使用智能手机面部识别摄像头进行家庭瞳孔测量

文献标题

At-Home Pupillometry using Smartphone Facial Identification Cameras

文献信息

• 主题领域: 医疗技术与智能手机应用
• 关键词: 智能手机, 面部识别, 瞳孔测量, 便携式医疗设备, 神经疾病筛查, 用户体验, 尺寸测量, 远程健康监测

研究背景与问题

• 发现问题或挑战:

  • 现有的专业级瞳孔测量仪器（pupillometers）价格昂贵，且难以被广泛普及，限制了其在远程医疗和家庭神经疾病筛查中的应用。
  • RGB相机难以准确测量瞳孔尺寸，特别是在暗瞳孔或复杂环境中进行测量时。
  • 当前用于智能手机瞳孔测量的研究多局限于相对尺寸变化的测量，缺乏对绝对尺寸变化的验证。
  • 高精度瞳孔测量通常需要近红外（NIR）相机与专业设备，而普通消费者设备鲜有这样的功能。

• 问题重要性:

  • 瞳孔测量具有检测认知负荷、神经兴奋以及早期神经退行性疾病（如阿尔茨海默症、帕金森症和精神分裂症）的潜力。
  • 提供一种低成本、广泛适用且能在家庭中使用的瞳孔测量设备，有助于推动远程医疗发展并提高早期筛查便捷性。

• 研究动机与相关工作:

  • 激励点在于利用智能手机的普遍性和最新配备的NIR相机进行瞳孔测量，以降低成本并提高设备的可及性。
  • 先前研究的局限性包括低准确性、RGB相机的光照限制以及无法测量绝对瞳孔尺寸。

解决方案

• 提出的方法或解决方案:

  • 利用最新智能手机中的面部识别功能，即结合前置NIR相机与RGB摄像头，开发一个无附件的智能手机应用以测量瞳孔尺寸。
  • 通过立体视觉计算距离，从而实现像素到毫米的转换，用以精准测量瞳孔的绝对尺寸。

• 创新之处:

  • 首次验证智能手机对绝对瞳孔尺寸的测量能力，与专业临床瞳孔测量仪器进行对比。
  • 使用NIR相机解决瞳孔与虹膜在RGB成像中的低对比度问题，使得瞳孔测量对眼睛颜色不敏感。
  • 应用程序可在不依赖闪光灯的情况下完成完整的瞳孔光反射测试，适应多种家庭环境。

• 实施步骤与关键技术:

  • 距离测量: 利用NIR和RGB摄像头间的立体视觉差异计算被测者眼睛到相机的距离。
  • 瞳孔尺寸转换: 将图像中的像素信息转换为毫米单位，得到瞳孔直径的绝对测量。
  • 数据处理: 使用经过验证的神经网络模型提取瞳孔位置和尺寸，并结合距离信息进行最终计算。
  • 开发用户界面: 提供直观且易于使用的应用程序，引导用户完成测试，尤其面向技术基础薄弱的老年用户。

研究成果

• 具体成果:

  • 智能手机系统与专业临床测量仪的绝对测量误差中位值为0.27毫米，瞳孔尺寸变化误差中位值为3.52%。
  • 在家环境条件下进行了两项实验验证，包括使用光反射测试和数字序列测试（Digit Span Recall Test），逐步验证了设备的准确性和抗噪能力。

• 与现有解决方案的比较与优势:

  • 与传统依赖RGB摄像头的智能手机系统相比，显著提高了对暗眼虹膜的测量准确性。
  • 不依赖闪光灯，相较于过去的系统要求更少的环境控制，适应性更强。
  • 在光反射测试中性能优于之前文献中报告的智能手机系统。

• 实验或评估结果:

  • 光反射测试中，瞳孔变化范围平均为2.86mm，智能手机系统平均绝对误差为0.39mm。
  • 数字序列测试中，瞳孔变化范围平均为1.41mm，平均绝对误差提升至0.96mm，显示出在复杂任务条件下需要进一步优化的空间。
  • 在老年用户部署实验中，15名参与者中大多数能有效完成测试，部分数据因低质量问题（如眼睑遮挡、错误操作）不可用。

• 局限性与未来方向:

  • 局限性:
    • 系统对手机与眼睛之间距离的准确性敏感，用户的手部移动可能影响测量精度。
    • 虽然针对低技术熟练度设计了用户界面，但部分参与者仍需要额外辅助手段（如3D打印的镜头支架）。
    • 系统目前依赖特定硬件（如Google Pixel 4的NIR摄像头），缺乏针对更广泛设备的通用性。
  • 未来方向:
    • 开发更鲁棒的距离测量方法，包括加入额外的参考点或使用虹膜比例进行额外校正。
    • 优化用户指导和辅助设备设计，解决低挂眼睑的视觉遮挡问题。
    • 探索更广泛的应用领域，例如与神经疾病相关的大规模筛查或早期干预工具。