Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

IBM新研究:仅凭手指甲就可以监测身体的健康状况,还能预防帕金森病?

你的手指甲也可以反映出身体的健康状况吗?近日,IBM团队推出了一种新型“指尖传感器”,可以通过附着在手指甲上的传感器系统,检测用户握力大小,并借此监测用户的健康状况,尤其在是否存在帕金森病等精神疾病隐患方面,该传感器的表现更加突出。该研究成果发表在了《Scientific Reports》上。

▲指甲上的传感器可以检测手指活动(图片来源:IBM blog)

研究表明,握力与帕金森病患者用药的有效性、精神分裂症患者的认知功能、心血管健康状况以及衰老相关疾病的死亡率相关。通常研究人员会采取在皮肤上安装一个传感器的方式,来捕捉动作、肌肉和神经细胞的健康状况、以及汗腺活动的变化等等,从而衡量一个人的情绪状态。然而,由于一般需要进行监测的对象通常为老年人,他们的皮肤状态都比较脆弱,使用传感器有时会引发皮肤感染等问题。

然而,来自IBM的研究人员发现,我们手指甲可以很好的解决这个问题。我们日常生活中每天都少不了使用双手与周围的事物进行互动,比如使用触觉来感知物体的压力、温度和表面纹理等等。每当我们用手指来抓或者握住什么东西,甚至仅仅弯曲或者伸直手指,我们的指甲都会出现变形,一般以弯曲或移动这两种形式为主。这种变形通常幅度只有几微米,我们的肉眼是看不到的,但是如果使用传感器的话,就可以非常轻易地检测到。

▲传感器检测不同的手指运动,得到的数据(图片来源:《Scientific Reports》)

因此,研究人员尝试对手指甲在不同活动中出现的变化进行研究,并利用人工智能机器学习的力量来从数据中获得有价值的见解。同时,由于指甲的坚韧程度很高,因此也不用担心传感器可能带来的各种皮肤问题。

为了确认自己想法的可行性,研究人员对这种传感器进行了实际验证。结果发现,传感器可以区分需要旋转的一些手部活动,例如转动钥匙、拧门把手或者使用螺丝刀。研究人员甚至还训练了一个神经网络,来检测佩戴传感器的手指所写的数字,其准确度也非常之高。

这套神奇的系统由附在指甲上的一种名为应变仪的传感器和一台小型计算机组成,可以对应变值进行采样,收集加速度计数据并将这些数据传送至智能手表端。接着,智能手表就可以运行机器学习模型,来评估运动迟缓、震颤和运动障碍,而这些都是帕金森病的典型症状。 

▲传感器的工作示意图(图片来源:《Scientific Reports》)

研究人员表示,这种新型传感器收集的数据有助于医生更好地监测患者的健康状况,以及使用新疗法或药物进行治疗。同时,这项研究也为使用指尖结构作为模型的新设备提供了灵感。说不定有朝一日,这种黑科技还可以帮助四肢瘫痪者进行交流呢。

参考资料:

[1] Fingernail Sensors and AI Can Help Clinicians to Monitor Health and Disease Progression. Retrieved December 28, 2018, from https://www.ibm.com/blogs/research/2018/12/fingernail-sensors/

[2] IBM's Fingernail Sensor Could Evaluate New Parkinson's Medications. Retrieved December 28, 2018, from https://futurism.com/the-byte/fingernail-sensor-monitors-health

[3] Sakuma, et al., (2018). Wearable Nail Deformation Sensing for Behavioral and Biomechanical Monitoring and Human-Computer Interaction. Scientific Reports, doi: https://doi.org/10.1038/s41598-018-36834-x

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业IBM机器学习神经网络传感器帕金森症
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

推荐文章
暂无评论
暂无评论~