Chip Wi-Fi w Raspberry Pi może mierzyć tętno z kliniczną dokładnością bez drogich monitorów fitness
Tanie układy Wi-Fi, takie jak te znajdujące się w kosztującym 30 USD Raspberry Pi, mogą mierzyć ludzki puls z dokładnością klinicznego monitora tętna lub drogiego urządzenia do monitorowania zdrowia i kondycji, takiego jak Apple Watch.
Według naukowców z UCSC, którzy przewodzili badaniu Pulse-Fi, prosta sieć Wi-Fi stworzona za pomocą układu ESP32 za pięć dolarów może śledzić tętno nie gorzej niż zegarek Apple Watch 10, który jest obecnie przeceniony na Amazon, ale nadal kosztuje 359 USD.
Wyniki testu z taniego Raspberry Pi były jeszcze dokładniejsze, ponieważ naukowcy przesiewali dane o stanie kanału Wi-Fi (CSI) za pomocą algorytmów sztucznej inteligencji w celu wykrycia tętna ponad stu uczestników badania.
Charakterystyka kanału Wi-Fi utworzonego między nadajnikiem a odbiornikiem, taka jak faza, częstotliwość w otoczeniu fizycznym lub amplituda, może się nieznacznie zmieniać z każdym oddechem i uderzeniem serca. Te niewielkie zmiany są następnie filtrowane za pomocą algorytmów uczenia maszynowego, które odrzucają wszystkie inne przyczyny, które mogą zmienić CSI sieci Wi-Fi, pozostawiając Raspberry Pi z prawidłowym pomiarem pulsu wszystkich 118 osób biorących udział w badaniu.
Co więcej, możliwości wykrywania tętna w sieci Wi-Fi były dostępne niezależnie od tego, w jakiej pozie znajdowali się uczestnicy, czy poruszali się, stali, siedzieli, a nawet leżeli.
Aby to osiągnąć, zespół musiał opracować własną bazę danych od podstaw i użyć urządzenia kontrolnego, takiego jak oksymetr klasy klinicznej, aby nauczyć algorytmy sztucznej inteligencji, które zmiany częstotliwości lub amplitudy kanału Wi-Fi można przypisać biciu serca, a które należą do zakłóceń z innych źródeł.
Wdrożony przez nich zestaw oparty na sztucznej inteligencji pomógł wykryć puls z większej odległości, torując drogę do swobodnego monitorowania tętna przez sieci Wi-Fi za pomocą algorytmu Pulse-Fi. Oprócz wykrywania pulsu przez Wi-Fi, naukowcy z UCSC skupiają się teraz na rozpoznawaniu wzorców rytmu oddechu, co może pomóc również osobom cierpiącym na bezdech senny.
