Von vielversprechender Demo zu glaubwürdiger Messinfrastruktur

Eine transparente Validierungs-Roadmap schafft oft mehr Vertrauen als eine vage Behauptung, die Technologie sei unter allen Bedingungen genau. Hier ist, was wir testen, wie wir testen und was wir berichten.

Vier Validierungsprinzipien

Wir validieren, was wir zeigen

Jede beanspruchte Fähigkeit hat eine definierte Validierungsstudie. Wir präsentieren keine Ergebnisse, die nicht getestet wurden.

Wir berichten Fehlermodi

Validierungsberichte enthalten Ablehnungsraten, Edge-Case-Fehler und Bedingungen, unter denen die Genauigkeit abnimmt.

Wir trennen Gemessenes von Berechnetem

Kameragemessene Werte (HR, RR) werden getrennt von berechneten Referenzen (BMI, REE) validiert.

Wir beanspruchen nicht unter allen Bedingungen

Der Validierungsumfang ist explizit. Ergebnisse außerhalb getesteter Bedingungen werden nicht beansprucht.

Strukturierter Übergang von synthetisch zu realen Bedingungen

P1
Phase 1Aktiv

Synthetische Signaltests

Synthetische Signale bekannter Frequenz werden in die Pipeline injiziert. Validiert, dass der rPPG-Algorithmus unter idealen Bedingungen die korrekte Frequenz extrahiert.

Injizierte HR-Signale bei 40–120 bpm
Injizierte RR-Signale bei 8–30 /min
Mittlerer absoluter Fehler gemessen
Randfälle: sehr niedrige und sehr hohe HR
Ergebnis:Grundlegende Algorithmus-Korrektheit unter idealen Bedingungen
P2
Phase 2Aktiv

Kontrollierte Aufzeichnungstests

Voraufgezeichnete Videos mit bekannter Ground Truth, aufgenommen unter stabilen Laborbedingungen. Testet die Pipeline anhand echter Kameradaten ohne störende realweltliche Variablen.

Unterschiedliche Hauttöne, Alter, Gesichtsgrößen
Verschiedene Lichttemperaturen
Bekannte HR aus ECG-Referenz
Mehrere Kameraauflösungen
Ergebnis:Leistung über demografische und Hardware-Variation
P3
Phase 3Demnächst

Referenzgeräte-Vergleich

Gleichzeitiger Camera Vital Check-Scan und validierte Referenzgerätemessung. Direkter Vergleich der HR- und RR-Werte.

Pulsoximeter oder ECG als HR-Referenz
Kapnographie oder Brustgurt als RR-Referenz
Bland-Altman-Analyse
Korrelationskoeffizienten berichtet
Ergebnis:Quantifizierte Übereinstimmung mit validierten Referenzgeräten
P4
Phase 4Demnächst

Real-World-Nutzbarkeitsstudie

Echte Nutzer, echte Hardware, echte Umgebungen. Misst gültige Scan-Rate, abgelehnte Scan-Rate und erneute Scan-Muster.

Rate gültiger Scans
Rate abgelehnter Scans und Ursachenverteilung
Durchschnittliche Zeit bis zum gültigen Scan
Nutzerzufriedenheitsbewertung
Ergebnis:Real-World-Zuverlässigkeits- und Nutzbarkeitsmetriken
P5
Phase 5Demnächst

Fairness- & Robustheitsstudie

Leistung über Hauttöne, Beleuchtungsbedingungen, Geräte und Demografie. Identifiziert systematische Verzerrungen oder Genauigkeitsvariationen.

Hauttonbereich nach Fitzpatrick-Skala
Unterschiedliche Beleuchtung: warm, kühl, hell, gedämpft
Mobil-, Laptop- und Desktop-Kameras
Altersbereich: 18–65+
Ergebnis:Dokumentierte Leistungsgrenzen und Fairness-Metriken

Wie wir Ergebnisse berichten

Mean Absolute Error (MAE)
Primäre Genauigkeitsmetrik für HR und RR
Root Mean Square Error (RMSE)
Empfindlichkeit gegenüber Ausreißermessungen
Bland-Altman Limits of Agreement
Übereinstimmung zwischen CVC und Referenzgerät
Pearson / Spearman Correlation
Korrelation zwischen CVC und Referenzwerten
Rate gültiger Scans
Prozentsatz der Scans mit gültigem Ergebnis
Rate abgelehnter Scans
Prozent- und Grundverteilung der Ablehnungen
Rate moderater Qualität
Scans mit Qualitätshinweis zurückgegeben
Bedingungsstratifizierte Ergebnisse
Genauigkeit aufgeteilt nach Beleuchtung, Bewegung, Hautton