تقدير العلامات الحيوية بكفاءة باستخدام التعلم العميق على الهواتف الذكية

مع زيادة استخدام الهواتف الذكية في حياتنا اليومية، أصبحت هذه الأجهزة قادرة على أداء العديد من المهام المعقدة. فيما يتعلق بحاجة مراقبة العلامات الحيوية بشكل مستمر، خاصة لكبار السن أو الأشخاص المصابين بأنواع معينة من الأمراض، فقد جذب تطوير خوارزميات يمكنها تقدير العلامات الحيوية باستخدام الهواتف الذكية اهتمام الباحثين حول العالم. بشكل خاص، يسعى الباحثون إلى استكشاف طرق لتقدير العلامات الحيوية مثل معدل ضربات القلب، ومستويات تشبع الأكسجين، ومعدل التنفس، باستخدام خوارزميات يمكن تنفيذها على الهواتف الذكية. ومع ذلك، فإن العديد من هذه الخوارزميات تتطلب خطوات متعددة للمعالجة السابقة قد تؤدي إلى بعض التكاليف الإضافية في التنفيذ أو تتطلب تصميم عدة مراحل مصممة يدويًا للحصول على نتيجة مثلى. لحل هذه المشكلة، تقترح هذه الدراسة حلًا جديدًا من النهاية إلى النهاية لتقدير العلامات الحيوية باستخدام التعلم العميق الذي يلغي الحاجة إلى المعالجة السابقة. من خلال استخدام بنية ت💬ليفات كاملة (fully convolutional architecture)، فإن النموذج المقترح يحتوي على عدد أقل بكثير من المعلمات وتعقيد حسابي أقل مقارنة بالبنائيات التي تستخدم الطبقات المتصلة بالكامل كرؤوس للتنبؤ (prediction heads). هذا أيضًا يقلل من خطر الانعياز الزائد (overfitting). بالإضافة إلى ذلك، تم توفير مجموعة بيانات عامة لتقدير العلامات الحيوية تشمل 62 فيديو تم جمعها من 35 رجلًا و27 امرأة. بشكل عام، يعد النهج المقترح من النهاية إلى النهاية واعدًا بتحسين كبير في الكفاءة والأداء لمراقبة الصحة على الجهاز باستخدام الإلكترونيات الاستهلاكية المتاحة بسهولة.