Οι ερευνητές του Εθνικού Ινστιτούτου Προτύπων και Τεχνολογίας (NIST) ανέπτυξαν έναν τρόπο παρακολούθησης της αναπνοής με βάση μικροσκοπικές αλλαγές στα σήματα WiFi. Όπως αναφέρουν, ο αλγόριθμος deep learning με την ονομασία BreatheSmart, θα μπορούσε να βοηθήσει στην ανίχνευση αν κάποιος εντός της οικίας έχει προβλήματα αναπνοής.
Τα ασύρματα σήματα είναι σχεδόν πανταχού παρόντα. Αναπηδούν και περνούν μέσα από επιφάνειες καθώς προσπαθούν να συνδέσουν συσκευές με routers. Όμως οποιαδήποτε κίνηση αλλάζει τη διαδρομή του σήματος, συμπεριλαμβανομένου του τρόπου με τον οποίο κινείται το σώμα καθώς αναπνέουμε. Αυτό είναι κάτι που μπορεί να αλλάξει αν υπάρχουν προβλήματα υγείας όπως για παράδειγμα, όταν το στήθος σου κινείται διαφορετικά όταν βήχεις.
Άλλοι ερευνητές έχουν διερευνήσει τη χρήση σημάτων WiFi για τον εντοπισμό ανθρώπων και κινήσεων, αλλά οι προσεγγίσεις τους απαιτούσαν ειδικές συσκευές ανίχνευσης και οι μελέτες τους παρείχαν περιορισμένα δεδομένα. Πριν από μερικά χρόνια, μια εταιρεία με την ονομασία Origin Wireless ανέπτυξε έναν αλγόριθμο που λειτουργεί με ένα WiFi mesh δίκτυο. Ομοίως, το NIST αναφέρει ότι το BreatheSmart λειτουργεί με routers και συσκευές που είναι ήδη διαθέσιμες στην αγορά. Απαιτεί μόνο ένα router και μια συνδεδεμένη συσκευή.
Οι επιστήμονες άλλαξαν το firmware ενός router, ώστε να ελέγχει συχνότερα τις "πληροφορίες κατάστασης καναλιού" ή αλλιώς, το CSI. Το CSI αναφέρεται στα σήματα που αποστέλλονται από μια συσκευή, όπως ένα τηλέφωνο ή ένας φορητός υπολογιστής, στο router. Τα σήματα αυτά είναι συνεπή και το router καταλαβαίνει πώς πρέπει να μοιάζουν, όμως οι αποκλίσεις στο περιβάλλον, όπως το σήμα που επηρεάζεται από επιφάνειες ή κίνηση, είναι σε θέση να τροποποιεί τα σήματα. Οι ερευνητές έβαλαν το router να αναζητήσει τα σήματα CSI έως και 10 φορές ανά δευτερόλεπτο προκειμένου να αποκτήσουν μια καλύτερη αίσθηση του τρόπου με τον οποίο τροποποιείται το σήμα.
Η ομάδα προσομοίωσε διάφορες συνθήκες αναπνοής με μια κούκλα και παρακολούθησε τις αλλαγές στα σήματα CSI με ένα έτοιμο router και μια συσκευή λήψης. Για να καταλήξουν σε κάποιο συμπέρασμα από τα δεδομένα που συνέλεξαν, η επιστημονική συνεργάτης του NIST, Susanna Mosleh, ανέπτυξε τον αλγόριθμο. Σε ένα έγγραφο, οι ερευνητές σημείωσαν ότι το BreatheSmart αναγνώρισε σωστά τις προσομοιωμένες συνθήκες αναπνοής σε ποσοστό 99,54% των περιπτώσεων.
Η Mosleh και ο Jason Coder, ο οποίος είναι επικεφαλής της έρευνας του NIST στη μετρολογία του κοινού φάσματος, ελπίζουν ότι οι προγραμματιστές θα μπορέσουν να χρησιμοποιήσουν την έρευνά τους για να δημιουργήσουν λογισμικό που θα μπορεί να παρακολουθεί εξ αποστάσεως την αναπνοή ενός ατόμου με το υπάρχον hardware. «Όλοι οι τρόποι με τους οποίους συγκεντρώνουμε τα δεδομένα γίνεται με τη βοήθεια λογισμικού στο σημείο πρόσβασης, κάτι το οποίο θα μπορούσε να γίνει από μια εφαρμογή σε ένα smartphone» δήλωσε ο Coder.
