Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 تشخیص اختلالات تنفسی به کمک امواج Wi-Fi توسط برنامه هوشمند BreatheSmart

تشخیص اختلالات تنفسی به کمک امواج Wi-Fi توسط برنامه هوشمند BreatheSmart

زمان مطالعه: 2 دقیقه

مودم‌های Wi-Fi در بسیاری از منازل و محیط‌های کاری، وظیفه انتقال سیگنال‌های اینترنتی به دستگاه‌های متصل به اینترنت را بر عهده دارند. این سیگنال‌ها که به‌صورت فرکانس‌های رادیویی ارسال می‌شوند، از تمامی اجسام مانند دیوارها، وسایل منزل و حتی خود ما عبور می‌کنند. در این میان، حرکات اجسام و حتی نفس کشیدن ما می‌تواند باعث شود که این سیگنال‌ها کمی از مسیر خود منحرف شوند. این تغییر مسیرهای جزئی، به‌هیچ‌وجه باعث نمی‌شود که در اتصال دستگاه‌های شما به اینترنت خللی ایجاد شود اما می‌توان به کمک آنها، حرکات اجسام را شناسایی کرد. با توجه به این ویژگی امواج، مجموعه NIST در تلاش است تا با توسعه یک محصول مبتنی‌بر یادگیری عمیق به نام BreatheSmart، الگوی نفس‌کشیدن افراد حاضر در محیط را تجزیه و تحلیل کند تا از سلامت تنفسی حاضران، اطمینان حاصل کند.

برای استفاده از BreatheSmart نیازی به تهیه تجهیزات مخصوصی نیست و می‌توان برای کنترل الگوی تنفسی افراد، از مودم‌ها و روترهایی که در حال حاضر مورد استفاده کاربران است، استفاده کرد. پیش از این، دانشمندان NIST در سال 2020 قصد داشتند که به پزشکان در مبارزه با بیماری کرونا کمک کنند اما چالش‌هایی مانند قرنطینه بیماران، دستگاه تنفس مصنوعی کمیاب و کمبود داده‌های قبلی پیرامون این مطلب، باعث شد که فعالیت این مجموعه تا امروز به طول بینجامد. تحقیقات دیگری نیز در گذشته پیرامون استفاده از امواج Wi-Fi برای تشخیص اختلالات تنفسی افراد انجام گرفته بود اما جهت استفاده از آن، به دستگاه‌های مخصوصی نیاز بود که نمی‌توانست در دسترس همه قرار بگیرد.

تشخیص اختلالات تنفسی

جیسون کودر، سرپرست تحقیقات NIST می‌گوید:« با شیوع بیماری کرونا، دنیا زیر و رو شده بود و ما در این فکر بودیم که برای بهبود این اوضاع، چه کاری می‌توانیم انجام دهیم. ما در NIST فرصت نداشتیم که یک دستگاه جدید را توسعه بدهیم؛ درنتیجه، باید از ابزارهایی استفاده می‌کردیم که همین حالا هم در دسترس همه باشد.»

مجموعه داده‌هایی که از جانب تلفن همراه، کامپیوتر شخصی و دیگر ابزارهای متصل به اینترنت ما برای روتر ارسال می‌شود، همواره ثابت است و به‌صورت عادی، هیچ تغییری در آن ایجاد نمی‌شود. این داده‌ها که به نام «اطلاعات وضعیت کانال» (channel state information) شناخته می‌شوند، به تعداد مشخصی در ثانیه توسط مودم دریافت می‌شوند. تیم NIST با تغییراتی که در مودم به وجود آوردند، توانستند تا ده CSI در ثانیه را دریافت کنند تا به این وسیله، تصویر واضحی از نحوه تغییر سیگنال به دست آورند. آنها برای آزمایش دستاورد خود از یک مدل انسان‌نما استفاده کردند. این مدل قادر است تنفس انسان را از حالت عادی تا بیماری‌های تنفسی پیشرفته مانند آسم و ذات‌الریه شبیه‌سازی کند. عملی که باعث تغیر امواج Wi-Fi می‌شود خود نفس کشیدن نیست، بله حرکت بدن و قفسه سینه به‌صورت غیرعادی است.

NIST، داده‌های بسیار زیادی را جمع‌آوری کردند و برای پردازش آن به استفاده از یادگیری عمیق روی آوردند. الگوی طراحی‌شده به‌وسیله این تیم تحقیقاتی، می‌تواند داده‌های CSI را تجزیه و تحلیل کند و نشانه‌های مشکلات تنفسی را تشخیص دهد. آزمایشات آنها با مدل انسان‌نما، نشان داد که الگوهای تشخیص‌داده‌شده توسط BreatheSmart تا 99.54 درصد با موفقیت طبقه‌بندی شده‌اند.

توسعه این الگوریتم می‌تواند در تشخیص زودهنگام بیماری‌های تنفسی و همچنین خطراتی ازجمله خفگی و گازگرفتگی، موثر باشد و نیروهای امداد را از وضعیت بیماران آگاه کند. BreatheSmart مرحله توسعه اولیه خود را طی می‌کند و هنوز تاریخ دقیقی برای ورود این برنامه به بازار در نظر گرفته نشده است.

بنر اخبار هوش مصنوعی

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]