- Yalnızca WiFi sinyalleri ile klinik düzeyde kalp atış hızı ölçümü mümkün
- Son derece düşük maliyetli WiFi cihazları ile algoritmaların birleşimi sayesinde giyilebilir cihaz olmadan sağlık durumunu kontrol etmek mümkün
- Kişinin konumu veya hareketinden bağımsız olarak, 3 metre uzaktan bile doğru ölçüm yapılabiliyor
- Araştırma ekibi, algoritmayı ESP32, Raspberry Pi gibi düşük maliyetli cihazlardan gelen verilerle eğitti
- Gelecekte solunum hızı ölçümü ve uyku apnesi tespiti için de kullanım potansiyeli yüksek
Genel Bakış
- UC Santa Cruz araştırma ekibi, sıradan ev tipi WiFi sinyalleri ile kalp atış hızını doğru biçimde ölçebilen Pulse-Fi sistemini geliştirdi
- Bu sistem, son derece düşük maliyetli WiFi cihazları ile makine öğrenimi algoritmalarını birleştirerek, mevcut giyilebilir cihazlar olmadan da gerçek zamanlı sağlık takibinin mümkün olabileceğini gösteriyor
Pulse-Fi: WiFi ve Makine Öğrenimi ile Kalp Atış Hızı Ölçümü
- WiFi cihazları çevreye frekans dalgaları yayar ve bu dalgalar insan gibi nesnelere çarptığında matematiksel olarak algılanabilir değişimler oluşturur
- Pulse-Fi, WiFi verici/alıcılarından toplanan sinyalleri sinyal işleme ve makine öğrenimi ile analiz eder
- Gürültüyü filtreleyerek yalnızca kalp atışının neden olduğu ince sinyal değişimlerini çıkarır
- Projeye, Baskin School of Engineering bünyesinden bir profesör, lisansüstü öğrenciler ve ziyarete gelen bir lise araştırmacısı öncülük etti
Deney Sonuçları ve Doğruluk
- 118 katılımcı üzerinde yapılan testlerde yalnızca 5 saniyelik ölçümle klinik düzeyde doğruluğa ulaşıldı
- Ortalama hata dakikada yalnızca 0,5 atım düzeyindeydi ve ölçüm süresi uzadıkça doğruluk arttı
- Sistem, yalnızca laboratuvar ortamında değil, farklı pozisyonlar (oturma, ayakta durma, uzanma, yürüme vb.) ve cihaz konumlarından bağımsız olarak sorunsuz çalıştı
- 3 metre (yaklaşık 10 feet) mesafede de yüksek doğruluk sağlandı; ticari yönlendiriciler gibi daha gelişmiş WiFi cihazları kullanıldığında daha iyi performans bekleniyor
Veri Kümesinin Oluşturulması
- Algoritmayı eğitmek için araştırmacılar, ESP32 ile standart bir pulse oksimetreyi birlikte kullanarak doğrudan veri topladı
- Pulse-Fi verileri ile pulse oksimetrenin "gerçek referans" verileri birleştirilerek sinir ağı eğitildi
- Ayrıca başka bir araştırma ekibinin Raspberry Pi ile oluşturduğu büyük ölçekli veri kümesine de Pulse-Fi uygulandı
Uygulamalar ve Gelecek Yönelimler
- Gelecekteki araştırmalarda solunum hızı ölçümü ve uyku apnesi tespiti gibi ek kullanım alanlarına genişletilmesi planlanıyor
- Henüz yayımlanmamış aşamadaki deneylerde de solunum ve apne tespiti için yüksek hassasiyet potansiyeli doğrulandı
Endüstriyel Kullanım
- Ticari kullanımla ilgilenen şirketler, UC Santa Cruz bünyesindeki teknoloji transferi sorumlularıyla iletişime geçebilir
Sonuç
- Son derece düşük maliyetli donanım ile makine öğreniminin birleşimi, temassız kalp atış hızı ve sağlık takibini mümkün kılıyor
- Giyilebilir cihazlar veya hastane ekipmanları olmadan da evde kolay ve invaziv olmayan sağlık durumu kontrolü için önemli bir yenilik bekleniyor
1 yorum
Hacker News yorumları
Araştırmacılar, WiFi için kullanılan CSI'ı (Channel State Information: elektromanyetik sinyalin genlik ve faz bilgileri vb.) her kişinin farklı biçimde bozmasına odaklandı. Bunu derin öğrenmeyle işleyip sinyal tabanlı benzersiz veri imzaları çıkardılar. Bu yaklaşım, sinyal tabanlı Re-ID (yeniden tanımlama) sistemlerine uygulanabilir
ilgili başlık: 802.11bf açıklaması,
802.11bf araması: Google,
"Tüm ev kablosuz sinyalleriyle jest tanıma" (2013): ACM makalesi,
atıf yapan makaleler Google Scholar,
yüksek serbestlik dereceli ivmeölçer tabanlı kablosuz jest tanıma, Awesome-WiFi-CSI-Sensing,
3D tarama teknolojileri ve uygulama alanlarına kadar
geçmiş ilgili HN tartışması,
The Atlantic - Wi-Fi Surveillance,
arşiv
1: yürüme analizi IEEE makalesi
2: tuş vuruşu tespiti ACM makalesi
3: solunum/kalp atışı tespiti arşivi
4: konuşma dinleme arşivi