Telefon Kameraları Nabzı ve Solunum Hızını Ölçmek İçin Kullanılabilecek

Telesağlık, doktorların COVID-19 sırasında yüz yüze teması en aza indirirken sağlık hizmeti sunmaya devam etmeleri için kritik bir yol haline geldi. Ancak telefon veya Zoom randevularında, doktorların bir hastadan nabız veya solunum hızı gibi önemli yaşamsal belirtileri gerçek zamanlı olarak alması daha zordur.

UW liderliğindeki bir ekip, yüzlerinin gerçek zamanlı bir videosundan nabzını ve solunum hızını ölçmek için bir kişinin akıllı telefonunda veya bilgisayarında kamerayı kullanan bir yöntem geliştirdi. Katkı Sağlayanlar: Cristina Zaragoza / Unsplash

Washington Üniversitesi liderliğindeki bir ekip, bir kişinin akıllı telefonundaki veya bilgisayarındaki kamerayı, yüzlerinin gerçek zamanlı bir videosundan nabız ve solunum sinyallerini almak için kullanan bir yöntem geliştirdi. Araştırmacılar bu son teknoloji sistemi Aralık ayında Sinirsel Bilgi İşlem Sistemleri konferansında sundular.

Şimdi ekip bu fizyolojik sinyalleri ölçmek için daha iyi bir sistem öneriyor. Bu sistemin farklı kameralar, aydınlatma koşulları veya ten rengi gibi yüz özellikleri tarafından açılma olasılığı daha düşüktür. Araştırmacılar bu bulguları 8 Nisan’da ACM Sağlık, Girişim ve Öğrenme Konferansı’nda sunacaklar.

“Makine öğrenimi, görüntüleri sınıflandırmada oldukça iyidir. Ona bir dizi kedi fotoğrafı verip diğer görüntülerde kedileri bulmasını söylerseniz, bunu yapabilir. Ancak makine öğreniminin uzaktan sağlık algılamasına yardımcı olması için ihtiyacımız var Paul G. Allen’da bir UW doktora öğrencisi olan baş yazar Xin Liu, “örneğin nabız gibi – en güçlü fizyolojik bilgi kaynağını tutan bir videoda ilgilenilen bölgeyi tanımlayabilen ve daha sonra bunu zaman içinde ölçebilen bir sistem” dedi. Bilgisayar Bilimleri ve Mühendisliği Okulu.

Liu, “Her insan farklıdır” dedi. “Bu nedenle, bu sistemin her bir kişinin benzersiz fizyolojik imzasına hızlı bir şekilde adapte olması ve bunu neye benzedikleri ve hangi ortamda oldukları gibi diğer varyasyonlardan ayırabilmesi gerekiyor.”

Ekibin sistemi gizliliği korur – bulut yerine cihaz üzerinde çalışır – ve değişen kan akışıyla ilişkili olan ışığın bir kişinin yüzünden yansımasında ince değişiklikleri yakalamak için makine öğrenimini kullanır. Daha sonra bu değişiklikleri hem nabza hem de solunum hızına dönüştürür.

Bu sistemin ilk versiyonu, hem insanların yüzlerinin videolarını hem de “kesin referans” bilgilerini içeren bir veri setiyle eğitildi: her bir kişinin alandaki standart cihazlarla ölçülen nabzı ve solunum hızı. Sistem daha sonra her iki yaşamsal belirtiyi hesaplamak için videolardan uzamsal ve zamansal bilgileri kullandı. Konuların hareket ettiği ve konuştuğu videolarda benzer makine öğrenimi sistemlerinden daha iyi performans gösterdi.

Ancak sistem bazı veri kümelerinde iyi çalışırken, farklı insanlar, arka planlar ve ışıklandırma içeren diğerleriyle mücadele etmeye devam etti. Ekip, bunun “aşırı uyum” olarak bilinen yaygın bir sorun olduğunu söyledi.

Araştırmacılar, sistemi her birey için kişiselleştirilmiş bir makine öğrenimi modeli oluşturarak geliştirdiler. Özellikle, farklı cilt tonları, aydınlatma koşulları ve ortamlar gibi farklı bağlamlarda bir yüzdeki değişen kan akışıyla ilişkili fizyolojik özellikler içeren bir video karesinde önemli alanların aranmasına yardımcı olur. Oradan o alana odaklanabilir ve nabzı ve solunum hızını ölçebilir.

Ekip, özellikle daha koyu ten rengine sahip kişiler için daha zorlu veri kümeleri verildiğinde bu yeni sistemin öncekinden daha iyi performans gösterdiğini söyledi.

Liu, “Öznenin cilt tipi daha koyu olduğunda düşük performansa doğru hala bir eğilim olduğunu kabul ediyoruz” dedi. “Bunun nedeni kısmen ışığın daha koyu ten üzerinden farklı bir şekilde yansıması ve kameranın alması için daha zayıf bir sinyale neden olmasıdır. Ekibimiz bu sınırlamayı çözmek için aktif olarak yeni yöntemler geliştiriyor.”

Araştırmacılar ayrıca, bu sistemin klinikte nasıl performans gösterdiğini görmek için doktorlarla çeşitli işbirlikleri üzerinde çalışıyorlar.

“Nabzı veya solunum hızını uzaktan algılama yeteneği, uzaktan hasta bakımı ve teletıp için yeni fırsatlar sağlar. Bu, özellikle bir kişinin bir kliniğe kolay erişimi olmadığında kişisel bakım, takip bakımı veya triyajı içerebilir” dedi kıdemli Allen School ve elektrik ve bilgisayar mühendisliği bölümünde profesör olan yazar Shwetak Patel. “Bunu, insanların evlerinde bulunan cihazlarla ele almak için yeni algoritmik yaklaşımlar üzerinde çalışan akademik toplulukları görmek heyecan verici.”

Yorum Yaz

%d blogcu bunu beğendi: