Умный сенсор обнаруживает симптомы с помощью периферийных вычислений
Периферийные вычисления на смартфоне использовались для анализа данных, собранных мультимодальным гибким носимым сенсорным пластырем, а также для обнаружения аритмии, кашля и падений.
Носимые датчики — это устройства, которые можно носить на теле и измерять состояние тела. Они являются частью Интернета вещей (IoT) и показывают большие перспективы для мониторинга здоровья. Эти датчики генерируют большие объемы данных, и эти данные необходимо обрабатывать, чтобы их можно было понять.
Область вычислений, связанная с обработкой этих данных на датчике или устройстве, к которому подключен датчик, а не на удаленном сервере в облаке, называется периферийными вычислениями. Периферийные вычисления являются ключевым элементом в технологии носимых датчиков.
Исследовательская группа из Японии под руководством профессора Кунихару Такеи из Университета Хоккайдо и доцента Кохеи Накадзимы из Токийского университета изготовила гибкий мультимодальный носимый сенсорный пластырь и разработала программное обеспечение для периферийных вычислений, способное обнаруживать аритмию, кашель и падения у добровольцев.
Датчик, использующий смартфон в качестве периферийного вычислительного устройства, был описан в статье, опубликованной в журнале Device.
«Наша цель в этом исследовании состояла в разработке мультимодального сенсорного пластыря, который мог бы обрабатывать и интерпретировать данные с использованием периферийных вычислений, а также обнаруживать ранние стадии заболеваний в повседневной жизни», — объясняет Кунихару Такеи.
Команда изготовила датчики, которые отслеживают сердечную активность с помощью электрокардиограммы (ЭКГ), дыхания, температуры кожи и влажности, вызванной потоотделением. После подтверждения их пригодности для долгосрочного использования датчики были интегрированы в гибкую пленку (сенсорный пластырь), которая прилипает к коже человека. Сенсорный пластырь также включал модуль Bluetooth для подключения к смартфону.
Команда исследователей сначала проверила способность сенсорной накладки обнаруживать физиологические изменения у трех добровольцев, которые носили ее на груди. Сенсорная накладка использовалась для мониторинга жизненно важных показателей у добровольцев при температурах (используемых для определения вероятности теплового стресса) от 22°C и выше 29°C.
«Хотя наша тестовая группа была небольшой, мы могли наблюдать изменение их жизненных показателей во время мониторинга временных рядов при высоких температурах. Это наблюдение может в конечном итоге привести к выявлению симптомов теплового стресса на ранней стадии», — объясняет Такеи.
Ученые разработали программу машинного обучения для обработки записанных данных с целью обнаружения других симптомов, таких как сердечная аритмия, кашель и падения. «Помимо проведения анализа на компьютере, — говорит Накадзима, — мы также разработали приложение для периферийных вычислений для смартфонов, которое могло бы выполнять тот же анализ. Мы достигли точности прогнозирования более 80%».
«Значительным достижением этого исследования является интеграция мультимодальных гибких датчиков, анализа данных машинного обучения в реальном времени и удаленного мониторинга жизненно важных функций с помощью смартфона», — заключают исследователи.
«Одним из недостатков нашей системы является то, что обучение невозможно проводить на смартфоне, и его необходимо проводить на компьютере; однако эту проблему можно решить, упростив обработку данных». В этом исследовании продвигается концепция системы периферийных вычислений на основе патчей для телемедицины или теледиагностики.
