تصور کنید که فقط با دمیدن در دستگاه می توانید بفهمید که آیا دچار کمبود خواب هستید یا خیر.
این هدف نهایی پروژه چند رشته ای ۴.۸ میلیون دلاری بین دانشگاه ایالتی آریزونا و دانشگاه A&M تگزاس است که هوش مصنوعی را برای تشخیص خستگی با استفاده از نفس انسان ایجاد می کند.
هدف این پروژه درک بهتر محرومیت از خواب و خستگی ذهنی و جسمی در انسان با اندازه‌گیری نشانگرهای زیستی ترکیبات آلی فرار (VOC) تنفسی و چگونگی تأثیر آنها بر عملکرد، به‌ویژه در محیط‌های پر خطر است.
هدر بین، محقق مرکز بیودیزاین ASU برای میکروبیومیکس بنیادی و کاربردی، به همراه آرول جایرامان، معاون اجرایی کالج مهندسی A&M تگزاس و استاد مهندسی شیمی، VOC ها را در نمونه های تنفسی اندازه گیری خواهند کرد.
بین می‌گوید حجم و ترکیب نمونه‌های تنفسی در مراحل مختلف پروتکل‌های خستگی به پیشرفت درک VOCهای تنفسی فراتر از توانایی پیش‌بینی خستگی کمک می‌کند.
درک VOCهای تنفسی، محققان را قادر می‌سازد تا مجموعه‌ای از الگوریتم‌های هوش مصنوعی را برای تشخیص حالت خستگی فرد ایجاد کنند.
استیون ریچمن گفت که این بینش ممکن است به فرصت‌های جدیدی برای نظارت و پیش‌بینی خستگی با استفاده از ابزارهای پوشیدنی برای جلوگیری از خرابی‌های فاجعه‌بار منجر شود. او همچنین گفت ممکن است راه‌های جدیدی برای مداخله در برابر خستگی برای بهبود تاب‌آوری در محیط‌ها و شرایط چالش‌برانگیز وجود داشته باشد.
ریچمن گفت: “بررسی جامع تغییر در VOCهای تنفسی در طول پیشرفت از استراحت به خستگی، بینش ارزشمندی را در مورد انتقال در حالات متابولیک ارائه می دهد.”
طبق پیشنهاد پروژه، این ترکیبات قبلاً برای تشخیص سایر مشکلات سلامتی مانند التهاب روده و آسم استفاده شده است. آنها منابع کلیدی اطلاعات شیمیایی از تمام سیستم های بدن خواهند بود.
محققان تگزاس A&M نمونه‌های VOC تنفس شرکت‌کنندگان را در حالت‌های مختلف خستگی با دستگاه‌هایی که می‌توانند VOC را در نمونه‌های تنفسی تشخیص دهند جمع‌آوری می‌کنند. آنها از مانیتورها و حسگرهای پوشیدنی برای اندازه گیری ضربان قلب، دمای بدن و سایر مشخصات بیومتریک استفاده خواهند کرد.
مهتا گفت: «این پروژه نه تنها ما را قادر می‌سازد که نشانگرهای تنفسی و فیزیولوژیکی خستگی را در جمعیت‌های عمومی و نظامی توسعه دهیم، بلکه درک ما را از تعاملات بین خستگی به دلیل منابع مختلف افزایش می‌دهد.»
ایوانوف، استاد بالینی فیزیولوژی و فارماکولوژی در دانشکده دامپزشکی و بیومدیکال تگزاس A&M گفت: «تیم از تشخیص الگو و مدل‌سازی آماری برای شناسایی VOCهایی که می‌توانند انواع خستگی مورد مطالعه در طول پروژه را تشخیص داده و متمایز کنند، استفاده خواهد کرد.
این هدف نهایی پروژه چند رشته ای ۴.۸ میلیون دلاری بین دانشگاه ایالتی آریزونا و دانشگاه A&M تگزاس است که هوش مصنوعی را برای تشخیص خستگی با استفاده از نفس انسان ایجاد می کند.
هدف این پروژه درک بهتر محرومیت از خواب و خستگی ذهنی و جسمی در انسان با اندازه‌گیری نشانگرهای زیستی ترکیبات آلی فرار (VOC) تنفسی و چگونگی تأثیر آنها بر عملکرد، به‌ویژه در محیط‌های پر خطر است.
هدر بین، محقق مرکز بیودیزاین ASU برای میکروبیومیکس بنیادی و کاربردی، به همراه آرول جایرامان، معاون اجرایی کالج مهندسی A&M تگزاس و استاد مهندسی شیمی، VOC ها را در نمونه های تنفسی اندازه گیری خواهند کرد.
بین می‌گوید حجم و ترکیب نمونه‌های تنفسی در مراحل مختلف پروتکل‌های خستگی به پیشرفت درک VOCهای تنفسی فراتر از توانایی پیش‌بینی خستگی کمک می‌کند.
درک VOCهای تنفسی، محققان را قادر می‌سازد تا مجموعه‌ای از الگوریتم‌های هوش مصنوعی را برای تشخیص حالت خستگی فرد ایجاد کنند.
استیون ریچمن گفت که این بینش ممکن است به فرصت‌های جدیدی برای نظارت و پیش‌بینی خستگی با استفاده از ابزارهای پوشیدنی برای جلوگیری از خرابی‌های فاجعه‌بار منجر شود. او همچنین گفت ممکن است راه‌های جدیدی برای مداخله در برابر خستگی برای بهبود تاب‌آوری در محیط‌ها و شرایط چالش‌برانگیز وجود داشته باشد.
ریچمن گفت: “بررسی جامع تغییر در VOCهای تنفسی در طول پیشرفت از استراحت به خستگی، بینش ارزشمندی را در مورد انتقال در حالات متابولیک ارائه می دهد.”
طبق پیشنهاد پروژه، این ترکیبات قبلاً برای تشخیص سایر مشکلات سلامتی مانند التهاب روده و آسم استفاده شده است. آنها منابع کلیدی اطلاعات شیمیایی از تمام سیستم های بدن خواهند بود.
محققان تگزاس A&M نمونه‌های VOC تنفس شرکت‌کنندگان را در حالت‌های مختلف خستگی با دستگاه‌هایی که می‌توانند VOC را در نمونه‌های تنفسی تشخیص دهند جمع‌آوری می‌کنند. آنها از مانیتورها و حسگرهای پوشیدنی برای اندازه گیری ضربان قلب، دمای بدن و سایر مشخصات بیومتریک استفاده خواهند کرد.
مهتا گفت: «این پروژه نه تنها ما را قادر می‌سازد که نشانگرهای تنفسی و فیزیولوژیکی خستگی را در جمعیت‌های عمومی و نظامی توسعه دهیم، بلکه درک ما را از تعاملات بین خستگی به دلیل منابع مختلف افزایش می‌دهد.»
ایوانوف، استاد بالینی فیزیولوژی و فارماکولوژی در دانشکده دامپزشکی و بیومدیکال تگزاس A&M گفت: «تیم از تشخیص الگو و مدل‌سازی آماری برای شناسایی VOCهایی که می‌توانند انواع خستگی مورد مطالعه در طول پروژه را تشخیص داده و متمایز کنند، استفاده خواهد کرد.
کد خبر ۲۰۱۰۱۰۵۲۳.۵۱۴
