[논문 리뷰] A Capsule-Sized Multi-Wavelength Wireless Optical System for Edge-AI-Based Classification of Gastrointestinal Bleeding Flow Rate

Yunhao Bian, Dawei Wang외 6명|arXiv (Cornell University)|2026. 01. 25.

Gastrointestinal Bleeding Diagnosis and Treatment인용 수 0

한 줄 요약

캡슐 크기의 다중 파장 광학 센서와 온-디바이스 엣지-AI가 GI 출혈 흐름 속도를 분류하고 원시 데이터를 스트리밍하는 대신 추론을 온-디바이스에서 수행하여 에너지 사용을 줄입니다.

ABSTRACT

Post-endoscopic gastrointestinal (GI) rebleeding frequently occurs within the first 72 hours after therapeutic hemostasis and remains a major cause of early morbidity and mortality. Existing non-invasive monitoring approaches primarily provide binary blood detection and lack quantitative assessment of bleeding severity or flow dynamic, limiting their ability to support timely clinical decision-making during this high-risk period. In this work, we developed a capsule-sized, multi-wavelength optical sensing wireless platform for order-of-magnitude-level classification of GI bleeding flow rate, leveraging transmission spectroscopy and low-power edge artificial intelligence. The system performs time-resolved, multi-spectral measurements and employs a lightweight two-dimensional convolutional neural network for on-device flow-rate classification, with physics-based validation confirming consistency with wavelength-dependent hemoglobin absorption behavior. In controlled in vitro experiments under simulated gastric conditions, the proposed approach achieved an overall classification accuracy of 98.75% across multiple bleeding flow-rate levels while robustly distinguishing diverse non-blood gastrointestinal interference. By performing embedded inference directly on the capsule electronics, the system reduced overall energy consumption by approximately 88% compared with continuous wireless transmission of raw data, making prolonged, battery-powered operation feasible. Extending capsule-based diagnostics beyond binary blood detection toward continuous, site-specific assessment of bleeding severity, this platform has the potential to support earlier identification of clinically significant rebleeding and inform timely re-intervention during post-endoscopic surveillance.

연구 동기 및 목표

• GI 트랙에서 시간 해상도, 다중 분광 혈액 감지가 가능한 캡슐 크기의 무선 광학 플랫폼을 개발한다.
• GI 출혈 흐름 속도를 이진 탐지 이상으로 차수 수준의 분류가 가능하게 한다.
• 실시간으로 출혈 심도를 평가하기 위해 경량 온-디바이스 CNN 추론을 구현한다.
• 파장 의존 헤모글로빈 흡수와의 물리 기반 일관성을 검증한다.
• 내장 처리로 데이터 전송을 줄여 에너지 효율 개선을 입증한다.

제안 방법

• 시간 분해능의 다중 스펙트럴 광학 측정이 캡슐 크기의 무선 센서에 의해 수행된다.
• 온-디바이스 흐름 속도 분류를 위해 가벼운 2차원 합성곱 신경망 CNN이 사용된다.
• 파장 전반에 걸친 헤모글로빈 흡수와의 물리 기반 일관성을 확인하는 검증이다.
• 추론은 데이터를 전송 최소화하기 위해 캡슐 전자장치에서 실행된다.
• 비혈액 간섭을 포함한 다단계의 출혈 흐름 속도 분류를 평가하기 위해 위 조건을 모사한 in vitro 실험이다.

실험 결과

연구 질문

• RQ1 캡슐 크기의 다중 파장 광학 시스템이 엣지-AI 온-디바이스 추론을 사용하여 GI 출혈 흐름 속도를 분류할 수 있는가?
• RQ2 모의 위 조건에서도 고분류 정확도를 유지하면서 온-디바이스 처리가 에너지 소비를 감소시키는가?
• RQ3 출혈 흐름 속도 분류가 파장 의존 헤모글로빈 흡수 물리와 일치하는가?

주요 결과

• 제어된 in vitro 실험에서 여러 단위의 출혈 흐름 속도 수준에 대한 분류 정확도는 98.75%.
• 시스템은 다양한 비혈액 위장간 간섭을 견고하게 구분한다.
• Embedded inference reduces energy consumption by approximately 88% compared with continuous wireless transmission of raw data.
• The approach enables prolonged, battery-powered operation of capsule diagnostics.
• The platform moves beyond binary blood detection toward continuous, site-specific bleeding severity assessment.