20可等待直到经由来自用户的明确命令而捕获图像之后再确定是否触发补充捕获模式。
220.图18是示出根据本公开的一种或多种技术的根据各种熟练度水平来利用成像技术的示例性方法的流程图。例如，参考图15至图17的界面进行描述，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可接收ui命令以开始部位检查会话(1802)。在一个示例中，处理电路20可接收选择开始检查图标1504的用户输入的指示。
221.在部位检查会话期间，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可确定用户的熟练度水平(1804)。熟练度水平可与执行成像技术或更具体地与对imd的植入部位进行成像的熟练度有关。除此之外或另选地，熟练度水平可与执行ui操作的熟练度有关。熟练度水平可包括手动成像(1806)、引导成像(1808)或自动成像(1810)。因为植入部位的清晰图像有助于准确感染诊断，所以处理电路20经由成像程序可提供“新手”和“中级”用户引导。另外，在一些示例中，处理电路20可使对植入部位的多个图像的捕获自动化。
222.在一些示例中，处理电路20可通过确定用户的熟练度水平来确定成像程序。处理电路20可基于用户数据来确定熟练度水平，诸如用户已使用程序的时长。在另一示例中，处理电路20可测试用户以确定用户的熟练度。
223.在一些示例中，处理电路20可基于熟练度水平来确定成像模式。示例性成像模式包括：(i)“新手”(例如，自主拍照的老年患者)、(ii)“中级”(例如，熟练使用智能电话的患者或护理人员)、(iii)“专家”(使用感染检测程序和系统训练的临床技术人员)。“专家”可以是经过训练的专业人员，其可清楚地拍摄患者的伤口部位的多个视图。因此，处理电路20可根据成像模式来捕获所述至少一个帧。
224.在例示性示例中，描述了一种用于对植入部位进行手动成像的方法。相机32在手动会话期间捕获植入部位的图像或邻近植入部位捕获图像(1812)。处理电路系统20可以在植入医疗装置17(例如，imd 6)后的具体时间点捕获图像。在一些示例中，计算装置2中的第一计算装置可将各种图像存储到存储装置24(1814)。另外或可替代地，计算装置2可以将各种图像传输到安全后端系统。示例性后端系统包括边缘装置12、服务器94和/或网络10(例如，美敦力公司的网络)的其他组件。后端系统的处理电路系统(例如，处理电路系统64、处理电路系统98等)可以处理各种图像和/或将图像路由到各种其它装置。在一些示例中，处理电路系统20可以将图像存储到医疗装置17的存储装置50。类似地，处理电路20可将此类数据存储到边缘装置12的存储装置62或服务器94的存储装置96。
225.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路
64、服务器94的处理电路98或医疗装置17的处理电路40，可利用引导成像1808或自动成像1810以便增加系统300的缩放能力。也就是说，根据本公开的各种技术中的一种或多种技术，系统300可无缝地支持越来越多的植入事件和针对植入的虚拟随访。
226.在一些示例中，处理电路20可支持引导成像模式(1808)。在此类示例中，引导成像模式可不同于手动成像模式1806，在于代替在植入后从单个会话提供植入部位视图，处理电路20经由ui 22实施对用户(例如，患者4、护理人员等)的引导以在规则间隔、各种透视图、各种缩放级别或其他特定相机参数(例如，红外成像等)下对植入部位进行成像等，以便识别异常、植入部位随时间推移的愈合或恶化等。处理电路20可通过提供调度提醒来引导用户。提醒可以被推送到用户的计算装置2。另外，当植入部位随时间推移没有显示愈合迹象时，hcp(例如，处方医生)可访问成像程序以对患者4进行随访。也就是说，处理电路20可确定异常，诸如随时间推移没有显示愈合迹象的植入部位，并且因此可向hcp的计算装置2传输通知，使得hcp可经由ui 22访问成像程序，包括图像等。
227.在一些示例中，与手动成像模式(1806)中的缩放能力相比，自动核心装置分析方法(1810)可提供针对植入部位异常诊断的进一步改进的可扩展解决方案。如本文所述，本公开的各种技术适用于“云”实施方式(即，美敦力公司网络)和“边缘”实施方式(即，关于应用程序)两者。本公开的各种技术的适用性可以是取决于使用情况的。
228.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，为了便于访问和/或算法调整可稍后同步图像分析的数据和结果。在一个示例中，处理电路系统20可以与处理系统的其它处理器协调以同步边缘网络(例如，计算装置2、边缘装置12、医疗装置17等)与云网络(例如，服务器94)之间图像分析的数据和结果。
229.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可将针对异常分析在部位检查过程期间获得的每个图像和/或成像序列的ml模型(例如，dl模型)和/或ai引擎部署作为成像程序的一部分。在例示性和非限制性示例中，成像程序可提供三个检测水平：“存在异常”、“不存在异常”、“不确定”。在一个示例中，在处理电路20经由成像程序在任一图像中检测到具有高可能性的异常的情况下，则处理电路20可确定在那时存在异常。在处理电路系统20确定所有图像中均不存在具有高可能性的异常的情况下，则处理电路系统20可以确定在那时不存在异常。在处理电路20在任一图像中未检测到具有高可能性的异常但是针对一些图像的检测是不确定的情况下，可提供来自该会话的所有图像以供人类专家审查。如果人类专家检测到异常，则可以要求患者接受处方医生的随访。
230.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可基于遗漏的异常诊断之间的权衡来确定异常存在或不存在的阈值，在这种情况下，患者4可能遭受误期的护理和错误的感染诊断。在一些示例中，处理电路20可在无法检测到满足特定阈值的感染的存在或不存在(例如，“感染不确定”)时，处理电路20可向检测施加偏置因素。在一个示例中，处理电路20在确定是否存在感染时可在错误检测的一侧策略性地出错，使得在错误检测的此类情况下，仍然可输出图像以供进一步审查(例如，专家审查)，并且尽可能地减轻遗漏异常诊断(诸如感染诊断)的可能性。
231.在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可基于植入部位是具有第一次的植入物还是已经更换的植入物、imd类型(例如，cied类型)、肤色和被监测的患者4的年龄等来确定成像程序的参数，包括异常检测的阈值。在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可基于关于各种异常控制程序的信息来确定成像程序的参数。在例示性示例中，异常控制程序可以包含hcp(例如，外科医生或植入临床医生)在医疗装置的植入期间使用美敦力公司的tyrx
tm
可吸收抗菌包膜或其它类似元件的信息。将理解的是，tyrx
tm
是容纳可植入心脏装置、可植入神经刺激器或其它imd的网状包膜。处理电路系统20可以基于此类控制程序的存在来确定偏置因素。这是因为tyrx
tm
被设计成在植入后使装置稳定，同时释放抗菌剂、米诺环素和利福平至少七天，并且因此，与不包含此类控制程序的植入物相比，在那段时间期间出现异常的可能性较低。换句话说，具有tyrx
tm
包膜作为植入物的一部分的患者通常比没有tyrx
tm
包膜的患者感染的几率低。在任何情况下，与针对tyrx
tm
患者使用的成像程序参数相比，本公开的各种异常检测算法可以被配置成对非tyrx
tm
患者更敏感和/或具有更低的特异性(例如，成像程序参数)。
232.在类似的方面，处理电路20可带着增加负预测值的目标来确定成像程序参数。也就是说，如果处理电路20根据本公开的一种或多种技术确定不存在感染，则可确定不存在感染的可能性(例如，概率)相对较高。考虑涉及1,000例具有tyrx
tm
的cied患者和1,000例不具有tyrx
tm
的cied患者的例示性示例，其中tyrx
tm
组中的感染流行率为10％，并且非tyrx
tm
组中的感染流行率为20％。使用对tyrx
tm
组具有[90,90]灵敏度特异性和对非tyrx
tm
组具有[95,85]灵敏度特异性的算法，对这两组产生了约99％类似的净现值(npv)。
[0233]
文献表明，第一次的植入物的感染率低于1％，而imd的更换高达7％。与上文针对tyrx
tm
相对于非tyrx
tm
提及的具有不同的灵敏度相对于特异性权衡类似，针对第一次植入物相对于重复植入物可使用不同的操作阈值。
[0234]
另外，成像程序可包括基于imd类型的灵敏度水平。在一些示例中，医疗装置17(例如，imd 6)可包括cied。另外，cied可以是icd植入物，而在其他情况下，cied可以是起搏器植入物。在此类情况下，处理电路20可采用与用于起搏器植入物的灵敏度水平的检测算法相比具有更高的灵敏度水平的检测算法。在一些示例中，灵敏度水平可包括例如处理电路20可在部署检测算法时应用或在一些情况下可向异常检测算法的结果应用的偏置因素或校正因素。在此类示例中，处理电路20可基于处理电路20从系统100和/或系统300识别的各种因素来应用特定的灵敏度水平，使得处理电路20可相对于假阳性、假阴性、真阳性、真阴性等提供特定的结果(例如，更加保守或不那么保守的结果)。
[0235]
在例示性示例中，处理电路20可确定成像程序(例如，异常检测算法等)的灵敏度水平。为了确定灵敏度水平，处理电路20可确定关于医疗装置17的医疗装置信息(例如，imd信息)、生理参数(例如，ecg)等。在此类示例中，处理电路20可基于所确定的医疗装置信息、生理参数等来确定灵敏度水平。在例示性和非限制性示例中，处理电路20可确定针对特定类型的imd限定异常(例如，感染)流行率的流行率因素。在另一个示例中，处理电路系统20可以确定定义异常(例如，装置故障、感染等)可能对患者4和医疗装置17(例如，imd 6)具有的影响的影响因素。处理电路系统20可以根据此类信息或其它信息来确定产生更保守的算
法的灵敏度水平，所述算法在异常的过度检测而不是检测不足方面出错。也就是说，更加保守并且不会遗漏潜在异常(例如，感染、imd的故障等)可能很重要，因为这样做可以提供高能量的挽救生命的疗法。在一个示例中，imd可能故障到无法确定imd的温度或迁移数据的程度，使得当根据图像检测潜在异常时，处理电路20可确定不依赖从imd接收的数据，以便根据经调整的灵敏度水平来识别异常是实际异常的可能性。在一个另外的示例中，当处理电路系统20确定例如刺激发生器(未示出)和引线(未示出)来自不同的制造商但被组合成单个imd 6时，处理电路系统20可以确定相对于其它不太保守的灵敏度水平更高(例如，更保守)的灵敏度水平。也就是说，在将来自不同制造商的项目组合成单个装置的情况下，潜在异常的可能性可能更高，并且因此，处理电路系统20可以调整灵敏度水平，以在这种情况下处于更高的灵敏度水平。
[0236]
在一些示例中，处理电路20可基于已经植入imd 6的持续时间来调整用于识别特定异常的灵敏度水平(例如，内置计算偏差)。这是因为某些异常(例如，囊袋感染)可能在例如植入后的第一年期间最常见，并且因此，在特定时间范围内(例如，第一年)可使用较高的灵敏度水平，并且/或者在另一时间范围内(例如，在第一年之后)可使用较低的灵敏度水平。
[0237]
在另一示例中，医疗装置17(例如，imd 6)可包括linq
tm icm。在这种情况下，处理电路系统20可以采用与用于其它医疗装置17(例如，起搏器植入物)的灵敏度水平相比对linq
tm icm具有不同的灵敏度水平的检测算法。也就是说，检测算法可采用医疗装置信息指示医疗装置是作为特定类型的手术(例如，门诊手术)的一部分植入的特定灵敏度水平。另外，处理电路20可根据imd信息确定虚拟登记或其他类型登记的时间表是以特定间隔(例如，规则间隔、不规则间隔、频繁间隔、不频繁间隔等)来安排的。在另一个示例中，处理电路系统20可以确定虚拟监测服务接收和/或监测如来自医疗装置17(例如，imd 6、可穿戴心率监测器和/或活动监测器等)的诊断等医疗装置诊断的频率。
[0238]
在例示性和非限制性示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可在确定第一类型的植入物(例如，起搏器植入物)的异常时采用第一灵敏度水平，反之处理电路可在确定第二类型的植入物(例如，icm)的异常时采用第二灵敏度水平。在一个示例中，第一灵敏度水平可以高于第二灵敏度水平，因为处理电路20可能已经确定：第二类型的植入物的植入手术是在办公室外或门诊进行的；存在经由系统100和/或系统300进行的一个或多个定期安排的患者随访；以及处理电路20连续地或至少半连续地监测医疗装置的诊断装置数据，诸如来自从医疗装置17到计算装置2和/或系统300的其他装置(例如，边缘装置12等)的定期数据传输的结果。
[0239]
在一些示例中，ai引擎和/或ml模型，例如计算装置2的ai引擎28、医疗装置17的ai引擎44、计算装置2的ml模型30或医疗装置17的ml模型46，可以基于对ai引擎和/或ml模型的训练来确定灵敏度水平。在一个示例中，为了确定灵敏度水平，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可利用数据集来训练ai引擎和/或ml模型，所述数据集包括流行率数据(例如，特定类型的医疗装置17的感染率)、严重性数据、关于异常可能性的数据、特定类型的异常(例如，装置故障和感染异常等)的潜在或实际影响、imd信息(例如，装置制造信息、植入手术信息)
等。在利用此类数据进行训练时，ai引擎和/或ml模型可确定对应于患者4的每个单独监测事件(例如，装置环境)或每一类监测事件的灵敏度水平。
[0240]
应用此类灵敏度水平的优点包含允许监测系统100通过根据个体需要缩放灵敏度水平来高效地分配处理、存储器和/或电力资源。另外，灵敏度水平可管理计算装置2从其他装置接收数据的速率(例如，帧速率、传输速率等)。以这种方式，计算装置2可以例如在涉及异常出现的可能性较高的情况下接收较多的数据，而在其它情况下接收较少的数据。灵敏度水平的这种选择性使用还有助于带宽考虑，诸如通过限制可能以其他方式消耗系统100和/或系统300的大量带宽的通信数据的量。
[0241]
在一些示例中，包括ai引擎28和/或ml模型30的成像程序可利用已经被标记为对应于是否异常(例如，是否感染)的多个图像/视频进行训练。在此类示例中，处理电路20可包括由ai引擎28和/或ml模型30执行的成像程序。ai引擎28和/或ml模型30可用已经基于植入部位的改善进行标记的数据进行训练。在一个示例中，ai引擎28和/或ml模型30可随时间推移检测植入部位“改善”或植入部位“无改善”作为植入状态。
[0242]
在一些示例中，处理电路20可在植入之后随时间推移从多个会话获取植入部位的图像。处理电路20可经由成像程序按时间顺序分析具有不同阈值的植入部位的时间老化，以检测植入部位的改善或无改善。处方医生可以使用系统仅对植入部位没有显示愈合迹象的患者进行随访。在一些示例中，处理电路20可根据延时模式(例如，作为补充图像捕获模式或与补充图像捕获模式分开的过程)进行操作。
[0243]
在延时模式期间，处理电路20可例如按时间顺序(例如，按每日计划)收集图像，并在例如植入后2周至12周内将这些图片合并在一起。这将允许图像的时间序列呈现(例如，包括成像序列和静止图像作为时间序列的一部分)和时间序列分析。
[0244]
在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、数据服务器94的处理电路98或医疗装置17的处理电路40，可利用历史图像捕获和成像序列(例如，视频)捕获来训练ai引擎28和/或ml模型30。在一个示例中，处理电路20可利用植入部位愈合(例如，感染扩散或生长)的变化率来训练ai引擎28和/或ml模型30。变化率可基于对连续图像捕获的分析来指示植入部位正愈合得有多快或多慢。
[0245]
在一些示例中，ai引擎28和/或ml模型30可替代地分析植入部位愈合的进展(例如，在多周时段内跟踪图像之间差异的记录和叠加的连续图像之间的增量)而不是(例如，根据植入部位的静止图像)直接评估植入部位。在一个示例中，ai引擎28和/或ml模型30可分析在第x天捕获的图像与在前一天捕获的图像之间的变化率，以确定在连续多天捕获的图像之间的差异(例如，变化率)，并且基于该差异根据在第x天捕获的图像来确定植入部位处异常的存在。
[0246]
在一些情况下，ai引擎28和/或ml模型30可跟踪静止图像与来自成像序列(例如，视频序列)的图像之间的差异，以确定植入部位随时间推移的增量(例如，植入部位随时间推移的愈合之间的增量)。然后，处理电路20可基于对随时间推移进行成像的植入部位处的差异的分析来确定异常(例如，对第一图像与第二图像之间的第一差异的分析、对第二图像与第三图像之间的第二差异的分析、对第一差异与第二差异的分析、对第一图像与第三图像之间的第三差异的分析等)。在例示性示例中，在处理电路20经由ai引擎28和/或ml模型30确定第一图像、第二图像和/或第三图像之间的变化率低于一个或多个预定义的变化率
阈值的情况下，处理电路20可基于所述多个图像与所述一个或多个预定义的变化率阈值之间的增量来确定潜在异常的存在。
[0247]
在一些示例中，处理电路20可基于图像确定潜在异常的存在(1816)。在一个示例中，后端系统可将各种图像路由到接受过根据植入部位的图像识别异常的训练的专家技术人员的计算装置2。在另一个示例中，后端系统可以将各种图像路由到具有接受过根据植入部位的图像识别异常的训练的ai引擎28和/或ml模型46的特定配置的计算装置2中的第二计算装置。在一些示例中，当识别异常时，处理电路系统20可以基于植入部位的图像(例如，植入部位的所捕获图像)确定异常的可能性(例如，异常的严重性)。在一些情况下，处理电路系统20可以部署概率模型来确定异常的可能性。在一个示例中，处理电路系统20可以基于对所捕获图像的分析来确定潜在异常的潜在严重性。在一些示例中，处理电路20可基于异常(诸如，基于异常的严重性)来触发补充图像捕获模式。在此类示例中，处理电路20可根据在补充图像捕获模式期间捕获的补充图像进一步识别异常。
[0248]
在一些示例中，处理电路20可输出包括潜在异常信息的植入物状态概要(1818)。在一个示例中，后端系统可以将报告传输回计算装置2中的指示由后端系统执行的图像分析的结果的第一计算装置。在例示性示例中，处理电路系统20可以基于异常的可能性生成识别异常的概要报告，其中概要可以包含关于所确定的潜在感染的信息。在一些示例中，处理电路系统20可以将所有图像数据和标记(例如，专家标记)存储在数据库和计算系统中，以持续改进和部署自动异常检测系统(例如，ai引擎28和/或ml模型30)。在任何情况下，处理电路系统20可以输出概要报告。在一些示例中，概要报告至少包括图像数据的所述一个或多个帧的子集。在一些情况下，所述一个或多个帧的子集可源自成像序列(例如，视频捕获)或处理电路20在补充图像捕获模式期间获得的其他补充图像。在此类示例中，处理电路20可生成包括图像数据的所述一个或多个帧的全部或少于全部的概要报告，其中图像数据在异常确定之前接收并且至少部分地用于确定异常。在一些情况下，该子集包括与识别出潜在异常的透视图(例如，左侧相对于右侧)相对应的帧。在一些示例中，如果在任一图像中未检测到具有高可能性的感染存在，并且针对一些图像的检测是不确定的，则处理电路20可输出来自该会话的所有图像以供人类专家审查。
[0249]
在一些示例中，计算装置2可根据成像程序确定是否将部位检查过程配置为包括直通模式，在该直通模式下，患者4不需要进入进行咨询(例如，进行植入后感染咨询)。在此类示例中，计算装置2可向hcp提供对各种图像(例如，成像序列)的访问。因此，在一些示例中，hcp可决定植入部位是否按预期愈合或者是否需要现场随访。
[0250]
在一些示例中，hcp可能已经对成像程序进行了编程并将其传输到应用程序数据库(例如，程序数据存储)。在另一示例中，hcp可能已经将成像程序直接上传到计算装置2。也就是说，计算装置2可从应用程序数据库访问成像程序。在一些情况下，成像程序可包括基础成像程序(例如，通用算法基础)，该基础成像程序可在启动时或在启动前以不同的方式启动。在一个示例中，处理电路20可定制基础成像程序以例如产生对患者4独一无二的成像程序。hcp可将成像程序配置为在直通模式下运行，在该直通模式下，患者可完全放弃植入后咨询，直到成像程序的执行导致识别出潜在异常，诸如满足预定义阈值然后需要现场访视的异常。在此类示例中，在任何情况下，hcp可以访问图像以确定是否存在异常，而不管处理电路系统20是否确定潜在异常的存在。这样，hcp(例如，医生、护士等)可独立于成像程
序的自动图像分析独立地判定图像、图像系列和/或成像序列，以便独立地确定植入物的状态，包括植入部位愈合状态。
[0251]
在一些示例中，图像、图像系列和/或成像序列可以由远程皮肤病学服务判定。在此类情况下，远程皮肤病学服务可被配置为基于图像、图像系列和/或成像序列生成报告(例如，概要报告)。另外，计算装置2可从远程皮肤病学服务接收报告，并经由ui 22提供报告以供审查。在此类示例中，计算装置2可经由网络10和/或经由媒介物(诸如经由边缘装置12中的一个边缘装置)与远程皮肤病学服务交互。如本文所述，边缘装置2可以包含计算装置2之一，其中计算装置2被配置成与远程皮肤病学服务接合和/或操作远程皮肤病学服务，以基于各种图像生成输出的概要报告。
[0252]
在一些情况下，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可生成与用户的熟练度水平相匹配的概要报告。在一个示例中，处理电路系统20可以识别用户的特定熟练水平并根据熟练水平为用户生成概要报告。在这种情况下，熟练水平可以表示用户在审查如远程皮肤病学报告等报告时熟练程度。处理电路20可根据用户数据自动确定这种熟练度水平和/或可接收指示这种熟练度水平的用户输入，诸如通过经由问卷或其他输入机制向用户请求此类信息。
[0253]
在例示性示例中，处理电路20可接收单个报告数据文件。然后，处理电路20可转换数据文件的数据以便生成面向用户的概要报告。处理电路20可以不同方式转换数据，例如，在处理电路20确定报告被呈现给“新手”用户(例如，自主拍照的老年患者)而不是被呈现给另一用户诸如“专家”用户(例如，特定hcp、疗养院工作人员等)。概要报告可包括图像的hcp判定的结果和/或成像程序的自动图像分析的结果。
[0254]
图19是示出根据本公开的一种或多种技术的执行包括图像捕获过程的部位检查过程的示例性方法的流程图。在一个示例中，处理电路20可接收开始部位检查会话的指示(1920)。另外，处理电路20可启动相机32，其中启动相机32包括确保相机32能够捕获植入部位。也就是说，处理电路20可根据至少一个初始帧确定相机32是否指向植入部位(1926)。在此类情况下，在接收用于分析的第一帧之前，处理电路可接收图像数据的所述一个或多个帧中的至少一个初始帧(例如，测试帧)。在成像会话开始时，处理电路20可确定相机是否指向植入部位(例如，伤口部位)。在非限制性示例中，处理电路20可部署检测疤痕/伤口的ml模型(例如，dl模型)。在另一示例中，处理电路20可部署为每个患者创建和比较伤口部位标记的ml模型(例如，dl模型)。也就是说，处理电路20或另一装置可将患者特定标记存储到数据库，使得处理电路20可基于植入部位的患者特定特性来授权患者4，并且另外，处理电路20可确定相机32是否朝向植入部位，使得植入部位被框选在相机32的fov内。
[0255]
如果处理电路20确定相机32未捕获植入部位以使得捕获满足成像阈值，则处理电路20可经由ui 22提供反馈以用于调整相机32(1924)。也就是说，计算装置2可向用户提供反馈以用于调整智能电话/平板计算机相机位置。这样，处理电路20可根据所述至少一个初始帧(例如，测试帧)确定成像装置的目标调整。目标调整可包括用于用户以特定方式调整相机32的方向指令。因此，处理电路20可经由ui 22提示用户根据目标调整来调整相机32的位置。在一些示例中，处理电路20可通过向用户发送信号通知要定位成像装置的方向来经由ui 22提示用户调整相机32的位置，以便框选植入部位以进行捕获。
[0256]
在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可启动用于跟踪所获得图像的数量的计数器(1928)。计数器用于跟踪是否已拍摄植入部位的所有视图。如参考图20所描述的，多个视图可包括前侧、上侧、下侧、右侧和左侧。另外，处理电路20可确定在两个或更多个缩放级别(例如，1.0x和2.0x、1.0x和1.5x等)下捕获多个视图中的一个或多个视图。
[0257]
图20是根据本公开的一种或多种技术的示例性植入部位的多个透视图的示例性图示2018。如本文所述，计算装置2可经由ui 22提供被配置为引导用户以不同角度捕获图像的界面(例如，图形用户界面)。在任何情况下，计算装置2可被配置为提供使用户以不同角度拍摄图片以获得imd6的植入部位(例如，伤口部位)的多个视图的引导。图20示出了示例性视图集(例如，伤口部位的不同视图的示例)。
[0258]
所述多个视图可包括前侧视图2010、左侧2020、右侧视图2030、上侧视图2040和/或下侧视图2050。在一些示例中，可在多个缩放级别下捕获每个视图。在非限制性示例中，每个视图可各自在两个缩放级别下捕获。缩放级别可以是自动的或手动的。在一些示例中，缩放级别可包括2x缩放、1.5x缩放、由ai引擎28和/或ml模型30确定的可变缩放等。
[0259]
在一些情况下，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可提供用于捕获透视图的引导。在一个示例中，处理电路20可提供参考标记的增强覆盖，诸如在这种情况下用户可见的增强覆盖，其引导用户将相机32与每个透视图对准。在一些情况下，处理电路20也可使计算装置2提供引导用户的触觉反馈。在一个示例中，当相机32与特定视图对准时，计算装置2可振动。在另一示例中，计算装置2可提供声音反馈以引导用户调整相机32以捕获特定透视图。
[0260]
回到图19，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可执行针对特定视图的图像捕获过程(1930)。在一个示例中，处理电路20可确定所捕获的图像的图像质量、调整缩放级别等。一旦处理电路20接收到表示特定视图的帧，处理电路20就可递增视图计数器(1932)。然后，处理电路20可确定是否已经捕获所有视图(1934)。在一个示例中，处理电路20可确定成像程序将进行分析以识别潜在异常的特定数量的视图。在非限制性示例中，如本文所述，所述数量的视图包括五个视图，并且在一些情况下，包括在各种缩放级别下的五个视图。在一些示例中，处理电路20可根据视图计数器确定处理电路是否具有表示全部的图像或者在不具有的情况下确定是否改变视图(1936)。在一些示例中，处理电路20可以其他方式而不是视图计数器来跟踪图像捕获的进展(诸如通过(例如，利用元数据)标记每个视图)，并且确定图像池中遗漏了哪些视图(如果有的话)。
[0261]
当处理电路20确定图像表示全部预期视图时，处理电路20可输出图像以供进一步分析(1936)。在一些情况下，处理电路20可在捕获每个视图之后递增地输出图像，而不是等待将图像逐个地输出。任选地，处理电路20可根据表示预期视图中的一些或全部的图像确定潜在异常信息(1938)。在此类情况下，处理电路20可进一步输出潜在感染信息以供进一步分析和/或以便触发补充图像模式(1936)。
[0262]
在例示性示例中，处理电路20可接收图像数据的多个帧，包括至少一个第一帧和至少一个第二帧。第一帧可与植入部位的第一透视图(例如，前侧)有关，并且第二帧可与植入部位的第二透视图(例如，上侧)有关。也就是说，第一透视图和第二透视图可彼此不同。
处理电路20可根据所述至少一个第一帧确定由所述至少一个帧描绘的植入部位的视图。在该示例中，处理电路20可在接收到第一帧之后接收第二帧。在一些示例中，处理电路20可在识别异常时并且在接收到第一帧之后根据图像数据的第二帧识别与第二视图相对应的植入部位处的异常。在此类示例中，处理电路20可确定第一帧中不存在异常或检测到的任何潜在异常可能不是真正异常。在此类示例中，处理电路20可在确定与植入部位的第二视图相对应的潜在异常(诸如满足预定义的可能性阈值的潜在异常)时触发补充捕获模式。在一些示例中，处理电路20可接收与第二视图有关的植入部位的一个或多个补充图像。
[0263]
在一些示例中，处理电路20可通过确定由所述至少一个第一帧或第二帧描绘的植入部位的视图来接收植入部位的所述一个或多个补充图像。在一个示例中，处理电路20可确定与第二帧相对应的植入部位的视图是植入部位的上侧透视图。因此，处理电路20可确定捕获上侧透视图的补充图像。在此类情况下，处理电路20可在处理电路20检测到与特定视图(例如，上侧透视图)相对应的帧时触发补充捕获模式。处理电路20可通过使用参考标记、计算装置2的加速度计数据和/或通过部署ai引擎28和/或ml模型30以跟踪植入部位的各种视图并经由随时间推移进行图像训练以学习识别各种透视图来确定一个或多个帧表示什么视图。也就是说，处理电路20可至少部分地基于由所述至少一个帧表示的视图来识别所述一个或多个补充图像。在例示性示例中，计算装置2可引导用户相对于透视视角(例如，上侧视图)以不同的方式使相机32成角度，以便捕获基本上相同的透视视角(例如，上侧视图)下的不同视角。在另一示例中，补充图像可包括从高分辨率视频导出的图像，其中参考成像序列中处理电路20确定为与特定视图相对应的帧从成像序列中捕获补充图像(例如，相对于上侧视图向右偏心3度、相对于上侧视图向右偏心x度等)。
[0264]
在一些示例中，处理电路20可响应于在表示植入部位的特定视图的第一帧之后捕获的第二帧中识别异常而自动触发补充图像捕获模式。在一些示例中，处理电路20可经由成像装置接收所述多个透视图中的每个透视图，其中每个视图包括多个缩放级别。在一些情况下，处理电路20可使相机32针对每个透视图自动调整缩放级别。在另一示例中，处理电路20可经由ui 22提示用户相对于特定透视图调整缩放级别。
[0265]
在一些示例中，处理电路20可通过识别多个透视图中的潜在异常来确定潜在异常是实际异常的可能性，其中至少一个帧表示所述多个透视图中的特定透视图。然后，处理电路20可针对其中识别潜在异常的每个透视图确定用于异常的识别的置信区间。在一些示例中，置信区间与系统对每个相应透视图中的潜在异常的识别是准确的置信度相对应。然后，处理电路20可根据置信区间确定所述多个透视图中所确定的置信区间满足标准的透视图的数量。在此类示例中，处理电路20可至少部分地基于所确定数量的透视图来确定异常的可能性。也就是说，计算装置2可确定所述多个透视图中潜在异常被识别为包括特定置信区间的透视图的数量。
[0266]
如本文所述，可以在询问装置(例如，计算装置2)上或在后端系统(例如，美敦力公司网络)上分析植入部位(例如，伤口部位)的图像(例如，照片)。为了说明，基于应用程序的智能电话具有机载显示器和计算能力，并且所询问的数据可：(i)呈现在应用程序上以进行手动分析，并且(ii)在应用程序上处理以进行自动分析。基于应用程序的分析平台的优点在于其不需要连接到通信基础设施诸如wi-fi
tm
/4g(这在医院环境中可能具有挑战性)来进行分析。有利地，处理电路20可将装置询问和分析结果存储到内部存储装置
(例如，与移动装置应用程序相对应的存储器)以便稍后与网络10(诸如，美敦力公司网络)同步。在一些示例中，计算装置2可同步该信息以供后续检索和分析。
[0267]
虽然基于应用程序的计算和分析在医院内环境中是有利的，但是经由网络10传输图像数据以供远程分析可能在更远程环境中是有利的。例如，对于常规的部位检查/登记，计算装置2可经由通信电路26将所获取的图像、成像序列和/或初步异常分析结果传输到服务器94(例如，装置)以供远程分析和查看。在任何情况下，医生/护理人员可执行常规的远程随访和基于例外的监测，而无需让患者必须亲身来到诊所。
[0268]
除了充当分析平台之外，执行成像程序的移动应用程序和云都可包括使批准用户(例如，临床医生、装置护士、监测中心装置技术人员等)输入其分析的结果的能力。在此类情况下，处理电路可能不允许监测中心客户服务代表输入分析的结果。这是因为来自批准用户的输入可用作“基础真值”以进一步开发ml模型和/或ai算法。这样，处理电路20可确定此类用户输入对应于在允许用户输入充当图像处理算法(例如，ai引擎28和/或ml模型30)的训练数据之前的特定权威级别。换句话讲，处理电路20可利用仅从特定批准源接受的数据来训练ai引擎28和/或ml模型30。
[0269]
图21是示出根据本公开的一种或多种技术的执行图像捕获过程2130诸如图19的图像捕获过程的示例性方法的流程图。也就是说，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可在执行图19的图像捕获过程(1930)时执行图21的技术中的一种或多种技术。成像程序可以高灵敏度识别图像。如果成像程序从具体视图中检测到潜在异常，则成像程序可引导用户(例如，经由ui 22)围绕同一视图捕获附加图像。在另一示例中，成像程序可围绕该视图自动启动高采样率视频。目的是利用成像程序获得可示出潜在异常的任何图像。在一些示例中，权衡可包括来自在计算装置2上执行的成像程序的一部分的高假阳性率(例如，低特异性)，但是根据本公开的各种技术中的一种或多种技术，处理电路可通过执行另外的后端分析来减轻此忧虑，如本文所述。
[0270]
为了说明，处理电路20可针对特定视图启动图像捕获过程(2132)。这样，处理电路20可经由成像程序使相机32对植入部位进行成像。也就是说，相机32可输出图像数据的帧以供预览显示。然后，处理电路20可确定图像捕获的图像质量(2134)。处理电路20可这样做以确保图像质量满足特定阈值(2136)。否则，处理电路20经由ui 22向用户提供用于调整相机32的位置的反馈(2138)。在任何情况下，处理电路20可经由成像程序连续地检查图像质量是否良好(例如，不模糊、照明充分等)(2136)。处理电路20可经由成像程序提供使用计算装置2上的ccd芯片在光谱响应分析模式下进行的分析。也就是说，处理电路20可启动相机32的闪光装置以充当激发(例如，白光)光源。这样，处理电路20可在不同的光波长中执行单独的颜色过滤分析，以检测不同肤色中的泛红和肿胀作为潜在异常。在一些情况下，泛红或肿胀可指示潜在感染作为潜在异常。在另一示例中，潜在异常可包括在植入部位的边缘周围的愈合制粒、从植入部位的脱离、植入部位处的炎症、植入部位处或植入部位周围的组织侵蚀等。如本文所述，处理电路20可经由ui 22提供让患者4拍摄规则地或在某些情况下不规则地间隔的图像(例如，每日图片、系统性安排的图片)的提醒。这样，处理电路20可策略性地捕获植入部位随时间推移的进展的图像。
[0271]
在一些示例中，处理电路20可调整缩放级别或经由ui 22提示用户调整缩放级别(2140)。在一些情况下，处理电路20可经由ui 22提供帮助用户在不同缩放级别下捕获植入部位的图像的缩放引导。
[0272]
一旦检测到特定缩放级别下的清晰图像，处理电路20就可使相机32捕获该图像。在一些情况下，处理电路20可等待直到接收到用于捕获图像的用户输入命令(2142)。在一个示例中，继续此过程，直到捕获植入部位的所有规定视图以供分析。如本文所述，在处理电路20对检测植入部位处的潜在异常敏感的情况下，处理电路20可根据具体视图来检测潜在异常(2144)。在非限制性和例示性示例中，处理电路20可围绕该视图自动捕获高采样率视频以获得附加的审查数据。在一些情况下，处理电路20可自动执行所有图像捕获和补充图像捕获，而无需来自用户经由ui 22的输入。也就是说，用户可使相机32指向植入部位并使相机32围绕植入部位旋转。以基本上向用户隐藏的方式，处理电路20可在处理电路20确定存在特定视图时自动启动图像的捕获，并且可自动启动补充图像捕获模式，诸如视频捕获模式。
[0273]
在一些示例中，在确定潜在感染时，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可引导针对特定视图的附加图像捕获(2150)。在一个示例中，处理电路20可使计算装置2向用户提供触觉反馈。另外，处理电路20可执行模糊检测和照明水平检测。处理电路20可进一步利用此类检测的结果，以便引导用户在图像清晰且照明充分时捕获图像。如所描述的，处理电路20可经由应用程序上的消息或基于振动的触觉反馈来提供被配置为在整个成像过程中引导患者的反馈。任选地，处理电路20可在接收到附加捕获(例如，补充图像数据)时递增视图计数器(2146)。在任何情况下，处理电路20可结束成像程序或改变至捕获下一视图(2148)。
[0274]
在一些示例中，处理电路20可提供对植入部位的手动和/或自动视频捕获，其中处理电路20或其他处理电路可处理视频以识别图像数据和补充图像数据的潜在相关帧并且/或者根据这些帧来识别潜在异常。一旦获得所有视图，处理电路20就可确定示例性过程2130完成。因此，处理电路20可输出成像过程的结果以供存储和/或进一步分析。
[0275]
图22是示出根据本公开的一种或多种技术的利用成像技术的示例性方法2246的流程图。在一些示例中，成像装置(例如，相机32)可被配置为在第一图像捕获模式下操作。另外，成像装置(例如，相机32)可被配置为在补充图像捕获模式下操作。第一图像捕获模式和补充图像捕获模式可彼此不同。因此，处理电路20可经由在第一图像捕获模式下操作的成像装置接收至少一个第一帧。在非限制性和例示性示例中，处理电路20可检测由所述至少一个第一帧表示的特定视图中的潜在感染或另一潜在异常(2248)。
[0276]
处理电路20可自动启动高分辨率视频作为补充图像捕获模式(2250)。另选地，补充图像捕获模式可包括改变相机参数，诸如对比度水平或3a参数。在此类示例中，处理电路20可经由ui 22向用户提供指示成像装置正从第一图像捕获模式转变到补充图像捕获模式的通知。
[0277]
处理电路20可经由在补充图像捕获模式下操作的成像装置接收植入部位的一个或多个补充图像。在该例示性示例中，处理电路20可接收高分辨率视频数据的帧(2252)。在另一示例中，处理电路20在进入补充图像捕获模式时可提示用户针对处理电路20观察到潜在异常的特定视图捕获附加的静止图像。在一些示例中，处理电路20可提示用户在当前会
话中捕获附加的静止图像，或在一些情况下，可提示用户在另一会话(例如，针对下一天或下一周安排的部位检查会话)中捕获附加的静止图像。
[0278]
在接收到植入部位的所述一个或多个补充图像之后，处理电路20可确定恢复到第一图像捕获模式。也就是说，处理电路20可确定补充图像捕获会话已超时从而使处理电路20停止补充图像捕获模式。在此类情况下，处理电路20可恢复到第一图像捕获模式。在例示性示例中，处理电路20可确定停止视频捕获事件已发生，并且响应于停止视频捕获事件而停止视频捕获模式。停止视频捕获事件可基于处理电路20检测到补充图像数据中没有异常或基于用户输入(例如，对停止按钮的致动)。
[0279]
在一些示例中，补充图像捕获模式包括视频捕获模式。在此类示例中，处理电路20可将植入部位的一个或多个补充图像输出为成像序列。成像序列可至少部分地基于植入部位的所述一个或多个补充图像。在一些示例中，所述一个或多个补充图像包括第一补充图像。在此类示例中，视频序列可基于图像数据的所述至少一个帧和所述一个或多个补充图像，其中所述一个或多个补充图像包括补充图像数据的至少一个帧。在另一示例中，所述一个或多个补充图像包括补充图像数据的多个帧，其中视频序列基于所述多个帧。
[0280]
在一些示例中，计算装置2可将成像序列输出为视频序列、视频文件、压缩文件等。在一些示例中，成像序列可包括增强特征，诸如覆盖在成像序列上的覆盖对象或参考标记。在此类情况下，计算装置2可输出包括增强特征的成像序列，或在其他情况下可不包括增强特征。在例示性和非限制性示例中，成像序列可包括压缩文件，该压缩文件包括视频数据(例如，经编码的视频数据)、增强特征(例如，参考标记覆盖、颜色增强特征等)。在一些情况下，成像序列可包括未压缩文件。在任何情况下，计算装置2可将成像序列输出到存储装置24或经由通信电路26向外部输出到另一计算装置2、边缘装置12、服务器94、医疗装置17(例如，床边监测器)等，以供进一步处理(例如，执行异常分析)。
[0281]
另外，成像序列可包括经由计算装置2的音频电路捕获的音频，诸如一个或多个用户在捕获期间讲出的音频。也就是说，成像序列可包括音频数据(例如，压缩的音频数据)。音频特征可向ai引擎28和/或ml模型30提供上下文，使得ai引擎28和/或ml模型30可从音频中了解如何在捕获图像或成像序列时最佳地为用户服务。也就是说，ai和/或ml模型可从音频中和/或从研究与成像序列相关的移动中了解用户在特定方向(例如，围绕植入部位的顺时针)上旋绕以捕获具体视图方面存在困难。在此类示例中，计算装置2可基于ai引擎28和/或ml模型30的分析来修改成像程序以更好地适应用户，诸如通过允许在不同方向(例如，逆时针)上旋转。在一些示例中，患者数据或用户数据可指示用户或患者4优选使用用户或患者4的右手或左手以便向计算装置2提供输入(例如，输入图像)以用于ai引擎28和/或ml模型30进行的分析。ai引擎28和/或ml模型30可研究此类数据以及其他数据输入(例如，利用此类数据以及其他数据输入来训练)，以便为相关用户定制部位检查过程和/或以便基于用户捕获图像和成像序列的特定方式来定制异常评估过程以改善对异常的检测。
[0282]
在一些示例中，音频可为用户提供评估成像序列的上下文。在一个示例中，成像序列可经由通信电路26传输到另一装置，诸如hcp的计算装置2或包括ai引擎28和/或ml模型30的单独装置。在该示例中，成像序列可包括音频部分。hcp在审查成像序列时可能够听到患者4在该患者进行虚拟登记时的音频。在任何情况下，计算装置2可输出成像序列，其中成像序列至少部分地基于植入部位的所述一个或多个补充图像。
[0283]
在一些示例中，处理电路20和相机32可被配置为根据视频捕获模式产生成像序列，使得成像序列满足特定标准(例如，视频分辨率参数、文件大小等)。在此类示例中，计算装置2可预定义一个或多个标准，诸如视频分辨率参数(例如，分辨率标准)。在一个示例中，第一视频分辨率标准可使得视频文件具有特别高的分辨率(例如，每秒115帧、每秒120帧、每秒125帧等)。在其他示例中，视频分辨率标准可具有相对于第一视频分辨率标准基本上更高的分辨率(例如，大于每秒125帧等)。
[0284]
在一些示例中，视频分辨率标准还可包括每秒30帧、每秒60帧、每秒120帧等。在任何情况下，处理电路20可基于例如从静止帧图像确定的异常的识别概率来确定帧速率。在例示性示例中，当处理电路20确定异常的概率低时，处理电路20然后可利用低于高分辨率帧速率(例如，每秒120帧、每秒125帧等)的帧速率以便限定补充图像捕获模式的操作。当处理电路20确定异常的概率满足预定义阈值(例如，感染伤口部位的可能性大于50％)时，处理电路20然后可利用相对于低可能性确定的帧速率更高的分辨率帧速率(例如，每秒120帧、每秒125帧等)以便限定补充图像捕获模式的操作。在另一示例中，当处理电路20确定置信区间满足预定义阈值(例如，从特定静止图像捕获中检测异常的准确度的置信区间少于50％)时，处理电路20然后可利用更高的分辨率帧速率(例如，每秒120帧、每秒125帧等)以便限定补充图像捕获模式的操作。
[0285]
另外，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可重新确定针对视频捕获模式的标准。在一个示例中，分辨率标准可基于处理电路20基于视频捕获或其他图像捕获(例如，先前的图像捕获)的情况来确定的可变参数。在一个示例中，处理电路20可基于潜在异常(例如，潜在感染)是实际异常的确定可能性来确定可变分辨率标准。
[0286]
在例示性示例中，处理电路20可将视频分辨率参数确定为可变视频分辨率参数。在此类情况下，处理电路20可通过确定用于异常的识别的置信区间并且基于置信区间来确定可变视频分辨率参数的第一值来自动触发视频捕获模式。在一些示例中，处理电路20可通过部署ai引擎28和/或ml模型30以基于对第一图像中的感染概率的评估调整分辨率参数来确定视频分辨率参数(例如，频率、采样率、帧速率等)的第一值。在一个示例中，当评估产生较高概率时，分辨率参数可以是更高的帧速率。另一方面，当评估产生较低概率而需要更高的帧速率时，分辨率参数可更高，使得ai引擎28和/或ml模型30可确认概率确实如最初评估的一样低。在此类示例中，可变视频分辨率参数的第一值相对于可变视频分辨率参数的潜在第二值具有更高的分辨率值。潜在第二值可以是每秒至少120帧的分辨率。
[0287]
在一些示例中，处理电路20可接收表示第一透视图的帧。在接收到植入部位的一个或多个补充图像时，处理电路20在补充图像捕获模式期间经由ui 22提示用户调整相机32以捕获表示第二透视图的第二帧。在一个示例中，处理电路20可提示用户旋转相机32以捕获植入部位的第二视图。处理电路20可从植入部位的所述一个或多个补充图像中识别表示第二透视图的第二帧。也就是说，处理电路20从视频序列中确定表示针对第二透视图的植入部位的高分辨率视图的一个或多个帧。
[0288]
在一个示例中，处理电路20可通过确定参考标记(2254)来这样做。参考标记可在处理电路20的分析的内部(例如，用户不可见)。当用户旋转相机32时，处理电路20可跟踪相机32相对于参考标记的角度，其中处理电路20可将参考标记固定在虚拟三维空间中。处理
电路20可使用参考标记来从补充图像数据(例如，视频数据、快速连拍等)的帧中识别目标透视图(例如，第二透视图)(2258)。在此类示例中，目标透视图可从第一透视图偏移90度。也就是说，当相机32已相对于参考标记旋转90度时，处理电路20可捕获第二帧。
[0289]
在例示性和非限制性示例中，用户可在捕获视频时使相机32围绕植入部位旋转。处理电路20可从视频中抽离处理电路20识别为表示第二透视图的帧。一从视频序列中捕获第二视图，处理电路20就可自动结束视频捕获。在一些示例中，处理电路20可由于视频捕获超时而结束视频捕获，诸如当用户无法正确旋转电话以便在特定的时间量内充分地捕获第二透视图时。
[0290]
图23是根据本公开的一种或多种技术的示例性完整登记界面1902的ui可视化。完整登记界面1902示出了在完成虚拟登记过程中的一个或多个过程(例如，部位检查过程)时处理电路20可使其显示的ui。在一些情况下，处理电路20可在提交要转发给hcp/临床医生等的信息后输出完整登记界面1902。图23示出了计算装置2可生成和呈现的ui，用于指示与图7所示的四个图块中的所有图块相对应的虚拟登记过程的完成。如本文所述，完整登记界面1902可仅涉及部位检查图块712，其中部位检查ui与另外的虚拟登记过程分离。完整登记界面1902还可包括指示例如部位检查过程的完成的图形图标1904。
[0291]
在一些示例中，完整登记界面1902可提供用于安排现场门诊随访的选项。当检测到潜在异常时或者在处理电路系统20不能从对相机图像的评估中排除异常的情况下，处理电路系统20可以使此选项通过ui 22呈现。
[0292]
另外，完整登记界面1902可包括“生成报告”图标1906和/或“向诊所发送报告”图标1908。除其他信息外，报告还可包括由处理电路20捕获的图像和/或成像序列。另外，报告可包括数据的合成，该数据包括基于失败严重性的失败标准(例如，发现异常的标准)、失败测试的数量、失败尝试的数量、失败图块的数量等。另外，处理电路20可基于医生偏好(例如，报告类型、数据加权的细节等)来生成报告。另外，处理电路系统20可以基于医生对通知和/或通知频率的偏好来传输报告。处理电路20可基于患者4的特性和/或医疗装置17(例如，imd 6)的类型来进一步合成数据。
[0293]
在说明性示例中，处理电路系统20可以采用基于在一个或多个图像中检测到的潜在异常的严重性的各种异常评分算法。异常评分算法可确定映射到可行动响应(例如，将报告传输到hcp、自动安排临床医生访视等)的异常评分。处理电路20可例如基于在患者4的身体部位(例如，植入部位)的图像中检测到的潜在异常的严重性、基于imd类型等来确定异常评分算法的灵敏度。灵敏度可限定可从响应于确定指示异常的任何图像而导致特定输出(例如，失败确定、将报告传输到hcp等)的保守阈值变动的阈值。在另一示例中，灵敏度可限定利用加权综合评分的复杂阈值，在非限制性示例中，该加权综合评分将有关患者4的任何潜在医学病状的失败严重性以及限定成像程序(无论失败与否)的底层算法作为考虑因素，以例如基于异常评分到特定响应输出的映射来确定是否确定了需要特定响应的失败。另外，灵敏度可以进一步定义将医疗装置17的医生可编程限制作为考虑因素的阈值。
[0294]
在一些示例中，处理电路系统20可以通过图形简化图标向患者4提供反馈。在另一个示例中，处理电路系统20可以从hcp获得指示而非简化图标以提供复杂结果的偏好。在此类情况下，处理电路20可以复杂结果的形式向患者4提供反馈。
[0295]
图24是根据本公开的一种或多种技术的示例性完整登记界面2002的ui可视化。在
一个示例中，完整登记界面2002指示hcp办公室或负责向hcp办公室提交的中间系统的接收确认2004。也就是说，处理电路20可从中间系统(例如，边缘装置12)接收确认，并且进而可提供接收确认2004。接收确认2004可表示在患者4的hcp的办公室处接收到报告。在另一示例中，接收确认2004可表示确认报告已经成功保存到数据库(例如，服务器94中的一个服务器、包括云存储数据库的多个服务器94、包括云存储数据库的服务器94和边缘装置12等)。在此类示例中，经授权的hcp可经由hcp的计算装置2从数据库访问报告。在例示性示例中，接收确认可以进一步包含将概要报告上传到emr数据库。如本文所述，本公开的技术适用于“云”实施方式(例如，美敦力公司网络)和/或“边缘”实施方式(例如，关于移动应用程序)两者。因此，报告可被上传和存储在任何数量的不同位置，并且可通过任何数量的不同方式从这些位置访问。
[0296]
图25是示出根据本公开的一种或多种技术的确定关于imd患者的用于医疗干预的指令的示例性方法的流程图。在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可基于经由ui 22接收的数据来确定植入物工况状态(2502)。植入物工况状态可包括处理电路20已确定医疗装置17的植入部位处的异常的指示。在一些示例中，处理电路20可基于经由ui 22接收的图像和/或成像序列来确定植入物工况状态。尽管被描述为通常由计算装置2执行，但是图25的示例性方法可由例如边缘装置12、医疗装置17或服务器94中的任何一个或多个来执行，例如由这些装置中的任何一个或多个装置的处理电路来执行。
[0297]
处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可基于患者4的植入物工况状态来确定用于医疗干预的指令(2504)。例如，在处理电路20确定医疗装置17中的一个医疗装置的植入部位处存在异常的情况下，处理电路20可基于异常来确定用于医疗干预的指令。在一些示例中，处理电路系统20可以针对不同的严重性级别或异常分类确定不同的指令。例如，处理电路系统20可以针对处理电路系统20确定的可能没有另一个异常严重的一个异常确定第一指令集合。在一些示例中，处理电路系统20可以在处理电路系统20确定异常水平不满足预定义阈值的情况下不确定干预指令。在一些示例中，处理电路20可提供警报，诸如基于文本或图形的通知、视觉通知等。在一些示例中，处理电路20可引起声音警报响起或引起触觉警报，从而提醒患者4确定的异常。在其它示例中，计算装置2可以提供可见光指示，如针对高度严重性发出红光或针对中等严重性发出黄光。警报可以指示潜在的、可能的或预测的异常事件(例如，潜在感染)。
[0298]
在一些示例中，处理电路，例如计算装置2的处理电路20、边缘装置12的处理电路64、服务器94的处理电路98或医疗装置17的处理电路40，可经由用户界面诸如ui 22传输要显示的用于医疗干预的指令(2506)。在一些示例中，处理电路系统20可以将指令传输到hcp(例如，护理人员)的装置，如hcp的寻呼机。在其中处理电路64生成指令的示例中，处理电路20可将用于医疗干预的指令传输到用户界面。指令可包括异常指示。在一些示例中，边缘装置12、医疗装置17(例如，imd6)、服务器94和/或计算装置2可使用所采集的数据来使用综合诊断方法预测不良健康事件(例如，恶化感染)，例如sarkar等人在2019年9月27日提交的名称为“determining likelihood of an adverse health event based on various physiological diagnostic states”的美国专利申请no.62/906,991中所述。也就是说，计
算装置2可使用异常确定(包括可能性或严重性确定)作为例如由ai引擎28和/或ml模型30部署的概率模型的证据节点，以便确定指示患者4的植入部位被感染或可能在预先确定的时间量内被感染的可能性的概率评分。
[0299]
虽然从执行本公开的技术的用户计算装置2的角度进行描述，但是应当注意，本公开的系统支持用户(例如，患者4)与hcp之间的双向通信。双向通信可以在通信线路的两端使用类似的ui来运行。在此类示例中，hcp可经由hcp的计算装置2访问由用户经由用户的计算装置2上传的图像、生理参数数据项、医疗装置信息、患者信息等。另外，hcp可经由hcp的计算装置2根据数据上传来确定异常的存在或不存在，并将概要报告传输回用户(例如，患者4)的计算装置2，例如，包括对异常的一个或多个指示。
[0300]
本公开的例示性实施例包含：
[0301]
实施例1：一种监测患者的植入部位的方法，所述方法包括：经由计算装置确定所述患者的识别数据；至少部分地基于所述识别数据来识别对应于所述患者的imd的imd信息；至少部分地基于所述imd信息来确定成像程序，所述成像程序限定用于对所述植入部位进行成像的一个或多个参数；由所述计算装置启动成像装置，所述成像装置被配置为根据所述成像程序捕获图像数据的一个或多个帧；经由所述成像装置接收所述一个或多个帧中的至少一个帧，所述至少一个帧包括所述植入部位的图像；从所述图像数据的所述至少一个帧中识别所述植入部位处的异常；响应于识别所述异常，自动触发补充图像捕获模式，其中所述成像装置在所述补充图像捕获模式下操作时被配置为捕获所述植入部位的一个或多个补充图像；在触发所述补充图像捕获模式之后，由所述计算装置接收所述植入部位的所述一个或多个补充图像；以及经由所述计算装置输出所述植入部位的所述一个或多个补充图像。
[0302]
实施例2：根据实施例1所述的方法，其中所述植入部位处的所述异常包括以下中的一个或多个：所述植入部位处的潜在感染或所述植入部位处的异常愈合。
[0303]
实施例3：根据实施例2所述的方法，其中识别所述异常包括：根据所述至少一个帧确定所述植入部位处所述潜在感染的存在；以及至少部分地基于所述至少一个帧来确定通过在所述植入部位处传染原的存在来证明的实际感染的可能性。
[0304]
实施例4：根据实施例1至3中任一项所述的方法，其中启动所述成像装置包括：在接收所述至少一个帧之前，接收所述图像数据的所述一个或多个帧中的至少一个初始帧；根据所述至少一个初始帧确定所述成像装置的目标调整；以及经由所述计算装置的用户界面提示用户根据所述目标调整来调整所述成像装置的位置。
[0305]
实施例5：根据实施例1至4中任一项所述的方法，其中识别所述异常包括：至少部分地基于所述至少一个帧来确定所述异常的可能性；基于所述异常的所述可能性来生成识别所述异常的概要报告；以及经由所述计算装置输出所述概要报告。
[0306]
实施例6：根据实施例1至5中任一项所述的方法，其中确定所述异常的所述可能性包括：识别多个透视图中的所述异常，其中所述至少一个帧表示所述多个透视图中的特定透视图；针对识别所述异常的每个透视图确定用于所述异常的所述识别的置信区间；根据所述置信区间确定所述多个透视图中所确定的置信区间满足标准的透视图的数量；以及至少部分地基于所述透视图的数量来确定所述异常的所述可能性。
[0307]
实施例7：根据实施例6所述的方法，还包括：经由所述成像装置接收所述多个透视
图中的每个透视图，此时所述每个透视图包括多个缩放级别。
[0308]
实施例8：根据实施例1至7中任一项所述的方法，其中所述至少一个帧包括所述图像数据的多个帧，并且其中接收所述图像数据的所述多个帧包括：接收与所述植入部位的第一透视图有关的第一帧；以及在接收到所述第一帧之后，接收与所述植入部位的第二透视图有关的第二帧，其中所述第一透视图和所述第二透视图彼此不同。
[0309]
实施例9：根据实施例8所述的方法，其中识别所述异常包括：在接收到所述第一帧之后，根据所述图像数据的所述第二帧识别所述植入部位处的所述异常。
[0310]
实施例10：根据实施例9所述的方法，其中自动触发所述补充图像捕获模式包括：响应于在所述第二帧中识别所述异常，自动触发所述补充图像捕获模式。
[0311]
实施例11：根据实施例1至10中任一项所述的方法，其中所述至少一个帧包括表示第一透视图的第一帧，其中接收所述植入部位的所述一个或多个补充图像包括：在所述补充图像捕获模式期间提示用户调整所述成像装置以捕获表示第二透视图的第二帧；以及从所述植入部位的所述一个或多个补充图像中识别表示所述第二透视图的所述第二帧。
[0312]
实施例12：根据实施例1至11中任一项所述的方法，其中接收所述植入部位的所述一个或多个补充图像包括：根据所述至少一个帧确定由所述至少一个帧描绘的所述植入部位的视图；以及至少部分地基于所述至少一个帧的所述视图来识别所述一个或多个补充图像。
[0313]
实施例13：根据实施例1至12中任一项所述的方法，其中确定所述成像程序包括：确定用户的熟练度水平，所述熟练度水平指示所述用户对imd的植入部位进行成像的熟练度；基于所述熟练度水平来确定成像模式；以及根据所述成像模式来捕获所述至少一个帧。
[0314]
实施例14：根据实施例1至13中任一项所述的方法，其中所述补充图像捕获模式包括视频捕获模式，并且其中输出所述植入部位的所述一个或多个补充图像包括：经由所述计算装置输出成像序列，所述成像序列至少部分地基于所述植入部位的所述一个或多个补充图像。
[0315]
实施例15：根据实施例14所述的方法，其中所述成像装置被配置为根据所述视频捕获模式来产生所述成像序列，使得所述成像序列满足特定视频分辨率参数。
[0316]
实施例16：根据实施例15所述的方法，其中所述特定视频分辨率参数包括可变视频分辨率参数，并且其中自动触发所述视频捕获模式包括：确定用于所述异常的所述识别的置信区间；以及基于所述置信区间来确定所述可变视频分辨率参数的第一值。
[0317]
实施例17：根据实施例16所述的方法，其中所述可变视频分辨率参数的所述第一值包括相对于所述可变视频分辨率参数的潜在第二值更高的分辨率值，其中所述潜在第二值包括每秒至少120帧的分辨率。
[0318]
实施例18：根据实施例1至17中任一项所述的方法，其中所述成像装置被配置为在第一图像捕获模式下操作，其中所述第一图像捕获模式和所述补充图像捕获模式彼此不同，并且其中所述方法还包括：经由在所述第一图像捕获模式下操作的所述成像装置接收所述至少一个帧；提供指示所述成像装置正从所述第一图像捕获模式转变到所述补充图像捕获模式的通知；经由在所述补充图像捕获模式下操作的所述成像装置接收所述植入部位的所述一个或多个补充图像；以及在接收到所述植入部位的所述一个或多个补充图像之后，由所述计算装置确定恢复到所述第一图像捕获模式。
[0319]
实施例19：根据实施例1至18中任一项所述的方法，其中所述识别数据包括以下中的一个或多个：生物特征数据、rfid数据、nfc数据、遥测协议数据、用户登录信息、授权数据或患者姓名。
[0320]
实施例20：根据实施例1至19中任一项所述的方法，其中确定所述患者的所述识别数据包括：由所述计算装置接收识别所述成像程序的用户的授权数据；授权所述用户访问所述成像程序；在授权所述用户访问所述成像程序之后，经由所述计算装置接收识别具有所述imd的所述患者的输入数据；以及根据所述输入确定所述患者的所述识别数据。
[0321]
实施例21：根据实施例1至20中任一项所述的方法，其中所述imd信息包括以下中的一个或多个：imd植入部位信息、与所述imd的所述植入部位相关的历史数据、与所述imd相关的历史数据、imd类型信息、imd通信协议信息、所述imd的预估取向、关于负责植入(例如，插入)所述imd的一个或多个hcp(例如，外科医生、临床医生)的数据、与所述一个或多个hcp为了密封所述植入部位而采用的一种或多种方法相关的信息、或所述植入部位的图像。
[0322]
实施例22：根据实施例1至22中任一项所述的方法，其中所述计算装置包括所述成像装置。
[0323]
实施例23：一种用于监测患者的植入部位的系统，所述系统包括用于执行根据实施例1至22中任一项所述的方法的一个或多个装置。例如，根据实施例23所述的系统可包括：存储器，所述存储器被配置为存储图像数据；和一个或多个处理器，所述一个或多个处理器在电路中实施并且被配置为：确定所述患者的识别数据；至少部分地基于所述识别数据来识别对应于所述患者的imd的imd信息；至少部分地基于所述imd信息来确定成像程序，所述成像程序限定用于对所述植入部位进行成像的一个或多个参数；启动成像装置，所述成像装置被配置为根据所述成像程序捕获所述图像数据的一个或多个帧；从所述成像装置接收所述一个或多个帧中的至少一个帧，所述至少一个帧包括所述植入部位的图像；从所述图像数据的所述至少一个帧中识别所述植入部位处的异常；响应于识别所述异常，自动触发补充图像捕获模式，其中所述成像装置在所述补充图像捕获模式下操作时被配置为捕获所述植入部位的一个或多个补充图像；在触发所述补充图像捕获模式之后，接收所述植入部位的所述一个或多个补充图像；以及输出所述植入部位的所述一个或多个补充图像。
[0324]
实施例24：根据实施例23所述的系统，其中所述异常包括所述植入部位处的潜在感染，其中为了识别所述异常，所述一个或多个处理器被配置为：根据所述至少一个帧确定所述植入部位处所述潜在感染的存在；以及至少部分地基于所述至少一个帧来确定通过在所述植入部位处传染原的存在来证明的实际感染的可能性。
[0325]
实施例25：根据实施例23或24中任一项所述的系统，其中为了启动所述成像装置，所述一个或多个处理器被配置为：在接收所述至少一个帧之前，接收所述图像数据的所述一个或多个帧中的至少一个初始帧；根据所述至少一个初始帧确定所述成像装置的目标调整，所述目标调整被配置为引导用户调整所述成像装置以实现所述目标调整；以及经由用户界面输出所述目标调整。
[0326]
实施例26：根据实施例23至25中任一项所述的系统，其中为了识别所述异常，所述一个或多个处理器被配置为：至少部分地基于所述至少一个帧来确定所述异常的可能性；基于所述异常的所述可能性来生成识别所述异常的概要报告；以及输出所述概要报告。
[0327]
实施例27：根据实施例26所述的系统，其中为了确定所述异常的所述可能性，所述
一个或多个处理器被配置为：识别多个透视图中的所述异常，其中所述至少一个帧表示所述多个透视图中的特定透视图；针对识别所述异常的每个透视图确定用于所述异常的所述识别的置信区间；根据所述置信区间确定所述多个透视图中所确定的置信区间满足标准的透视图的数量；以及至少部分地基于所述透视图的数量来确定所述异常的所述可能性。
[0328]
实施例28：根据实施例27所述的系统，其中所述一个或多个处理器被进一步配置为：经由所述成像装置接收所述多个透视图中的每个透视图，此时所述每个透视图包括多个缩放级别。
[0329]
实施例29：根据实施例23至28中任一项所述的系统，其中所述至少一个帧包括所述图像数据的多个帧，并且其中为了接收所述图像数据的所述多个帧，所述一个或多个处理器被配置为：接收与所述植入部位的第一透视图有关的第一帧；以及在接收到所述第一帧之后，接收与所述植入部位的第二透视图有关的第二帧，其中所述第一透视图和所述第二透视图彼此不同。
[0330]
实施例30：根据实施例29所述的系统，其中为了识别所述异常，所述一个或多个处理器被配置为：在接收到所述第一帧之后，根据所述图像数据的所述第二帧识别所述植入部位处的所述异常。
[0331]
实施例31：根据实施例30所述的系统，其中为了自动触发所述补充图像捕获模式，所述一个或多个处理器被配置为：响应于在所述第二帧中识别所述异常，自动触发所述补充图像捕获模式。
[0332]
实施例32：根据实施例23至31中任一项所述的系统，其中所述至少一个帧包括表示第一透视图的第一帧，其中为了接收所述植入部位的所述一个或多个补充图像，所述一个或多个处理器被配置为：接收所述植入部位的一个或多个补充图像；以及从所述植入部位的所述一个或多个补充图像中识别表示第二透视图的第二帧。
[0333]
实施例33：根据实施例23至32中任一项所述的系统，其中为了接收所述植入部位的所述一个或多个补充图像，所述一个或多个处理器被配置为：根据所述至少一个帧确定由所述至少一个帧描绘的所述植入部位的视图；以及至少部分地基于所述至少一个帧的所述视图来识别所述一个或多个补充图像。
[0334]
实施例34：根据实施例23至33中任一项所述的系统，其中为了确定所述成像程序，所述一个或多个处理器被配置为：确定用户的熟练度水平，所述熟练度水平指示所述用户对imd的植入部位进行成像的熟练度；基于所述熟练度水平来确定成像模式；以及根据所述成像模式来捕获所述至少一个帧。
[0335]
实施例35：根据实施例23至34中任一项所述的系统，其中所述补充图像捕获模式包括视频捕获模式，并且其中为了输出所述植入部位的所述一个或多个补充图像，所述一个或多个处理器被配置为：输出成像序列，所述成像序列至少部分地基于所述植入部位的所述一个或多个补充图像。
[0336]
实施例36：根据实施例35所述的系统，其中所述成像装置被配置为根据所述视频捕获模式来产生所述成像序列，使得所述成像序列满足每秒至少120帧的分辨率标准。
[0337]
实施例37：根据实施例23至36中任一项所述的系统，其中所述成像装置被配置为在第一图像捕获模式下操作，其中所述第一图像捕获模式和所述补充图像捕获模式彼此不同，并且其中所述一个或多个处理器被进一步配置为：经由在所述第一图像捕获模式下操
作的所述成像装置接收所述至少一个帧；提供指示所述成像装置正从所述第一图像捕获模式转变到所述补充图像捕获模式的通知；经由在所述补充图像捕获模式下操作的所述成像装置接收所述植入部位的所述一个或多个补充图像；以及在接收到所述植入部位的所述一个或多个补充图像之后，由所述计算装置确定恢复到所述第一图像捕获模式。
[0338]
实施例38：根据实施例23至37中任一项所述的系统，其中为了确定所述患者的所述识别数据，所述一个或多个处理器被配置为：接收识别所述成像程序的用户的授权数据；授权所述用户访问所述成像程序；在授权所述用户访问所述成像程序之后，接收识别具有所述imd的所述患者的输入数据；以及根据所述输入确定所述患者的所述识别数据。
[0339]
实施例39：根据实施例23至38中任一项所述的系统，其中所述一个或多个处理器包括所述成像装置的至少一个处理器。
[0340]
实施例40：根据实施例23至39中任一项所述的系统，其中所述一个或多个处理器包括计算装置的处理电路。
[0341]
在一些实施方式中，上述实施例1至22和/或23至40可使用包括用于执行所述各种操作中的一些或全部操作的一个或多个装置的设备来实施。作为实施例41，一种用于对患者的植入部位进行成像和/或监测的设备包括：用于经由计算装置确定所述患者的识别数据的装置；用于至少部分地基于所述识别数据来识别对应于imd的imd信息的装置；用于至少部分地基于所述imd信息来确定成像程序的装置，所述成像程序限定用于对所述植入部位进行成像的一个或多个参数；用于由所述计算装置启动成像装置的装置，所述成像装置被配置为根据所述成像程序捕获图像数据的一个或多个帧；用于经由所述成像装置接收所述一个或多个帧中的至少一个帧的装置，所述至少一个帧包括所述植入部位的图像；用于从所述图像数据的所述至少一个帧中识别所述植入部位处的异常的装置；用于触发补充图像捕获模式的装置，其中所述成像装置在所述补充图像捕获模式下操作时被配置为捕获所述植入部位的一个或多个补充图像；用于由所述计算装置接收所述植入部位的所述一个或多个补充图像的装置；以及用于经由所述计算装置输出所述植入部位的所述一个或多个补充图像的装置。
[0342]
在一些实施方式中，上述实施例1至22和/或23至40可使用存储指令的计算机可读存储介质来实施，所述指令在被执行时使装置的一个或多个处理器执行所述各种操作中的一些或全部操作。作为实施例42，可提供存储指令的计算机可读存储介质，所述指令在被执行时使用于对患者的植入部位进行成像或监测的系统或装置的一个或多个处理器：确定患者的识别数据，所述患者具有或携有imd；至少部分地基于所述识别数据来识别对应于所述imd的imd信息；至少部分地基于所述imd信息来确定成像程序，所述成像程序限定用于对植入部位进行成像的一个或多个参数；启动成像装置，所述成像装置被配置为根据所述成像程序捕获图像数据的一个或多个帧；经由所述成像装置接收所述一个或多个帧中的至少一个帧，所述至少一个帧包括所述植入部位的图像；从所述图像数据的所述至少一个帧中识别所述植入部位处的异常；响应于识别所述异常，自动触发补充图像捕获模式，其中所述成像装置在所述补充图像捕获模式下操作时被配置为捕获所述植入部位的一个或多个补充图像；在触发所述补充图像捕获模式之后，接收所述植入部位的所述一个或多个补充图像；以及输出所述植入部位的所述一个或多个补充图像。
[0343]
已经描述了各种示例。然而，本领域技术人员将理解，在不脱离权利要求的范围的
情况下，可以对所描述的示例进行各种修改。例如，尽管主要示出为手持计算装置，但是在一些情况下，计算装置2可包括用户(例如，患者4、hcp等)可操作以便在虚拟登记过程中帮助患者4的头戴式装置，诸如ar头戴式装置。在一个示例中，与患者4分开的用户可操作作为计算装置2中的一个计算装置的头戴式装置(例如，ar头戴式装置)的相机32，以便对患者4的所述一个或多个植入部位进行成像。在此类示例中，用户可根据本公开的各种技术中的一种或多种技术来操作相机32以便对患者4的所述一个或多个植入部位进行扫描。也就是说，在一个例示性示例中，可定制本公开的技术，使得计算装置2经由ui 22提供指令，诸如成像引导指令，所述指令已被策略性地定制以高效地补充和支持示例性头戴式装置实施方式，如本领域技术人员将理解的。在此类情况下，计算装置2，或在一些情况下，另一装置诸如边缘装置12和/或服务器94，可根据本公开的一种或多种技术来使用经由头戴式装置的相机32获得的图像或图像序列，以便确定任何特定植入部位处异常的存在。
[0344]
在另一示例中，本公开的技术可用于监测各种不同的植入部位。在一个示例中，处理电路20可识别imd信息，包括电池供电组件的植入部位和/或已经植入的细长引线的位置。因此，处理电路20也可确定包括对患者4的那些区域进行成像的引导的成像程序。在例示性示例中，处理电路20可指示患者4对细长引线的植入部位(例如，植入区域)进行成像，该细长引线从植入患者4的背部的电池供电组件向上朝着植入患者4的脑部中的电极引线行进。
[0345]
应当认识到，根据所述示例，本文中描述的任何技术的某些动作或事件可以按不同的顺序执行、可以进行添加、合并或完全省去(例如，并不是所有描述的动作和事件对于实践技术来说都是必要的)。此外，在某些示例中，动作或事件可以例如通过多线程处理、中断处理或多个处理器同时地而不是顺序地执行。
[0346]
在一个或多个示例中，所描述的功能可在硬件、软件、固件或它们的任何组合中实施。如果以软件实施，则可以将所述功能以一个或多个指令或代码的形式存储在计算机可读介质上或通过计算机可读介质进行传输并且可以由基于硬件的处理单元执行所述功能。计算机可读介质可包括计算机可读存储介质或通信介质，所述计算机可读存储介质对应于有形介质诸如数据存储介质，所述通信介质包括有助于例如根据通信协议将计算机程序从一个地方传送到另一地方的任何介质。这样，计算机可读介质通常可对应于：(1)非暂态有形计算机可读存储介质或(2)通信介质诸如信号或载波。数据存储介质可以是可被一个或多个计算机或一个或多个处理器访问以检索用于实施本公开中描述的技术的指令、代码和/或数据结构的任何可用介质。计算机程序产品可以包含计算机可读介质。
[0347]
通过举例而非限制的方式，此类计算机可读数据存储介质可以包括ram、rom、eeprom、cd-rom或其它光盘存储装置、磁盘存储装置或其它磁性存储装置、闪速存储器或可以用于以指令或数据结构的形式存储期望的程序代码并且可以被计算机访问的任何其它介质。此外，任何连接都被恰当地称为计算机可读介质。例如，如果使用同轴电缆、光纤电缆、双绞线、数字用户线(dsl)或如红外线、无线电和微波等无线技术从网站、服务器或其它远程源传输指令，则同轴电缆、光纤电缆、双绞线、dsl或如红外线、无线电和微波等无线技术包含在介质的定义中。然而，应当理解的是，计算机可读存储介质和数据存储介质不包含连接、载波、信号或其它暂时性介质，而相反涉及非暂时性有形存储介质。以上的组合也应当包括在计算机可读介质的范围内。
[0348]
指令可以由一个或多个处理器执行，所述一个或多个处理器如一个或多个dsp、通用微处理器、asic、fpga、cpld或其它等效的集成或离散逻辑电路系统。因此，本文所使用的术语“处理器”可指代任何前述结构或适于实施本文所描述的技术的任何其他结构。而且，这些技术可完全在一个或多个电路或逻辑元件中实施。
[0349]
在一些情况下，上述“处理器”中的任何处理器和/或并入任何上述处理器或处理电路的装置在本文中可被称为例如“计算机”、“计算机装置”、“计算装置”、“硬件计算装置”、“硬件处理器”、“处理单元”、“处理电路”等。上述示例的计算装置通常(但不一定)由操作系统软件控制和/或协调，所述操作系统软件诸如为mac os、ios、android、chrome os、windows os(例如，windows xp、windows vista、windows 7、windows 8、windows 10、windows服务器等)、windows ce、unix、linux、sunos、solaris、blackberry os、vxworks或其他合适的操作系统。在一些示例中，计算装置可以由专有操作系统控制。常规操作系统控制和调度计算机进程以供执行、执行存储器管理、提供文件系统、网络、i/o服务，并提供ui功能，如gui功能等。
[0350]
本公开的技术可以在包含集成电路(ic)或ic集合(例如，芯片集合)的多种装置或设备中实施。本公开中描述了各种部件、模块或单元以强调被配置为执行所公开技术的装置的功能方面，但不一定需要通过不同的硬件单元来实现。
[0351]
已经描述了各种示例。这些和其他示例在以下权利要求书的范围内。