200+ 人
我主导的真实用户实验规模（跨年龄、跨肤色、多场景）
现场可用性测试 + Thinking Aloud + Diary Study
Story 01 · FacePhys
来自中国最top大学实验室的初创项目
FacePhys 是一项源自清华大学普适计算实验室的硬核科技转化项目：用户只需面对普通摄像头，即可在 30 秒内非接触式地获取心率、血氧及血压趋势等关键生理指标。作为团队核心成员，我主导了将底层 AI 能力转化为医疗级、可被信任的人性化体验的全过程。
Intro
FacePhys 通过 rPPG（远程光电容积记）让普通摄像头在 30 秒内完成非接触式生命体征监测。 我们的目标不是只做“能测量”的算法，而是做“可被长期使用和信任”的健康体验。 我在项目中主导了大规模用户实验与核心体验设计，将底层模型能力转化为真实可落地的产品价值。
99.2%
扩展临床验证中的核心指标精度（接近临床金标准）
清华长庚医院 / 北京安贞医院联合验证
50,000+
网页端用户，验证了真实市场接受度
产品上线阶段增长数据
Team
Core Team:
Tsui-Mou Hsiao (Lead Product / UX)
Algorithm Engineers
Frontend & Product Engineers
Clinical & Research Partners:
Tsinghua Chang Gung Hospital
Beijing Anzhen Hospital
Academic & Industry Advisors
What I Did
- 主导 200+ 人规模可用性与行为研究，建立从实验数据到产品决策的闭环。
- 设计非接触测量关键路径，优化“对准-保持-获取报告”的低认知负担交互流程。
- 推动 AI 情感化解读与可视化信任机制，降低用户对数据波动与黑盒算法的焦虑。
01. Context | 项目背景
在心血管疾病高发与基层医疗监测手段匮乏的矛盾下，FacePhys 通过创新性的 rPPG（远程光电容积记）技术，打破传统医疗监测对昂贵硬件的依赖。我们将实验室算法带入真实世界，并以端侧推理的方式实现普适部署。
30 秒
普通摄像头非接触式完成监测
100% 端侧
坚持本地推理，不上传视频数据（降低隐私焦虑）
02. Final Designs | 最终设计展示
我将“硬核算法”转译成“无感体验”，在不打扰用户的前提下建立医疗级信任。
极简监测流
面向慢病患者设计“三步走”交互：对准、保持、获取报告，将 30 秒监测过程中的心理门槛降至最低。
可视化信任建立
界面实时展示从面部提取的脉搏波形（BVP Signal），用直观的生理反馈减少对“黑盒技术”的疑虑。
AI 深度健康报告
将复杂 HRV 指标（如 SDNN、RMSSD）转化为易懂的健康得分与个性化干预建议，实现从数据监测到健康管理的闭环。
03. Research | 深度用户研究（主导 200+ 人实验）
为了验证产品在复杂生活场景下的表现，我主导（Lead）了覆盖超过 200 名真实用户的深度实验，在真实噪声中寻找规律，以大规模实验驱动设计决策。
大规模可用性测试
我带领团队对 200+ 名不同年龄段、不同肤色的受试者进行了现场测试，主导 Thinking Aloud（出声思维法）环节，识别并解决了老年用户在非接触测量时的反馈盲区。
长效依从性观察
通过 Diary Study（日记研究法）长期跟踪慢病患者。我发现用户对数据微小波动的心理焦虑是阻碍依从性的核心，于是推动团队引入“AI 情感化解读”模块。
多场景压力测试
在 200+ 样本量下系统研究不同光线环境（室内、户外、逆光）对测量成功率的影响，为算法“光线自适应”优化提供核心用户行为数据支持。
实验室数据体系与采集流程
除真实用户实验外，我们在实验室建立了标准化数据采集流程，以确保算法迭代有可复现、可对照的高质量数据基础。
- 多场景采集矩阵：覆盖静坐、轻微头动、说话、佩戴眼镜、不同距离与角度、不同终端摄像头规格等条件，系统记录信号稳定性变化。
- 多光照与环境变量：采集白天自然光、夜间室内光、侧逆光、低照度等条件下的数据，并记录亮度、色温、噪声干扰等级作为训练与评估标签。
- 跨人群样本构成：纳入不同年龄、肤色、健康状态与生活作息差异，提升模型在真实世界中的泛化能力。
- 对照信号采集：在关键实验中同步采集标准设备参考值，用于误差分析、漂移校正与模型版本回归测试。
数据标注、质控与迭代闭环
我推动团队建立了从“采集-标注-训练-评估-回流”的闭环机制，确保每次版本升级都能量化比较并可解释地改进。
- 片段级质量筛查：对面部遮挡、剧烈运动、帧率不稳等低质量片段进行自动与人工双重筛查，避免噪声污染训练。
- 问题样本优先回流：将失败案例按场景聚类（如逆光失败、肤色偏差、端侧性能瓶颈）优先补采，缩短模型短板修复周期。
- 版本化评测看板：按场景、机型、人群维度跟踪关键指标，确保“整体提升”的同时不牺牲长尾场景表现。
隐私与合规实践
研究全程坚持最小化数据原则与端侧优先策略：在可行情况下优先进行本地推理与脱敏处理，避免视频原始数据外流，降低用户对生理数据被滥用的担忧。
04. Problem | 问题定义
核心难题是：如何在维持“无感知”的同时建立“医疗级”的信任？在创业实战中，我们聚焦三大挑战：
- 环境鲁棒性：如何克服环境光波动、面部微动对测量精度的干扰？
- 信任鸿沟：如何向用户证明摄像头监测能达到医疗级精度？
- 隐私焦虑：如何确保医疗级生理数据安全性（坚持端侧推理，不上传视频数据）？
05. Magic Mouse | 核心技术创新
FacePhys 的“魔法时刻”建立在深厚的数据积累与端侧模型推理之上，让 AI 能够更稳定地“理解”生命律动。
更大规模的模型训练集
端侧 AI 模型不仅基于我主导的 200 人实验数据，更融合来自临床环境的、更大规模训练数据集，确保在多肤色、多病理状态下的鲁棒性。
状态空间推理（SSD）
通过时空状态空间块建模心血管动态，实现医疗级精准度与稳定性，并在复杂光照与微动场景下保持可用。
端侧毫秒级响应
响应速度小于 1 秒，可在主流手机与网页端流畅运行，保证高普适性与连续使用体验。
06. Prompt Eval | 项目逻辑验证
项目通过产学研闭环持续进化，建立从实验到临床到市场的验证路径：
- 高标准临床验证：在 200+ 人实验基础上，进一步在清华长庚医院、北京安贞医院开展更大规模临床验证，精度达 99.2%，核心指标接近临床金标准设备。
- B2B 模式市场验证：与荣耀、联想等头部企业达成合作意向，验证消费电子、智能座舱等场景的商业潜力。
- 真实用户增长：网页端用户 57069 人，获得真实市场积极反馈。
07. Impact | 项目影响与价值
- 社会声誉：获得 Nature Medicine 与 Nature Biomedical Engineering 主编高度认可，多次被人民日报、湖南卫视等主流媒体专题报道。
- 商业成就：预计 2027 年注册用户突破千万量级，年总收入达 2500 万。
- 研究高度：基于我主导的大规模用户实验与团队深度 AI 研究，实现“科技向善”在普适计算领域的真实落地。
08. Conclusion | 结语
FacePhys 不仅仅是一个测量工具，它代表未来“无处不在的医疗”愿景。通过将我主导的 200+ 人规模用户实验洞察，与底层海量数据训练的 AI 算法相结合，我们证明了技术可以在保持专业严谨的同时，以最温柔、最自然的方式融入人类生活。