Experimente: a câmera verifica o pulso e a respiração em seu rosto

Um novo método usa o smartphone ou a câmera do computador de uma pessoa para medir o pulso e o sinal de respiração a partir de um vídeo em tempo real de seu rosto.

A telessaúde se tornou uma forma crítica para os médicos continuarem a fornecer cuidados de saúde, minimizando o contato pessoal durante o COVID-19.

Mas com consultas por telefone ou Zoom, é mais difícil para os médicos obterem sinais vitais importantes de um paciente, como seu pulso ou frequência respiratória, em tempo real.

Com seu novo método, os pesquisadores propõem um sistema melhor para medir esses sinais fisiológicos. É menos provável que esse sistema seja acionado por câmeras, condições de iluminação ou características faciais diferentes, como a cor da pele.

“ O aprendizado de máquina é muito bom para classificar imagens. Se você der a ele uma série de fotos de gatos e depois lhe dizer para procurar gatos em outras fotos, ele pode. Mas para que o aprendizado de máquina seja útil no sensoriamento remoto de saúde, precisamos de um sistema que possa identificar a região de interesse em um vídeo que contenha a fonte mais forte de informações fisiológicas (pulso, por exemplo) e medi-la ao longo do tempo. autor Xin Liu, estudante de doutorado da Escola Paul G. Allen de Engenharia e Ciência da Computação da Universidade de Washington.

“Cada pessoa é diferente”, diz Liu. “Portanto, esse sistema deve ser capaz de se adaptar rapidamente à assinatura fisiológica única de cada pessoa e separá-la de outras variações, como sua aparência e o ambiente em que se encontram”.

Experimente a versão de demonstração dos pesquisadores que pode detectar os batimentos cardíacos do usuário ao longo do tempo, que os médicos podem usar para calcular a frequência cardíaca.

O sistema da equipe preserva a privacidade (funciona no dispositivo em vez de na nuvem) e usa o aprendizado de máquina para capturar mudanças sutis na forma como a luz reflete no rosto de uma pessoa, o que se correlaciona com as mudanças no fluxo sanguíneo. Em seguida, converta essas alterações em pulso e frequência respiratória.

A primeira versão desse sistema foi treinada em um conjunto de dados contendo vídeos de rostos de pessoas e informações da “verdade fundamental”: o pulso e a frequência respiratória de cada pessoa medida por instrumentos padrão em campo. O sistema então usou informações espaciais e temporais dos vídeos para calcular os dois sinais vitais. Ele superou sistemas de aprendizado de máquina semelhantes em vídeos em que os assuntos estavam se movendo e falando.

Mas embora o sistema funcionasse bem em alguns conjuntos de dados, ele ainda apresentava problemas com outros que continham pessoas, planos de fundo e iluminação diferentes. Este é um problema comum conhecido como “overfitting”, dizem os pesquisadores.

Eles aprimoraram o sistema fazendo com que produzisse um modelo de aprendizado de máquina personalizado para cada indivíduo. Especificamente, ajuda a encontrar áreas importantes em um quadro de vídeo que provavelmente contêm características fisiológicas correlacionadas com a alteração do fluxo sanguíneo em um rosto em diferentes contextos, como diferentes tons de pele, condições de iluminação e ambientes. A partir daí, você pode se concentrar nessa área e medir seu pulso e frequência respiratória.

Embora este novo sistema supere seu antecessor quando recebe conjuntos de dados mais desafiadores, especialmente para pessoas com tons de pele mais escuros, ainda há mais trabalho a ser feito, diz a equipe.

“Reconhecemos que ainda há uma tendência de baixo desempenho quando o tipo de pele do sujeito é mais escuro”, diz Liu. “Isso ocorre em parte porque a luz reflete de forma diferente da pele mais escura, resultando em um sinal mais fraco para a câmera captar. Nossa equipe está desenvolvendo ativamente novos métodos para lidar com essa limitação. ”

Os pesquisadores também estão trabalhando em uma variedade de colaborações com médicos para ver como esse sistema funciona na clínica.

“Qualquer capacidade de detectar remotamente o pulso ou a frequência respiratória abre novas oportunidades para atendimento remoto ao paciente e telemedicina. Isso pode incluir autocuidado, cuidados de acompanhamento ou triagem, especialmente quando alguém não tem acesso conveniente a uma clínica ”, diz o autor principal Shwetak Patel, professor da Allen School e do departamento de engenharia elétrica e de computação .

“É empolgante ver comunidades acadêmicas trabalhando em novas abordagens algorítmicas para resolver isso com dispositivos que as pessoas têm em suas casas.”

Este software é de código aberto e está disponível no Github:

Os pesquisadores apresentaram seu sistema em dezembro na conferência Neural Information Processing Systems. Os pesquisadores apresentarão essas descobertas em 8 de abril na Conferência da ACM sobre Saúde, Interferência e Aprendizagem.

Co-autores adicionais são da Universidade de Washington e da Microsoft Research.

O financiamento para o trabalho veio da Fundação Bill e Melinda Gates, do Google e da Universidade de Washington.

Fonte: Universidade de Washington

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *