WiFi လှိုင်းဖြင့် နှလုံးခုန်နှုန်းကို အချိန်နှင့်တစ်ပြေးညီ တိုင်းတာနိုင်ပြီဟု သုတေသီများပြောကြား

Photo: Erika Cardema/UC Santa Cruz

အမေရိကန်ပြည်ထောင်စု၊ ကယ်လီဖိုးနီးယားပြည်နယ်၊ Santa Cruz တက္ကသိုလ်က အင်ဂျင်နီယာတွေဟာ လက်ပတ်၊ Smartwatch ဒါမှမဟုတ် ဆေးဘက်ဆိုင်ရာ ကိရိယာတွေ ဝတ်ဆင်ထားစရာမလိုဘဲ နှလုံးခုန်နှုန်းကို တိုင်းတာနိုင်မယ့် နည်းလမ်းတစ်ခုကို တီထွင်လိုက်ပါပြီ။ သမားရိုးကျတိုင်းတာရေးစက်တွေလိုမဟုတ်ဘဲ ဒီစနစ်က ပုံမှန် WiFi ကွန်ရက်တွေကနေ ထုတ်လွှင့်တဲ့ ရေဒီယိုလှိုင်းတွေကိုပဲ အသုံးပြုတာဖြစ်ပြီး ကျန်းမာရေး စောင့်ကြည့်မှုကို ပိုမိုလွယ်ကူပြီး လက်လှမ်းမီအောင် ပြုလုပ်ပေးနိုင်မယ်လို့ သုတေသီတွေက ဆိုပါတယ်။

ဒီစနစ်ကို Pulse-Fi လို့ နာမည်ပေးထားပြီး ၂၀၂၅ ခုနှစ် IEEE ညီလာခံမှာ တင်ပြခဲ့ပါတယ်။ ပရောဂျက်ကို ဦးဆောင်သူ Computer Science and Engineering ပါမောက္ခ Katia Obraczka နဲ့ ကျောင်းသားတွေဖြစ်တဲ့ Nayan Bhatia နဲ့ Pranay Kocheta တို့ဟာ ပုံမှန် WiFi ကွန်ရက်တွေကိုပဲ ဆေးဘက်ဆိုင်ရာ တိကျမှုနဲ့ ကျန်းမာရေးအချက်ပြတွေကို တိုင်းတာဖို့ အသုံးချနိုင်မလားဆိုတာကို သက်သေပြခဲ့ကြပါတယ်။

Pulse-Fi စနစ်က WiFi ရေဒီယိုလှိုင်းတွေရဲ့ သဘာဝကို အသုံးပြုပါတယ်။ ဒီလှိုင်းတွေဟာ အခန်းထဲက လူတွေနဲ့ အရာဝတ္ထုတွေကြားကို ဖြတ်သန်းသွားတဲ့အခါ ပြောင်းလဲမှုအနည်းငယ် ဖြစ်ပေါ်သွားပါတယ်။ သုတေသီတွေဟာ ဈေးသက်သာတဲ့ WiFi ပို့လွှတ်/လက်ခံကိရိယာနဲ့ Machine Learning algorithm ကို ပေါင်းစပ်ပြီး လှုပ်ရှားမှုတွေ ဒါမှမဟုတ် ပတ်ဝန်းကျင်အပြောင်းအလဲတွေကြောင့် ဖြစ်ပေါ်တဲ့ ဆူညံသံတွေကို ဖယ်ရှားလိုက်ပါတယ်။ ပြီးတော့ နှလုံးခုန်နှုန်းကြောင့် ဖြစ်ပေါ်လာတဲ့ signal အပြောင်းအလဲတွေကိုပဲ ခွဲခြားထုတ်ယူတာဖြစ်ပါတယ်။ Bhatia က "ဒီ signal ဟာ ပတ်ဝန်းကျင်နဲ့ အလွန်ကို ထိလွယ်ရှလွယ်ရှိတာကြောင့် မလိုအပ်တဲ့ ဆူညံသံအားလုံးကို ဖယ်ရှားဖို့ မှန်ကန်တဲ့ filter တွေကို ရွေးချယ်ရပါတယ်" လို့ ရှင်းပြခဲ့ပါတယ်။

Image via TechSpot

သုတေသီတွေက လူပေါင်း ၁၁၈ ဦးကို Pulse-Fi စနစ်နဲ့ စမ်းသပ်ခဲ့ပါတယ်။ ၅ စက္ကန့်လောက် စောင့်ကြည့်လိုက်ရုံနဲ့ နှလုံးခုန်နှုန်းကိုတိုင်းတာနိုင်ပြီး တစ်မိနစ်မှာ ပျမ်းမျှအားဖြင့် နှလုံးခုန်နှုန်းတစ်ဝက်လောက်ပဲ အမှားအယွင်းရှိခဲ့ပါတယ်။ ပိုကြာကြာ စောင့်ကြည့်ရင်တော့ ရလဒ်က ပိုမိုကောင်းမွန်လာပါတယ်။ စမ်းသပ်ခံသူတစ်ဦးချင်းစီကို ကိုယ်အနေအထား ၁၇ မျိုးနဲ့ စောင့်ကြည့်ခဲ့တာဖြစ်ပြီး မတ်တတ်ရပ်တာ၊ ထိုင်တာ၊ လဲလျောင်းတာနဲ့ လမ်းလျှောက်တာတွေ ပါဝင်ပါတယ်။ Pulse-Fi က ဒီအနေအထား အားလုံးမှာ သူ့ရဲ့တိကျမှုကို ထိန်းထားနိုင်ခဲ့ပါတယ်။

ဒီစနစ်အတွက် အသုံးပြုတဲ့ ပစ္စည်းတွေက ဈေးလည်း သက်သာပါတယ်။ ၅ ဒေါ်လာလောက်ပဲ တန်တဲ့ ESP32 chip နဲ့ ၃၀ ဒေါ်လာလောက်ရှိတဲ့ Raspberry Pi board တွေနဲ့ပဲ အလုပ်ဖြစ်ပါတယ်။ Raspberry Pi စနစ်တွေက ပိုတိကျတဲ့ ရလဒ်တွေပြသခဲ့ပြီး စီးပွားဖြစ် WiFi router တွေနဲ့ စမ်းသပ်ရင်တော့ စွမ်းဆောင်ရည်က ပိုကောင်းလာနိုင်တယ်လို့ ဆိုပါတယ်။ စနစ်ဟာ သုံးမီတာ (၁၀ ပေနီးပါး) အကွာအဝေးမှာပါ တိကျစွာ အလုပ်လုပ်နိုင်ခဲ့ပြီး အစမ်းသပ်ခံ အနေနဲ့ ပိုဝေးတဲ့ အကွာအဝေးတွေမှာတောင် အလုပ်လုပ်နိုင်တယ်လို့ တွေ့ရှိရပါတယ်။

Kocheta က အရင်က WiFi အခြေခံစောင့်ကြည့်ရေးနည်းလမ်းတွေဟာ အကွာအဝေးနဲ့ ကိုယ်နေဟန်ထား ပြောင်းလဲရင် စွမ်းဆောင်ရည် ကျဆင်းတာမျိုးရှိခဲ့ပေမဲ့ Pulse-Fi ရဲ့ machine learning model က ဒီပြဿနာတွေကို ဖြေရှင်းပေးခဲ့တယ်လို့ ဆိုပါတယ်။ "ကျွန်တော်တို့ တွေ့ရှိတာကတော့ machine learning model ကြောင့် အကွာအဝေးက စွမ်းဆောင်ရည်ကို လုံးဝသက်ရောက်မှု မရှိတော့တာပါပဲ" လို့ သူက ဆိုပါတယ်။

ဒီစနစ်ကို အသုံးပြုနိုင်ဖို့ သုတေသီတွေဟာ အရင်ဆုံး algorithm အတွက် training data ကို ထုတ်လုပ်ခဲ့ရပါတယ်။ သူတို့ဟာ UC Santa Cruz သိပ္ပံနဲ့ အင်ဂျင်နီယာ စာကြည့်တိုက်မှာ ESP32 ကိရိယာတွေ တပ်ဆင်ပြီး ပုံမှန်ဆေးဘက်ဆိုင်ရာ oximeter ကနေ တစ်ပြိုင်နက်တည်း အချက်အလက်တွေ စုဆောင်းခဲ့ပါတယ်။ ဒီအချက်အလက်တွေကို ground truth အဖြစ် အသုံးပြုပြီး neural network က ဘယ်လို signal အပြောင်းအလဲတွေက နှလုံးခုန်နှုန်းနဲ့ ကိုက်ညီလဲဆိုတာကို လေ့လာခဲ့ပါတယ်။

ဒါ့အပြင် ဘရာဇီးက သုတေသီတွေ စုဆောင်းထားတဲ့ Raspberry Pi ကိရိယာတွေနဲ့ ရရှိတဲ့ အချက်အလက်တွေကိုလည်း အသုံးပြုခဲ့ပြီး ဒီအချက်အလက်တွေဟာ အကျယ်ပြန့်ဆုံး WiFi အခြေခံအရေးကြီးတဲ့လက္ခဏာတွေအဖြစ် သတ်မှတ်ခံထားရပါတယ်။ ဒီအချက်အလက် နှစ်ခုကို ပေါင်းစပ်လိုက်တာကြောင့် Pulse-Fi ဟာ နှလုံးခုန်နှုန်းကို မှတ်မိနိုင်စွမ်း ပိုကောင်းလာခဲ့ပါတယ်။

လက်ရှိမှာတော့ နှလုံးခုန်နှုန်းကိုပဲ အဓိကထား စမ်းသပ်နေပေမယ့် UCSC အဖွဲ့ဟာ တခြားကျန်းမာရေးဆိုင်ရာ အတိုင်းအတာတွေအတွက်လည်း ဒီစနစ်ကို အသုံးပြုဖို့ စမ်းသပ်နေပါတယ်။ လောလောဆယ်မှာတော့ WiFi signal တွေကနေ အသက်ရှူနှုန်းနဲ့ အိပ်ပျော်နေစဥ်အသက်ရှုရပ်ခြင်းလိုမျိုး အခြေအနေတွေကိုပါ သိရှိနိုင်တယ်လို့ မထုတ်ပြန်ရသေးတဲ့ စမ်းသပ်မှုတွေအရ သိရပါတယ်။ ဒီနည်းလမ်းတွေသာ တိကျနေမယ်ဆိုရင် Pulse-Fi ဟာ ဈေးသက်သာတဲ့၊ လူကို အနှောင့်အယှက်မပေးတဲ့ အိမ်တွင်းကျန်းမာရေး စောင့်ကြည့်ရေးကိရိယာတစ်ခု ဖြစ်လာနိုင်ပြီး ဆေးဘက်ဆိုင်ရာ နည်းပညာတွေ လက်လှမ်းမမီတဲ့ နေရာတွေမှာလည်း အသုံးဝင်လာနိုင်ပါတယ်။

Note: En Thue Tech ၏ သတင်းဆောင်းပါးများအား အခွင့်မရှိဘဲ ပြန်လည်ကူးယူဖော်ပြခွင့်မပြုပါ။ 

Source: TechSpot