[论文解读] A Novel Technique of Noninvasive Hemoglobin Level Measurement Using HSV Value of Fingertip Image

Md. Kamrul Hasan, Nazmus Sakib+3 more|arXiv (Cornell University)|Oct 7, 2019

Heart Rate Variability and Autonomic Control被引用 9

一句话总结

本研究提出一种基于智能手机的非侵入性方法，通过指尖视频帧的HSV色彩空间估算血红蛋白（Hb）水平。通过使用闪光灯拍摄视频，将RGB转换为HSV，并对HSV直方图取平均，该模型在来自美国威斯康星州和孟加拉国两个地理位置的60名受试者数据上，采用偏最小二乘法回归，实现了R² = 0.95的Hb水平预测结果。

ABSTRACT

Over the last decade, smartphones have changed radically to support us with mHealth technology, cloud computing, and machine learning algorithm. Having its multifaceted facilities, we present a novel smartphone-based noninvasive hemoglobin (Hb) level prediction model by analyzing hue, saturation and value (HSV) of a fingertip video. Here, we collect 60 videos of 60 subjects from two different locations: Blood Center of Wisconsin, USA and AmaderGram, Bangladesh. We extract red, green, and blue (RGB) pixel intensities of selected images of those videos captured by the smartphone camera with flash on. Then we convert RGB values of selected video frames of a fingertip video into HSV color space and we generate histogram values of these HSV pixel intensities. We average these histogram values of a fingertip video and consider as an observation against the gold standard Hb concentration. We generate two input feature matrices based on observation of two different data sets. Partial Least Squares (PLS) algorithm is applied on the input feature matrix. We observe R2=0.95 in both data sets through our research. We analyze our data using Python OpenCV, Matlab, and R statistics tool.

研究动机与目标

• 开发一种基于消费级智能手机的低成本、非侵入性血红蛋白水平估算技术。
• 解决在资源有限和偏远医疗环境中侵入性血液检测的局限性。
• 探索利用指尖视频帧的HSV色彩空间特征进行Hb预测的可行性。
• 基于来自美国威斯康星州和孟加拉国的数据，在多样化人群中验证该模型。

提出的方法

• 使用带闪光灯的智能手机摄像头拍摄指尖视频，以增强RGB信号的一致性。
• 从视频中选定的帧中提取RGB像素强度，并将其转换为HSV色彩空间。
• 为每帧视频生成HSV像素强度的直方图表示，并对结果取平均，形成每个受试者的单一特征向量。
• 基于两个不同地理位置（美国和孟加拉国）的数据构建两个输入特征矩阵。
• 应用偏最小二乘法（PLS）回归，将平均后的HSV直方图特征与金标准Hb浓度相关联。
• 使用Python OpenCV、MATLAB和R统计工具进行数据处理与分析，以验证模型。

实验结果

研究问题

• RQ1 基于智能手机拍摄的指尖视频的HSV色彩空间特征能否以高精度预测血红蛋白水平？
• RQ2 所提出的方法在不同地理和人口背景的多样化人群之间是否保持性能稳定？
• RQ3 HSV直方图平均与PLS回归相结合在非侵入性Hb估算中的有效性如何？
• RQ4 低成本、基于移动设备的解决方案是否能在真实世界环境中实现与临床方法相当的准确性？

主要发现

• 该模型在美国内布拉斯加州和孟加拉国数据集中的Hb水平预测均达到R² = 0.95，表明其具有出色的预测性能。
• 与原始RGB值相比，使用HSV色彩空间可提高对皮肤颜色中与血红蛋白相关变化的敏感度。
• 该模型在两个不同人群中的表现一致，表明其具有全球适用的潜力。
• 智能手机成像与PLS回归的结合，实现了无需专业医疗设备的高精度非侵入性Hb估算。