Google Fit определит частоту дыхания и сердцебиения по камере
Компания Google объявила, что добавит в приложение Fit возможность измерять частоту дыхания и сердцебиения с помощью камер и алгоритмов машинного обучения. Для измерения пульса необходимо приложить палец к камере, а для измерения частоты дыхания алгоритм анализирует лицо и грудь человека, снимаемые на фронтальную камеру. В феврале функции станут доступны на смартфонах Pixel, а в дальнейшем Google планирует адаптировать их для других устройств на Android.
Сегодня даже недорогие умные часы и браслеты умеют измерять частоту сердечных сокращений (а некоторые из них также способны определять давление и уровень кислорода в крови). Практически все они используют для этого фотоплетизмографический метод, при котором датчик испускает по направлению к коже свет и измеряет интенсивность отраженного света при помощи фоторезистора. При сердечных сокращениях сосуды увеличиваются, уровень поглощения света от датчика тоже увеличивается, а доля дошедшего до фоторезистора света падает, поэтому на графике измерений видны явные периодические изменения с частотой, соответствующей частоте сердечных сокращений.
Этот метод обычно применяют с отдельными светодиодами зеленого цвета (потому что он поглощается эритроцитами), но уже несколько лет существуют приложения, которые используют для этого обычную камеру смартфона. Google решила встроить эту функцию прямо в свое приложение для отслеживания ежедневной активности и спортивных занятий Fit, но также дополнила ее более необычной функцией — измерением частоты дыхания.
Для измерения частоты дыхания смартфон необходимо поставить на некотором расстоянии от себя, чтобы на фронтальную камеру попадала верхняя половина тела. Затем приложение записывает видео с камеры и выделяет на нем две отдельные области: лицо и грудь. После этого алгоритмы машинного обучения анализируют движения тела между кадрами и рассчитывают частоту дыхания.
Google отмечает, что формально функция не лицензирована для медицинского использования и не может использоваться для постановки диагнозов. Вместе с этим разработчики отметили, что провели клинические испытания и научили алгоритмы надежно работать не только в идеальных условиях, но и в повседневных, с разным освещением и людьми разного цвета кожи и возраста.
Ожидается, что функция появится в приложении Google Fit на смартфонах Pixel до марта, а в дальнейшем разработчики будут адаптировать ее для работы на устройствах других производителей.
Существуют также прототипы приложений, которые используют камеру смартфона для определения кровяного давления по незаметным человеческому глазу пульсациям на лице. Кроме того, мы рассказывали о приложении, которое просит пользователя надавить пальцем на экран возле камеры и рассчитывает кровяное давление, используя данные датчика усилия в экране iPhone.
Григорий Копиев
Сканер работает в паре со смартфоном
Канадские и мексиканские исследователи представили результаты пилотных клинических испытаний сканера для диагностики воспаления и инфекционного процесса в ранах. Устройство гиперспектральной визуализации, выполненное в виде сменного объектива для смартфона, анализирует изображение, термограмму и флуоресценцию пораженной области. В испытаниях гаджет продемонстрировал общую точность в 74 процента. Отчет о работе опубликован в журнале Frontiers in Medicine. Хронические раны, которые не заживают в течение 8–12 недель, представляют серьезную проблему для общественного здравоохранения. Типичным пусковым фактором для их развития служит инфекция, особенно в том случае, если процесс заживления в силу состояния самой раны и всего организма задержался на воспалительной фазе. Стадии раневой инфекции включают загрязнение (контаминацию), колонизацию, местную инфекцию и ее системное распространение (генерализацию). Для оказания необходимого объема помощи врачу необходимо четко различать загрязненные и колонизированные раны, однако точность подобной диагностики при простом осмотре не достигает и 60 процентов. Как правило, это компенсируют микробиологическими и молекулярными исследованиями, однако они занимают значительное время и не всегда доступны. В силу этого все больший интерес представляют физические методы исследования, такие как инфракрасная термография и регистрация бактериальной флуоресценции, а также анализ изображений с помощью алгоритмов машинного обучения. Чтобы совместить преимущества этих методов, канадская компания Swift Medical разработала устройство гиперспектральной визуализации Swift Ray 1. Оно оснащено инфракрасными датчиками для разных длин волн, источниками видимого и ультрафиолетового излучения и соответствующими камерами высокого разрешения. Они позволяют одновременно выполнять фотосъемку и инфракрасную термографию раны и регистрировать флуоресценцию бактерий в ней. Полученные изображения устройство передает на камеру смартфона с интегрированным приложением Swift Skin and Wound. Оно собирает их в датасет, который содержит информацию о физиологии, морфологии и составе тканей в ране. Роберт Фрейзер (Robert Fraser) с коллегами из трех канадских университетов, Центральной больницы имени Прието в Сан-Луис-Потоси, компаний Swift Medical и Vope Medical провели мультицентровое проспективное испытание устройства Swift Ray 1, в котором оценивали его пригодность для дифференциальной диагностики невоспаленных, воспаленных и инфицированных ран. В исследовании приняли участие 66 амбулаторных пациентов из Мексики и Канады. Сканирование ран проводили хирурги, прошедшие инструктаж, в соответствии с полученными рекомендациями (рану очищали, помещали по ее краям идущий в комплекте маркер и снимали под углом 90 градусов с расстояния 15 сантиметров). Клинические характеристики ран оценивали в соответствии с протоколом Международного института раневых инфекций (IWII). Обработку данных проводили методами главных компонент (PCA) и k-ближайших соседей (KNN) для создания нейросетевой модели, кластеризующей раны по признаку наличия инфекции и воспаления. По результатам испытаний PCA-KNN-кластеризация с учетом всех клинических и визуализационных переменных обеспечила общую точность 74 процента при дифференциальной диагностике невоспаленных, воспаленных и инфицированных ран. Для невоспаленных ран чувствительность и специфичность модели составили соответственно 94 и 70 процентов, для воспаленных — 85 и 77 процентов, для инфицированных — 100 и 91 процент. Таким образом, комбинация множественных методов визуализации позволяет создавать модели для улучшенной оценки ран. Подобные устройства для использования в месте оказания помощи могут помочь клиницистам своевременно выявлять и лечить раневые инфекции, заключают авторы работы. В феврале 2023 года американские, китайские и корейские исследователи представили биорезорбируемый беспроводной электрод для мониторинга состояния и электротерапии хронических ран. В конце 2022 года стэнфордская научная команда продемонстрировала умный пластырь для мониторинга и электростимуляции ран, который атравматично отклеивается после использования.
