Onze start-up (gevestigd in Gent en bestaande uit 4 co-founders) is op dit moment een ‘processing engine’ aan het ontwikkelen die vitale parameters (zoals hartslag) kan berekenen uit een korte video van het gezicht van een persoon. Hiervoor maken we gebruik van transdermale optische beeldvorming (TOI) op basis van photoplethysmografie (PPG), een optische methode om hart-synchrone veranderingen in het bloedvolume te meten in lichaamsuiteinden zoals het gezicht, de vinger en de oorlel.

Terwijl het hart bloed pompt, verandert het bloedvolume in de bloedvaten, synchroon met de hartcyclus. Deze verandering in het bloedvolume leidt tot een kleine verandering in de huidskleur (zichtbaar met een video camera), van waaruit een PPG signaal kan worden bepaald. Vitale parameters kunnen vervolgens worden afgeleid uit een kwalitatief PPG signaal door signal processing en machine learning technieken.

Het is onze ambitie om naast vitale parameters ook andere gezondheidsparameters (zoals bloedglucoseconcentratie) te meten aan de hand van het verkregen PPG signaal.

Er zijn verschillende academische papers beschikbaar die bloedglucosemeting, startende van een PPG signaal, uitvoerig beschrijven. Kort samengevat wordt door middel van ‘waveform feature analysis’ (= morfologische karakteristieken van het PPG signaal) de glucoseconcentratie bepaald. Dit blijkt succesvol startende van een PPG signaal komende van een vingersensor. Vanuit deze kennis wordt dit innovatieve project aangevat.

Het is de bedoeling dat de student een software algoritme ontwikkeld die op een zo accuraat mogelijke manier de glucoseconcentratie kan berekenen startende van een PPG signaal. Gebaseerd op de literatuur lijkt het bouwen en trainen van een machine learning model aan de hand van verschillende PPG signaal eigenschappen (zoals piekhoogte, piekinterval,…) de meest aangewezen methode hiervoor. Dit is gelijkaardig aan de methode die ons R&D team op dit moment gebruikt voor de bloeddrukmeting. In een eerste fase kan gebruik worden gemaakt van (online) beschikbare databases voor het trainen van dit model. Indien succesvol kan het testen en valideren in een gecontroleerde setting gebeuren.

Ons development team zal gedurende de opdracht de student bijstaan en ondersteunen bij het:
• verder ontwikkelen van technische skills en vaardigheden: Python, Machine Learning, Cloud computing,…;
• zelfstandig leren te werk gaan binnen een start-up omgeving;
• kritisch lezen van academische literatuur;
• meevolgen en deelnemen aan technische meetings;
• efficiënt leren communiceren met het R&D team;
• samen met de start-up doelgericht leren werken aan een oplossing voor een probleem.

Wij kunnen, indien gewenst, een kantoorruimte en een beperkt budget aanbieden voor het uitvoeren van de opdracht.