Носимые технологии — это быстро развивающаяся область медицины, и теперь инженеры из Калифорнийского университета (UC) в Сан-Диего продолжили эту тенденцию, разработав беспроводную ультразвуковую систему на пластыре, которая может непрерывно контролировать жизненно важные показатели в режиме реального времени. даже когда кто-то движется.
Ультразвук использует высокочастотные звуковые волны для формирования изображения внутренних структур тела, таких как органы брюшной полости, мышцы и сухожилия, сердце и кровеносные сосуды. По сравнению с другими методами медицинской визуализации, такими как магнитно-резонансная томография (МРТ) и компьютерная томография (КТ), он безопаснее, дешевле и универсальнее.
Однако существуют ограничения, которые делают УЗИ непрактичным. Датчики, используемые для получения изображений, часто бывают громоздкими и подключаются к большим устройствам. Их нужно размещать вручную и приводить в правильное положение, что требует неподвижности человека. Для интерпретации ультразвуковых изображений требуются специалисты-медики.
Все это вскоре может уйти в прошлое с разработкой беспроводного УЗИ-на-пластыре.
Полностью интегрированная носимая ультразвуковая система, разработанная инженерами Калифорнийского университета в Сан-Диего. предназначен для глубокого мониторинга тканей. И это не привязывает кого-то к громоздкому устройству.
«Этот проект дает комплексное решение для носимой ультразвуковой технологии — не только носимый датчик, но и управляющая электроника выполнены в носимых форм-факторах», — сказал Муян Лин, соавтор исследования. «Мы создали по-настоящему носимое устройство, которое может измерять показатели жизнедеятельности глубоких тканей без проводов».
Ультразвуковая система на патче (USoP) улучшает предыдущий ультразвуковой датчик команды, которому требовались кабели для питания и обеспечения передачи данных. Новый USoP содержит миниатюрную гибкую схему управления, которая взаимодействует с массивом ультразвуковых преобразователей, который собирает и передает данные по беспроводной сети в приложение для смартфона. Схема питается от имеющейся в продаже литий-полимерной батареи.
Испытывая устройство, инженеры обнаружили, что оно может снимать непрерывные показания ткани на глубине 6,5 дюймов (164 мм) в течение 12 часов, что означает он может контролировать такие важные параметры, как артериальное давление, частота сердечных сокращений и сердечный выброс.
«Эта технология обладает большим потенциалом для спасения и улучшения жизней», — сказал Лин. «Датчик может оценивать сердечно-сосудистую функцию в движении. Аномальные значения артериального давления и сердечного выброса в покое или при физической нагрузке являются признаками сердечной недостаточности. Для здоровых людей наше устройство может измерять реакцию сердечно-сосудистой системы на упражнения в режиме реального времени и, таким образом, предоставлять информацию о фактической интенсивности тренировок каждого человека, что может помочь в разработке индивидуальных планов тренировок».
Алгоритм машинного обучения является ключом к способности USoP автономно и непрерывно отслеживать движущуюся цель. Обычно датчик необходимо перенастраивать вручную с помощью движения, чтобы убедиться, что он контролирует ткань-мишень. Здесь инженеры настроили алгоритм для автоматического анализа входящих сигналов и выбора наиболее подходящего канала для отслеживания ткани-мишени. Инженеры говорят, что, насколько им известно, это первое носимое устройство, способное автономно отслеживать движущуюся цель.
Более того, усовершенствованный алгоритм адаптации означает, что USoP можно обучить на одном человеке и передать другому — или многим другим — с минимальной потребностью в переобучении. Это гарантирует, что собранные данные будут согласованными и надежными.
«В конечном итоге мы заставили модель обобщения машинного обучения работать, применив усовершенствованный алгоритм адаптации», — сказал Зиянг Чжан, соавтор исследования. «Этот алгоритм может автоматически минимизировать несоответствия в распределении доменов между разными субъектами, а значит, машинный интеллект может передаваться от субъекта к субъекту. Мы можем обучить алгоритм на одном предмете и применить его ко многим другим новым предметам с минимальным повторным обучением».
В дальнейшем команда планирует протестировать свое устройство на больших группах населения.
“ Пока что мы только проверили производительность устройства на небольшой, но разнообразной популяции», — сказал Сяосян Гао, соавтор исследования. «Поскольку мы рассматриваем это устройство как следующее поколение устройств для мониторинга глубоких тканей, клинические испытания — наш следующий шаг».
Исследование было опубликовано в журнале Nature Biotechnology.
