新方法采用设备摄像机来测量脉冲，呼吸率，可以帮助个性化远程医疗

远程医疗已成为医生仍然提供医疗保健的批判方式，同时在Covid-19期间最大限度地联系。但是通过电话或缩放约会，医生更难从患者获得重要的生命身体，例如它们的脉搏或呼吸率，实时。

华盛顿LED大学开发了一种方法，它在一个人的智能手机或计算机上使用了相机，从他们脸部的实时视频采取脉冲和呼吸信号。研究人员在12月在神经信息处理系统会议上介绍了这一最先进的系统。

现在该团队提出了一种更好的系统来测量这些生理信号。该系统不太可能被不同的相机，照明条件或面部特征绊倒，例如肤色。研究人员将在ACM健康，干扰和学习会议上展示这些调查结果。

“机器学习非常擅长分类图像。如果你给它一系列猫的照片，然后告诉它在其他图像中找到猫，它可以做到。但对于机器学习为了有助于远程健康感应，我们需要一个系统，可以确定一个能够识别一个持有最强生理信息脉冲来源的视频区域，然后衡量随着时间的推移，“荣刘Paul G.艾伦计算机科学与工程学院的UW博士生。

“每个人都不同，”刘说。“所以这种系统需要能够快速适应每个人的独特生理签名，并将其与其他变化分开，例如它们的样子以及它们所处的环境。”

团队的系统是隐私保留 - 它在设备上运行而不是在云中 - 并使用机器学习，以捕获光线如何影响人的脸部，这与改变血液流动相关。然后它将这些变化转换​​为脉冲和呼吸速率。

该系统的第一个版本培训了包含人员面部和“地面真理”的视频的数据集：每个人的脉冲和呼吸率通过现场标准仪器测量。然后系统使用视频中的空间和时间信息来计算生命体征。它在受试者移动和交谈的视频上表现出类似的机器学习系统。

但是，当系统在某些数据集中工作良好时，它仍然与其他人，背景和照明的其他人斗争。这是一个常见的问题，被称为“过度装备”，团队说。

研究人员通过使其为每个人提供个性化机器学习模型来改进系统。具体地，它有助于寻找可能含有与在不同背景下的面孔中的血液流动相关的生理特征的视频帧中的重要区域，例如不同的肤色，照明条件和环境。从那里，它可以专注于该区域并测量脉冲和呼吸率。

研究团队表示，尽管新系统在面对更具挑战性的数据集时，尤其是对肤色较深的人而言，表现优于之前的系统，但仍有很多工作要做。

“当受试者的皮肤类型更暗时，我们承认仍然存在较差的表现，”刘说。“这部分是因为光反射了较深的皮肤的不同，导致相机播出的信号较弱。我们的团队正在积极开发解决这些限制的新方法。”

研究人员还与医生进行了各种合作，以观察该系统在临床中的表现。

“任何感觉的能力脉冲或呼吸率远程为远程患者护理和远程医疗提供新的机会。这可能包括自我保健，后续护理或分类，特别是当有人没有方便地访问诊所时，“艾伦学校和电脑工程部门的教授”高级作者Shwetak Patel说。“看到关于新算法方法的学术界令人兴奋，以通过人们在家中拥有的设备来解决这个问题。“

---

---