Salah satu aplikasi paling lucu dari algoritma penglihatan mesin adalah kemampuan untuk menentukan tingkat reaksi sistem saraf seseorang dengan reaksi murid terhadap cahaya.
Ini dapat digunakan untuk menilai kecukupan seseorang, kesiapannya untuk pekerjaan yang kompleks, berbahaya dan bertanggung jawab (pilot pesawat, operator PLTN, operator metro, dll.).
Sebelumnya, "ping" dibuat reaksi sederhana dari murid terhadap cahaya senter. Misalnya, ambulans melakukannya. Tetapi Anda juga dapat mengevaluasi laju reaksi, yang memberikan lebih banyak informasi. Kami menemukan cara untuk mengotomatisasi ini dengan mendeteksi murid pada kamera dengan 40 fps. Kompleksitas komputasi tidak tinggi, 3-5 ribu perbandingan per frame - waktu nyata penuh:
Data pupillometry dari orang sehatDengan laju reaksi pupil terhadap cahaya (penyempitan dan pemulihan diameter pupil setelah wabah), dimungkinkan untuk memperkirakan kecepatan perpindahan impuls saraf, serta kecepatan pemrosesan selanjutnya dalam sistem saraf.
Ya, ini semacam sistem saraf pusat Anda. Benda ini terlihat seperti kacamata 3D.
Ini prototipe kami. Biasanya kami menanamkannya di
terminal diagnostik (yaitu, kacamata ini menonjol keluar dari perangkat), tetapi itu terjadi - kami menggunakannya secara terpisah. Anda dapat membuatnya lebih cantik, tetapi tidak ada arti khusus, ini adalah sampel pra-produksi:
Apa yang diberikannya?
Pada akhir abad XVII, dokter mulai memperhatikan bahwa pasien dalam kondisi berbeda bereaksi berbeda terhadap cahaya. Setelah hampir 300 tahun penelitian, sang master, Eckhard Hess, mengambil kesimpulan bahwa laju reaksi murid dipengaruhi oleh kelelahan dan jenis tekanan mental sebelum evaluasi. Secara umum, laju ekspansi murid setelah kilatan cahaya (adaptasi dengan kegelapan) dapat berfungsi sebagai ukuran tingkat eksitasi sistem saraf. Pada tahun 1982, Hess membuktikan bahwa murid lebih terbuka ketika Anda melihat benda yang menarik minat Anda. Dia menunjukkan subjek laki-laki, tentu saja, foto para gadis. Kemudian mereka secara bertahap beralih ke hal-hal yang lebih halus - makanan favorit, calon dari partainya, dan sebagainya. Kemudian mereka mengukur beban mental. Semakin kuat orang itu berpikir, semakin lambat murid mengembang. Lalu otaknya "sarat" dengan aritmatika. Hari ini kita akan mengatakan bahwa prosesnya paralel, dan ketika kekuatan komputasi otak sibuk dengan sesuatu, penilaian lingkungan dengan pencahayaan lebih lambat. Asumsi bahwa siswa yang membesar berfungsi sebagai salah satu penarik dalam komunikasi nonverbal tetap tidak terbukti.
Bahkan kemudian, penelitian mulai muncul secara numerik terkait dengan efek pada refleks pupil dari berbagai jenis ketegangan mental (pemeriksaan hati-hati terhadap objek, melakukan perhitungan dalam pikiran) dan gangguan saraf (depresi, peningkatan iritabilitas, dll.).
Cara kerja perangkat
Ini adalah kacamata besar atau teropong. Anda perlu melihat ke dalam selama beberapa detik, ada LED inframerah dan kamera video.
Untuk lebih tepatnya, berikut ini digunakan: LED spektrum inframerah - untuk menerangi mata, mereka tidak terlihat oleh penglihatan manusia; LED spektrum tampak - dengan cahaya putih, untuk blitz; kamera digital untuk rentang inframerah dengan lensa dan tanda dioda kecil untuk memfokuskan mata selama pemeriksaan. Dalam "teropong" juga cocok dengan papan kontrol, konektor, dan body kit lainnya.
Pertama, dia mengenali Anda dengan iris sehingga Anda tidak membawa mata orang lain. Pemeriksaan itu sendiri setelah otentikasi berlangsung dari 6 hingga 8 detik, peserta ujian dengan ketat menerapkan masker perangkat ke matanya sehingga mengecualikan pencahayaan eksternal. Dalam 1-2 detik pertama, adaptasi ke gelap terjadi. Pada saat ini, pupil membesar sekitar 5-6-7 milimeter, mencoba memberikan cahaya maksimum ke retina sehingga setidaknya ada sesuatu yang dapat dikenali. Kami menyorot mata dengan LED inframerah, - untuk seseorang kisaran ini tidak terlihat, dan murid tidak meresponsnya. Lihat, murid-muridnya besar dan cantik:
Setelah mencapai diameter murid maksimum untuk 200 ms, dioda cahaya putih (rangsangan cahaya) menyala. Awal stimulus cahaya diambil sebagai nol pada skala waktu saat menyusun pupillogram - grafik ketergantungan perubahan diameter pupil tepat waktu. Kami tertarik pada 5 detik berikutnya setelah flash. Titik Dmin (kompresi maksimum sfingter pupil) terlihat seperti ini:
Kamera digital merekam gambar dua mata dengan frekuensi setidaknya 40 frame per detik. Perangkat lunak kontrol (perangkat lunak) menemukan murid pada setiap bingkai dan menentukan diameternya.
Selanjutnya, murid berangsur-angsur mengembang.
Tugas utama: kita perlu mendapatkan pupillogram, yaitu grafik reaksi murid terhadap cahaya. Kami mengenali video, menghilangkan derau dalam data (kami memiliki banyak bingkai referensi) dan mendapatkan grafik (ini adalah contoh dari kolega saya, orang yang sehat dengan syarat):
Pupillogram berisi tiga area penting: area laten, area penyempitan pupil dan area pemulihan. Parameter kunci dari wilayah laten adalah diameter pupil awal (DN) dan waktu tunda reaksi pupil sejak onset paparan cahaya (TL). Wilayah kedua dari grafik ditandai oleh diameter minimum (Dmin) dan waktu penyempitan (TC), wilayah ketiga - titik pemulihan diameter pupil sebesar 50, 66 dan 75 persen dari amplitudo penyempitan. Pupillogram mungkin dianggap tidak sesuai untuk evaluasi jika seseorang memejamkan matanya selama terpapar cahaya, terlalu sering berkedip, atau terutama menggerakkan matanya dari sisi ke sisi. Hasil yang salah dapat diperoleh untuk subjek dalam lensa berwarna.
Kemudian perangkat lunak menganalisis parameter-parameter ini, yang paling penting adalah tingkat penyempitan dan laju ekspansi murid. Setelah ini, sebuah kesimpulan diambil tentang kecukupan seseorang dan kesiapannya untuk pekerjaan yang kompleks dan berbahaya.
Jadwal orang yang sangat lelah, setelah kurang tidur atau ketika mabuk, alkohol atau narkotika - akan berbeda dari jadwal orang dalam keadaan memadai. Terutama sekali, perbedaannya akan terlihat jika kita pertama kali mendapatkan standar - kita memeriksa orang tersebut ketika dia dalam kondisi normal, dan kemudian dalam kondisi abnormal.
Tes
Kami menguji perangkat pada sekitar 760 karyawan perusahaan dalam kondisi yang berbeda (termasuk pihak perusahaan dan hari-hari setelahnya). Sebanyak 3496 pengukuran sebelum publikasi (yang baru ditambahkan setiap hari). Hal yang paling sulit adalah tidak begitu banyak pengakuan sebagai evaluasi dari grafik yang dihasilkan. Sebagai bagian dari tes, kami melakukan perjalanan ke berbagai klinik menarik, di mana pasien dengan diagnosis yang dikenal (misalnya, alkoholisme kronis) diundang untuk berpartisipasi secara sukarela dalam penelitian ini. Lebih sulit untuk menemukan subjek dalam keracunan obat untuk sampel yang representatif. Sebagai bagian dari penelitian, kami bekerja sama dengan beberapa klinik perawatan obat, di mana pasien dengan kecanduan obat dan gangguan mental dirawat. Untuk keperluan medis, mereka mengambil kelas obat-obatan seperti obat penenang, antidepresan, antipsikotik, antikonvulsan dan obat penenang, sehingga pangkalan telah terakumulasi cukup besar.
Itu perlu untuk debug algoritma, mengumpulkan lebih banyak data tentang pasien, dan sebagainya. Setiap orang dapat memiliki karakteristik individu dari reaksi pupil terhadap cahaya. Versi pertama dari algoritma ini terkadang menghasilkan hal-hal yang lucu pada umumnya karena sulitnya pengenalan. Jadi, sekali kami hampir masuk rumah sakit, dokter itu sendiri.
Selama pengembangan proyek dan koneksi penguji beta kami, kami membangun sebuah sistem di mana pasien tidak dapat secara sadar menipu perangkat untuk sisi "lebih baik". Paling buruk, itu bisa, dengan bantuan sejumlah tindakan, tetapi aplikasi seharusnya hanya menyingkirkan yang tidak cocok (misalnya, pengemudi bus sebelum penerbangan) dari spesialis yang sepenuhnya siap tempur.
Kita dapat melakukan penilaian dengan membandingkan dengan standar setelah pemeriksaan fisik atau dengan standar universal untuk tipe orang ini. Karenanya, saat ini kami mengambil data yang diperlukan dari berkas personel pasien, atau kami mengumpulkan anamnesis seperti ini di perangkat lapangan (ini adalah antarmuka dokter):
Jika perangkat dibangun ke terminal diagnostik, kartu pasien dan data pengukuran saat ini cukup untuk membangun hipotesis yang sangat akurat.
Diasumsikan bahwa terminal diagnostik tidak mengecualikan pemeriksaan medis oleh seorang spesialis secara pribadi, tetapi kadang-kadang mempercepatnya. Dan asalkan semua indikator kunci (pupillometer, breathalyzer, pengukur tekanan) diukur pada perangkat, dimungkinkan untuk mengirim pemeriksaan fisik pribadi hanya mereka yang mengenai terminal diagnostik setidaknya memiliki keraguan minimal, dan ini mungkin sudah 20 dari 100 orang.
Dari mana kartu itu berasal? Ingatlah bahwa sejak kami membuat kamera ke dalam "teropong", dan karena kami masih mengenali sesuatu dari mereka, adalah bodoh untuk tidak menggunakan perpustakaan umum untuk mengenali orang-orang oleh iris, karena ini adalah masalah yang sangat lama diselesaikan. Jadi kami mendapatkan ID pasien, dan kami bisa mendapatkan data sebelumnya.
Berikut adalah penguji beta yang mengorbankan diri mereka sendiri:
Memiliki masalah dengan lensa:
Bahkan lensa transparan satu hari menyebabkan penurunan keparahan refleks pupil, yang sangat mirip dengan kelelahan dan keracunan. Kami menyarankan bahwa ini disebabkan oleh penurunan jumlah total cahaya yang masuk ke mata saat menggunakan lensa. Efek ini harus diperhitungkan saat menganalisis grafik tersebut, sehingga antarmuka kami berisi pertanyaan wajib tentang lensa sebelum memulai pemeriksaan.
Sekarang kami terus menyempurnakan algoritma dan metodologi. Anda perlu mengumpulkan lebih banyak statistik untuk meningkatkan akurasi. Perangkat sudah berfungsi seperti penguji narkoba yang baik, tetapi kami menginginkan lebih. Sekarang statistik tidak memungkinkan untuk membuat kesimpulan diagnostik yang andal. Selain itu, untuk diagnosis kondisi seseorang yang baik, pertama-tama perlu untuk melakukan beberapa pengukuran normal dari reaksi pupilnya, sehingga nantinya, dengan probabilitas tinggi, setelah dampak apa pun, ia dapat menangkap penyimpangan dari norma - ini adalah masalah instruksi manual untuk personel PLTN. Kami berusaha untuk meningkatkan algoritme, mengurangi kesalahan jenis pertama dan kedua. Petugas keselamatan dan ahli kepatuhan TB mengangguk penuh terima kasih atas pekerjaan ini.
Menembak dari mata
Ini videonya:
Penting juga untuk mengenali kesalahan (ketika seseorang dengan sengaja berkedip, mencoba untuk secara sadar mengakomodasi dan umumnya mengganggu pengoperasian perangkat) - sementara kasus-kasus seperti itu terlihat pada grafik dan direkam dengan tangan, akan ada tanda tentang tidak dapat diandalkannya hasil nanti.
Referensi