Zespół z Great Bay University zaprezentował PhysMambę, innowacyjną platformę sztucznej inteligencji do pomiaru tętna i powiązanych sygnałów fizjologicznych za pomocą filmy z twarząTa ważna innowacja w zdalnej fotopletyzmografii (rPPG) zapewnia bezkontaktową metodę monitorowania stanu zdrowia, co otwiera nowe możliwości dla natychmiastowych zastosowań medycznych i prozdrowotnych.
PhysMamba wyróżnia się spośród wcześniejszych metodologii rPPG, które w większości opierały się na sieciach neuronowych splotowych (CNN) i transformatorach. Te tradycyjne podejścia pomiarowe często miały trudności z dokładnym uchwyceniem istotnych długoterminowych zależności czasowych, które są kluczowe dla pomiaru tętna, zwłaszcza w przypadku dłuższych sekwencji wideo. PhysMamba rozwiązuje te bariery, wprowadzając najnowocześniejszy blok Temporal Difference Mamba (TD-Mamba) wraz z architekturą SlowFast o podwójnym strumieniu. Dzięki temu model skutecznie przetwarza krótkoterminowe i długoterminowo-czasowe cechy czasowe, zwiększając tym samym swoją dokładność w wykrywaniu precyzyjnych sygnałów fizjologicznych. Możesz przeczytać artykuł Tutaj.
Poprzez serię szczegółowych eksperymentów na zbiorach danych wzorcowych, w tym PURE, UBFC-rPPG i MMPD, PhysMamba wykazała imponujące postępy w porównaniu z obecnymi modelami. Spowodowało to zmniejszenie współczynników błędów i zwiększenie dokładności szacowania tętna. Znacznie przewyższając typowe modele CNN i Transformer, innowacyjne ramy były szczególnie skuteczne w rzeczywistych sytuacjach, na które wpływają zmiany oświetlenia i ruchy twarzy.
Ta nowa wersja modelu AI, przyjęta przez CCBR 2024, jest kluczowym osiągnięciem w nieinwazyjnym monitorowaniu fizjologicznym. Zespół badawczy opublikował kod dla PhysMamba na platformie GitHub, co daje możliwość prowadzenia dodatkowych badań i rozwoju w tej fascynującej dziedzinie komputerowego widzenia i technologii medycznych.
