機器之心報導
機器之心編輯部
世界上沒有兩片相同的雪花，「菊花」亦然。至少，史丹福大學的一篇論文是這麼說的。在這篇論文中，研究者發明了一種「菊紋識別」智能馬桶，可以利用深度學習技術識別你的「菊紋」和便便，從而達到健康監測的目的。目前，該論文已經在《Nature Biomedical Engineering》期刊上發表。
深度學習三巨頭之一、圖靈獎獲得者 Yann LeCun 看完之後一臉認真地說，「卷積網絡正在馬桶上落地，為人類謀福祉。」
從目前流行的指紋識別、人臉識別到「菊紋（analprint）識別」，研究人員思路的進化讓人一時難以跟上。我們先來看一下這個馬桶長什麼樣子：
智能馬桶整體結構。
這個馬桶乍看上去和普通馬桶差不多，但仔細看就會發現裡面暗藏玄機，尤其是馬桶圈附近。
這個馬桶圈裡安裝了四個攝像頭：一個糞便攝像頭（stool camera）、一個「菊花」攝像頭（anus camera）和兩個尿流攝像頭（uroflow camera）。顧名思義，這些攝像頭分別用來監測排便者的糞便、「菊花」和尿液。
除此之外，馬桶圈上還安裝有一系列傳感器和試紙，可以記錄人坐在馬桶上的時間、分析尿液裡的成分。
該馬桶的工作原理可以概括為：尿液和糞便樣本都通過視頻採集，然後通過一組算法進行處理，這些算法可以區分正常的尿液（流速、時間、流量）、糞便特徵和不正常的特徵。試紙則用於測量某些分子特徵，包括白細胞計數、血液汙染、特定水平的蛋白質等，這些指標可以反映一系列疾病，從感染到膀胱癌再到腎衰竭。論文作者表示，該馬桶目前已經可以測量 10 種不同的生物標記。
信息收集、分析裝置有了，那怎麼區分哪份樣本是你的呢？畢竟除了獨居的人之外，其他多數人都要和別人共用馬桶。
這就要說到本文的關鍵概念——「菊紋識別」了。
在最初的版本中，研究者考慮過在衝水柄處安裝指紋識別裝置。這個想法很容易實現，但問題在於，如果上一個人忘記衝水怎麼辦？於是，他們想到了「菊紋識別」，即利用攝像頭拍攝的肛門視頻來識別排便者。
準確地說，他們用攝像頭識別的是一個名為「肛膜（anoderm）」的部位，與肛門周圍的皮膚有關，由肛門（anus）與皮膜（derm）兩個詞組合而成。
所有數據採集之後會上傳到加密的雲伺服器上進行存儲和分析。
這種做法雖然看起來比較難以接受，但作者表示，在幾個月的時間裡，已經有 21 名志願者參與了馬桶的測試。而在一項針對 300 多名智能馬桶潛在用戶的調查中，37% 的人表示對這個想法比較滿意，甚至有 15% 的人表示對這種以精準健康為目的暴露一切的做法非常滿意。
該論文已經於本周一發表於《Nature》子刊。
論文連結：https://www.nature.com/articles/s41551-020-0534-9
工作原理細節
這個馬桶具體是怎麼工作的呢？
針對尿液分析，馬桶上有兩個高速攝像頭，用來觀測流速，馬桶的後方還安有一堆試紙。當你開始小便時，被動紅外運動傳感器（passive infrared motion sensor）會檢測到信號並伸出一條試紙。試紙被浸溼之後會縮回馬桶後方，然後由一個攝像頭來分析結果。該系統針對一位男士和一位女士進行了測試，結果發現這套系統更加適合站立小便的男士，但作者表示，後續會針對男女小便的差異改進設計。
基於計算機視覺的小便監測與流量測量。
為了分析人的大便行為，馬桶上有一個壓力傳感器，可以用來激活攝像頭從而拍攝排便全程。這些圖像可以反映腸道功能，由卷積神經網絡進行處理。
研究者寫道：「這個攝像頭也能夠觀察到糞便的動態變化，包括馬桶裡糞便的形態和流動性隨時間的變化，這些在之前都沒有被研究過。」
具體來說，研究者使用 GoogLeNet Inception v.3 來對馬桶捕捉到的圖片進行識別。之所以選擇 Inception v.3 是因為這是一個開源的算法，且在 ImageNet 裡的一百多萬張圖片上進行了預訓練。
研究者在十個馬桶類型上重新對 Inception v.3 進行了訓練，這十個類型分別是七個 BSFS 類型以及乾淨、僅有小便和帶有廁紙這三個額外類型。
研究者表示，這些糞便圖像是通過 Google，Bing 和 Yahoo 等搜尋引擎（關鍵詞包括「馬桶裡的糞便」和」糞便「）獲得的。此外，他們還從研究參與者那裡收集了 12,226 張糞便圖像和相關的馬桶狀態圖像（n=11）。隨著研究參與者提供的真實糞便圖像越來越多，CNN 的表現也將有明顯的改善。
使用 CNN 進行糞便分析（為避免引起讀者不適，此處僅截取了部分圖片，內容詳見論文）。
在家庭中，區分是誰的糞便顯然對這個系統很重要，因此才有了「菊紋識別」這個概念。
為了實現菊紋識別，首先要用馬桶上安裝的攝像頭給用戶的屁股錄製一段短視頻，然後通過圖像識別算法進行區分。拍攝的屁股片段被分成幀，算法將其與用戶「菊紋」的參考圖像數據集進行比較。
研究者使用了三種不同方法來進行「菊紋」識別，分別是：MSE（mean squared error）、SSIM（structural similarity index measure）和 CNN。其中 CNN 的結構與上文提到的糞便識別類似。研究者同樣使用了遷移學習來對其進行分類訓練。下圖為使用「菊紋」進行生物識別的示意圖。
使用指紋與肛門皺褶的生物識別。
對如此私密的部位進行拍攝難免引發人們對於隱私問題的擔憂。但論文作者強調，數據將被存在一個安全的雲端系統裡，「我們已經採取了嚴密的措施，確保所有的信息在發到雲端時都不會被識別，而且這些信息在發給醫護工作者時會受到 HIPAA 的保護」。HIPAA 指的是限制公開醫療記錄的健康保險便利和責任法案。
最後想提醒一下讀者，作為正兒八經的深度學習研究，其實這篇論文還有「菊花」的圖片數據。如果你正在吃午飯，請不要打開論文。
擴展閱讀：這條推送有味道：徵集 10 萬張「便便」原圖，腸道專家精心標註
參考連結：
https://www.vice.com/en_us/article/jge377/stanford-smart-toilet-uses-butthole-for-identification