智能手機攝像頭的成像功能正在許多領域開辟潛在的即時診斷醫療應用。最近的一個醫療應用案例利用智能手機攝像頭作為高光譜成像儀，通過在拍攝內眼瞼圖像后重建光譜數據來揭示血紅蛋白水平。

據麥姆斯咨詢報道，近日，國立臺灣大學醫學院附設醫院（National Taiwan University Hospital）的一個研究項目利用智能手機拍攝的視頻來評估患者的頸部動脈是否變窄——這是缺血性中風的危險信號。該項目研發了一種新穎的非侵入性和非接觸式診斷技術——使用基于視頻的運動分析（VMA）從皮膚表面的細微脈沖中提取有用信息，以篩查頸動脈狹窄（CAS）。

?

正如《美國心臟協會雜志》（Journal of the American Heart Association）報道，這項概念驗證研究將運動分析方法應用于患者的智能手機拍攝的視頻片段，而發現頸動脈狹窄的常規方法使用多普勒超聲數據進行監測，但是成本高昂，不適合即時診斷。

“每年約有2%到5%的中風發生在沒有癥狀的人身上，因此需要更好、更早地發現中風的風險。”項目主要研究人員Hsien-Li Kao說道，“現有的診斷方法需要使用專門的醫學成像設備和人員進行篩查。而利用智能手機攝像頭記錄的視頻進行分析是非侵入性的，并且易于執行，因此這種方法可能增加疾病篩查的機會。”

200名患有和未患有頸動脈狹窄的人員參加了這項研究項目的測試，他們的頭部運動被限制在一個定制的黑色箱體中，并使用蘋果iPhone 6智能手機拍攝了一段30秒的人頸部視頻。該箱體還包含對拍攝區域的額外照明。

?

五分鐘內實現即時診斷

根據該研究項目的論文介紹，初始視頻處理涉及運動放大技術，應用不同空間頻帶的分解，然后進行時間濾波。

Hsien-Li Kao說：“使用快速傅里葉變換提取和處理每個空間頻帶中像素強度的變化。通過選擇用戶指定的運動放大參數，在特定頻率范圍內放大這些變化。傅里葉變換的主成分分析用于恢復可用于心率估計的血容量脈沖。”

隨后進一步的視頻處理識別由連續視頻幀之間的運動引起的像素強度變化，從而可以評估速度和位移參數。這種被稱為主成分分析的方法有助于使通常由視頻片段生成的大型數據集更易于管理。

最終產生的結果是代表視頻序列的時間振蕩波形，以及每位患者的獨特脈搏信息。根據該項目論文介紹，視頻運動分析算法在已知患有頸動脈狹窄的人群中的檢測準確率為87%，具有可接受的靈敏度和特異性。

盡管這項研究的初步測試規模較小，但是可以為中風篩查提供一種有前途的方法，并進一步拓展當前智能手機攝像頭在醫學成像方面的應用。

“在中風發生之前，頸動脈狹窄是悄無聲息的。”Hsien-Li Kao表示，“通過這種方法，臨床醫生可以利用智能手機錄制患者頸部的視頻，并上傳視頻進行分析，在五分鐘內即可收到報告。頸動脈狹窄的早期檢測可能會降低患者的中風風險。”