Prouvé en laboratoire. Pas seulement annoncé dans une publicité.

Apprend à lire le pouls sans étiquettes de vérité terrain, grâce à une perte contrastive. Sur cinq jeux de données publics, elle a surpassé les méthodes sans étiquettes précédentes et s'est approchée des meilleurs modèles supervisés.

Un modèle d'espace d'état moderne capable d'analyser des vidéos de n'importe quelle durée avec un calcul minimal. Erreur de fréquence cardiaque de 0,23 bpm sur PURE et 0,50 bpm sur UBFC-rPPG, avec un transfert inter-jeux de données solide, en utilisant environ un million de paramètres.

Combine la physiologie connue avec des priors appris pour qu'un modèle entraîné sur un jeu de données reste performant sur de nouveaux jeux de données, améliorant ainsi la robustesse selon les caméras, l'éclairage, et même du passage de la vidéo couleur à la vidéo infrarouge.

Introduction de l'architecture transformer à l'analyse faciale, atteignant une erreur de fréquence cardiaque proche de 1,1 bpm sur le benchmark exigeant VIPL-HR et d'environ 0,4 bpm sur PURE, tout en s'entraînant de zéro sur de petits jeux de données.

Premier modèle d'apprentissage profond de bout en bout permettant de récupérer le pouls et la respiration à partir d'une vidéo, surpassant les méthodes classiques et inaugurant la génération moderne de l'IA en rPPG.

Dérivée de la méthode POS (Plane Orthogonal to Skin) à partir d'un modèle physique de réflexion lumineuse de la peau. Elle constitue désormais une référence de haute précision et robuste au mouvement dans tout le domaine.

Introduction de la méthode CHROM pour éliminer les artefacts de mouvement. Sur 117 sujets, elle a atteint environ 92 % de concordance avec le PPG par contact, et sous effort la détection correcte du pouls est passée de 79 % à 98 %.

Démontré qu'une seule vidéo de webcam peut restituer simultanément la fréquence cardiaque, la fréquence respiratoire ET la variabilité de la fréquence cardiaque, toutes validées par rapport à des capteurs approuvés par la FDA.

La percée de la webcam. La fréquence cardiaque mesurée à partir d'une vidéo ordinaire concordait avec un capteur digital approuvé par la FDA à une corrélation supérieure à 0,98 dans des conditions contrôlées, même avec plusieurs personnes dans le champ.

L'article fondateur. Il a prouvé qu'une simple caméra grand public sous un éclairage ordinaire peut restituer le pouls de volume sanguin à partir de la peau à plus d'un mètre de distance, le canal vert portant le signal le plus puissant.

Sur 47 patients cardiovasculaires et 782 mesures, la fréquence cardiaque mesurée par caméra correspond à l'ECG avec une erreur moyenne de 1,06 bpm et une corrélation de 0,962. Le logiciel bénéficie d'une autorisation FDA (K240890).

Sur 200 participants (âge moyen 62 ans), des vidéos de visage de 15 secondes ont permis de mesurer la fréquence cardiaque avec une précision de 3,25 bpm (98,5 % dans un écart de 10 bpm) et la fréquence respiratoire à 0,69 cycles par minute près.

En utilisant des webcams grand public sur 77 personnes, l'erreur de fréquence cardiaque était de 1,67 bpm et la variabilité de la fréquence cardiaque (SDNN et RMSSD) a été restituée à environ 11 ms près, montrant que la VFC depuis une webcam du quotidien est désormais accessible.

Sur un groupe démographiquement diversifié, la fréquence respiratoire mesurée par caméra est restée dans une plage d'environ 0,6 à 0,95 respirations par minute, avec des résultats stables selon les différentes carnations.

Une étude menée dans une véritable unité de réanimation néonatale sur 744 minutes de vidéo a permis d'estimer en continu la fréquence cardiaque, la saturation en oxygène et la fréquence respiratoire par rapport aux moniteurs de chevet, offrant un regard honnête sur la précision dans un environnement clinique exigeant.

Un pilote de 35 personnes (prépublication) a montré que la VFC mesurée par vidéo smartphone suit bien l'ECG pour la variabilité globale (erreur SDNN 3,5 ms, r = 0,84), tandis que les mesures battement par battement restent moins précises ; nous considérons donc la VFC par vidéo comme une technologie en développement.

Sur 562 participants, la saturation en oxygène mesurée par caméra a atteint une erreur moyenne de 2,10 % et la fréquence cardiaque de 2,96 bpm. La pression artérielle était nettement moins précise, un contrepoint honnête que nous intégrons dans notre propre labellisation.

Un déploiement en conditions réelles des constantes par caméra au sein de la plateforme de télésanté VA, avec 20 prestataires et 13 patients, a obtenu des scores élevés en termes d'utilisabilité (86/100) et d'acceptabilité (90/100) lors de consultations réelles.

Un modèle d'apprentissage profond a atteint une erreur moyenne de 1,27 %, surpassant le standard de précision de plus ou moins 4 % requis pour les oxymètres de pouls homologués dans les conditions de l'étude. Prometteur, encore en cours de maturation.

Des modèles d'apprentissage profond ont détecté le stress à partir des signaux de pouls capturés par caméra, avec une précision de classification allant jusqu'à 95,8 % sur un benchmark public, ouvrant la voie au dépistage du stress par caméra.

Un test en laboratoire indépendant d'un moniteur par caméra : la fréquence cardiaque était excellente (erreur de 1,1 bpm) mais la tension artérielle n'a pas atteint le standard clinique strict du brassard. Nous présentons donc la tension artérielle par caméra comme un indicateur de dépistage uniquement.

La tension artérielle mesurée par caméra a maintenu une erreur d'environ 4 mmHg en intérieur sur 520 enregistrements, avec une dégradation en extérieur et en mouvement. Des recherches prometteuses, mais qui ne remplacent pas encore un brassard clinique.

Chez des patients adultes en réanimation, la fréquence cardiaque mesurée par caméra correspondait aux moniteurs filaires avec une erreur moyenne de 2,5 bpm (r environ 0,98) et la fréquence respiratoire avec une erreur moyenne de 2,4 respirations par minute.

Chez 453 patients, la vidéo faciale a détecté la fibrillation auriculaire avec une précision de 90 % sur des séquences de 30 secondes et de 97 % sur des enregistrements plus longs.

Chez 963 patients hospitalisés, la fréquence respiratoire mesurée par caméra a montré un accord de 96,0 % avec la méthode clinique standard, constituant l'une des plus grandes validations de ce type.

À partir de vidéos faciales de 60 secondes, la VFC mesurée par caméra était corrélée avec le PPG de référence (SDNN r = 0,84), confirmant la faisabilité de la VFC par vidéo.

Sur 426 heures de vidéo provenant de 30 nourrissons prématurés, la fréquence cardiaque mesurée par caméra a atteint une erreur moyenne de 2,3 bpm et la fréquence respiratoire de 3,5 respirations par minute pour la majorité du temps.

En analysant 70 études, cet article conclut que les régions du front et des joues offrent la meilleure précision, avec une erreur de fréquence cardiaque pouvant descendre à environ 1,0 bpm dans le meilleur des cas.

Un audit portant sur 100 études rPPG a révélé que les anciennes méthodes de chrominance perdent en précision sur les peaux plus foncées, tandis que les modèles modernes d'apprentissage profond réduisent sensiblement l'écart, sans toutefois l'éliminer totalement. Nous citons cette étude parce que la transparence sur l'équité est essentielle.

Un benchmark rigoureux portant sur 8 algorithmes a montré que la meilleure méthode maintient une erreur proche de 1,1 bpm au repos, tandis que la précision se dégrade à des fréquences cardiaques très élevées — exactement le type de limite honnête sur laquelle nous fondons notre étiquetage.

Une revue systématique et méta-analyse de 12 études a révélé un biais global de seulement 0,13 bpm entre la fréquence cardiaque de contact et sans contact, avec une fréquence respiratoire dans une marge de 2 respirations dans 92 % des cas.

Une revue de la famille Nature synthétisant les données cliniques, les algorithmes et les jeux de données à l'origine des constantes vitales par caméra : la référence faisant autorité sur l'état de la science dans ce domaine.

Une plateforme open source qui évalue les principales méthodes rPPG neuronales et non supervisées sur des jeux de données standard avec une évaluation unifiée, désormais la référence de reproductibilité dans le domaine.