Sydämen sykkeentunnistus älykellon signaaleissa voitti fysiologisen mittauksen parhaan paperipalkinnon – Physics World

Fotopletysmografia-algoritmeja (PPG) käsittelevä tutkimus on voittanut tekijöilleen Martin Black -palkinnon, joka myönnetään parhaalle vuonna julkaistulle artikkelille. Fysiologinen mittaus edellisen vuoden aikana.

PPG on optinen tekniikka, jota käytetään yleisesti älykelloissa, kuntomittarissa ja pulssioksimetreissä fysiologisten parametrien seuraamiseen. Keskeinen vaihe PPG-signaalin, pulssin mittauksen, analysoinnissa on yksittäisten sydämenlyöntien havaitseminen signaalissa. Palkitussa tutkimuksessaan Peter Charlton Cambridgen yliopistosta ja yhteistyökumppanit arvioivat PPG-signaalien sydämenlyöntien havaitsemiseen käytettyjen eri algoritmien suorituskykyä.

Paperi, Lyöntien havaitseminen fotopletysmogrammissa: avoimen lähdekoodin algoritmien vertailu, kuvaa puitteet PPG-lyöntitunnistusalgoritmien testaamiseen. Tutkijat käyttivät tätä lähestymistapaa arvioidakseen 15 avoimen lähdekoodin algoritmia EKG-signaalien vertailulyöntejä vastaan ​​kahdeksassa vapaasti saatavilla olevassa tietojoukossa. He myös tutkivat, kuinka potilaan väestötiedot ja rytmihäiriöt (epänormaalit sydämen rytmit, kuten eteisvärinä) vaikuttavat algoritmin suorituskykyyn.

"Olin innokas ymmärtämään, kuinka parhaiten tunnistaa sydämenlyönnit PPG:ssä ja kuinka hyvin ne voidaan havaita eri olosuhteissa, kuten harjoituksen aikana ja vauvoilla", Charlton sanoo.

Tiimi havaitsi, että useimmat lyöntitunnistimet toimivat hyvin ilman liikettä, vaikka niiden suorituskyky oli huonompi harjoituksen aikana, vastasyntyneillä (joilla on korkeampi syke kuin aikuisilla) ja eteisvärinän aikana. Tulokset osoittivat erityisesti kaksi avoimen lähdekoodin algoritmia, jotka toimivat parhaiten useissa käyttötapauksissa. Charlton ehdottaa, että avoimen lähdekoodin algoritmien käyttö voi olla avain tutkimuksen menestykseen, koska ihmiset voivat helposti käyttää suositeltuja lyönnin havaitsemisalgoritmeja yksinkertaisesti lataamalla ne ja katsomalla lähdekoodia.

Tutkimuksen pitäisi osoittautua arvokkaaksi akateemisille tutkijoille, joiden on varmistettava, että heidän PPG-signaalianalyysinsä ovat tarkkoja, sekä antaa laitesuunnittelijoille mahdollisuus valita sopivin algoritmi käytettäväksi laitteessa. Charlton sanoo, että löydökset ovat hyödyllisiä myös kliinikoille. "Toivottavasti parhaiten toimivien algoritmien käyttö johtaa tarkempiin analyyseihin - kuten sydämen rytmin arvioimiseen ja rytmihäiriöiden havaitsemiseen PPG:stä", hän selittää. "Loppujen lopuksi siitä on hyötyä potilaille, koska heiltä otetut mittaukset ovat tarkempia, mikä johtaa paremmin tietoiseen kliiniseen päätöksentekoon."

Charlton ja kollegat suorittavat parhaillaan SAFER Wearables Study tutkia puettavien laitteiden suorituskykyä ja hyväksyttävyyttä eteisvärinän, yleisimmän rytmihäiriön, havaitsemiseen. Eteisvärinä lisää aivohalvauksen riskiä, ​​eikä sitä usein tunnisteta, koska se voi tapahtua ilman oireita. Diagnoosin jälkeen on kuitenkin olemassa vakiintuneita interventioita aivohalvauksen riskin vähentämiseksi.

"Eteisvärinän havaitseminen on yksi lupaavimmista PPG-pohjaisten laitteiden sovelluksista", Charlton sanoo. "Tässä tutkimuksessa arvioimme, toimivatko PPG-pohjaiset laitteet riittävän hyvin, jotta niitä voidaan käyttää eteisvärinän seulomiseen yleisessä väestössä. Jos näin on, tämä voisi auttaa parantamaan eteisvärinän havaitsemista ja viime kädessä osaltaan ehkäisemään aivohalvauksia."

Tiede ja tutkijat Älä katso ylös, edullinen optinen tekniikka parantaa terveydenhuoltoa

Charlton kertoo Fysiikan maailma että hän oli iloinen saadessaan Martin Black -palkinnon, koska se toivottavasti osoittaa, että ryhmän tutkimuksesta on hyötyä. Hän huomauttaa, että sykkeen havaitsemiseen on kiinnitetty vähemmän huomiota kuin muihin algoritmeihin, kuten ne, joita käytetään verenpaineen arvioimiseen PPG:stä. "Uskon, että yhteisö luultavasti arvosti erityisesti tämäntyyppisten algoritmien arviointia, koska niiden toimivuudesta tiedettiin verrattain vähemmän kuin muiden algoritmien."

"Olen kiitollinen tiimin jäsenten ja algoritmien alunperin kehittäneiden panoksesta, jota ilman tämä työ ei olisi mahdollista", hän lisää. "Olen kiinnostunut tutkimaan, miksi saimme tämän palkinnon, koska tämän ymmärtäminen voi auttaa meitä ymmärtämään arvokkaimmat osa-alueet, joilla voimme työskennellä tulevaisuudessa."

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://physicsworld.com/a/heartbeat-detection-in-smartwatch-signals-wins-physiological-measurement-best-paper-award/