МТИ показал трекер положений тела во сне, который работает на беспроводных сигналах
Исследователи Массачусетского технологического института разработали систему, которая поможет наблюдать за положением человека во сне с помощью отраженных радиосигналов. Они идут от небольшого устройства, установленного на стене спальни. Гаджет под названием BodyCompass помог бы пациентам с болезнью Паркинсона, эпилепсией, пролежнями и апноэ.
Более ранние исследования показывают, что сон на животе увеличивает риск внезапной смерти у людей с эпилепсией, а также позы во сне можно анализировать, чтобы измерить прогресс болезни Паркинсона, поскольку это состояние лишает человека способности переворачиваться в постели.
Система позволит осуществлять базовый мониторинг пациентов для оценки риска, а в сочетании с системой оповещения/вмешательства могла бы спасти пациентов от внезапной смерти, говорят специалисты.
В будущем люди могут также использовать BodyCompass, чтобы отслеживать свои привычки сна или контролировать сон младенцев.
Устройство работает, анализируя отражение радиосигналов от предметов в комнате, в том числе от человеческого тела. Подобно маршрутизатору Wi-Fi, прикрепленному к стене спальни, устройство отправляет и собирает эти сигналы. Затем исследователи наносят на карту пути этих сигналов, чтобы определить положение тела.
Однако для того, чтобы система работала эффективно, ученым нужен был способ выяснить, какие сигналы отражаются от тела спящего, а не от матраса, тумбочки или потолочного вентилятора. В этом помогли прошлые работы по расшифровке паттернов дыхания по радиосигналам.
Эти работы показывали, что сигналы, которые отражаются от груди и живота человека, уникальным образом модулируются дыханием. Этот сигнал дыхания был идентифицирован как способ «пометить» отражения от тела. Если человек, к примеру, лежит на спине, то сильные радиоволны, отражающиеся от его груди, направляются к потолку, а затем к устройству на стене. Отражения анализирует нейронная сеть.
В ходе испытаний BodyCompass показывал точную позу в 94% случаев. Устройство смогло достичь точности предсказания 84% всего за 16 минут сбора данных.
См. также:
