Wykrywanie bicia serca w sygnałach smartwatcha zdobywa nagrodę dla najlepszego artykułu w dziedzinie pomiarów fizjologicznych – Physics World

Badania nad algorytmami fotopletyzmografii (PPG) przyniosły autorom nagrodę Martina Blacka, przyznawaną najlepszej pracy opublikowanej w czasopiśmie Pomiar fizjologiczny w poprzednim roku.

PPG to technika optyczna powszechnie stosowana w smartwatchach, monitorach kondycji i pulsoksymetrach do monitorowania parametrów fizjologicznych. Kluczowym krokiem w analizie sygnału PPG, będącego miarą tętna, jest wykrycie w sygnale poszczególnych uderzeń serca. W swoim wielokrotnie nagradzanym śledztwie Petera Charltona z Uniwersytetu w Cambridge i współpracownicy ocenili wydajność różnych algorytmów używanych do wykrywania uderzeń serca w sygnałach PPG.

Papier, Wykrywanie uderzeń w fotopletyzmogramie: analiza porównawcza algorytmów open sourceopisuje strukturę testowania algorytmów wykrywania uderzeń PPG. Naukowcy wykorzystali to podejście do oceny 15 algorytmów open source pod kątem uderzeń referencyjnych z sygnałów elektrokardiogramu w ośmiu swobodnie dostępnych zbiorach danych. Zbadali także, w jaki sposób na działanie algorytmu wpływają dane demograficzne pacjentów oraz występowanie arytmii (nieprawidłowego rytmu serca, np. migotania przedsionków).

„Chciałem zrozumieć, jak najlepiej wykrywać bicie serca w PPG i jak dobrze można je wykryć w różnych warunkach, na przykład podczas ćwiczeń i u niemowląt” – mówi Charlton.

Zespół odkrył, że większość detektorów uderzeń działała dobrze przy braku ruchu, chociaż ich działanie było słabsze podczas ćwiczeń, u noworodków (które mają wyższe tętno niż dorośli) i podczas migotania przedsionków. W szczególności w ramach wyników zidentyfikowano dwa algorytmy typu open source, które najlepiej sprawdzały się w różnych przypadkach użycia. Charlton sugeruje, że kluczem do sukcesu badania może być wykorzystanie przez zespół algorytmów typu open source, ponieważ ludzie mogą z łatwością zastosować zalecane algorytmy wykrywania uderzeń, po prostu je pobierając i przeglądając kod źródłowy.

Badanie powinno okazać się cenne dla badaczy akademickich, którzy muszą mieć pewność, że analizy sygnału PPG są dokładne, a także umożliwić projektantom urządzeń wybranie najodpowiedniejszego algorytmu do zastosowania w urządzeniu. Charlton twierdzi, że odkrycia będą również pomocne dla klinicystów. „Mamy nadzieję, że zastosowanie najskuteczniejszych algorytmów zaowocuje dokładniejszymi analizami, takimi jak ocena rytmu serca i wykrywanie arytmii na podstawie PPG” – wyjaśnia. „Docelowo będzie to pomocne dla pacjentów, ponieważ pobierane od nich pomiary będą dokładniejsze, co doprowadzi do podejmowania bardziej świadomych decyzji klinicznych”.

Charlton i współpracownicy prowadzą obecnie Badanie bezpieczniejszych urządzeń do noszenia w celu zbadania wydajności i akceptowalności urządzeń do noszenia do wykrywania migotania przedsionków, najczęstszej arytmii. Migotanie przedsionków zwiększa ryzyko udaru mózgu i często nie jest rozpoznawane, ponieważ może wystąpić bezobjawowo. Jednakże po zdiagnozowaniu istnieją ugruntowane metody leczenia zmniejszające ryzyko udaru.

„Wykrywanie migotania przedsionków to jedno z najbardziej obiecujących zastosowań urządzeń opartych na PPG” – mówi Charlton. „W tym badaniu oceniamy, czy urządzenia oparte na PPG działają wystarczająco dobrze, aby można je było stosować do badań przesiewowych w kierunku migotania przedsionków w populacji ogólnej. Jeśli tak, może to pomóc w poprawie wykrywania migotania przedsionków, a ostatecznie przyczynić się do zapobiegania udarom”.

Nauka i naukowcy Nie patrz w górętania technika optyczna poprawia opiekę zdrowotną

Charlton opowiada Świat Fizyki że był zadowolony z otrzymania nagrody Martina Blacka, ponieważ, miejmy nadzieję, oznacza to, że badania zespołu są pomocne. Zwraca uwagę, że wykrywaniu uderzeń poświęcono mniej uwagi niż innym algorytmom, takim jak te używane do szacowania ciśnienia krwi na podstawie PPG. „Myślę, że społeczność prawdopodobnie szczególnie ceniła ocenę tego typu algorytmów, ponieważ stosunkowo mniej wiedziano o ich działaniu niż w przypadku innych typów algorytmów”.

„Jestem wdzięczny za wkład członków zespołu i tych, którzy pierwotnie opracowali algorytmy, bez których ta praca nie byłaby możliwa” – dodaje. „Chcę dowiedzieć się, dlaczego przyznano nam tę nagrodę, ponieważ zrozumienie tego może pomóc nam zrozumieć najcenniejsze obszary, nad którymi możemy pracować w przyszłości”.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://physicsworld.com/a/heartbeat-detection-in-smartwatch-signals-wins-physiological-measurement-best-paper-award/