Колсанов Александр Владимирович - д-р мед. наук, профессор, чл.-корр. РАН, ректор СамГМУ Минздрава России.
443099, Самара, ул. Чапаевская, 89
Alexander V. Kolsanov - Dr. Sci. (Med.), Professor, Corresponding Member of the Russian Academy of Sciences, Rector of the SSMU.
89 Chapaevskaya St., Samara, 443099
Иващенко Антон Владимирович - д-р техн. наук, профессор, директор Передовой медицинский инженерной школы, СамГМУ Минздрава России.
443099, Самара, ул. Чапаевская, 89
Anton V. Ivashchenko - Dr. Sci. (Techn.), Professor, Director of the Advanced Medical Engineering School, SSMU.
89 Chapaevskaya St., Samara, 443099
Гаранин Андрей Александрович - канд. мед. наук, доцент, директор Научно-практического центра дистанционной медицины ФГБОУ ВО СамГМУ Минздрава России.
443099, Самара, ул. Чапаевская, 89
Andrey A. Garanin - Cand. Sci. (Med.), Associate Professor, Director of the Scientific and Practical Center for Remote Medicine, SSMU.
89 Chapaevskaya St., Samara, 443099
Актуальность. Телемедицина становится мощным инструментом повышения доступности и своевременного оказания медицинской помощи. Однако многие методы наблюдения становятся недоступными из-за потери прямого контакта между врачом и пациентом. Это требует новых методологических подходов к организации диагностики и лечения на стыке информационно-коммуникационных технологий и медицинских наук.
Цель: создание метода извлечения пульсовой волны по видео лица человека и формирование набора данных с использованием телемедицинского комплекса, традиционной и дистанционной фотоплетизмографии (ФПГ) для систем искусственного интеллекта.
Материал и методы. В исследование включены 450 практически здоровых лиц без факторов риска хронических неинфекционных заболеваний, которым проведено исследование при помощи телемедицинской системы, традиционной и видеофотоплетизмографии в состоянии покоя и после физической нагрузки. Для каждого обследуемого были проведены 3-минутные видеозаписи с трех веб-камер и видеокамер смартфонов с разным разрешением, сопоставленные с классической фотоплетизмограммой с частотой 100 Гц и жизненно важными параметрами здоровья, зарегистрированными при помощи отечественной телемедицинской системы.
Результаты. Полученный набор данных содержит 2 700 видеофайлов, которые могут быть использованы для обучения и тестирования искусственных нейронных сетей для удаленной ФПГ. Также при сборе данных мы изучили важную научную проблему синхронизации видеофайлов и фотоплетизмограмм для их корректного сравнения. Для решения этой проблемы был предложен новый метод координации измерений, основанный на сравнении временных рядов моментов измерений. Полученные результаты были использованы для сравнения и анализа нескольких существующих алгоритмов выделения пульсовой волны с применением искусственных нейронных сетей в сравнении с данными, полученными с фотоплетизмографа и телемедицинской системы.
Выводы. На основе использования телемедицинского комплекса, традиционной и дистанционной ФПГ сформирован структурированный набор данных, который может быть использован для извлечения физиологических показателей здоровья человека по видео лица с пользовательских устройств. Использование различных известных нейросетевых алгоритмов компьютерного зрения продемонстрировало возможность реализации дистанционной ФПГ в медицинской диагностике и мониторинге состояния здоровья.
Introduction. Telemedicine is becoming a powerful tool for increasing the availability and timely provision of medical care. However, many monitoring methods become unavailable due to the loss of direct contact between the doctor and the patient. All this requires new methodological approaches to the organization of diagnostics and treatment at the junction of information and communication technologies and medical sciences.
Aim: To develop a method for extracting the pulse wave from a human face video and to form a dataset using a telemedicine complex, traditional and remote photoplethysmography for artificial intelligence systems.
Material and Methods. The study included 450 practically healthy individuals who were examined using a telemedicine system, traditional and videophotoplethysmography at rest and after physical exertion. For each subject, three-minute video recordings were made from three webcams and smartphone video cameras with different resolutions, compared with a classic photoplethysmogram with a frequency of 100 Hz and vital health parameters recorded using a domestic telemedicine system.
Results. The resulting dataset contains 2,700 video files that can be used for training and testing artificial neural networks for remote photoplethysmography. Also, when collecting data, we studied the important scientific problem of synchronizing video files and photoplethysmograms for their correct comparison. To solve this problem, a new measurement coordination method based on comparing time series of measurement moments has been proposed. The results obtained were used to compare and analyze several existing pulse wave extraction algorithms using artificial neural networks in comparison with data obtained from a photoplethysmograph and a telemedicine system.
Conclusion. Based on the use of a telemedicine complex, traditional and remote photoplethysmography, a dataset has been assembled that can be used to extract physiological indicators of human health from facial video from user devices. The use of various well-known neural network computer vision algorithms has demonstrated the possibility of implementing remote photoplethysmography in medical diagnostics and health monitoring.
The authors declare that there are no conflicts of interest present.