دوربین تلفن هوشمند می‌تواند نظارت بر سطح اکسیژن خون را در خانه فعال کند، هوش داده پلاتو بلاک چین. جستجوی عمودی Ai.

دوربین گوشی هوشمند می‌تواند سطح اکسیژن خون را در خانه کنترل کند

مطالعه اثبات اصل: محققان نشان داده‌اند که گوشی‌های هوشمند می‌توانند سطوح اشباع اکسیژن خون را تا ۷۰ درصد تشخیص دهند. آزمودنی‌ها انگشت خود را روی دوربین و فلاش گوشی هوشمند قرار می‌دهند که از یک الگوریتم یادگیری عمیق برای رمزگشایی سطح اکسیژن خون از ویدیوی حاصل استفاده می‌کند. (با احترام: دنیس وایز/دانشگاه واشنگتن)

اشباع خون با اکسیژن (SpO2درصد هموگلوبین در خون حامل اکسیژن، معیار مهمی برای عملکرد قلب و عروق است. افراد سالم دارای SpO هستند2 سطوح تقریباً 95٪ یا بالاتر، اما بیماری های تنفسی - مانند آسم، بیماری انسدادی مزمن ریه، ذات الریه و COVID-19 - می توانند باعث کاهش قابل توجه این سطوح شوند. و اگر SpO2 به زیر 90 درصد می رسد، این می تواند نشانه ای از بیماری قلبی ریوی جدی تر باشد.

پزشکان معمولا SpO را اندازه گیری می کنند2 با استفاده از پالس اکسی متر، دستگاه های غیر تهاجمی که روی نوک انگشت یا گوش می بندند. اینها معمولاً از طریق فتوپلتیسموگرافی عبوری (PPG) کار می‌کنند، که در آن جذب نور قرمز و مادون قرمز برای تشخیص خون اکسیژن‌دار از خون بدون اکسیژن مورد تجزیه و تحلیل قرار می‌گیرد. اما قابلیت نظارت بر SpO2 در خارج از کلینیک، استفاده از دوربین روی یک تلفن هوشمند روزمره، می‌تواند به افراد بیشتری اجازه دهد تا موقعیت‌هایی را که نیاز به پیگیری پزشکی دارند تشخیص دهند یا وضعیت‌های تنفسی جاری را پیگیری کنند.

محققان در دانشگاه واشنگتن (UW) و دانشگاه کالیفرنیا در سن دیگو اکنون نشان داده‌اند که گوشی‌های هوشمند می‌توانند سطوح اشباع اکسیژن خون را تا ۷۰ درصد تشخیص دهند. گزارش یافته های خود در npj پزشکی دیجیتالآنها اشاره می کنند که این امر با استفاده از دوربین های گوشی های هوشمند بدون هیچ تغییر سخت افزاری، با آموزش یک شبکه عصبی کانولوشن (CNN) برای رمزگشایی طیف گسترده ای از سطوح اکسیژن خون به دست آمد.

در یک مطالعه اثباتی، محققان از روشی به نام اکسیژن الهام گرفته شده کسری متنوع (FiO) استفاده کردند.2) که در آن آزمودنی مخلوط کنترل شده ای از اکسیژن و نیتروژن را تنفس می کند تا به آرامی SpO خود را کاهش دهد.2 سطوح زیر 70% - کمترین مقداری که پالس اکسیمترها باید بتوانند اندازه گیری کنند، همانطور که توسط سازمان غذا و داروی ایالات متحده توصیه شده است. آنها از داده های به دست آمده برای آموزش الگوریتم یادگیری عمیق مبتنی بر CNN استفاده کردند.

برنامه‌های دیگر گوشی‌های هوشمند با درخواست از مردم برای حبس نفس ساخته شده‌اند. اما مردم بسیار ناراحت می شوند و مجبور می شوند بعد از یک دقیقه یا بیشتر نفس بکشند، و این قبل از آن است که سطح اکسیژن خون آنها به اندازه کافی پایین بیاید که طیف کاملی از داده های بالینی مرتبط را نشان دهد. جیسون هافمن، دانشجوی دکتری UW در بیانیه مطبوعاتی. با آزمایش خود، می‌توانیم 15 دقیقه داده از هر موضوع جمع‌آوری کنیم. داده های ما نشان می دهد که گوشی های هوشمند می توانند در محدوده آستانه بحرانی به خوبی کار کنند.

هافمن و همکارانش شش داوطلب سالم را بررسی کردند. هر شرکت کننده تحت FiO مختلف قرار گرفت2 به مدت 13 تا 19 دقیقه، در این مدت محققان بیش از 10,000 قرائت سطح اکسیژن خون را بین 61 تا 100 درصد به دست آوردند. در کنار آن، آنها از پالس اکسیمترهای ساخته شده برای ضبط داده های حقیقت زمین از طریق انتقال PPG استفاده کردند.

تلفن هوشمند و پالس اکسی متر

برای انجام اکسیمتری گوشی هوشمند، شرکت‌کننده انگشت خود را روی دوربین و فلاش گوشی هوشمند قرار می‌دهد. دوربین پاسخ‌ها را از طریق بازتاب PPG ثبت می‌کند - اندازه‌گیری مقدار نوری که خون از فلاش در هر یک از کانال‌های قرمز، سبز و آبی جذب می‌کند. سپس محققان با استفاده از داده‌های چهار آزمودنی به عنوان مجموعه آموزشی و یکی برای اعتبارسنجی و بهینه‌سازی مدل، این اندازه‌گیری‌های شدت را به مدل یادگیری عمیق وارد کردند. سپس آنها مدل آموزش دیده را بر روی داده های باقیمانده موضوع ارزیابی می کنند.

هنگامی که در یک محدوده بالینی مرتبط SpO آموزش دیده باشید2 سطوح (70-100٪) از FiO مختلف2 در مطالعه، CNN به میانگین میانگین خطای مطلق 5.00٪ در پیش بینی SpO یک موضوع جدید دست یافت.2 مرحله. میانگین R2 همبستگی بین پیش‌بینی‌های مدل و پالس اکسیمتر مرجع 0.61/5.55   بود. میانگین خطای RMS در همه افراد 3.5٪ بود، که بالاتر از استاندارد XNUMX٪ مورد نیاز برای پاکسازی دستگاه های پالس اکسیمتر بازتابنده برای استفاده بالینی بود.

محققان پیشنهاد می کنند که به جای تخمین ساده SpO2اکسیمتر دوربین گوشی های هوشمند می تواند به عنوان ابزاری برای غربالگری اکسیژن خون پایین استفاده شود. برای بررسی این رویکرد، آنها دقت طبقه بندی مدل خود را برای نشان دادن اینکه آیا یک فرد دارای SpO است محاسبه کردند.2 سطح زیر سه آستانه: 92٪، 90٪ (معمولا برای نشان دادن نیاز به مراقبت بیشتر پزشکی استفاده می شود) و 88٪.

هنگام طبقه بندی SpO2 سطوح زیر 90 درصد، مدل حساسیت نسبتاً بالایی 81 درصد و ویژگی 79 درصد را به‌طور میانگین در هر شش آزمودنی نشان داد. برای طبقه بندی SpO2 زیر 92٪، ویژگی به 86٪، با حساسیت 78٪ افزایش یافت.

محققان خاطرنشان می کنند که از نظر آماری، این مطالعه نشان نمی دهد که این روش برای استفاده به عنوان یک دستگاه پزشکی قابل مقایسه با پالس اکسیمترهای فعلی آماده است. با این حال، آنها خاطرنشان می‌کنند که سطح عملکردی که از این نمونه آزمایشی کوچک مشاهده می‌شود، نشان می‌دهد که دقت مدل را می‌توان با به دست آوردن نمونه‌های آموزشی بیشتر افزایش داد.

برای مثال، یکی از آزمودنی‌ها پینه‌های ضخیمی روی انگشتان خود داشت که تعیین دقیق سطح اکسیژن خون آنها را برای الگوریتم سخت‌تر می‌کرد. هافمن توضیح می دهد: «اگر بخواهیم این مطالعه را به افراد بیشتری گسترش دهیم، احتمالاً افراد بیشتری با پینه و افراد بیشتری با رنگ پوست متفاوت خواهیم دید. سپس می‌توانیم الگوریتمی با پیچیدگی کافی برای مدل‌سازی بهتر همه این تفاوت‌ها داشته باشیم.»

هافمن می گوید دنیای فیزیک که تیم هیچ برنامه ای برای تجاری سازی فوری این فناوری ندارد. او می‌گوید: «با این حال، ما یک طرح آزمایشی و پیشنهادهای کمک مالی ایجاد کرده‌ایم که به ما امکان می‌دهد روی یک گروه بزرگ‌تر و متنوع‌تر از موضوعات آزمایش کنیم تا ببینیم آیا این مطالعه اثبات اصل قابل تکرار است و به طور بالقوه برای توسعه متمرکز تجاری آماده است یا خیر». .

تمبر زمان:

بیشتر از دنیای فیزیک