Ilmuwan menciptakan prototipe 'pulsa-fi'-monitor detak jantung Wi-Fi yang lebih murah untuk diatur daripada perangkat yang dapat dipakai terbaik
Insinyur telah digunakan kecerdasan buatan (AI) dan perangkat keras yang murah, di luar rak untuk mengubah amplitudo sinyal Wi-Fi menjadi perkiraan denyut jantung seseorang.
Keakuratan sistem ini, yang disebut Pulse-Fi, sangat konsisten di seluruh posisi dan jarak tubuh, para peneliti menulis dalam sebuah penelitian yang diterbitkan 5 Agustus dalam persidangan 2025 Konferensi Internasional IEEE tentang Komputasi Terdistribusi dalam Sistem Cerdas dan Internet of Things (DCOSS-IOT).
Banyak teknologi di rumah, seperti monitor strap dada dan jam tangan pintarPantau tanda -tanda vital, termasuk detak jantung dan laju pernapasan. Namun, perangkat ini membutuhkan kontak konstan dengan individu dan mahal, mendorong kebutuhan untuk teknologi non -kontak.
Salah satu teknologi tersebut dapat memanfaatkan informasi dalam sinyal Wi-Fi, yaitu gelombang radio Itu membawa data antara emitor dan penerima, seperti antara router dan komputer.
“Saluran Status Informasi” (CSI) memberikan amplitudo dan fase sinyal saat melakukan perjalanan antara kedua perangkat ini, termasuk ketika melewati rintangan seperti peti yang bergerak. Karena sinyal melengkung saat melewati hambatan ini, para peneliti dapat menyaring data CSI untuk menangkap tanda -tanda vital.
Bermacam-macam Contoh sekarang ada untuk deteksi detak jantung Wi-Fitetapi Kocheta dan timnya berpendapat bahwa beberapa keterbatasan tetap ada. Misalnya, banyak yang mengandalkan perangkat keras yang sekarang sudah tidak ada. Untuk mengatasi keterbatasan ini, para peneliti mengembangkan sistem baru yang disebut “pulsa-fi.”
Menangkap tanda -tanda vital
Untuk mengumpulkan data yang diperlukan untuk mengevaluasi pulsa-fi, tim menempatkan tujuh orang-lima pria dan dua wanita-di antara dua antena tunggal Perangkat ESP32. Perangkat mikrokontroler ini merilis sinyal Wi-Fi, dengan satu bertindak sebagai emitor dan yang lainnya sebagai penerima. Detak jantung aktual para peserta dikumpulkan secara bersamaan melalui oksimeter pulsa yang melekat pada ujung jari mereka.
Setiap individu berpartisipasi tiga kali: sekali 3,3 kaki (1 meter) dari EPS32S dan kemudian dari 6,6 kaki (2 m) dan 9,8 kaki (3 m) jauhnya. Setiap jendela pengukuran berlangsung lima menit.
Tim kemudian mengembangkan pipa pembelajaran mesin untuk memperkirakan detak jantung dari CSI. Langkah awalnya adalah mengekstraksi informasi amplitudo, yang berhubungan dengan detak jantung individu, dan kemudian menghapus bagian -bagian berantakan dari sinyal yang berasal dari rintangan di lingkungan.
Selanjutnya, para insinyur menambahkan filter untuk menghilangkan frekuensi sinyal di luar kisaran 0,8-ke-2.17-Hertz, yang sesuai dengan 48 hingga 130 ketukan per menit (bpm). Kemudian, mereka menambahkan filter kedua untuk menghaluskan sinyal lebih lanjut.
Tim kemudian memperkirakan detak jantung peserta menggunakan a Jaringan saraf berulang memori jangka panjang jangka panjangSuatu bentuk pembelajaran mesin yang menambahkan “sel memori” ke pemrosesan data berurutan, yang menyediakan konteks yang diperlukan untuk mengambil dependensi dalam data. Dalam hal ini, ketergantungan ini berkaitan dengan unsur-unsur seperti detak jantung istirahat dan lonjakan yang diinduksi oleh olahraga di BPM.
Tim terkejut menemukan estimasi detak jantung tetap akurat di berbagai jarak dari perangkat ESP32. Detak jantung denyut nadi-fi di bawah dan terlalu tinggi dengan rata-rata 0,429 bpm pada 1 meter, 0,482 bpm pada 2 m dan 0,488 bpm pada 3 m jauhnya.
Para peneliti kemudian menggunakan yang sudah ada sebelumnya Data Kesehatan Wi-Fi CSI Untuk menguji bagaimana nadi-fi bernasib dengan posisi dan aktivitas tubuh yang berbeda. Data berasal dari 118 orang dewasa Brasil yang memegang 17 posisi stasioner dan aktif, termasuk duduk diam, berjalan di tempat dan menyapu lantai, selama 60 detik. Para peserta berjarak 3,3 kaki (1 m) dari emitor dan penerima Wi-Fi serta dari Raspberry Pi 3B+ digunakan untuk mengumpulkan data CSI.
Mereka membandingkan perkiraan detak jantung jaringan saraf terhadap pembacaan smartwatch dan menemukan bahwa pulsa-fi tidak terpengaruh oleh posisi tubuh orang tersebut. Kesalahan khasnya adalah 0,2 bpm.
Ketukan nirkabel
Teknik tahap awal ini secara teori menarik, kata Andreas Karwathseorang ilmuwan data kesehatan di University of Birmingham di Inggris yang tidak terlibat dalam penelitian ini.
Namun, ia mengatakan keterbatasan utama dari penelitian ini adalah bahwa data yang sama digunakan untuk pelatihan, validasi dan pengujian model. Para peneliti mengocok data setiap kali, tetapi Karwath mengatakan ini menciptakan ramalan yang terpenuhi dengan sendirinya.
“Ini seperti memprediksi penyakit seseorang dengan belajar dari orang tersebut dan kemudian memprediksi orang tersebut,” katanya kepada Live Science. “Itu tidak masuk akal.”
Dalam tanggapan terhadap kritik ini, para peneliti mengatakan bahwa sementara analisis mereka melibatkan pengocokan, mereka telah menguji model secara real time, di mana pulsa-fi dilatih hanya pada data sebelumnya dan kemudian dievaluasi pada sinyal input dan lingkungan yang sama sekali baru. Penelitian ini belum dipublikasikan.
Karwath juga menjelaskan bahwa jam tangan pintar dan oksimeter yang digunakan untuk mengumpulkan informasi detak jantung agar jaringan saraf dibandingkan dengan tidak selalu 100% akurat, sehingga data mereka mungkin bias.
Kocheta, Bhatia dan Obraczka mengakui keterbatasan tentang jam tangan pintar ini. Namun, “oksimeter pulsa umumnya dianggap sebagai perangkat medis bersertifikat yang sangat akurat,” kata mereka.
Tim sekarang memperluas pengujian pulsa-fi untuk melacak detak jantung banyak orang di sebuah ruangan pada saat yang sama untuk melihat seberapa baik modelnya mengatasi lingkungan yang ramai.
Para penulis mengatakan bahwa tidak ada informasi pribadi eksplisit yang terlibat dalam pipa pemrosesan data dan semua estimasi detak jantung tetap dalam perangkat keras. Dengan demikian, tidak ada masalah privasi data dengan teknologi. Karwarth meramalkan bahwa teknologi ini setidaknya lima hingga 10 tahun dari dapat digunakan.
