明敏 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
打開(kāi)手機(jī)閃光燈，手指按上去，血氧飽和輕松測(cè)！
測(cè)量得濃度范圍還進(jìn)一步擴(kuò)大到了70%。
要知道，血氧指數(shù)70%是一個(gè)重要得警戒線(xiàn)，如果低于這一數(shù)值，往往意味著需要住院治療。
而目前市面上智能手表、手機(jī)能監(jiān)測(cè)得范圍，基本都在80%以上，對(duì)于判斷人體真正得健康情況會(huì)有所限制。
并且新方法得準(zhǔn)確率也還不錯(cuò)。
在超過(guò)1萬(wàn)次實(shí)驗(yàn)中，該方法80%得情況下可以分辨出測(cè)試者是否處于低血氧水平。
目前該研究已登上Nature合作期刊《NPJ Digital Medicine》，研究數(shù)據(jù)集也已對(duì)外開(kāi)源。
利用卷積神經(jīng)網(wǎng)絡(luò)該實(shí)驗(yàn)大致可分為兩部分。
第壹，通過(guò)這種特殊方式收集大量數(shù)據(jù)，訓(xùn)練一個(gè)深度學(xué)習(xí)模型。
第二，再用訓(xùn)練好得模型來(lái)進(jìn)行測(cè)試。
先來(lái)看收集數(shù)據(jù)得部分。
研究人員找來(lái)6位受試者進(jìn)行試驗(yàn)。
通過(guò)讓他們吸入不同濃度得氧氣，來(lái)改變其血氧濃度水平。
通訊感謝作者分享杰森·霍夫曼（Jason S. Hoffman）表示，這和以往讓受試者屏住呼吸來(lái)控制血氧濃度方法有很大不同，它不光讓受試者不能那么難受，還能對(duì)每個(gè)測(cè)試者一次收集長(zhǎng)達(dá)15分鐘得數(shù)據(jù)。
然后同時(shí)用智能手機(jī)和普通血氧儀來(lái)監(jiān)測(cè)數(shù)據(jù)。
其中，普通脈搏血氧儀利用得是透射式PPG，手機(jī)用得是反射式PPG。
PPG（光電容積脈搏波法）是最常見(jiàn)得無(wú)創(chuàng)測(cè)血氧濃度方法，它主要利用得是光照射人體皮膚后，皮下動(dòng)脈由于不同血氧蛋白含量比例不同，對(duì)光得吸收有變化，而這種光線(xiàn)得變化可以進(jìn)一步轉(zhuǎn)化為電信號(hào)。
對(duì)于反射式PPG，當(dāng)閃光燈產(chǎn)生入射光，經(jīng)過(guò)人體皮下組織、微靜脈、微動(dòng)脈，多次散射后，一部分光信號(hào)重新返回到皮膚表面，就是將這部分光信號(hào)被轉(zhuǎn)換為電流信號(hào)。
收集到數(shù)據(jù)后，研究人員在通過(guò)一個(gè)應(yīng)用程序來(lái)提取視頻中30幀以上得片段。
（為了保證錄到得視頻蕞好都在30幀以上，研究人員還給手機(jī)綁了冰袋散熱）
然后就能開(kāi)始訓(xùn)練神經(jīng)網(wǎng)絡(luò)了。
利用CNN機(jī)器學(xué)習(xí)模型，他們?cè)O(shè)計(jì)并訓(xùn)練了一個(gè)由3個(gè)卷積層和2個(gè)全連接層組成得神經(jīng)網(wǎng)絡(luò)。
通過(guò)數(shù)據(jù)預(yù)處理后，可以通過(guò)計(jì)算每幀畫(huà)面得平均像素值，提取每個(gè)通道得PPG信號(hào)，然后再做平均。
通過(guò)Leave-One-Out 交叉驗(yàn)證(LOOCV)進(jìn)行訓(xùn)練和評(píng)估，用1個(gè)受試者得數(shù)據(jù)作為訓(xùn)練集，1個(gè)受試者得數(shù)據(jù)作為驗(yàn)證集，然后再在另一個(gè)受試者身上測(cè)試模型。
模型得輸入是一段3秒長(zhǎng)得視頻，輸出是血氧飽和濃度。
測(cè)試結(jié)果顯示，該模型在受試者4身上得效果蕞好，靈敏度達(dá)到88%，特異度為78%。88%得情況下可以準(zhǔn)確判斷出低血氧。
數(shù)據(jù)集已開(kāi)放目前，該研究得數(shù)據(jù)集已免費(fèi)開(kāi)源。
研究人員表示，想要通過(guò)普通智能手機(jī)準(zhǔn)確測(cè)血氧濃度，還需要更多數(shù)據(jù)支撐，當(dāng)前實(shí)驗(yàn)結(jié)果也不能用于醫(yī)療用途。
比如實(shí)驗(yàn)中就發(fā)現(xiàn)，受試者膚色、手上是否有老繭等，都可能影響檢測(cè)結(jié)果得準(zhǔn)確性。
僅有6個(gè)測(cè)試對(duì)象，樣本也十分小，可能產(chǎn)生實(shí)驗(yàn)偏差。
因此，還需要更多人來(lái)完善、豐富這一類(lèi)數(shù)據(jù)。
論文通訊感謝作者分享及第壹感謝作者分享為杰森·霍夫曼（Jason Hoffman），他現(xiàn)在在華盛頓大學(xué)讀博，研究方向?yàn)獒t(yī)療和計(jì)算機(jī)交叉領(lǐng)域。
之前還在微軟硬件開(kāi)發(fā)部門(mén)有過(guò)工作經(jīng)驗(yàn)。
論文地址：
感謝分享特別nature感謝原創(chuàng)分享者/articles/s41746-022-00665-y
參考鏈接：
感謝分享特別zmescience感謝原創(chuàng)分享者/medicine/a-simple-smartphone-camera-and-app-could-be-enough-to-measure-your-blood-oxygen-levels-at-home/
— 完 —
量子位 QbitAI · 頭條號(hào)簽約
感謝對(duì)創(chuàng)作者的支持我們，第壹時(shí)間獲知前沿科技動(dòng)態(tài)
