看“臉”識“病”

原文地址：http://news.sciencenet.cn/htmlnews/2023/4/498205.shtm

古有神醫扁鵲通過“望色、聽聲”即可得知蔡桓公的疾病狀態，而今借助先進的人工智能技術，不需詢問病史或檢查身體，也能看“臉”識“病”。

近期，合肥工業大學計算機與信息學院博士生劉雪南與合作者，提出了一種面部視頻的非接觸式房顫篩查新方法。

“人們只要打開手機軟件，對著屏幕錄制一段20秒的面部視頻。然后，軟件會將脈搏波、心率、房顫風險等參數反饋給用戶。”劉雪南介紹。

研究結果先后發表在生物醫學著名期刊《IEEE生物醫學與健康信息學雜志》上。審稿人評價該工作，“這是一種有趣的房顫篩查新方法，作者為此進行了全面且嚴謹的實驗驗證。該研究對于居家房顫監測具有顯著的貢獻”。

  ?

視頻房顫篩查及信號級抗干擾模型 受訪者供圖

藏在心臟里的“隱形殺手”

房顫是最常見的心律失常疾病，它會引起一系列的并發癥，成倍增加腦卒中、心力衰竭等心血管疾病的風險，被稱為“隱形殺手”。

據統計，我國房顫患者人數已高達2000萬，并且隨著人口老齡化程度的進一步加深，老齡人口患病率將持續上升。近年來年輕群體患病率也不斷增大。

然而，房顫很難被診斷。最近的一項研究表明，大約有三分之一的房顫患者不知道自己的病情。

心電圖是臨床診斷房顫等心血管疾病的金標準之一。但心電圖檢查依賴于專業醫師，人工檢測效率低，難以應用于大規模人群的房顫篩查。

以智能手表、腕帶為代表的可穿戴設備為房顫篩查提供了一種可行的方式。“然而，作為篩查重點的老年人群，在使用智能可穿戴設備上存在困難，加之購置費用對低收入群體形成的障礙，導致智能手表在老年人群中的普及率較低，在房顫篩查上的應用存在局限性。”劉雪南坦言。

隨著人工智能和計算機視覺技術的快速發展，基于面部視頻的光電容積描記法（VPPG）應運而生。但這項技術對現實生活環境中的各類運動干擾過于敏感，成為其走向實際應用的瓶頸。“比如，說話、搖頭、表情變化等，都會影響VPPG技術的檢測結果。”

為此，劉雪南提出了VidAF和PFDNet兩種房顫抗干擾篩查模型，來解決運動干擾問題。

  ?

視頻房顫篩查及特征級抗干擾模型 受訪者供圖

人工智能分析房顫風險

那么，是基于什么原理將一項此前在醫院才能做的檢測濃縮到一個視頻上的？

劉雪南解釋說，“我們面部皮膚的顏色會隨著脈搏出現肉眼不可見的變化。采用普通攝像頭能夠捕捉這種膚色變化，從而實現脈搏波的非接觸式檢測。再根據房顫患者特有的節律不齊、強弱不一的‘短絀脈搏’特征，結合人工智能就可以對房顫風險做出評估。”

目前，國內外對于VPPG技術的研究多停留在脈搏波檢測層面。在此次研究中，劉雪南率先將這一技術與疾病篩查聯系起來。

“研究其難點在于視頻中由脈搏引起的膚色變化非常微弱，對脈搏信號的提取造成困難。此外，不同受試者脈搏信號的多樣性、以及實際環境中運動干擾的復雜性進一步加大了房顫篩查的難度”。劉雪南說。

為此，他研究了微弱脈搏信號在不同面部區域、色度空間、信號相位及頻段中的表現形式，為脈搏信號“量身定制”了一套提取方法，即VidAF模型，它唯獨“青睞”脈搏信號。

在此基礎上，劉雪南近三年在中國科學技術大學附屬第一醫院（安徽省立醫院）采集了大量的房顫患者數據，通過對比研究不同患者脈搏信號的相似特點，以及各類運動干擾的共有屬性，訓練了一個穩定的房顫篩查模型，即PFDNet模型。

實驗中，劉雪南對100名房顫患者、100名非房顫受試者的1200個樣本數據集進行了測試。在受試者面部保持靜止的情況下，模型的敏感性（衡量模型對于房顫患者的檢出率）和特異性（衡量模型對于正常人的非誤警率）均在0.950以上，Kappa系數（衡量模型檢測結果和真實結果的一致性）為0.931；當受試者出現面部運動時，模型的敏感性為0.975，特異性為0.900，Kappa系數為0.875。

實驗結果表明，兩個模型對運動干擾表現出了顯著的魯棒性，房顫檢測結果與臨床診斷結果基本一致。

劉雪南介紹，兩個模型可以與攝像頭相結合，提供專用的房顫檢測儀器，也可以安裝在手機、個人電腦以及居家監控等各類設備中，以低成本、靈活多樣的方式實現房顫篩查，更適用于老年人這一類房顫高發群體。

建立視頻非接觸式心臟健康評估體系

隨著人民健康意識的提高，智能手機、電腦等電子設備的普及，以及人工智能、大數據等信息技術的發展，數字健康的時代已經到來。

中醫強調“上工治未病”，即高明的醫生希望預防疾病的發生。劉雪南表示，“受這一思想的啟發，我計劃將中醫的‘望聞問切’四診與現代數字健康技術相結合，研發一個面向居家環境的視頻非接觸式心臟健康評估體系。”

“望”是觀察患者的面色、舌苔、表情等特征；“聞”是聽患者的聲音、咳嗽、喘息等特征；“問”是與患者問答交互來收集癥狀、疾病史等信息；“切”就是通過把脈來判斷其身體機能。目前，這四類信息都可以通過攝像頭采集完成。

除了房顫，劉雪南同時也開展了冠心病、高血壓、動脈硬化等疾病篩查的研究工作，并依托安徽省重大科技成果工程化專項，與合肥工業大學“生理計算與智慧健康實驗室”團隊成員共同研發，打造了具備脈搏、心率、房顫檢測功能的“嘭嘭健康”手機APP。

劉雪南說，“作為研究人員，我們應該面向大眾的實際需求，抓住當今時代的機遇窗口期，加速突破視頻生理測量的技術難關，為大眾的日常疾病篩查與預防建立一種智能、便捷、低成本的新途徑。在醫院外設置一道防線，促進心血管疾病的早期發現和及時治療。”

相關論文信息：