科學實證
實驗室驗證有據。絕非廣告空談。
此掃描儀建立在 rPPG（遠端光體積描記術）技術之上，結合 AI、電腦視覺與機器學習模型，於裝置的神經引擎上運行，將普通影片轉化為生命徵象數據。這項技術起源於大學雷射實驗室，在 MIT 深化成熟，並已在全球醫院病患身上完成驗證。以下為實際研究成果及相關數據，供您親自檢視。
33 篇同儕審查研究涵蓋 2008 年至 2026 年3 項 FDA 認證與 ECG 對照驗證
技術起源
誕生於全球頂尖研究實驗室。
UC Irvine, Beckman Laser Institute
於 2008 年發現普通攝影機即可從數公尺外讀取皮膚中的脈搏訊號。
MIT Media Lab
將此發現轉化為以網路攝影機量測心率、呼吸與心率變異性，並經醫療感測器驗證。
University of Oxford
證明攝影機生命徵象量測在加護病房及新生兒病房的真實患者身上同樣有效。
Philips Research & TU Eindhoven
建立運動穩健的 CHROM 與 POS 演算法，確保在移動時仍能保持讀數準確。
Microsoft Research
率先開發深度學習模型，將攝影機量測準確度推向媲美專用感測器的水準。
Tsinghua, Oulu, USTB, HKUST
持續驅動 transformer 與狀態空間模型的發展，年復一年刷新準確度紀錄。
什麼是 rPPG？
脈搏改變皮膚的顏色。
每一次心跳，血液波動就會流過皮膚下方的血管。血液會吸收更多綠光，因此隨著每次心跳，皮膚會產生肉眼無法察覺的深淺變化。
肉眼無法察覺，但攝影機能捕捉，AI 能解讀。光體積描記術（PPG）與醫院指夾式脈搏感測器或智慧型手錶所採用的光學原理相同。遠端 PPG 則在無需接觸的情況下，僅憑人臉影像即可從遠距離完成量測。
血容積脈波
AI 從單一臉部影片中還原此波形，並從中解析出數十項生命徵象。
掃描運作原理
從鏡頭到生物標記。
1
擷取
前置 RGB 鏡頭以高幀率記錄臉部皮膚細微的色彩變化，並透過環境光感測器自動校正曝光。
2
追蹤
電腦視覺鎖定數百個臉部特徵點，輔以紅外線深度感測，精準擷取乾淨的皮膚區域，有效排除動作與光線雜訊。
3
提取
訊號處理與機器學習模型從原始色彩軌跡中還原血容積脈搏（BVP）波形。
4
測量
裝置神經引擎上的 AI 模型解讀脈搏的波峰與節律，進而輸出心率、心率變異性（HRV）、呼吸率等多項指標。
研究證據
公開透明的研究成果。
依類型分組並標示可信度等級。心率、心率變異性與呼吸頻率已獲充分驗證，血氧濃度研究仍在發展中，血壓則屬實驗階段。每張卡片均附有原始資料連結。
基礎研究與前沿探索
從 2008 年的初始發現，到當今的 Transformer 及狀態空間模型，這個領域每年持續突破進展。
臨床驗證
於醫院、加護病房、遠距醫療及診所的真實患者身上進行測試，涵蓋2024年至2026年的研究。
綜述、統合分析與基準測試
最高等級的實證：多項研究彙整評估，並附公開基準測試與公平性稽核。
法規認可
通過 FDA 核准，應用於真實產品。
鏡頭式生命徵象量測不只是學術研究。監管機構已核准商用 rPPG 裝置用於脈搏率及呼吸率的量測。
誠實面對限制
- 臉部掃描生命體徵是用於追蹤趨勢的健康工具，並非診斷依據，亦不能取代專業醫療照護。
- 準確度在心率、心率變異性與呼吸頻率方面表現最佳。血氧偵測持續進步中，血壓偵測則屬實驗性功能。
- 光線、動作與相機品質皆會影響結果。在明亮均勻的光線下保持靜止，可獲得最佳讀數。
- 我們不主張將血糖、膽固醇或血液生化數值作為臨床事實。對於科學研究尚在早期階段的項目，我們將其標示為「新興」。
參考文獻
- 1.Verkruysse, Svaasand & Nelson (2008). Remote plethysmographic imaging using ambient light. Optics Express 16(26). Beckman Laser Institute, UC Irvine. 連結
- 2.Poh, McDuff & Picard (2010). Non contact, automated cardiac pulse measurements using video imaging and blind source separation. Optics Express 18(10). MIT Media Lab. 連結
- 3.Poh, McDuff & Picard (2011). Advancements in noncontact, multiparameter physiological measurements using a webcam. IEEE Trans. Biomedical Engineering 58(1). MIT Media Lab. 連結
- 4.de Haan & Jeanne (2013). Robust pulse rate from chrominance based rPPG. IEEE Trans. Biomedical Engineering 60(10). Philips Research & TU Eindhoven. 連結
- 5.Wang, den Brinker, Stuijk & de Haan (2017). Algorithmic principles of remote PPG. IEEE Trans. Biomedical Engineering 64(7). Philips Research & TU Eindhoven. 連結
- 6.Chen & McDuff (2018). DeepPhys: video based physiological measurement using convolutional attention networks. ECCV 2018. Microsoft Research & MIT Media Lab. 連結
- 7.Zitong Yu et al. (2022). PhysFormer: facial video based physiological measurement with temporal difference transformer. CVPR 2022 / Int. Journal of Computer Vision 2023. Tsinghua University & University of Oxford. 連結
- 8.Zhaodong Sun & Xiaobai Li (2024). Contrast-Phys+: unsupervised and weakly supervised remote physiological measurement via spatiotemporal contrast. IEEE Trans. Pattern Analysis and Machine Intelligence (TPAMI). University of Oulu. 連結
- 9.Zou, Guo, Hu & Ma (2024). RhythmMamba: fast, lightweight, and accurate remote physiological measurement. arXiv (cs.CV). University of Science and Technology Beijing. 連結
- 10.Zhang, Lu, Liu, Chen & Wu (2024). Advancing generalizable remote physiological measurement through explicit and implicit prior knowledge. arXiv (cs.CV). HKUST (Guangzhou). 連結
- 11.Sensors (2020). Feasibility of assessing ultra short term pulse rate variability from video recordings. Sensors / PMC. Peer reviewed validation (Sensors). 連結
- 12.Villarroel, Jorge, Tarassenko et al. (2019). Non contact physiological monitoring of preterm infants in the neonatal intensive care unit. npj Digital Medicine 2:128. University of Oxford & John Radcliffe Hospital. 連結
- 13.Jorge, Villarroel, Tarassenko et al. (2022). Non contact physiological monitoring of post operative patients in the intensive care unit. npj Digital Medicine 5:4. University of Oxford, Institute of Biomedical Engineering. 連結
- 14.Sun, Yang, Wu et al. (2022). Contactless facial video recording with deep learning for the detection of atrial fibrillation. Scientific Reports 12:281. National Yang Ming Chiao Tung University & partner hospitals. 連結
- 15.Frontiers in Physiology (2022). Remote photoplethysmography is an accurate method to remotely measure respiratory rate. Frontiers in Physiology. Hospital based trial (963 patients). 連結
- 16.Chin, Chan et al. (2026). Clinical validation of rPPG enabled contactless pulse rate monitoring in cardiovascular disease patients. Bioengineering (MDPI). PanopticAI & Prince of Wales Hospital / CUHK. 連結
- 17.Khan et al. (2026). Seconds matter: rapid non contact monitoring of heart and respiratory rate from face videos. Sensors (MDPI). University of Gothenburg & Detectivio. 連結
- 18.Estevez et al. (2025). Continuous non contact vital sign monitoring of neonates in intensive care using RGB-D cameras. Scientific Reports (Nature). University of Cambridge & Rosie Hospital NHS. 連結
- 19.Woelk et al. (2026). Advancing rPPG to facilitate cardiac monitoring in naturalistic settings using webcam technology. Behavior Research Methods (Springer). University College London. 連結
- 20.Garvin et al. (2024). Exploring contactless vital signs collection in video telehealth visits. JMIR Formative Research. Veterans Affairs Boston Healthcare System. 連結
- 21.Pstras et al. (2025). Estimating heart rate variability using facial video photoplethysmography: a pilot validation. medRxiv preprint. Polish Academy of Sciences & Wroclaw Medical University. 連結
- 22.Zuccotti et al. (2025). Accuracy of heart rate, oxygen saturation and blood pressure using a non contact PPG mobile app. Digital Health (SAGE). University of Milano & Buzzi Children's Hospital. 連結
- 23.Bioengineering (MDPI) (2024). Contactless blood oxygen saturation estimation from facial videos using deep learning. Bioengineering 11(3):251. Imaging pulse oximetry study (Bioengineering). 連結
- 24.Srestha et al. (2026). A hybrid CNN spectral architecture for non contact respiratory rate estimation. PLoS One. Yeungnam University. 連結
- 25.Fontes et al. (2024). Enhancing stress detection through rPPG analysis and deep learning. Sensors (MDPI). Nottingham Trent University. 連結
- 26.Kapoor, Holman & Cohen (2024). Contactless and calibration free blood pressure and pulse rate monitor for hypertension screening. JMIR Cardio. Lifelight (Mind over Matter Medtech) & Element Materials. 連結
- 27.Park & Hong (2024). Robust blood pressure measurement from facial videos in diverse environments. Heliyon (Cell Press). Sungkyunkwan University. 連結
- 28.Bautista et al. (2023). Clinical applications of contactless photoplethysmography for monitoring in adults. Journal of Clinical and Translational Science. University of Leeds. 連結
- 29.npj Digital Medicine (2023). Challenges and prospects of visual contactless physiological monitoring in clinical study. npj Digital Medicine 6:231. npj Digital Medicine (Nature Portfolio). 連結
- 30.npj Digital Medicine (2025). The role of face regions in remote photoplethysmography for contactless heart rate monitoring. npj Digital Medicine. npj Digital Medicine (Nature Portfolio). 連結
- 31.Xin Liu et al. (2023). rPPG-Toolbox: deep remote PPG toolbox. NeurIPS 2023 (Datasets & Benchmarks). University of Washington & Microsoft. 連結
- 32.Bondarenko, Menon & Elgendi (2025). Demographic bias in public remote photoplethysmography datasets. npj Digital Medicine (Nature Portfolio). ETH Zurich & Khalifa University. 連結
- 33.Acharya, Saakyan, Hammer & Drimalla (2025). The reliability of remote photoplethysmography under low illumination and elevated heart rates. npj Digital Medicine 8:744. Bielefeld University. 連結
將具實證基礎的掃描技術導入您的業務。
科學基礎已足夠穩固，可作為建構依據。若您希望將掃描器納入您的產品，技術層面由我們全權處理。
Plondo rPPG 掃描儀本身未經 FDA 核准。提及 FDA 核准係指其底層 rPPG 技術已在其他公司的商業裝置中獲得核准。本產品為追蹤健康趨勢的健康工具，並非醫療器材，不具診斷、治療、治癒或預防任何疾病之功能。