اندازه گیری نبض با تلفن هوشمند

"شین لو"(Xin Liu) نویسنده اصلی این مطالعه گفت: یادگیری ماشین در طبقه بندی تصاویر بسیار خوب عمل می‌کند. اگر یک سری عکس از گربه‌ها به آن نشان دهید و سپس به او بگویید گربه‌ها را در تصاویر دیگر پیدا کند، می‌تواند این کار را انجام دهد. اما برای اینکه یادگیری ماشین در سنجش سلامت از راه دور نیز مفید باشد ما به سیستمی نیاز داریم که بتواند موارد خاصی در ویدیو که می‌تواند اطلاعات فیزیولوژیکی مانند نبض را نشان دهد، شناسایی و آن را اندازه گیری کند. از آنجا که بدن هر شخص با دیگری فرق دارد بنابراین این سیستم باید بتواند به سرعت با امضای فیزیولوژیکی منحصر به فرد هر فرد سازگار شود و این را از سایر تغییرات مانند شکل ظاهری و محیطی که دارد جدا کند.

در مرحله اولیه، دانشمندان این سیستم را با یک مجموعه داده آموزش دادند که شامل هر دو فیلم از چهره افراد و اطلاعات "حقیقت زمینه‌ای" بود. نبض و نرخ تنفس هر فرد با ابزارهای استاندارد در این زمینه اندازه گیری می‌شود. با استفاده از داده‌های مکانی و زمانی از فیلم‌ها ، سیستم علائم حیاتی را تعیین می‌کند."حقیقت زمینه‌ای"(Ground truth) اصطلاحی است که در زمینه‌های مختلف به اطلاعات به دست آمده توسط مشاهده مستقیم اطلاق می شود.لو گفت: ما اعلام می‌کنیم که وقتی رنگ پوست تیره‌تر است عملکرد سیستم ضعیف‌تر است و  این امر تا حدی به این دلیل است که نور به طور متفاوتی از پوست تیره منعکس می‌شود و در نتیجه سیگنال ضعیف‌تری ایجاد می شود. محققان ما به طور فعال در حال توسعه روش‌های جدید برای حل این محدودیت هستند.