Ученые создали прототип системы Pulse-Fi, которая использует недорогое, общедоступное Wi-Fi оборудование и искусственный интеллект для точного мониторинга сердечного ритма человека без физического контакта. Технология позиционируется как более дешевая и удобная альтернатива носимым устройствам, таким как умные часы и нагрудные кардиомониторы. Система преобразует амплитуду сигналов Wi-Fi в оценку частоты сердечных сокращений при помощи искусственного интеллекта.
Исследование было представлено 5 августа в материалах Международной конференции IEEE 2025 года по распределенным вычислениям в умных системах и Интернете вещей (DCOSS-IoT). Над проектом работала команда из Калифорнийского университета в Санта-Крузе (UC Santa Cruz), в которую вошли школьник Пранай Кочета, проходивший стажировку, аспирант в области компьютерных наук Наян Бхатия и профессор компьютерной инженерии Катя Обрачка.
В основе работы Pulse-Fi лежит анализ «информации о состоянии канала» (CSI) — данных, описывающих амплитуду и фазу радиоволн Wi-Fi. Когда эти сигналы проходят через движущуюся грудную клетку человека, они искажаются. Система фильтрует данные CSI, чтобы выделить и зафиксировать эти мельчайшие изменения, которые соответствуют жизненно важным показателям.
Процесс обработки данных включает несколько этапов. Сначала из CSI извлекается информация об амплитуде, связанная с сердцебиением. Затем удаляются «зашумленные» участки сигнала, вызванные препятствиями в окружающей среде. После этого применяется первый фильтр для выделения частот в диапазоне от 0.8 до 2.17 герц, что соответствует сердечному ритму от 48 до 130 ударов в минуту. Второй фильтр дополнительно сглаживает сигнал. Наконец, рекуррентная нейронная сеть с долгой краткосрочной памятью (LSTM) оценивает частоту сердечных сокращений, используя «ячейки памяти» для выявления зависимостей в данных, например, между пульсом в состоянии покоя и скачками при физической нагрузке.
В ходе первого эксперимента команда протестировала систему на 7 участниках (5 мужчин, 2 женщины). Для этого использовались два микроконтроллера ESP32 с одной антенной каждый — один в качестве излучателя, другой в качестве приемника. В качестве эталонного измерителя применялся пульсоксиметр, прикрепленный к пальцу каждого участника. Измерения проводились трижды для каждого человека в течение пяти минут на разных расстояниях.
Результаты показали высокую точность и стабильность оценок на всех дистанциях. На расстоянии одного метра средняя погрешность составила 0.429 удара в минуту. На расстоянии двух метров погрешность была 0.482 удара в минуту, а на трех метрах — 0.488 удара в минуту.
Для дальнейшей проверки система была протестирована на уже существующем наборе данных о здоровье, собранных с помощью Wi-Fi CSI от 118 взрослых жителей Бразилии. В том исследовании для сбора данных использовался Raspberry Pi 3B+, а в качестве эталона выступали показания умных часов. Участники находились на расстоянии одного метра от излучателя и приемника Wi-Fi, выполняя 17 различных стационарных и активных действий (от сидения на месте до ходьбы и подметания пола) в течение 60 секунд каждое. Pulse-Fi показал типичную погрешность всего в 0.2 удара в минуту по сравнению с показаниями умных часов, при этом точность не зависела от положения тела.
Андреас Карват, специалист по анализу данных в области здравоохранения из Бирмингемского университета в Великобритании, высказал критику. Он отметил, что использование одних и тех же данных для обучения, валидации и тестирования модели может создать «самоисполняющееся пророчество». В ответ исследователи заявили, что они уже провели (но еще не опубликовали) тесты в реальном времени, где модель обучалась на прошлых данных и оценивалась на совершенно новых сигналах и в новой среде.
Второе замечание Карвата касалось того, что эталонные устройства (умные часы и пульсоксиметр) не всегда на 100% точны и могут вносить погрешность. Создатели Pulse-Fi признали потенциальные ограничения умных часов, но подчеркнули, что пульсоксиметр является сертифицированным и очень точным медицинским устройством.
В планах команды — расширение тестирования для одновременного отслеживания сердечного ритма нескольких людей в одной комнате. Авторы утверждают, что проблем с конфиденциальностью данных нет, поскольку личная информация не обрабатывается, а все оценки сердечного ритма остаются на локальном оборудовании. По прогнозам Андреаса Карвата, до широкого внедрения технологии в общественное пользование пройдет не менее 5-10 лет.
Изображение носит иллюстративный характер
Исследование было представлено 5 августа в материалах Международной конференции IEEE 2025 года по распределенным вычислениям в умных системах и Интернете вещей (DCOSS-IoT). Над проектом работала команда из Калифорнийского университета в Санта-Крузе (UC Santa Cruz), в которую вошли школьник Пранай Кочета, проходивший стажировку, аспирант в области компьютерных наук Наян Бхатия и профессор компьютерной инженерии Катя Обрачка.
В основе работы Pulse-Fi лежит анализ «информации о состоянии канала» (CSI) — данных, описывающих амплитуду и фазу радиоволн Wi-Fi. Когда эти сигналы проходят через движущуюся грудную клетку человека, они искажаются. Система фильтрует данные CSI, чтобы выделить и зафиксировать эти мельчайшие изменения, которые соответствуют жизненно важным показателям.
Процесс обработки данных включает несколько этапов. Сначала из CSI извлекается информация об амплитуде, связанная с сердцебиением. Затем удаляются «зашумленные» участки сигнала, вызванные препятствиями в окружающей среде. После этого применяется первый фильтр для выделения частот в диапазоне от 0.8 до 2.17 герц, что соответствует сердечному ритму от 48 до 130 ударов в минуту. Второй фильтр дополнительно сглаживает сигнал. Наконец, рекуррентная нейронная сеть с долгой краткосрочной памятью (LSTM) оценивает частоту сердечных сокращений, используя «ячейки памяти» для выявления зависимостей в данных, например, между пульсом в состоянии покоя и скачками при физической нагрузке.
В ходе первого эксперимента команда протестировала систему на 7 участниках (5 мужчин, 2 женщины). Для этого использовались два микроконтроллера ESP32 с одной антенной каждый — один в качестве излучателя, другой в качестве приемника. В качестве эталонного измерителя применялся пульсоксиметр, прикрепленный к пальцу каждого участника. Измерения проводились трижды для каждого человека в течение пяти минут на разных расстояниях.
Результаты показали высокую точность и стабильность оценок на всех дистанциях. На расстоянии одного метра средняя погрешность составила 0.429 удара в минуту. На расстоянии двух метров погрешность была 0.482 удара в минуту, а на трех метрах — 0.488 удара в минуту.
Для дальнейшей проверки система была протестирована на уже существующем наборе данных о здоровье, собранных с помощью Wi-Fi CSI от 118 взрослых жителей Бразилии. В том исследовании для сбора данных использовался Raspberry Pi 3B+, а в качестве эталона выступали показания умных часов. Участники находились на расстоянии одного метра от излучателя и приемника Wi-Fi, выполняя 17 различных стационарных и активных действий (от сидения на месте до ходьбы и подметания пола) в течение 60 секунд каждое. Pulse-Fi показал типичную погрешность всего в 0.2 удара в минуту по сравнению с показаниями умных часов, при этом точность не зависела от положения тела.
Андреас Карват, специалист по анализу данных в области здравоохранения из Бирмингемского университета в Великобритании, высказал критику. Он отметил, что использование одних и тех же данных для обучения, валидации и тестирования модели может создать «самоисполняющееся пророчество». В ответ исследователи заявили, что они уже провели (но еще не опубликовали) тесты в реальном времени, где модель обучалась на прошлых данных и оценивалась на совершенно новых сигналах и в новой среде.
Второе замечание Карвата касалось того, что эталонные устройства (умные часы и пульсоксиметр) не всегда на 100% точны и могут вносить погрешность. Создатели Pulse-Fi признали потенциальные ограничения умных часов, но подчеркнули, что пульсоксиметр является сертифицированным и очень точным медицинским устройством.
В планах команды — расширение тестирования для одновременного отслеживания сердечного ритма нескольких людей в одной комнате. Авторы утверждают, что проблем с конфиденциальностью данных нет, поскольку личная информация не обрабатывается, а все оценки сердечного ритма остаются на локальном оборудовании. По прогнозам Андреаса Карвата, до широкого внедрения технологии в общественное пользование пройдет не менее 5-10 лет.
