מגורים מסייעים אמביינטליים • בינה מלאכותית עמוקה • IoT לשירותי בריאות

השומר הבלתי נראה

לעבור את המכשירים הלבישים באמצעות חישת Wi-Fi פסיבית ובינה מלאכותית עמוקה

צג הבריאות היעיל ביותר איננו זה שבעל החיישנים המתקדמים ביותר או חיי הסוללה הארוכים ביותר; הוא זה שאינו מצריך שום אינטראקציה כלל.

הפתרון של Veriprajna לחישת Wi-Fi פסיבית מזהה נפילות, מנטר נשימה ומנתח דפוסי שינה בדיוק ברמה קלינית — הכול ללא אף מכשיר לביש. באמצעות ניתוח מידע מצב ערוץ (CSI) מתשתית Wi-Fi קיימת, פתרנו את משבר ההיענות שמעיק על הטיפול בקשישים.

30%
שיעור נטישת מכשירים לבישים בתוך 6 חודשים
כישלון ניטור אקטיבי
99%
שיעור זיהוי לנפילות ולנשימה
חישת Wi-Fi פסיבית
0
נדרשת היענות משתמש
פסיבי באמת
<300ms
השהיית זיהוי לתגובת חירום
עיבוד AI בקצה

מהפכה בטיפול בקשישים ובניטור בריאות

Veriprajna חוברת לבתי אבות, למקומות מגורים מסייעים, לנותני שירותי "בית חולים-בבית" ולחברות ביטוח כדי לפרוס רשתות בטיחות בלתי נראות שמכבדות את הכבוד האישי תוך מתן ערנות ברמה קלינית.

🏥

עבור בתי אבות ומגורים מסייעים

הפכו את רשת ה-Wi-Fi הקיימת שלכם למערכת בטיחות מקיפה. אפס פריסת חומרה, בלי סוללות לנהל, בלי מכשירים הולכים לאיבוד. נטרו 100+ דיירים באמצעות עדכון תוכנה.

  • • ביטול נטל ההיענות של המכשירים הלבישים
  • • ניטור חדרי רחצה ללא פגיעה בפרטיות
  • • הפחתת פרמיות ביטוח אחריות
👨‍⚕️

עבור נותני שירותי בריאות ו-ACOs

אפשרו "בית חולים בבית" אמיתי עם ניטור נשימה רציף, ניתוח הליכה למניעת נפילות ומעקב אחר איכות שינה — הכול בעמידה ל-HIPAA עם עיבוד AI בקצה.

  • • זיהוי הידרדרות קלינית מוקדם (קצב נשימה)
  • • הפחתת אשפוזים חוזרים
  • • סקירת דום נשימה בשינה ללא מעבדת PSG
🛡️

עבור ביטוח ומתאמי טיפול

השיגו נתונים אובייקטיביים ואורכיים על פעילות מטופלים, ירידה בניידות וסיכון נפילה. התערבויות מבוססות נתונים מפחיתות תביעות תוך שיפור תוצאות עבור אוכלוסיית ה"זקנים-הזקנים" (85+).

  • • ניתוח הליכה חזוי מסמן סיכון נפילה שבועות מראש
  • • החלטות טיפול מבוססות ראיות
  • • זיהוי נדידה של חולי דמנציה

משבר ההיענות בטכנולוגיה הלבישה לבריאות

המודל המקובל של ניטור מטופלים מרחוק מניח שיתוף פעולה אקטיבי מצד האוכלוסייה דווקא זו שהכי פחות מסוגלת לספק אותו.

פרדוקס המקלחת

חדר הרחצה הוא החדר המסוכן ביותר לקשישים, ודווקא המקום שבו מסירים את המכשירים הלבישים. למרות דירוגי IP67/IP68, משתמשים נוהגים להוריד את המכשירים לפני הרחצה — ויוצרים פער כיסוי בדיוק ברגע הסיכון הגבוה ביותר.

נפילה במקלחת + מכשיר על הדלפק = כשל מערכת מוחלט

עייפות טעינה ועומס קוגניטיבי

עבור אנשים עם דלקת מפרקים או ליקוי קוגניטיבי מינורי (Mild Cognitive Impairment), טעינה יומיומית היא נטל. מחקרים מראים ש-24% ממשתמשי PERS לענדו את התליון לעולם, ורק 14% הגיעו להיענות אמיתית של 24 שעות.

מכשיר בטעינה על שולחן הלילה = מטופל ללא ניטור

סטיגמת השבריריות

תליוני מזעוקה רפואיים "מתווים" את המשתמשים כזקנים ופגיעים. קשישים רבים מחביאים את המכשירים מתחת לבגדים או מסרבים לחבוש אותם בציבור, מה שמערער את מערכת הניטור כולה. הפחד מהתראות שגויות יוצר היסוס להשתמש בכפתור SOS.

דחייה פסיכולוגית = מכשיר במגירה

"ההסתמכות על המשתמש כמשתתף פעיל בהשגחה על עצמו יוצרת פער היענות—תהום מסתכנת בין הבטיחות התיאורטית שהטכנולוגיה מעניקה לבין המציאות המעשית של אי-השימוש בה בחיי היומיום."

— מאמר טכני של Veriprajna: The Invisible Guardian, 2024

ניתוח השוואתי של טכנולוגיות ניטור

מדוע חישה פסיבית מתעלה על הגישות המסורתיות

תכונה מכשירים לבישים
(ניטור אקטיבי)
מצלמות
(ניטור ויזואלי)
חישת Wi-Fi פסיבית
(Veriprajna)
היענות משתמש ❌ חיכוך גבוה: מחייב לבישה, טעינה והתראות ידניות ✓ מאמץ אפס: פסיבי ✓ מאמץ אפס: פסיבי
השפעה על הפרטיות ✓ נמוכה: נתונים בלבד (תאוצה/דופק) ❌ חמורה: הקלטה ויזואלית של מרחבים אינטימיים ✓ נמוכה: אותות CSI מופשטים; ללא מזהים ויזואליים
בטיחות בחדר הרחצה ❌ כשל קריטי: לעיתים קרובות מוסר לפני מקלחת/רחצה ❌ בלתי קביל: חששות פרטיות שוללים שימוש ✓ מצוין: עובד ב-NLOS; חודר קיטור/וילונות
תחזוקה ❌ גבוהה: החלפת סוללות, ניהול מכשירים אבודים בינונית: ניקוי עדשות, אספקת חשמל ✓ נמוכה: עדכוני תוכנה; ממנף Wi-Fi קיים
אזורים עיוורים אין (כאשר הוא נענד) ❌ גבוהים: נחסמים על ידי ריהוט, קירות וחושך ✓ מזעריים: האותות חודרים קירות וריהוט
עושר נתונים תאוצה, דופק הליכה, יציבה, הקשר ✓ נשימה, הליכה, שלבי שינה, נפילות
התאמה לדמנציה ❌ נמוכה: משתמשים שוכחים לחבוש או מסירים את המכשירים באופן אקטיבי בינונית ✓ גבוהה: אי אפשר להסיר או לשכוח

הפיזיקה של חישה בלתי נראית

אינטליגנציה אמביינטלית אמיתית מחייבת גישה אל מידע מצב ערוץ (CSI) — ה"תמונה" ברזולוציה גבוהה של הסביבה האלחוטית, ש-RSSI אינו מסוגל לספק.

מ-RSSI אל מידע מצב ערוץ (CSI)

חישת ה-Wi-Fi המוקדמת הסתמכה על חיווי עוצמת אות מתקבלת (RSSI) — מדד גס שמסוגל לזהות נוכחות אך חסר את הרגישות לתנועות עדינות כמו נשימה.

RSSI: ערך סקלרי (הספק כולל)
CSI: מטריצה מרוכבת (משרעת ומופע לכל תדר משנה)

Wi-Fi מודרני (802.11n/ac/ax) משתמש ב-OFDM ומחלק ערוצים לתדרי משנה רבים. CSI קולט כיצד כל תדר משנה מתקשר עם עצמים, ומספק פירוט מדויק ש-RSSI אינו מסוגל לראות.

מודל אזורי פרנל

גלי רדיו מתפשטים דרך אליפסואידים קונצנטריים (אזורי פרנל) בין משדר למקלט. תנועה אנושית בתוך אזורים אלה גורמת להיסטי מופע הניתנים לזיהוי ב-CSI.

ΔΦ(t) = (2π · d(t)) / λ
בתדר 5 GHz (λ ≈ 6cm), תנועה של 3cm יוצרת היסט מופע מלא

זיהוי נשימה: העתקת חזה של 4-12mm מספיקה כדי ליצור תנודות CSI מחזוריות — ברמה של חגורות נשימה רפואיות.

חתימות דופלר לפעילויות

פעילויות אנושיות שונות מייצרות היסטי תדר דופלר ייחודיים. נפילה מתאפיינת בהאצה מהירה (כבידה) ולאחריה חוסר תנועה פתאומי (ה"שכיבה הממושכת").

  • הליכה: דפוס מורכב של היסטים חיוביים/שליליים כאשר הגפיים נעות
  • נפילה: התחזקות בעלת אנרגיה גבוהה בספקטרוגרמה, ולאחריה הפסקה פתאומית
  • ישיבה: ירידה מבוקרת עם פרופיל מהירות שונה

יכולות NLOS דרך קירות

אותות Wi-Fi בתדרים 2.4/5 GHz חודרים קירות גבס, עץ וזכוכית. גם אם נקודת הגישה נמצאת במסדרון והמשתמש מאחורי דלת סגורה, האותות מוחזרים מהמשתמש וחוזרים אל המקלט.

נוכחות אוניברסלית מבוססת-פיזיקה זו מחסלת את "האזורים העיוורים" שפוקדים מערכות מצלמות. קישור Wi-Fi יחיד יכול לנטר חדר שלם או חדרים סמוכים — כיסוי שהיה דורש מספר מצלמות.

המחשת אותות CSI: לראות את הבלתי נראה

צפו כיצד מידע מצב ערוץ (CSI) קולט תנועה אנושית ש-RSSI מסורתי אינו מזהה. עברו בין מצבי זיהוי נשימה וזיהוי נפילות.

מוניטור אינטראקטיבי למשרעת/מופע של CSI
משרעת CSI (תדרי משנה לאורך זמן)
מופע CSI (תדרי משנה לאורך זמן)
מצב: ניטור... | קצב נשימה: 14 bpm | פעילות: שינה

מעבר ל-"LLM Wrappers": הארכיטקטורה של ה-Deep AI

נתוני CSI כפופים לחוקי הפיזיקה, לא לדקדוק. Veriprajna מתכננת רשתות נוירונים עמוקות ייעודיות לעיבוד אותות זמני — לא מודלי שפה גנריים.

01

צינור עיבוד מקדים

פתיחת מופע (phase unwrapping), סינון Hampel, הפחתת ממדים ב-PCA. הסרת ארטיפקטים של חומרה (CFO/SFO) וחילוץ רכיבים ראשיים.

56 תדרי משנה × 3 אנטנות → 5 רכיבים ראשיים
02

CNN לתכונות מרחביות

מתייחסים למטריצת CSI כאל תמונה מדומה (pseudo-image). קונבולוציות דו-ממדיות (2D) לומדות קורלציות מרחביות על פני תדרי משנה — ומבחינות בין תנועה אנושית למאווררים מסתובבים.

חילוץ תכונות מרחביות
03

LSTM להקשר זמני

נפילות הן רצפים: עמידה → אובדן שיווי משקל → ירידה → פגיעה → שכיבה דוממת. LSTM משמר זיכרון כדי להבין את ההקשר, לא פריימים מבודדים.

לוגיקה זמנית רקוררנטית
04

טרנספורמרים דו-ענפיים

ענף A (משרעת): תנועות מאקרו. ענף B (מופע): תנועות מיקרו. מנגנון קשב מעדיף בדינמיות את הזרם הרלוונטי.

מיזוג רב-מודאלי

ערימת ה-Deep AI של Veriprajna מול גישות גנריות

מתחרים גנריים

  • קלט: CSI גולמי או RSSI גס
  • תכונות: סטטיסטיות (ממוצע, שונות)
  • זמני: כללים מבוססי סף
  • מיזוג: זרם יחיד
  • הכללה: נדרש כיול ייעודי לאתר

Deep AI של Veriprajna

  • קלט: CSI מטוהר (פתיחת מופע, דה-רעש PCA)
  • תכונות: CNN לדפוסים מרחביים/ספקטרליים
  • זמני: LSTM/GRU להקשר רצף
  • מיזוג: טרנספורמר דו-ענפי עם קשב
  • הכללה: DANN לעצמאות מהסביבה

מדוע Domain Adversarial Neural Networks (DANN)?

מודל שאומן ב"מעבדה A" לא פעם נכשל ב"דירה B" בשל פריסות חדרים שונות. DANN מכריח את הרשת ללמוד תכונות בלתי תלויות בסביבה — ה"אידיאל הפלאטוני" של חתימת נפילה, שנראה זהה בדירת סטודיו או במסדרון של בית אבות. מאמנים פעם אחת, פורסים בכל מקום.

יישומים קליניים ומקרי שימוש

מניטור נשימה ועד זיהוי נפילות וניתוח שינה — דיוק ברמה קלינית בלי אף מכשיר לביש.

🫁

ניטור נשימה

קצב נשימה (Respiratory Rate‏ – RR) הוא "סימן החיים הנשכח" — אך מחוון מוביל להחמרה ב-COPD, CHF ודלקת ריאות. העתקת חזה של 4-12mm יוצרת תנודות מופע CSI מחזוריות.

דיוק: שגיאה < 3.2 נשימות/דקה
קורלציה: r > 0.92 מול חגורות ייחוס

זיהוי דום נשימה בשינה בלי מחקרי מעבדת PSG מסורבלים

🚨

זיהוי נפילות ומניעתן

נפילות הן הגורם המוביל לפציעה קטלנית אצל קשישים. ה"שכיבה הממושכת" (שהייה על הרצפה במשך שעות) גורמת לרבדומיוליזיס ולפצעי לחץ. Veriprajna מזהה את הרצף כולו.

  • טרם הנפילה: ירידה במהירות ההליכה מנבאת סיכון שבועות מראש
  • בזמן אמת: רגישות של 97%+ באמצעות חתימות דופלר
  • לאחר הנפילה: מודעות להקשר (נשימה בגובה הרצפה = הסלמה)
😴

ניתוח איכות שינה

"אקטיגרפיית גוף שלמה" מנתחת עוצמת תנועה ומחזוריות כדי לסווג שלבי שינה. מעקב אחר יציאות מהמיטה לזיהוי נדידה של חולי דמנציה.

ערנות: משרעת גבוהה, לא סדירה
שינה קלה: תנועה מופחתת, נשימה סדירה
שינה עמוקה/REM: מצב אטוני, נשימה מחזורית

השהיית הירדמות, WASO, משך כולל — הכול בלי אקטיגרפיה של פרק היד

פרדוקס הפרטיות: חישה בלי השגחה

פרטיות ויזואלית היא ערך עליון עבור קשישים. חישת Wi-Fi פותרת את הוויכוח "מצלמה מול חיישן" — היא עיוורת ויזואלית.

איסוף נתונים עיוור ויזואלית

מטריצות CSI מורכבות ממספרים מרוכבים המייצגים את התפשטות האות. הדבר בלתי אפשרי לבן אנוש להביט במנות CSI ול"ראות" את פניו או גופו של אדם. גם אם הנתונים יירטו, הם עיוותי אות בלתי מובנים — לא תמונות ולא וידאו.

CSI packet: [(0.8∠45°), (0.6∠120°), (0.9∠-30°), ...]
≠ הקלטה ויזואלית

עמידה ב-GDPR ו-HIPAA

CSI הוא נתונים ביומטריים לפי סעיף 9 ל-GDPR. Veriprajna מבטיחה עמידה בדרישות באמצעות עיבוד Edge AI קפדני:

  • מזעור נתונים: CSI גולמי מעובד מקומית ב-AP/בשער — לעולם אינו מועבר לענן
  • תובנות מופשטות: רק אירוע JSON מועבר: {"event": "Fall", "confidence": 0.98}
  • אבטחה: הצפנת TLS 1.3/WPA3, אימות 802.1X

"הדבר הופך את חישת ה-Wi-Fi למתאימה באופן ייחודי עבור ניטור חדרי רחצה—החדר המסוכן ביותר בבית, שבו מצלמות אסורות בהחלט."

המערכת האקולוגית של החומרה: מסחירות ועד תקן חישה

IEEE 802.11bf (WLAN Sensing) יתקנן חילוץ CSI עד 2024/2025, ויהפוך כל נתב למכ"ם.

Qualcomm Networking Pro Series

ערכושבי Wi-Fi 7 עם Hexagon NPU משולב מאפשרים הסקת למידה עמוקה על המכשיר. Veriprajna ממירה מודלי PyTorch לקבצים בינאריים קוונטיים לעיבוד קצה בזמן אמת.

AI Hub + Hexagon DSP = השהייה של <300ms

Broadcom Wi-Fi 8 (BCM6726)

BroadStream מנוע טלמטריה אלחוטי שתוכנן במיוחד לפריקת נתוני חישה. זרמי CSI בתדירות גבוהה ובהשהיה נמוכה לאימון/הסקה של AI.

בלוק חומרה ייעודי לחישה

Espressif ESP32 Mesh

מיקרו-בקרים זולים ($5) עם ESP-CSI Toolkit מאפשרים רשת חישה צפופה במתקנים גדולים. ESP32 משמש כמקלט ייעודי המזין שער מרכזי.

הרחבה חסכונית למתקנים בני 100+ חדרים

שותפי תוכנה מסחריים

Cognitive Systems (Aura WiFi Motion)

מספקת חילוץ CSI בסיסי ו-API לסיווג תנועה אלמנטרי. Veriprajna משלבת מעליו לפרשנות ברמה רפואית.

Origin Wireless (AI Sensing)

טכנולוגיית Time Reversal Machine לניתוח מסלולים מרובים (multipath). מנועי TruPresence וזיהוי הנפילות פועלים כולם בקצה — בקו אחד עם ארכיטקטורת פרטיות-תחילה.

יישום אסטרטגי לארגונים

ה"שדרוג ללא חומרה" (Zero-Hardware Retrofit) הופך רשתות Wi-Fi קיימות למערכות בטיחות מקיפות.

מתודולוגיית פריסה

  1. 1.
    סקר אתר: הערכת צפיפות ה-Wi-Fi. רשתות Mesh (נקודות pod בחדרים שונים) אידיאליות לכיסוי כל-הבית, החוצה חדר רחצה/חדר שינה.
  2. 2.
    ביקורת חומרה: יש לוודא שנקודות הגישה (AP) משתמשות בערכושבים תואמים (Qualcomm/Broadcom) התומכים בחילוץ CSI.
  3. 3.
    התקנת שער קצה: לבדוק אם ל-AP יש NPU/CPU להסקה על המכשיר. אם לא, לפרוס שרת קצה מקומי שמצרף את הנתונים.
  4. 4.
    כיול: תהליך התנעה ("burn-in") של DANN בן 24 שעות מסתגל לפריסת הריהוט ולחומרים המבניים הספציפיים וקובע קו בסיס.

ROI ומימוש ערך

  • הפחתת אשפוזים חוזרים: זיהוי ירידה במהירות ההליכה שבועות מראש מאפשר פיזיותרפיה מונעת — וחוסך אשפוזים יקרים עקב שבר בירך.
  • יעילות צוות: סבבי לילה מבוססי נתונים. ניטור לוח הבקרה להפרעות שינה/יציאות מהמיטה במקום להעיר כל דייר.
  • פרמיות ביטוח: מתקנים עם ניטור רציף זכאים לפרמיות אחריות מופחתות — סיכון תאונות נמוך יותר + הוכחת טיפול מבוססת נתונים.
  • חיסכון ב-CapEx: בלי רכש של מכשירים לבישים. בלי התקנת מצלמות. עדכון תוכנה אחד מאפשר 100 חדרים מיד.
FAQ

שאלות נפוצות

כיצד חישת Wi-Fi פסיבית מזהה נפילות ללא מכשירים לבישים או מצלמות?

Wi-Fi מודרני באמצעות OFDM מחלק ערוצים לתדרי משנה רבים, שכל אחד מהם נקלט כנתוני משרעת ומופע מרוכבים במידע מצב ערוץ (CSI). תנועה אנושית בתוך אזורי פרנל שבין המשדר למקלט גורמת להיסטי מופע הניתנים לזיהוי ב-CSI. נפילה מייצרת התחזקות דופלר אופיינית בעלת אנרגיה גבוהה ולאחריה הפסקה פתאומית, הניתנת להבחנה מישיבה באמצעות ניתוח פרופיל מהירות. בתדר 5 GHz, שאורך הגל שלו כ-6cm, תנועה של 3cm יוצרת היסט מופע מלא.

האם חישת Wi-Fi יכולה לנטור נשימה ודפוסי שינה?

כן. העתקת חזה של 4-12mm בזמן נשימה יוצרת תנודות מופע CSI מחזוריות, השוות לחגורות נשימה רפואיות, עם שגיאה מתחת ל-3.2 נשימות לדקה וקורלציה גבוהה מ-0.92 מול חגורות ייחוס. לניתוח שינה, המערכת מבצעת אקטיגרפיית גוף שלמה באמצעות ניתוח עוצמת תנועה ומחזוריות כדי לסווג ערנות, שינה קלה ושינה עמוקה/REM, תוך מעקב אחר השהיית ההירדמות, ערנות לאחר ההירדמות (WASO) ומשך הכולל.

כיצד DANN פותר את בעיית ההכללה בין סביבות?

מודל שאומן בחדר אחד לא פעם נכשל בחדר אחר בשל פריסות וחומרים שונים. Domain Adversarial Neural Networks (DANN) מכריחים את הרשת ללמוד תכונות בלתי תלויות בסביבה על ידי הוספת יריב (adversary) שמנסה לזהות מאיזו סביבה הגיעו הנתונים. אם היריב מצליח, הרשת הראשית נענשת — מה שמכריח אותה ללמוד את חתימת הנפילה האוניברסלית, הנראית זהה בדירת סטודיו או במסדרון של בית אבות. הדבר מאפשר יכולת של אימון אחד, פריסה בכל מקום.

עתיד ניטור הבריאות הוא בלתי נראה

חישת ה-Wi-Fi הפסיבית של Veriprajna לא רק משתפרת על המכשירים הלבישים — היא מחסלת מיסודה את נטל ההיענות.

קבעו ייעוץ כדי לדמות פריסה עבור המתקן שלכם, לחקור את ארכיטקטורת ה-Deep AI שלנו ולהבין את הדרך אל אינטליגנציה אמביינטלית ללא חומרה.

צלילה טכנית לעומק

  • • מהלך צינור עיבוד אותות ה-CSI
  • • סקירת ארכיטקטורות LSTM/Transformer
  • • מתודולוגיית התאמת הדומיין ב-DANN
  • • פריסת Edge AI על Qualcomm/Broadcom

תוכנית פיילוט

  • • פריסה בשטח של 2-4 שבועות במתקן שלכם
  • • לוח בקרה בזמן אמת עם התראות חיות לנפילות/נשימה
  • • תיעוד עמידה ב-GDPR/HIPAA
  • • דוח ביצועים לאחר הפיילוט עם מודלות ROI
התחברו דרך WhatsApp
קראו את המאמר הטכני המלא בן 20 העמודים

דוח הנדסי מלא: פיזיקת ה-CSI, מתמטיקת אזור פרנל, ארכיטקטורות CNN/LSTM/Transformer, התאמת דומיין ב-DANN, עמידה ב-GDPR/HIPAA, ניתוח המערכת החומרתית, 53 אזכורים אקדמיים.

רשתות חברתיות

פורסם גם ב