Deteksi biosignals dan emosi manusia yang dibantu AI
Machine

Deteksi biosignals dan emosi manusia yang dibantu AI


Analisis ekspresi mikro wajah penting untuk memahami emosi manusia yang tersembunyi atau tertekan, dan unit aksi wajah (AU) adalah elemen terkecil dari gerakan wajah. Kredit: Universitas Oulu

Penelitian metodologi fundamental tentang pembelajaran otonom dapat memberikan manfaat paling banyak, jika tidak semua, tugas-tugas computer vision. Dengan bantuan pembelajaran otonom, kami dapat secara otomatis merancang jaringan saraf sadar kontekstual untuk data yang dirasakan berbeda dengan tugas visi komputer tertentu.

“Meskipun komunikasi nirkabel dan visi mesin berfokus pada berbagai bentuk sinyal, kita dapat menggunakan pembelajaran mesin untuk memajukan tugas tertentu, misalnya, untuk mengotomatiskan atau mengoptimalkan proses, dan untuk memfasilitasi interaksi manusia,” kata profesor Guoying Zhao dan profesor Xiaobai Li.

Para ahli mempelajari Emotion AI termasuk pengenalan dan analisis ekspresi wajah (mikro), emosi (mikro), dan emosi non-tipikal, yang berhubungan langsung dengan pemahaman emosi dan dapat memfasilitasi pendidikan, psikoterapi, layanan jarak jauh, dan otonom. mengemudi, untuk menyebutkan beberapa.

“Analisis ekspresi mikro wajah penting untuk memahami emosi manusia yang tersembunyi atau tertekan, dan unit aksi wajah (AU) adalah elemen terkecil dari gerakan wajah,” catat para ahli. Selain itu, analisis dan pengenalan gerakan tubuh dan gerakan mikro juga penting untuk pengenalan status emosional. Fusi informasi multi-saluran telah diselidiki untuk sistem pemahaman emosi yang lengkap.

Tim ini bertujuan untuk meningkatkan pemahaman tentang emosi yang tidak termasuk dalam kelas yang paling umum atau biasa, misalnya, senang, sedih, marah, dll., Tetapi biasanya ditemui dalam kehidupan sehari-hari dan secara praktis penting dalam skenario aplikasi. Emosi non-tipikal seperti itu termasuk kebosanan, kebingungan, minat, rasa malu, gugup dan percaya diri, catat Li.

Solusi untuk swa-monitor dan skrining awal penyakit

Pengukuran sinyal fisiologis jarak jauh membawa potensi yang sangat besar untuk berbagai aplikasi dalam perawatan kesehatan jarak jauh, misalnya, swa-monitor fungsi jantung, skrining awal penyakit jantung, dan sebagainya. Oleh karena itu, mereka adalah alat penting untuk pengukuran detak jantung jarak jauh, pengukuran variabilitas detak jantung, dan pengukuran pernapasan dan dapat menghasilkan penghematan biaya besar-besaran dalam layanan perawatan kesehatan. Salah satu contoh kasus aplikasinya adalah deteksi fibrilasi atrium jarak jauh dari analisis video wajah saja dengan kolaborasi dengan ahli jantung di rumah sakit Universitas.

Dengan visi komputer dan teknologi pembelajaran mesin yang canggih, para ahli mencari solusi untuk tantangan yang saling berhubungan seperti: cara melawan pengaruh gerakan manusia dan variasi pencahayaan saat mengukur detak jantung dari video wajah; bagaimana menangani intensitas rendah dan meningkatkan akurasi pengenalan ekspresi mikro dan; bagaimana mengatasi masalah data yang tidak mencukupi dan tidak seimbang untuk analisis gerakan mikro.

Pembelajaran multimodal dan fusi telah dieksplorasi secara mendalam dalam kelompok. Dalam praktiknya, fusi multimodalitas dapat berlangsung di berbagai tingkatan. Ini mencakup fusi pada level sensor, yaitu, data yang direkam dengan beberapa sensor (RGB, NIR, depth, atau kamera 4D, bio-sensor), fusi pada level fitur, yaitu, petunjuk fitur yang berbeda seperti kedalaman dan tekstur, multi- melihat wajah, dll., dan juga fusi pada tingkat keputusan, yaitu klasifikasi kolaboratif dan pemungutan suara modul paralel.

“Dengan teknologi 6G dan konsep IoT, kami dapat mengeksplorasi ide untuk menggabungkan kamera dengan jenis sensor lain untuk pembelajaran dan fusi terdistribusi, untuk tugas-tugas seperti keselamatan mengemudi, atau pemantauan perawatan kesehatan di rumah,” kata Zhao. “Jika digabungkan, fusi multimodal dan pembelajaran otonom dapat menghasilkan solusi pembelajaran mesin yang lebih kuat dan efisien di berbagai bidang dan dalam bentuk perangkat lunak, layanan, atau produk pintar dengan kecerdasan emosional dan pembelajaran mandiri menuju 6G.”

Diagnosis medis bantu berbasis penglihatan

Dalam perangkat komunikasi dan video saat ini dan di masa mendatang, integrasi aplikasi diagnosis bantu berdasarkan visi komputer akan memainkan peran yang semakin penting karena akan diintegrasikan dalam semua jenis strategi Tele-Health.

Profesor Miguel Bordallo Lopez mengadopsi pendekatan multidisiplin di persimpangan perawatan kesehatan primer yang dibantu AI dan visi komputer waktu nyata dan analisis sinyal. “Penelitian kami kemungkinan akan mengaktifkan aplikasi dan metode baru di beberapa bidang terkait yang tidak dipelajari bersama secara tradisional, seperti digital dan kesehatan masyarakat, visi komputer, komputasi dan arsitektur komunikasi.”

Penelitiannya bertujuan untuk meletakkan dasar untuk menghasilkan solusi baru untuk diagnosis bantu berbasis penglihatan dalam perawatan kesehatan primer, membawa teknologi ke dalam penerapan praktis dan berpotensi mengubah cara medis dan perawatan kesehatan dilakukan.

“Bantuan diagnosis medis bantu berbasis kamera adalah topik yang menarik karena memberikan alternatif jarak jauh untuk perawatan kesehatan primer tradisional, karena tidak selalu memerlukan kunjungan pribadi ke pusat kesehatan dan memungkinkan pemantauan terus menerus,” kata Bordallo Lopez. “Computer vision dan AI dapat memanfaatkan data video jarak jauh dan seluler, dan mereka dapat membantu memberikan informasi yang tidak mengganggu dan obyektif dalam kondisi pasien.”

Sebagai contoh, hingga 30 gejala atau kondisi yang relevan secara medis dapat dideteksi atau setidaknya dinilai secara objektif menggunakan metode computer vision dan gambar wajah. Pada saat yang sama, menganalisis sinyal dari modalitas pelengkap seperti sinyal radio, seperti yang digunakan dalam komunikasi 5G / 6G, memberikan privasi yang menjaga sumber informasi alternatif.

“Meskipun banyak perawatan kesehatan berbasis computer vision dan metode diagnosis medis telah dibuktikan, implementasi aktual mereka sebagai solusi tertanam atau jarak jauh, jika ada, masih jauh dari berguna,” catat Bordallo Lopez. “Masalahnya berasal dari tantangan implementasi yang timbul dari kemampuan menjelaskan, perhitungan waktu nyata, kemampuan komunikasi, dan masalah biaya.”

Tantangan perangkat 5G / 6G yang didistribusikan dan disematkan

Tantangan sebenarnya adalah menemukan bagaimana kita dapat mengaktifkan penggunaan computer vision untuk diagnosis medis menggunakan perangkat berbasis kamera seperti ponsel, atau sambungan video jarak jauh misalnya layanan konferensi video, keduanya termasuk kemampuan komunikasi.

“Masalah khusus yang kami coba atasi saat ini adalah penggunaan sinyal radio yang dihasilkan oleh perangkat 5G / 6G, bersama-sama untuk komunikasi dan penginderaan, sehingga kami dapat memperoleh data tentang lokasi, aktivitas, dan biosignals, seperti tanda-tanda vital, seorang pasien. dengan cara yang tidak mengganggu dan menjaga privasi, “kata Bordallo Lopez. “Ini akan memungkinkan berbagai aplikasi dengan sistem kooperatif yang terintegrasi dengan perangkat lain juga.”

Implementasi yang dapat diterapkan dari metode ini secara fundamental berhubungan dengan beberapa perangkat terdistribusi dan tertanam yang perlu mengkomunikasikan dan memproses data dalam jumlah besar dengan latensi rendah dengan cara yang sangat hemat energi — sebuah tantangan, yang merupakan inti dari penelitian 6G. Selain itu, aplikasi yang efektif perlu menangani berbagai sumber data heterogen yang diambil dari lokasi berbeda dan harus digabungkan secara real-time.

Penting untuk merangkul tantangan dan kekhususan yang berasal dari kondisi dan perangkat skenario dunia nyata, sehingga solusi menjadi benar-benar dapat diterapkan. Dia dan rekan-rekannya menggunakan video untuk mengekstrak dan mengklasifikasikan biosignals (seperti pernapasan atau denyut nadi) dan tanda bahaya pernapasan atau peredaran darah (dada ditarik, asimetri) dari video biasa yang diperoleh dengan perangkat genggam atau layanan konferensi video jarak jauh — hemat biaya solusi yang dapat memberikan dampak global yang luas.

“Kami mencoba membuat aplikasi seluler berbasis video penilaian mandiri untuk pra-diagnosis Stroke, bahkan sebelum mengunjungi rumah sakit,” jelas Bordallo Lopez. “Kami juga menghadirkan analisis video waktu nyata berdasarkan perangkat seluler ke daerah terpencil di negara-negara berpenghasilan kecil dan menengah, memungkinkan diagnosis bantuan di tempat perawatan, misalnya, untuk pneumonia anak.”

Lebih dari 200 peneliti mengerjakan berbagai topik penelitian yang terkait dengan kecerdasan buatan (AI) di Universitas Oulu. Grup riset AI pertama — Machine Vision Group, pendahulu dari Center for Machine Vision and Signal Analysis – (CMVS), didirikan pada awal tahun 1981. Riset ini benar-benar memiliki akar yang panjang.

Penelitian dan pengembangan Artificial Intelligence di University of Oulu mencakup berbagai bidang: computer vision, emosi AI, pembelajaran mesin, robotika, edge computing, dan aplikasi medis, industri, dan atmosfer dari metode AI.

“Selama bertahun-tahun, banyak perusahaan spin-off yang terkait dengan AI telah lahir,” kata Olli Silvén, kepala unit penelitian CMVS. “Keahlian jangka panjang grup kami juga menawarkan banyak hal untuk pengembangan 6G.”


Metode baru menggunakan kamera perangkat untuk mengukur denyut nadi, laju pernapasan, dapat membantu telehealth yang dipersonalisasi


Disediakan oleh University of Oulu

Kutipan: Deteksi biosignals dan emosi manusia yang dibantu AI (2021, 9 April) diambil pada 9 April 2021 dari https://techxplore.com/news/2021-04-ai-assisted-biosignals-human-emotions.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP