Sviluppo di una rete neurale artificiale per la predizione dell’onda respiratoria e del blood volume pulse utilizzando video facciali

Abstract

L’obiettivo prefissato in questo lavoro è quello di stimare la frequenza respiratoria partendo dalla ricostruzione dei segnali dell’onda respiratoria e del blood volume pulse dai video facciali dei soggetti per applicazioni nell’ambito della terapia intensiva o in caso di impossibilità di applicazione di sensori cutanei. La frequenza respiratoria è un parametro vitale, il cui monitoraggio è fondamentale poiché la sua variazione, nella maggior parte dei casi, potrebbe essere associata ad una condizione patologica.

Con lo sviluppo della telemedicina, e in particolare della telesalute, la tecnologia ha posto le basi per soddisfare l’esigenza di monitoraggio a distanza dei parametri vitali. Ciò ha un effetto positivo non solo sulla salute e sull’efficienza del servizio erogato, ma ha anche un ottimo impatto economico in quanto, il perseguimento di tale obiettivo, ha come risultato la riduzione dei costi di ricovero. Per il tipo di applicazione desiderata, è stato necessario studiare tecniche contactless per evitare il contatto tra il sensore e il corpo del paziente al fine di eliminare il rischio di infezioni cutanee e per monitorare i pazienti anche da remoto.

Dopo una fase di ricerca bibliografica, sulla base di alcuni criteri che verranno illustrati nel capitolo successivo, è stata individuata la tecnica che meglio risponde alle nostre esigenze, ottenendo buoni risultati non solo per la stima della frequenza respiratoria ma anche per quella cardiaca, essendo in grado di lavorare in modalità multitasking. Questa strategia si basa sulla misurazione dei sottili cambiamenti nella luce riflessa dalla pelle che vengono catturati attraverso una fotocamera.

Al fine di enfatizzare le regioni del volto di maggior interesse, viene implementata un’attenzione spaziale attraverso la quale è possibile generare maschere di attenzione che assegnano pesi maggiori alle aree di interesse, e che vengono successivamente combinate con le caratteristiche estratte dal ramo del movimento. L’idea alla base del progetto è quella di partire dal metodo scelto e poi apportare modifiche per migliorarne le prestazioni. L’obiettivo è apportare una modifica per migliorare le mappe di attenzione generate dal ramo dell’aspetto. Ciò può essere ottenuto convertendo i fotogrammi dallo spazio colore RGB allo spazio colore YUV. Lo spazio colore YUV è caratterizzato da 3 canali: luminanza (Y) e crominanza (U, V). Estraendo solo il canale V per ogni frame e moltiplicandolo per le mappe di attenzione, è possibile migliorare l’identificazione delle regioni di interesse, ottimizzando così l’apprendimento e la predizione della rete.

Obiettivo Tesi

Sviluppo di un modello per la predizione della frequenza cardiaca e respiratoria a partire dalla ricostruzione dei segnali di blood volume pulse e di onda respiratoria utilizzando video facciali di soggetti.

Metodologia di ricerca

• Ricerca bibliografica
• Analisi dello stato dell’arte
• Pre-processing dei segnali
• Modifica dell’architettura della rete neurale
• Training del modello
• Post-processing dei segnali
• Test
• Analisi dei risultati
• Implementazione del modello nella modalità real-time

Conclusioni

Il cambiamento delle maschere di attenzione di un modello già presente in letteratura ha portato a miglioramenti nei risultati della predizione della frequenza respiratoria raggiungendo un MAE di 1,34 e buoni risultati per la stima della frequenza cardiaca con un MAE di 1,79. I risultati ottenuti per la frequenza cardiaca sono in linea con le altre metodiche presenti in letteratura, mentre per la frequenza respiratoria è stata raggiunta una maggiore accuratezza di misura rispetto alle altre metodiche analizzate.

Sviluppi futuri

• Test su ulteriori dataset
• Eliminazione del ramo di aspetto
• Riduzione del ritardo nella predizione per la modalità di funzionamento realtime.