Google Research crea un sistema de monitoreo pasivo de frecuencia cardíaca mediante la cámara del teléfono inteligente
Google/DeepMind
Fitbit
Investigadores de Google presentaron el sistema PHRM, que mide la frecuencia cardíaca y el pulso en reposo a partir de un video facial grabado por la cámara frontal del teléfono inteligente en segundo plano tras desbloquear el dispositivo. El sistema se basa en aprendizaje profundo y mostró un error inferior al 10 por ciento para personas de todos los tonos de piel, comparable a dispositivos portátiles. Esta es la primera demostración a gran escala de monitoreo pasivo de frecuencia cardíaca en la vida cotidiana.
Google Research publicó en Nature una descripción de un sistema pasivo de monitoreo de la frecuencia cardíaca (PHRM, por sus siglas en inglés) que utiliza la cámara frontal de un teléfono inteligente para grabar videos cortos del rostro en segundos después de desbloquearlo. Mediante redes neuronales convolucionales temporales y métodos de fotopletismografía (PPG, por sus siglas en inglés), el sistema estima la frecuencia cardíaca (FC) y la frecuencia cardíaca en reposo diaria (FCR). El entrenamiento utilizó más de 350,000 videoclips de casi 700 participantes, garantizando que al menos el 25% de los participantes tuvieran piel clara y media (según la escala de Monk) y el 33% piel oscura. En condiciones de laboratorio, el PHRM logró un error porcentual absoluto medio (MAPE, por sus siglas en inglés) inferior al 10% para todos los grupos de tono de piel, superando a 15 modelos rPPG conocidos. En un estudio de "vida libre" en el mundo real con 231 participantes que usaban correas de electrocardiograma (ECG) torácicas y Fitbit Charge 6, el PHRM mostró un MAPE del 6,09% después del filtrado de confiabilidad, y la FCR diaria tuvo un error absoluto medio de 4,39 latidos por minuto en relación con Fitbit, mejor que el objetivo de 5 latidos. El sistema reflejó correctamente la asociación de una FCR elevada con un alto índice de masa corporal (IMC) y una baja capacidad aeróbica. Los errores fueron ligeramente mayores para participantes con piel oscura, pero cumplieron con los estándares de precisión. Los investigadores también publican el conjunto de datos de video etiquetado más grande y un modelo PHRM-mini preentrenado para investigación no comercial.
Fuente: Google Research —
original
