太味儿!菊纹、粪便识别测健康,斯坦福智能马桶研究登上Nature子刊

机器之心报道

机器之心编辑部

世界上没有两片相同的雪花,「菊花」亦然。至少,斯坦福大学的一篇论文是这么说的。在这篇论文中,研究者发明了一种「菊纹识别」智能马桶,可以利用深度学习技术识别你的「菊纹」和便便,从而达到健康监测的目的。目前,该论文已经在《Nature Biomedical Engineering》期刊上发表。

深度学习三巨头之一、图灵奖获得者 Yann LeCun 看完之后一脸认真地说,「卷积网络正在马桶上落地,为人类谋福祉。」

从目前流行的指纹识别、人脸识别到「菊纹(analprint)识别」,研究人员思路的进化让人一时难以跟上。我们先来看一下这个马桶长什么样子:

智能马桶整体结构。

这个马桶乍看上去和普通马桶差不多,但仔细看就会发现里面暗藏玄机,尤其是马桶圈附近。

这个马桶圈里安装了四个摄像头:一个粪便摄像头(stool camera)、一个「菊花」摄像头(anus camera)和两个尿流摄像头(uroflow camera)。顾名思义,这些摄像头分别用来监测排便者的粪便、「菊花」和尿液。

除此之外,马桶圈上还安装有一系列传感器和试纸,可以记录人坐在马桶上的时间、分析尿液里的成分。

该马桶的工作原理可以概括为:尿液和粪便样本都通过视频采集,然后通过一组算法进行处理,这些算法可以区分正常的尿液(流速、时间、流量)、粪便特征和不正常的特征。试纸则用于测量某些分子特征,包括白细胞计数、血液污染、特定水平的蛋白质等,这些指标可以反映一系列疾病,从感染到膀胱癌再到肾衰竭。论文作者表示,该马桶目前已经可以测量 10 种不同的生物标记。

信息收集、分析装置有了,那怎么区分哪份样本是你的呢?毕竟除了独居的人之外,其他多数人都要和别人共用马桶。

这就要说到本文的关键概念——「菊纹识别」了。

在最初的版本中,研究者考虑过在冲水柄处安装指纹识别装置。这个想法很容易实现,但问题在于,如果上一个人忘记冲水怎么办?于是,他们想到了「菊纹识别」,即利用摄像头拍摄的肛门视频来识别排便者。

准确地说,他们用摄像头识别的是一个名为「肛膜(anoderm)」的部位,与肛门周围的皮肤有关,由肛门(anus)与皮膜(derm)两个词组合而成。

所有数据采集之后会上传到加密的云服务器上进行存储和分析。

这种做法虽然看起来比较难以接受,但作者表示,在几个月的时间里,已经有 21 名志愿者参与了马桶的测试。而在一项针对 300 多名智能马桶潜在用户的调查中,37% 的人表示对这个想法比较满意,甚至有 15% 的人表示对这种以精准健康为目的暴露一切的做法非常满意。

该论文已经于本周一发表于《Nature》子刊。

论文链接:https://www.nature.com/articles/s41551-020-0534-9

工作原理细节

这个马桶具体是怎么工作的呢?

针对尿液分析,马桶上有两个高速摄像头,用来观测流速,马桶的后方还安有一堆试纸。当你开始小便时,被动红外运动传感器(passive infrared motion sensor)会检测到信号并伸出一条试纸。试纸被浸湿之后会缩回马桶后方,然后由一个摄像头来分析结果。该系统针对一位男士和一位女士进行了测试,结果发现这套系统更加适合站立小便的男士,但作者表示,后续会针对男女小便的差异改进设计。

基于计算机视觉的小便监测与流量测量。

为了分析人的大便行为,马桶上有一个压力传感器,可以用来激活摄像头从而拍摄排便全程。这些图像可以反映肠道功能,由卷积神经网络进行处理。

研究者写道:「这个摄像头也能够观察到粪便的动态变化,包括马桶里粪便的形态和流动性随时间的变化,这些在之前都没有被研究过。」

具体来说,研究者使用 GoogLeNet Inception v.3 来对马桶捕捉到的图片进行识别。之所以选择 Inception v.3 是因为这是一个开源的算法,且在 ImageNet 里的一百多万张图片上进行了预训练。

研究者在十个马桶类型上重新对 Inception v.3 进行了训练,这十个类型分别是七个 BSFS 类型以及干净、仅有小便和带有厕纸这三个额外类型。

研究者表示,这些粪便图像是通过 Google,Bing 和 Yahoo 等搜索引擎(关键词包括「马桶里的粪便」和」粪便「)获得的。此外,他们还从研究参与者那里收集了 12,226 张粪便图像和相关的马桶状态图像(n=11)。随着研究参与者提供的真实粪便图像越来越多,CNN 的表现也将有明显的改善。

使用 CNN 进行粪便分析(为避免引起读者不适,此处仅截取了部分图片,内容详见论文)。

在家庭中,区分是谁的粪便显然对这个系统很重要,因此才有了「菊纹识别」这个概念。

为了实现菊纹识别,首先要用马桶上安装的摄像头给用户的屁股录制一段短视频,然后通过图像识别算法进行区分。拍摄的屁股片段被分成帧,算法将其与用户「菊纹」的参考图像数据集进行比较。

研究者使用了三种不同方法来进行「菊纹」识别,分别是:MSE(mean squared error)、SSIM(structural similarity index measure)和 CNN。其中 CNN 的结构与上文提到的粪便识别类似。研究者同样使用了迁移学习来对其进行分类训练。下图为使用「菊纹」进行生物识别的示意图。

使用指纹与肛门皱褶的生物识别。

对如此私密的部位进行拍摄难免引发人们对于隐私问题的担忧。但论文作者强调,数据将被存在一个安全的云端系统里,「我们已经采取了严密的措施,确保所有的信息在发到云端时都不会被识别,而且这些信息在发给医护工作者时会受到 HIPAA 的保护」。HIPAA 指的是限制公开医疗记录的健康保险便利和责任法案。

最后想提醒一下读者,作为正儿八经的深度学习研究,其实这篇论文还有「菊花」的图片数据。如果你正在吃午饭,请不要打开论文。

扩展阅读:这条推送有味道:征集 10 万张「便便」原图,肠道专家精心标注

参考链接:

https://www.vice.com/en_us/article/jge377/stanford-smart-toilet-uses-butthole-for-identification

本文为机器之心报道,转载请联系本公众号获得授权。

✄————————————————

加入机器之心(全职记者 / 实习生):[email protected]

投稿或寻求报道:[email protected]

广告 & 商务合作:[email protected]

正文完