本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

 

我們都知道可穿戴心率監(jiān)測器，但掃一掃臉部就能判斷心跳的系統(tǒng)，你們見過嗎？

據(jù)VentureBeat報道，近日，中國科學院的研究人員設(shè)計出了這么一個系統(tǒng)，并且論文發(fā)表在了Arxiv.org的預印本中。

 

在這篇文章中，他們描述了RhythmNet，這是一種端到端的可訓練心率評估器，利用AI和光電容積脈搏波描記法（PPG）（一種檢測皮膚組織中血容量變化的光學技術(shù)）來應對頭部運動和光線變化方面的挑戰(zhàn)。

 

正如研究人員所解釋的那樣，基于PPG的心率估算是可以實現(xiàn)的。因為皮膚對光的吸收量會隨著血容量脈沖（BVP）的變化而周期性地變化。在真皮層和皮下層的微血管中，像血紅蛋白這樣的染色體吸收了不成比例的光。這樣，當血液泵入下方的靜脈和動脈時，就會發(fā)生微小的顏色變化。它們是肉眼看不到的，但很容易被嵌入可穿戴設(shè)備的RGB傳感器捕捉到。

 

雷鋒網(wǎng)了解到，為了訓練RhythmNet，該團隊創(chuàng)建了一個大規(guī)模的多模態(tài)語料庫——VIPL-HR1。該語料庫以開源方式提供，包含了2378個可見光視頻和752個近紅外視頻，涉及107名受試者。每個視頻片段都是由網(wǎng)絡(luò)攝像頭和紅外傳感器以及智能手機捕捉到的，包含了頭部運動、頭部姿態(tài)(帶有注釋的偏航、俯仰和滾轉(zhuǎn)角)、照明和設(shè)備使用情況的變化。

 

RhythmNet由幾個組件組成，包括一個面部探測器，該探測器根據(jù)一個人的面部視頻定位81個以上的面部標記。

 

此外，還有一個單獨的組件進行對齊和皮膚分割，以去除眼睛區(qū)域和其他非面部區(qū)域，然后從相隔0.5秒的視頻幀生成時空圖，以表示心率信號。這些圖被輸入到機器學習模型中，該模型經(jīng)過訓練可以從時空圖預測心率，然后計算每分鐘的估計心跳次數(shù)，最后得出一個平均值。

 

研究人員在MAHNOB-HCI和MMSE-HR兩個廣泛使用的數(shù)據(jù)庫以及他們自己的數(shù)據(jù)庫上對系統(tǒng)進行了評估。

 

他們表示，針對VIPL-HR1測試的大多數(shù)樣本(71%)中，RhythmNet的心率估計誤差低于每分鐘5次，并且在每分鐘47次到147次之間與基本事實有很好的相關(guān)性。

 

研究人員還補充說，MAHNOB-HCI和MMSE-HR的錯誤率不超過每分鐘8.28次。

 

據(jù)雷鋒網(wǎng)了解，團隊還計劃研究這種方法在其他生理狀態(tài)測量任務(wù)中的有效性，比如通過視頻測量呼吸頻率和血壓，以及利分布式學習和多任務(wù)學習技術(shù)，開發(fā)一個更強大的心率估計模型。

 

“心率是一個重要的生理信號，反映了一個人的身體和情緒狀態(tài)。傳統(tǒng)的心率測量通常依靠接觸式監(jiān)護儀，這可能會帶來不便和不適。”該論文的共同作者寫道，“ （我們提出的系統(tǒng)） 僅從表面上看，在數(shù)據(jù)庫內(nèi)和跨數(shù)據(jù)庫測試場景中，都實現(xiàn)了很不錯的心率估計準確性。”