Η ομάδα από το Πανεπιστήμιο Great Bay παρουσίασε το PhysMamba, ένα καινοτόμο πλαίσιο τεχνητής νοημοσύνης για τη μέτρηση του καρδιακού παλμού και των σχετικών φυσιολογικών σημάτων μέσω βίντεο προσώπου. Αυτή η σημαντική καινοτομία στην απομακρυσμένη φωτοπληθυσμογραφία (rPPG) παρέχει μια ανέπαφη μέθοδο για την παρακολούθηση της υγείας, η οποία ανοίγει νέες ευκαιρίες για άμεσες ιατρικές εφαρμογές και εφαρμογές ευεξίας.
Το PhysMamba ξεχωρίζει από προηγούμενες μεθοδολογίες rPPG που βασίζονταν κυρίως σε Συνελικτικά Νευρωνικά Δίκτυα (CNN) και Μετασχηματιστές. Αυτές οι παραδοσιακές προσεγγίσεις μέτρησης συχνά δυσκολεύονταν να αποτυπώσουν με ακρίβεια τις βασικές χρονικές εξαρτήσεις μεγάλης εμβέλειας που είναι κρίσιμες για τη μέτρηση του καρδιακού παλμού, ειδικά όταν πρόκειται για μεγαλύτερες ακολουθίες βίντεο. Το PhysMamba επιλύει αυτά τα εμπόδια εισάγοντας ένα υπερσύγχρονο μπλοκ Temporal Difference Mamba (TD-Mamba) παράλληλα με μια αρχιτεκτονική SlowFast διπλής ροής. Με αυτόν τον τρόπο, το μοντέλο επεξεργάζεται αποτελεσματικά βραχυπρόθεσμα και μακροπρόθεσμα χρονικά χαρακτηριστικά, αυξάνοντας έτσι την ακρίβειά του στην ανίχνευση ακριβών φυσιολογικών σημάτων. Μπορείτε να διαβάσετε την εφημερίδα εδώ.
Μέσα από μια σειρά λεπτομερών πειραμάτων σε σύνολα δεδομένων αναφοράς, συμπεριλαμβανομένων των PURE, UBFC-rPPG και MMPD, το PhysMamba έδειξε εντυπωσιακές προόδους σε σύγκριση με τα τρέχοντα μοντέλα. Αυτό είχε ως αποτέλεσμα μειωμένα ποσοστά σφάλματος και αυξημένη ακρίβεια στην εκτίμηση του καρδιακού ρυθμού. Ξεπερνώντας σημαντικά τα τυπικά μοντέλα CNN και Transformer, το καινοτόμο πλαίσιο ήταν ιδιαίτερα αποτελεσματικό σε πραγματικές καταστάσεις που επηρεάζονταν από παραλλαγές φωτισμού και κινήσεις του προσώπου.
Αυτή η νέα έκδοση ενός μοντέλου τεχνητής νοημοσύνης, που αγκαλιάστηκε από το CCBR 2024, είναι μια κρίσιμη εξέλιξη στη μη επεμβατική φυσιολογική παρακολούθηση. Η ερευνητική ομάδα έδωσε στη δημοσιότητα ο κωδικός για το PhysMamba στο GitHub, παρέχοντας ευκαιρίες για πρόσθετη έρευνα και ανάπτυξη σε αυτόν τον συναρπαστικό τομέα της όρασης υπολογιστών και της τεχνολογίας υγείας.
VIA: DataConomy.com
