Estimation efficace des signes vitaux basée sur l'apprentissage profond sur les smartphones

Avec l'augmentation de l'utilisation des smartphones dans notre vie quotidienne, ces appareils sont devenus capables d'effectuer de nombreuses tâches complexes. En ce qui concerne le besoin de surveiller continuellement les signes vitaux, en particulier pour les personnes âgées ou celles souffrant de certains types de maladies, le développement d'algorithmes permettant d'estimer les signes vitaux à l'aide des smartphones a attiré l'attention des chercheurs du monde entier. Plus précisément, les chercheurs explorent des moyens d'estimer des signes vitaux tels que la fréquence cardiaque, les niveaux de saturation en oxygène et la fréquence respiratoire, en utilisant des algorithmes pouvant être exécutés sur des smartphones. Cependant, beaucoup de ces algorithmes nécessitent plusieurs étapes de prétraitement qui peuvent introduire une charge supplémentaire lors de leur mise en œuvre ou nécessiter la conception de quelques étapes manuellement conçues pour obtenir un résultat optimal. Pour résoudre ce problème, cette recherche propose une nouvelle solution bout-à-bout pour l'estimation mobile des signes vitaux à l'aide de l'apprentissage profond, éliminant ainsi le besoin de prétraitement. En utilisant une architecture entièrement convolutive, le modèle proposé possède bien moins de paramètres et une complexité computationnelle moindre par rapport aux architectures qui utilisent des couches entièrement connectées comme têtes prédictrices (prediction heads). Cela réduit également le risque de surapprentissage. De plus, un jeu de données public pour l'estimation des signes vitaux est fourni, comprenant 62 vidéos collectées auprès de 35 hommes et 27 femmes. Dans son ensemble, l'approche bout-à-bout proposée promet une efficacité et une performance considérablement améliorées pour la surveillance santé sur dispositif à partir d'électronique grand public facilement disponible.