זיהוי נפילות שומר פרטיות באמצעות רדאר מילימטרי ובינה מלאכותית עמוקה בקצה
ענף הטיפול בקשישים מתמודד עם בחירה בלתי אפשרית: בטיחות או כבוד האדם. מצלמות פוגעות בפרטיות. מכשירים לבישים סובלים מפערי היענות. Veriprajna פותרת זאת באמצעות פיזיקה—באמצעות רדאר מילימטר-גל בתדר 60 GHz שאינו מסוגל פיזיקלית ללכוד פנים, אך מסוגל חישובית לזהות נפילות בדיוק של 99%.
אנו מתכננים פתרונות בינה עמוקה (Deep AI) ברמת האות—רדאר FMCW, ניתוח מיקרו-דופלר ורשתות נוירונים בקצה הרצות על שבבי mmWave של TI. הדבר מבטיח בטיחות ללא מעקב, תוך שמירה על ביטחון הקשישים בלי "לצפות בהם ערומים."
Veriprajna חוברת לבתי אבות, למסגרות מגורים מוגנים, לגורמי בריאות ולמפעילי טיפול בגיל השלישי כדי ליישב את הדילמה שבין פרטיות לבטיחות—מעקב שומר-כבוד שבאמת עובד.
הפחיתו אחריות משפטית, מנעו נפילות ושפרו את שביעות רצון הדיירים. החיישנים המילימטריים שלנו משתלבים בצורה חלקה עם מערכות קריאה לאחיות UL 1069 קיימות—הפעלת התראות בלי מצלמות פולשניות או מכשירים לבישים בלתי אמינים.
פרסו מעקב פסיבי שמכבד את כבוד המטופל. בלי פערי היענות—הרדאר עובד גם כשמטופלים שוכחים את המכשירים הלבישים, ישנים או מתרחצים. מזהה נפילות בחדרי אמבטיה ובחדרי שינה, שם מצלמות אינן מקובלות מבחינה אתית.
אפשרו לקשישים לחיות באופן עצמאי זמן רב יותר עם ניטור בטיחות בלתי פולשני. חיישני LoRaWAN הפועלים על סוללה עם השקה היררכית מאריכים את חיי הסוללה מימים לחודשים תוך שמירה על התראות נפילה בזמן אמת.
נפילות הן הגורם המוביל למוות מפציעות בקרב מבוגרים מעל גיל 65. ואולם פתרונות ניטור מסורתיים יוצרים "פנופטיקון של טיפול"—בטיחות הנקנית במחיר של כבוד האדם.
מצלמות ראייה ממוחשבת לוכדות מידע מזהה אישי (PII) כברירת מחדל. גם עם "הסתרת פרטיות", נוכחותה של עדשה בלבד הורסת את תחושת ההתבודדות החיונית לרווחה נפשית.
מכשירי PERS לבישים (מחרוזות מצילות, שעונים) מחייבים את המשתמשים לזכור לחבוש ולטעון אותם. ירידה קוגניטיבית, ליקויים חושיים או שכחה הופכים מכשירים אלה לחסרי תועלת באירועי נפילה קריטיים.
נפילה בודדת עם פציעה עולה למוסדות $30,000-$60,000 בעלויות רפואיות, אחריות משפטית ודרישות טיפול מוגברות. פחד מנפילות גורם להתכנסות פסיכולוגית המובילה לירידה מואצת.
"הסתמכות הענף על מעקב אופטי ועל טלמטריה לבישה יצרה 'פנופטיקון של טיפול', שבו בטיחות נקנית במחיר של כבוד האדם. פשרה זו היא כישלון של דמיון הנדסי, ולא הכרח של הטיפול."
— המאמר הטכני של Veriprajna, 2024
מצלמות אופטיות לוכדות תמונות חזותיות החושפות זהות, לבוש ופרטים אינטימיים. רדאר מילימטרי לוכד השתקפויות אלקטרומגנטיות החושפות חתימות תנועה—בלי לשחזר לעולם תמונה ניתנת לזיהוי.
בתדר 60 GHz, אורך הגל λ ≈ 5mm. הדבר מאפשר זיהוי תנועות זעירות (נשימה, פעימות לב) תוך שהוא בלתי מסוגל פיזיקלית להפריד מאפייני פנים. פרטיות אינה תכונת תוכנה—היא פיזיקה בסיסית.
החליפו בין מצבי ההדמיה כדי לראות כיצד מצלמות חושפות זהות בעוד שהרדאר שומר על אלמוניות. שניהם מזהים את הנפילה—רק הרדאר מגן על כבוד האדם.
אנחנו לא מוכרים חיישנים. אנחנו מתכננים תשתית בינה עמוקה—שילוב של פיזיקת אותות, עיבוד אותות דיגיטלי ורשתות נוירונים מתקדמות הרצות על מכשירי קצה עם משאבים מוגבלים.
רוב הספקים מזרימים נתוני חיישנים למודלים גדולים של שפה מבוססי ענן. Veriprajna פועלת ב- רמת פיזיקת האותות—אותות chirp של רדאר FMCW, עיבוד FFT, זיהוי CFAR וניתוח מיקרו-דופלר. אנו מפיקים הבנה סמנטית ("אדם נפל") מהשתקפויות EM הגולמיות.
הרשתות הנוירוניות שלנו רצות ישירות על שבבי mmWave של TI (IWRL6432, IWR6843) ועל שבבי Infineon XENSIV. TensorFlow Lite Micro עם קוונטיזציית INT8, אופטימיזציית CMSIS-NN והשקה היררכית משיגים הסקה בזמן אמת בשהייה של <300ms.
סביבות אמיתיות כוללות מאווררי תקרה, חיות מחמד ווילונות. אנו פותרים את "הזנב הארוך" של התראות השווא באמצעות סינון רעשים אדפטיבי, הסתרת אזורים, ניתוח RCS/יחס ממדים ומיזוג דו-זרמי (ספקטרוגרמה + ענן נקודות).
Veriprajna מקפידה על ISO 31700 (פרטיות מעוצבת בבסיס), HIPAA (אין PHI ללא אנונימיזציה) ו-GDPR (אין לכידת נתונים ביומטריים). הצפנת TLS 1.2+ לנתונים בהעברה, AES-256 לנתונים במנוחה, עם הגנה על דפוסי התנהגות.
בחירת התדר קובעת את אופן האינטראקציה עם הסביבה. 60 GHz אופטימלי לניטור אנושי בתוך מבנים—איזון בין רזולוציה, כליאת פרטיות ורוחב פס רגולטורי.
שימש היסטורית לזיהוי תנועה (דלתות אוטומטיות). רוחב פס נמוך יותר מגביל את רזולוציית הטווח לכ-6cm. דרישות אנטנה גדולות יותר הופכות את המארז למגושם.
התקן לרדאר רכב (בקרת שיוט אדפטיבית). טווח מצוין (300m+) אך מותאם לכלי רכב מהירים בחוץ, לא לתנועה אנושית עדינה בתוך מבנים.
אופטימלי לטיפול בקשישים. אורך גל λ ≈ 5mm מאפשר זיהוי תנועות זעירות (נשימה, פעימות לב). בליעת החמצן מספקת כליאת פרטיות טבעית—האותות אינם דולפים דרך קירות.
חיישנים מסורתיים הם חד-ממדיים (מרחק) או דו-ממדיים (תמונות). רדאר FMCW מספק מערך נתונים בארבעה ממדים—המאפשר לבינה המלאכותית לתפוס את העולם כנפח דינמי של נקודות נעות.
עיבוד אותות קלאסי מזהה תנועה. למידה עמוקה מבינה הקשר—מבדילה נפילה מישיבה, מעידה מהתאוששות.
ספקטרוגרמות מיקרו-דופלר המטופלות כתמונות. רשתות CNN עמוקות לומדות "צורות" תנועה—הבזק גוף עליון + הבזק גפיים + הפסקת תנועה = חתימת נפילה.
עיבוד ענני נקודות תלת-ממדיים להקשר מרחבי. מבחין בין עמידה (עמודה אנכית) לבין שכיבה (פיזור אופקי) באמצעות ניתוח גיאומטרי.
מודלים עוקבים לסיבתיות בזמן. היבריד CNN-LSTM מקיים "זיכרון" כדי להבדיל מעידה (עם התאוששות) מנפילה (ללא התאוששות).
זרם A (מהירות) + זרם B (מסלול מרחבי) ממוזגים כדי לפתור את בעיית "הישיבה הקשה"—מהירות גבוהה אך גובה סופי z ≈ 0.5m = ישיבה, לא נפילה.
המרת מספרים ממשיים בני 32 סיביות למספרים שלמים בני 8 סיביות. מקטין את גודל המודל פי 4, מאיץ את ההסקה, בדרך כלל עם אובדן דיוק של פחות מ-1%. קריטי עבור מיקרו-בקרים עם 512KB RAM.
קוד אסמבלי של ARM המותאם ידנית למעבדי Cortex-M. כל מחזור מעבד חשוב כאשר מעבדים פריימי רדאר בקצב של 380 FPS בזמן אמת.
אות chirp חסכוני בהספק לזיהוי נוכחות פועל ברציפות. מודל הלמידה העמוקה מתעורר רק על תנועה גסה—הארכת חיי הסוללה מימים לחודשים.
ראו כיצד פעילויות שונות מייצרות דפוסי מהירות ייחודיים. נפילות מציגות "התפרצות רחבת סרט" (האצה) אופיינית ואחריה מהירות אפס.
תוכניות מבוססות-ראיות למניעת נפילות מניבות ROI של 500%. התאימו פרמטרים לפי הפרופיל של המוסד שלכם.
נתוני CDC: ~1.5 נפילות למיטה בשנה במגורים מוגנים
טווח מקובל: $30K-$60K לכל נפילה עם פציעה
תוכניות מבוססות-ראיות: הפחתה של 20-40%
קישוריות חלקה עם תשתית הטיפול הקיימת—מערכות קריאה לאחיות UL 1069, פלטפורמות EMR ומערכות IoT.
החיישנים של Veriprajna כוללים יציאות ממסרת מצב מוצק (SSR) עם בידוד אופטי. כאשר מזוהה נפילה, הממסרה נסגרת—התחברות לכניסת ה-"auxiliary" של תחנות קריאה לאחיות ותיקות (Rauland, Ascom, Hill-Rom).
תמיכה בריבוי פרוטוקולים מבטיחה גמישות פריסה בסביבות IT מגוונות של מוסדות—ממערכות חוטיות ותיקות ועד רשתות IoT מודרניות.
רדאר מילימטרי אינו לוכד מזהים ביומטריים (פנים, טביעות אצבע). מעבד "נתוני תנועה אנונימיים". TLS 1.2+ לנתונים בהעברה, AES-256 במנוחה.
עמידה בתקן פרטיות מעוצבת בבסיס: יזום (בלי עדשה/מיקרופון), ברירת מחדל (פרטיות מרבית), מחזור חיים (צמצום נתונים).
תקן לציוד איתות בתי חולים וקריאה לאחיות—עמידה בדרישות מחמירות של אמינות, פיקוח ופעולה בטוחה בתרחישי כשל.
בתדר 60 GHz, אורך הגל של הרדאר הוא כ-5mm, מה שמאפשר זיהוי תנועות זעירות כגון נשימה ופעימות לב תוך שהוא בלתי מסוגל פיזיקלית להפריד מאפייני פנים. החיישן לוכד השתקפויות אלקטרומגנטיות כמהירות דופלר ונתוני ענן נקודות תלת-ממדיים, ולא תמונות חזותיות. הפרטיות מובטחת באמצעות פיזיקה בסיסית ולא באמצעות הסתרה תוכנתית, מה שהופך אותו לתואם HIPAA ו-GDPR כבר מן התכנון.
זיהוי הנפילות המילימטרי של Veriprajna משיג דיוק של 99% באמצעות ארכיטקטורת מיזוג דו-זרמית. זרם A מעבד ספקטרוגרמות מיקרו-דופלר ברשתות CNN כדי ללמוד צורות תנועה כגון דפוסי הבזק של הגוף העליון ושל הגפיים. זרם B משתמש ב-PointNet/GNNs לניתוח מרחבי של ענן נקודות תלת-ממדי. הגישה הדו-זרמית פותרת את בעיית הישיבה הקשה על ידי שילוב נתוני מהירות עם ניתוח הגובה הסופי כדי להבחין בין נפילות לבין ישיבה מבוקרת.
נפילה בודדת עם פציעה עולה למוסדות $30,000-$60,000 בעלויות רפואיות ואחריות משפטית. תוכניות מבוססות-ראיות למניעת נפילות מניבות ROI של 500%, ומחזירות $5 עבור כל $1 שמושקע. ההוצאה השנתית של מערכת הבריאות האמריקאית על נפילות שאינן קטלניות היא $50 מיליארד. ה-CDC מדווח על כ-1.5 נפילות למיטה בשנה במגורים מוגנים, מה שהופך את המניעה לכורח פיננסי וקליני משמעותי.
הפתרון של Veriprajna — רדאר מילימטרי + בינה עמוקה בקצה — לא רק מנטר נפילות, אלא ממציא מחדש מיסודו את טכנולוגיית הטיפול בקשישים דרך עדשת הנדסה של פרטיות תחילה.
קבעו התייעצות טכנית לדיון על פריסה במוסד שלכם, אפשרויות תוכנית פיילוט ומודלי ROI מותאמים אישית.
דוח הנדסי מלא: פיזיקת רדאר FMCW, ארכיטקטורות עיבוד אותות, פרדיגמות למידה עמוקה, טכניקות אופטימיזציה לקצה, צמצום התראות שווא, פרוטוקולי שילוב ארגוני, מסגרות רגולציה וביבליוגרפיה מקיפה.