深度学习算法将智能手机变成脉搏血氧计

这项技术需要参与者将手指放在智能手机的摄像头和闪光灯上，智能手机使用深度学习算法来解释血氧水平。当研究团队向6名受试者提供受控的氮氧混合物，人为降低他们的血氧水平时，智能手机在80%的情况下正确预测了受试者的血氧水平是否低。

来自华盛顿大学和加州大学圣地亚哥分校的研究团队已经在《科学》杂志上发表了他们的研究结果npj数字医学．

其他能做到这一点的智能手机应用程序是通过要求人们屏住呼吸开发的。但人们会感到非常不舒服，大约一分钟后必须呼吸，而这是在他们的血氧水平下降到足以代表全部临床相关数据之前，”联合主要作者詹森·霍夫曼说，他是华盛顿大学保罗·g·艾伦计算机科学与工程学院的博士生。“通过我们的测试，我们能够从每个受试者那里收集15分钟的数据。我们的数据显示，智能手机在临界阈值范围内可以很好地工作。”

用智能手机测量血氧水平的另一个好处是它们无处不在。

威斯康星大学医学院家庭医学教授马修·汤普森博士是研究报告的合著者，他说:“这样你就可以用自己的设备进行多次测量，既不用花钱也不用花钱。”“在理想的情况下，这些信息可以无缝地传输到医生的办公室。这将真正有利于远程医疗预约，或对分诊护士能够迅速确定患者是否需要去急诊室，或他们是否可以继续在家休息，并与初级保健提供者进行预约。”

为了在原理验证研究中为训练和测试算法收集数据，研究人员让每个参与者的一个手指上戴上标准脉搏血氧仪，然后把另一个手指放在同一只手上，通过智能手机的摄像头和闪光灯。

资深作者爱德华·王(Edward Wang)说:“摄像头正在录制视频:每当你的心跳时，闪光灯照亮的部分就会有新鲜的血液流动。”他开始这个项目时还是华盛顿大学电子与计算机工程专业的博士生，现在是加州大学圣地亚哥分校的助理教授设计实验室电气与计算机工程系。

王说:“相机记录了血液在三种颜色通道中对闪光灯的吸收量:红、绿、蓝。”“然后，我们可以将这些强度测量数据输入到我们的深度学习模型中。”

每个参与者吸入受控的氧气和氮气混合物，以缓慢降低氧气水平。整个过程耗时约15分钟。对所有6名参与者，研究小组获得了10,000多个血氧含量读数，读数介于61%到100%之间。

研究人员使用四名参与者的数据来训练一个深度学习算法，以提取血氧水平。剩下的数据用于验证该方法，然后对其进行测试，看看它在新受试者上的表现如何。

“智能手机的光线会被你手指上的所有其他组件散射，这意味着我们正在观察的数据中有很多噪音，”联合第一作者Varun Viswanath说。Varun Viswanath是华盛顿大学的校友，现在是加州大学圣地亚哥分校的博士生，由王教授指导。“深度学习在这里是一项非常有用的技术，因为它可以看到这些非常复杂和微妙的特征，并帮助你找到你无法看到的模式。”

该团队希望通过在更多人身上测试算法来继续这项研究。