Interpretable machine learning for identifying individual-specific cardiogram signatures
Deze studie toont aan dat interpreteerbare machine learning-modellen robuuste, individuele cardiogram-handtekeningen kunnen identificeren, primair door middel van stabiele ECG QRS-kenmerken, waarmee zij effectief persoonlijke identiteit onderscheiden van transiënte emotionele toestanden zoals woede, terwijl zij kenmerkensets optimaliseren voor hoge nauwkeurigheid en computationele efficiëntie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je lichaam een uniek muziekinstrument is dat nooit stopt met spelen. Zelfs als je stilzit, trommelt je hart een ritme en zet je borstkas uit en krimpt deze in bij elke slag. Wetenschappers weten al lang dat dit ritme niet zomaar een timer is; het is een handtekening. Net zoals geen twee mensen exact dezelfde vingerafdrukken of irispatronen hebben, slaat geen enkel hart met exact dezelfde elektrische en mechanische "vingerafdruk". Dit is de wereld van biometrische identificatie, waar we proberen te bewijzen wie je bent door te luisteren naar het lied van je lichaam. Maar hier komt het lastige deel: je lied verandert wanneer je verschillende emoties ervaart. Als je boos, bang of enthousiast wordt, versnelt je hartslag en verandert de vorm van de hartslag. Dit creëert een puzzel voor computers: Hoe kan een machine onderscheid maken tussen of een hartsignaal van "Jij" is, of dat het gewoon "Jij" bent die een slechte dag heeft? Onderzoekers moeten uitzoeken welke delen van de hartslag jouw permanente ID-kaart zijn en welke delen slechts tijdelijke stemmingswisselingen zijn.
Dit artikel duikt in die puzzel door de hartslag te behandelen als een complexe code bestaande uit 29 verschillende aanwijzingen. De onderzoekers gebruikten een slim computerprogramma genaamd een "Random Forest" (denk aan een team van 100 detectives, die elk naar de aanwijzingen kijken vanuit een iets andere hoek) om te zien welke aanwijzingen de beste zijn bij het identificeren van een persoon. Ze keken naar twee soorten hartsignalen: de elektrische vonk (ECG) en de mechanische druk van het bloed (ICG). Ze testten deze signalen terwijl mensen kalm waren en terwijl ze boos waren, in een poging om de "super-aanwijzingen" te vinden die hetzelfde blijven, ongeacht hoe je je voelt.
Het team ontdekte dat de meest betrouwbare aanwijzingen verborgen liggen in een specifieke, scherpe piek in de hartslag, de zogenaamde QRS-complex. Het is als de luidste, meest duidelijke noot in een lied. De computer ontdekte dat de hoogte, de helling en de vorm van deze piek ongelooflijk stabiel zijn. Zelfs toen de persoon boos werd, veranderden deze specifieend kenmerken nauwelijks. De studie toonde aan dat als je je alleen concentreert op deze 12 beste aanwijzingen (voornamelijk afkomstig van het elektrische signaal), de computer de persoon nog steeds met 99% nauwkeurigheid kan identificeren—bijna net zo goed als het gebruik van alle 29 aanwijzingen. Dit is een grote zaak, omdat het betekent dat we snellere, eenvoudigere beveiligingssystemen kunnen bouwen die niet in de war raken door je stemming.
Echter, het artikel weerlegde ook enkele ideeën. Het stelde vast dat veel van de andere aanwijzingen, zoals de tijd tussen de hartslagen of de vorm van de latere delen van de golf, zeer gevoelig zijn voor boosheid. Wanneer de onderzoekers probeerden om alleen deze stemminggevoelige aanwijzingen te gebruiken om mensen te identificeren, faalde het systeem jammerlijk, waarbij de nauwkeurigheid daalde naar ongeveer 70%. Dit bewijst dat het vertrouwen op de delen van de hartslag die veranderen met emotie een slecht idee is voor beveiliging. De studie toonde ook aan dat veel van de aanwijzingen eigenlijk "beste vrienden" zijn die hetzelfde verhaal vertellen; als je de ene weet, weet je de andere meestal ook. De computer begreep dit van nature en verdeelde zijn aandacht over deze vergelijkbare aanwijzingen, maar de onderzoekers bevestigden dat je de lijst met aanwijzingen met de helft kunt inkorten zonder aan kracht in te boeten.
Uiteindelijk suggereert het artikel dat de elektrische "piek" van je hart je ware, onveranderlijke ID is, terwijl de rest van het signaal een mix is van je identiteit en je huidige gevoelens. Door je te concentreren op de stabiele delen en de emotionele ruis te negeren, kunnen we betere manieren creëren om te bewijzen wie we zijn, zelfs wanneer we gestrest of boos zijn. De onderzoekers zijn voorzichtig in hun bewoordingen en zeggen dat dit werkt voor gezonde jonge volwassenen in hun studie, en hoewel de resultaten zeer sterk zijn voor deze groep, is er meer werk nodig om te zien of dit voor de rest van de wereld ook geldt. Maar voor nu hebben we een duidelijkere kaart van waar de "jij" zich binnen jouw hartslag bevindt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.