Wi-Fi vám může pomoci rozpoznat, kdy se vám nedaří dýchat
Wi-Fi routery nepřetržitě vysílají rádiové frekvence, které zachycují vaše telefony, tablety a počítače a používají je k připojení k internetu. Jak se neviditelné frekvence pohybují, odrážejí se nebo procházejí vším kolem sebe – stěnami, nábytkem a dokonce i vámi. Vaše pohyby, dokonce i dýchání, mírně mění cestu signálu od routeru k vašemu zařízení.
Tyto interakce však nepřeruší vaše internetové připojení, ale mohou se využít k signalizaci, když má někdo potíže. NIST vyvinul algoritmus hlubokého učení, nazvaný BreatheSmart, který dokáže analyzovat tyto nepatrné změny a pomoci určit, zda někdo v místnosti má potíže s dýcháním. A umí to s již dostupnými Wi-Fi routery a zařízeními. Tato práce byla nedávno publikována v IEEE Access .
V roce 2020 chtěli vědci NIST pomoci lékařům v boji s pandemií COVID-19. Pacienti byli izolováni a ventilátorů bylo málo. Předchozí výzkum zkoumal použití signálů Wi-Fi ke snímání lidí nebo pohybu, ale tato nastavení často vyžadovala vlastní snímací zařízení a údaje z těchto studií byly velmi omezené.
"Když se svět všech obrátil vzhůru nohama, několik z nás v NIST přemýšlelo o tom, co bychom mohli udělat, abychom pomohli," říká Jason Coder, který vede výzkum NIST v oblasti metrologie sdíleného spektra. "Neměli jsme čas vyvinout nové zařízení, tak jak můžeme použít to, co už máme?"
Ve spolupráci s kolegy z Office of Science and Engineering Labs (zkráceně OSEL :-) v Centru pro zařízení a radiologické zdraví FDA vyvinula kodérka a výzkumná pracovnice Susanna Mosleh nový způsob využití stávajících Wi-Fi routerů k měření dechové frekvence člověka, který je v klidu. Ve Wi-Fi je "informace o stavu kanálu" nebo CSI soubor signálů odeslaných z klienta (například mobilního telefonu nebo notebooku) do přístupového bodu (například směrovače).
Signál CSI odeslaný klientským zařízením je vždy stejný a přístupový bod přijímající signály CSI ví, jak by měl vypadat. Ale jak signály CSI procházejí prostředím, dochází k jejich zkreslení, protože se odrážejí od věcí nebo ztrácejí sílu. Přístupový bod analyzuje míru zkreslení, aby upravil a optimalizoval spojení.
Tyto toky CSI jsou malé, méně než kilobajt, takže neruší tok
dat přes kanál. Tým upravil firmware na routeru tak, aby požadoval tyto streamy
CSI častěji, až 10krát za sekundu, aby získal podrobný obrázek o tom, jak se
signál měnil.
Postavili figurínu používanou k výcviku lékařských profesionálů v bezodrazové
komoře s komerčním Wi-Fi routerem a přijímačem. Tato figurína je navržena tak,
aby replikovala několik stavů dýchání, od normálního dýchání po abnormálně
pomalé dýchání (nazývané bradypnoe), abnormálně rychlé dýchání (tachypnoe),
astma, zápal plic a chronické obstrukční plicní nemoci nebo CHOPN.
To, co mění signál Wi-Fi, je způsob, jakým se tělo pohybuje, když dýcháme.
Přemýšlejte o tom, jak se váš hrudník pohybuje jinak, když sípete nebo kašlete,
ve srovnání s normálním dýcháním. Jak figurína „dýchala“, pohyb jejího hrudníku
měnil dráhu, kterou prošel signál Wi-Fi. Členové týmu zaznamenávali data
poskytovaná streamy CSI. Přestože shromáždili velké množství dat, stále
potřebovali pomoc, aby pochopili, co shromáždili.
"To je místo, kde můžeme využít hluboké učení ," řekl Coder.
Hluboké učení je podmnožinou umělé inteligence, typem strojového učení, které napodobuje schopnost lidí učit se z jejich minulých akcí a zlepšuje schopnost stroje rozpoznávat vzorce a analyzovat nová data.
Mosleh pracoval na algoritmu hlubokého učení, aby prošel data CSI, porozuměl jim a rozpoznal vzorce, které naznačovaly různé problémy s dýcháním. Algoritmus, který pojmenovali BreatheSmart, úspěšně klasifikoval různé respirační vzorce simulované s figurínou v 99,54 % případů.
"Většina práce, která byla předtím provedena, byla práce s velmi omezenými daty," říká Mosleh. "Byli jsme schopni shromáždit data pomocí mnoha simulovaných respiračních scénářů, což přispívá k rozmanitosti tréninkové sady, která byla pro algoritmus k dispozici."
O použití signálů Wi-Fi pro snímací aplikace je velký zájem, říká Coder. On a Mosleh doufají, že vývojáři aplikací a softwaru mohou použít proces uvedený v práci jako rámec pro vytváření programů pro vzdálené monitorování dýchání .
"Všechny způsoby, jak shromažďujeme data, se provádí pomocí softwaru na přístupovém bodu (v tomto případě routeru ), což by mohla být provedena aplikace v telefonu," říká Coder. "Tato práce se snaží nastínit, jak někdo může vyvinout a otestovat svůj vlastní algoritmus. Toto je rámec, který mu pomůže získat relevantní informace."
