使用机器学习分析斑点模式的酒精消费的遥感
Doron Duadi1, Avraham Yosovich1, Marianna Beiderman2
1Bar Ilan University, Faculty of Engineering and Nanotechnology Center, Ramat Gan, Israel.
Journal of biomedical optics
|March 5, 2025
概括
这项研究引入了一种使用机器学习的新型光学技术,用于远程检测酒精消费. 二元分类模型实现了高精度和灵敏度,为法医和医疗保健应用提供了快速,非侵入性的替代方案.
科学领域:
- 生物医学光学 生物医学光学
- 机器学习 机器学习
- 法医科学 法医科学 法医科学
背景情况:
- 目前的酒精监测方法 (呼吸,血液) 有局限性.
- 需要更快,非侵入性的酒精评估技术.
- 像中国这样的国家的执法部门需要对最低酒精含量进行敏感的检测.
研究的目的:
- 开发和评估用于酒精消费评估的远程光学技术.
- 为了利用机器学习对酒精存在的二进制分类.
- 为传统方法提供一种非侵入性,快速的替代方案.
主要方法:
- 激光照亮了射线动脉,摄像机捕捉了失焦的斑点图案.
- 机器学习模型是为了从时间斑点模式分析中自动选择特征而开发的.
- 模型使用多类和二进制分类方案进行评估.
主要成果:
- 二元分类模型在多类模型中表现出优越的性能.
- 模型C实现了88%的准确性,99%的灵敏度用于二元酒精检测.
- 一个二进制模型也实现了高特异性 (97%).
结论:
- 开发的二元分类模型有效地区分了饮酒前和饮酒后的消费.
- 该技术具有高灵敏度和精度,对于临床和法医使用至关重要.
- 这种非侵入性的光学方法在酒精监测方面呈现出有前途的进步.


