AI-modeller och plattformar

Bebisdetektorprogramvara Övervakar Hjärt- och Andningsfrekvenser

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Forskare vid University of South Australia har utvecklat ett datorsynsystem som kan automatiskt upptäcka ett spädbarns ansikte i en sjukhussäng. Detta möjliggör för hälsoexperter att på distans övervaka livsviktiga tecken från en digital kamera, och det visar samma noggrannhetsgrad som en elektrokardiogrammaskin.

Medan artificiell intelligens (AI) programvara och ansiktsigenkänningstekniker ofta används för att upptäcka vuxna människors ansikten, är detta nya system det första som utvecklats för att upptäcka ett för tidigt fött spädbarns ansikte och hud. Det kan göra detta trots de olika rör och kläder som omger spädbarnet.

Övervakning av Hjärt- och Andningsfrekvenser på Distans

Ingenjörsforskare arbetade med en specialist inom neonatalvård från UniSA för att på distans övervaka hjärt- och andningsfrekvenser hos sju spädbarn på neonatalavdelningen (NICU) på Flinders Medical Centre i Adelaide med hjälp av en digital kamera.

UniSA-professorn Javaan Chahl är en av de ledande forskarna.

“Spädbarn på neonatalvård kan vara extra svåra för datorer att känna igen eftersom deras ansikten och kroppar är dolda av rör och annan medicinsk utrustning”, säger Chahl.

“Många för tidigt födda spädbarn behandlas med fototerapi för gulsot, så de är under starka blå lampor, vilket också gör det svårt för datorsynssystem”, fortsatte han.

Utveckling av Systemet

Teknologin utvecklades med hjälp av en datamängd av videor av spädbarn på NICU, vilket möjliggjorde för systemet att upptäcka deras hudton och ansikten med stor noggrannhet.

Studien visade att systemets livsviktiga tecken är jämförbara med dem från en elektrokardiogram (ECG). Det överträffade till och med de konventionella elektroderna i vissa fall.

Studien är en del av ett större UniSA-projekt som syftar till att ersätta kontaktbaserade elektriska sensorer med icke-kontaktvideo-kameror, vilket kan hjälpa till att undvika hudskador och infektioner orsakade av klistermärken. Det senare kan hända på grund av den ömtåliga naturen hos spädbarns hud.

Högupplösningskameror användes för att filma spädbarnen på nära håll medan viktiga psykologiska data extraherades med hjälp av avancerade signalbehandlingsmetoder som kan upptäcka subtila färgförändringar från hjärtslag och kroppsrörelser. Dessa kan inte upptäckas av det mänskliga ögat, vilket är en annan viktig faktor i det nya systemet.

Enligt UniSA-specialist inom neonatal intensivvård, Kim Gibson, är neurala nätverk för att upptäcka spädbarns ansikten en stor genombrott inom icke-kontaktövervakning.

“På NICU är det mycket svårt att spela in tydliga videor av för tidigt födda spädbarn. Det finns många hinder, och belysningen kan också variera, så att få precisa resultat kan vara svårt. Men upptäckningsmodellen har fungerat bättre än våra förväntningar.”

“Världen över föds mer än 10 procent av spädbarnen för tidigt och på grund av deras sårbarhet måste deras livsviktiga tecken övervakas kontinuerligt. Traditionellt har detta gjorts med klistermärken som placeras på huden som kan vara problematiska, och vi tror att icke-kontaktövervakning är vägen framåt”, säger Gibson.

COVID-19-pandemin innebär att dessa resultat är ännu viktigare, säger professor Chahl. Med fysisk distansering kan teknologier som denna spela en allt viktigare roll på sjukhusen.

Alex McFarland är en AI-journalist och författare som utforskar de senaste utvecklingarna inom artificiell intelligens. Han har samarbetat med många AI-startups och publikationer över hela världen.