移动设备的实时无接触心房动检测系统

科学领域:

• 生物医学工程 生物医学工程
• 医疗保健中的人工智能
• 心脏病学 心脏病学

背景情况:

• 全球老龄化人口正在经历心房动 (AF) 的上升率,这是一种与中风和残疾密切相关的疾病.
• 早期发现AF对于预防中风至关重要,但目前的方法在复杂的现实环境中难以准确.
• 现有的检测技术往往面临速度,成本效益和适应运动和照明变化的局限性.

研究的目的:

• 开发一种新的,轻量级的,非接触式系统来检测心脏动 (AF).
• 在智能手机和平板电脑等边缘计算设备上启用AF检测.
• 在各种环境条件下提高AF查的准确性和可访问性.

主要方法:

• 从452名受试者 (AF,正常鼻节律,其他心律失常) 收集了7216个30秒段的数据集,以反映现实世界的场景.
• 采用了一种轻量级的卷积神经网络 (CNN),具有大型受体场,一个双向空间映射增强注意力模块 (BiSME-ATT) 和一个双向特征金字塔网络 (BiFPN).
• 该系统通过最小化模型参数和每秒浮点运算 (FLOP) 来优化移动部署.

主要成果:

• 拟议的系统在AF与非AF检测方面实现了高性能指标:94.39%的准确性,91.57%的灵敏性,95.44%的特异性,88.06%的积极预测值和96.93%的负预测值.
• 通过不同级别的运动干扰和光强度观察到AF检测的显著改善.
• 该系统在复杂的现实环境中表现出强度和有效性.

结论:

• 开发的轻量级,非接触面部rPPG系统提供了一个有前途的解决方案,可以方便和准确地检测心房动 (AF).
• 在智能手机等边缘设备上部署可以促进广泛的早期查,并可能减少与中风相关的残疾.
• 该系统在各种条件下的性能突显了其在现实世界临床应用中的潜力.