果壳网 09-17
醉没醉,带上智能手机走两步就知道
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_renwen1.html

 

The following article is from HyperAI 超神经 Author 神经小兮

By 超神经

场景描述:斯坦福大学和匹兹堡大学的研究小组,最近发表了一项用智能手机检测醉酒状态的研究,可利用步态特征检测相应的血液和呼吸酒精浓度。以后喝没喝多,用你的手机测一测就知道。

关键词:智能手机 醉酒检测 步态分析

" 你喝多了。"

" 我没喝多。"

到底喝多没喝多,无需多言,只要带上你的手机走两步,就能判断出来。

这是来自斯坦福大学和匹兹堡大学研究小组的最新研究成果。他们利用智能手机中的传感器和加速度计,实现醉酒状态判断,在 22 名志愿者试验中,获得了 92.5% 的准确率。

  喝酒一时爽,醉酒危害多

国内素来有 " 无酒不成宴 " 的说法。相信很多人对国内的酒文化都不陌生,每逢宴席聚会,总少不了被劝酒。

我国白酒人均消耗 4.34 升 / 年,人均消费近 2 万元 / 年,呈稳定上升趋势 |   数据来源:天风证券研究所

虽说喝酒会给人带来快感,但是无论小酌还是多喝,都不会怡情,只会伤害自己的身体,还容易因醉酒而发生各种事故。

据世卫组织调查报告显示,每年全球因酒精致死 300 万人,酒精的有害使用占全球疾病负担的 5.1%。

酒精致死事件和疾病中,消化系统疾病占比最大(2016 年)|   数据来源:WHO Global status report on alcohol and health

此外,因酒后驾驶造成的交通事故占比近 30%,2019 年仅上半年,因酒驾醉驾导致的非死亡交通事故就达到 7512 起。

匹兹堡大学医学院的首席研究员 Brian Suffoletto,现在就职于斯坦福大学医学院急诊医学系。他介绍说,自己大学时的好友,就是因一次酒后驾驶事故而离开人世。而他这些年在急诊科,也见过了太多因酒精中毒被送来的成年人。

因此他认为,实时掌握有关酒精中毒的信息帮助人们减少饮酒、预防酒后驾驶等很重要。近十年来,他一直致力于研究数字化的饮酒干预措施,防止过量饮酒造成的伤亡。

  拿上手机走直线,检测是否喝醉

目前,对于醉酒的检测,一般依赖于常规方法,如呼吸分析仪或抽血,但这些都需要专业仪器和专业人士的参与。

Brian Suffoletto 希望能借助身边的工具来检测,他表示:" 如今我们无论走到哪里,都随身携带强大的传感器(智能手机)。因此,我们要学习如何使用它们来最好地为公共卫生服务。"

近日,他所带领的团队在《酒精与药物研究杂志》(Journal of Studies on Alcohol and Drugs)发表了最新研究  A Preliminary Study Using Smartphone Accelerometers to Sense Gait Impairments Due to Alcohol Intoxication介绍了使用智能手机检测是否醉酒的方法。

一项使用智能手机加速计检测酒精中毒引起的步态损伤的初步研究

本次研究聚焦在血液酒精浓度(BAC)和呼吸酒精浓度(BrAC)与步态特征方面的关联度。

  第一步:受试者饮酒  

2018 年下半年,Suffoletto 团队招募了 22 位年龄在 21 至 43 岁之间的成年人,作为志愿者,进行对照实验室研究。

这 22 位志愿在接受研究之前,被要求 24 小时内戒酒,并避免服用其他精神药物和咖啡因。

然后,实验过程中,志愿者们在 1 个小时内,喝完了特定剂量的伏特加和酸橙汁的混合饮料,这些剂量是测算好,能够达到 BrAC=0.20%(表示每公升的呼气中,含有 0.2 毫克的酒精)。

饮酒剂量分别根据志愿者的身高、体重计算得出

之所以要确认志愿者的 BrAC 能够达到 0.2%,是因为在美国全境,若 BrAC 超过 0.2% 驾驶,则会被认定为犯罪。

  第二步:步态、酒精浓度数据采样  

饮酒后,志愿者每小时进行一次步行实验。研究者对其步行数据、呼吸酒精浓度以及血液中的酒精浓度进行了测量。

在实验之前,研究人员已将智能手机固定在每个参与者的背部下方。步行实验时,志愿者会在指示下,在平坦、铺着地毯的地面,沿着直线走 10 步,接着转身,走回起点。

走直线是美国检测酒驾的常见方法之一

研究团队通过一个叫做 phyphox 的手机 App 来记录加速度计数据,之后进行步态特征提取。

志愿者步行时,智能手机的传感器和该 App 会测量其 x、y、z(左右、前后、垂直)三个方向的数据。

这项研究的一项重要优势是,他们发现使用逻辑回归模型可以实现高精度。这使他们能够检查模型中各个步态特征的相对贡献(使用机器学习无法直接实现)。

其中,他们发现沿手机 x 轴的幅度和方差是关键的预测指标(x 轴表示步行过程中的左右摇摆)。

在 17 名 BrAC 达到   0.08% 以上的志愿者步态特征数据中,x 轴数据对结果影响最大

该研究的另一优势为,只使用 10 步的步行样本,这类样本在日常自然环境中,也是很容易收集的。

  结果:利用步态变化测醉酒,准确率 92.5%  

研究结果表明,研究人员能够利用步态变化,来确定参与者的呼吸酒精浓度何时超过美国法律上规定的 0.08%,准确率为 92.5%。

注:按照美国大多数州的法律,成年人体内酒精浓度超过 0.08% 即为醉酒,超过 0.2% 驾驶则为违法酒驾。

但由于样本量较小,步态数据点数量有限,当 BrAC 为 0.08% 或更低时,步态特征能否区分低度的饮酒,就不是很确定了。

另外,研究中,手机是固定在背部下方的。但一般情况下,人们的手机是放在衣服口袋,这是否会影响检测结果,也未可知。

不过研究小组表示,下一步研究小组将在更现实的环境中测试这种设置,比如手机放在口袋中、在拥挤的酒吧走廊环境中。

Brian Suffoletto 早期曾利用短信干预的方式预防年轻人酗酒

研究团队表示,虽然存在这些局限性,但这项 " 概念验证研究 ",仍然为将来用手机检测酒精造成损伤的相关研究,奠定了基础。这项技术未来可以应用在驾驶行为监督、精密仪器操作、酒精依赖治疗等场景中。

如果这项研究发展足够成熟,智能手机可以直接替代传统的酒精浓度检测工具,这将大大节省人力与物力成本。

而更重要的是,届时喝醉酒就不用等交警来检查了,因为可能在你坐上驾驶座位之前,你的智能手机就已经发出警报,通知你的亲朋好友来接走你。

参考资料:

https://www.jsad.com/doi/pdf/10.15288/jsad.2020.81.505

https://www.sciencedaily.com/releases/2020/08/200818094030.htm

—— 完 ——

本文经授权转载自HyperAI 超神经(ID:HyperAI),如需二次转载请联系原作者

欢迎转发到朋友圈。

相关标签

智能手机
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…
打开 ZAKER 参与讨论