AI-modeller og platforme

Baby Detector Software Overvåger Hjertefrekvens og Åndedrætsrater

mm
Føj Unite.AI til dine foretrukne kilder på Google

Forskere ved University of South Australia har udviklet et computer vision-system der kan automatisk registrere et barns ansigt i en hospitals­seng. Dette giver sundheds­eksperter mulighed for at overvåge livsvigtige tegn på afstand ved hjælp af en digital kamera, og det viser sig at have samme nøjagtighed som en elektro­kardiogram-maskine. 

Kunstig intelligens (AI)-software og ansigts­genkendelsesteknologier bruges ofte til at registrere voksne menneskers ansigter, men dette nye system er det første, der er udviklet til at registrere et for tidligt født barns ansigt og hud. Det kan gøre dette på trods af de forskellige slanger og beklædning, der omgiver barnet.

Overvågning af Hjertefrekvens og Åndedrætsrater på Afstand

Ingeniør-forskere arbejdede sammen med en neonatal­pleje­specialist fra UniSA for at overvåge hjertefrekvens og åndedrætsrater for syv spædbørn i Neonatal Intensiv Afdeling (NICU) på Flinders Medical Centre i Adelaide ved hjælp af et digitalt kamera. 

UniSA Professor Javaan Chahl er en af hoved­forskerne. 

“Børn i neonatal intensiv­pleje kan være ekstra svære for computere at genkende, fordi deres ansigter og kroppe er skjult af slanger og andet medicinsk udstyr,” siger Chahl.

“Mange for tidligt fødte børn bliver behandlet med fototerapi for gulsot, så de er under lyse blå lys, hvilket også gør det svært for computer­vision­systemer,” fortsætter han.

Udvikling af Systemet

Teknologien blev udviklet ved hjælp af en dataset af videoer af børn i NICU, hvilket gjorde det muligt for systemet at registrere deres hudtone og ansigter nøjagtigt. 

Forskningen viste, at systemets målinger af livsvigtige tegn er på niveau med dem fra en elektro­kardiogram (ECG). Det overgik endda de konventionelle elektroder i visse tilfælde. 

Studiet er en del af et større UniSA-projekt, der arbejder på at erstatte kontakt-baserede elektriske sensorer med ikke-kontakt video-kameraer, som kan hjælpe med at undgå hud­revner og infektioner forårsaget af klæbende pads. Sidstnævnte kan ske på grund af den ømme natur af børns hud.

Høj­opløsnings-kameraer blev brugt til at filme spædbørnene på tæt hold, mens vitale psykologiske data blev udtrukket ved hjælp af avancerede signal­behandlings­teknikker, der kan registrere subtile farve­ændringer fra hjerteslag og krop­bevægelser. Disse kan ikke registreres af det menneskelige øje, hvilket er en anden vigtig faktor i det nye system.

Ifølge UniSA’s neonatale kritisk pleje-specialist Kim Gibson er neurale netværk til registrering af børns ansigter en stor gennembrud i ikke-kontakt-overvågning. 

“I NICU-miljøet er det meget udfordrende at optage klare videoer af for tidligt fødte børn. Der er mange forhindringer, og belysningen kan også variere, så det kan være svært at få nøjagtige resultater. Men registrerings­modellen har fungeret over vores forventninger.”

“Verden over er mere end 10 procent af børn født for tidligt, og på grund af deres sårbarhed skal deres livsvigtige tegn overvåges kontinuerligt. Traditionelt er dette blevet gjort med klæbende elektroder på huden, som kan være problematisk, og vi mener, at ikke-kontakt-overvågning er vejen fremad,” siger Gibson.

COVID-19-pandemien gør disse resultater endnu mere vigtige, siger professor Chahl. Med fysisk afstand kan teknologier som denne spille en stadig vigtigere rolle på hospitaler.

Alex McFarland er en AI-journalist og forfatter, der udforsker de seneste udviklinger inden for kunstig intelligens. Han har samarbejdet med talrige AI-startups og publikationer verden over.