HyperAIHyperAI

Command Palette

Search for a command to run...

Ein neuartiger zeitvariabler spektraler Filteralgorithmus zur Rekonstruktion von durch Bewegungsartefakte verfälschten Herzfrequenzsignalen während intensiver körperlicher Aktivitäten unter Verwendung eines tragbaren Photoplethysmogramm-Sensors

Chae Cho Seyed M. A. Salehizadeh Duy Dao Yitzhak Mendelson and Ki H. Chon Jeffrey Bolkhovsky

Zusammenfassung

Die präzise Schätzung der Herzfrequenz aus Photoplethysmogramm-(PPG-)Signalen während intensiver körperlicher Aktivität stellt ein äußerst herausforderndes Problem dar. Dies liegt daran, dass anstrengende und hochintensive Bewegungen starke Bewegungsartefakte in den PPG-Signalen verursachen können, was die genaue Bestimmung der Herzfrequenz (HR) erheblich erschwert. In dieser Studie untersuchten wir eine neuartige Technik zur präzisen Rekonstruktion von durch Bewegung beeinträchtigten PPG-Signalen und der Herzfrequenz basierend auf einer zeitveränderlichen Spektralanalyse. Der Algorithmus wird als „Spectral filter algorithm for Motion Artifacts and heart rate reconstruction“ (SpaMA) bezeichnet. Der Ansatz besteht darin, für jedes zeitliche Verschiebungsfenster die Leistungsspektren Dichte (PSD) sowohl des PPG- als auch des Beschleunigungssignals zu berechnen. Durch den Vergleich der zeitlich veränderlichen Spektren von PPG- und Beschleunigungssignalen können Frequenzspitzen, die durch Bewegungsartefakte verursacht werden, von den echten PPG-Spektralanteilen abgegrenzt werden. Die SpaMA-Methode wurde auf drei unterschiedliche Datensätze und vier Aktivitätstypen angewendet: (1) Trainingsdatensätze aus der 2015 IEEE Signal Process. Cup-Datenbank, erfasst bei 12 Probanden während Laufbandübungen mit Geschwindigkeiten von 1 km/h bis 15 km/h; (2) Testdatensätze aus derselben Datenbank, erfasst bei 11 Probanden während Bewegungen des Unterarms und Oberarms; (3) Chon Lab-Datensatz mit 10-minütigen Aufnahmen von 10 Probanden während Laufbandübungen. Die EKG-Signale aller drei Datensätze dienten als Referenz-HR-Werte zur Bestimmung der Genauigkeit unseres SpaMA-Algorithmus. Die Leistung der SpaMA-Methode wurde durch Berechnung des mittleren absoluten Fehlers zwischen der aus dem PPG geschätzten Herzfrequenz und der Referenz-HR aus dem EKG quantifiziert. Die durchschnittlichen Schätzfehler unserer Methode betragen auf den ersten, zweiten und dritten Datensätzen jeweils 0,89, 1,93 und 1,38 Schläge pro Minute. Der Gesamtfehler über alle 33 Probanden beträgt 1,86 Schläge pro Minute, während die Leistung auf den Laufbandexperimenten allein (22 Probanden) bei 1,11 Schlägen pro Minute liegt. Zudem zeigte sich, dass die Dynamik der Herzfrequenzvariabilität mit dem Algorithmus genau erfasst werden kann, wobei der mittlere Pearson-Korrelationskoeffizient zwischen den Leistungsspektren der Referenz- und der rekonstruierten Herzfrequenzzeitreihe bei 0,98 lag. Diese Ergebnisse belegen das hohe Potenzial der SpaMA-Methode für die PPG-basierte Herzfrequenzüberwachung in tragbaren Geräten zur Fitnessverfolgung und Gesundheitsüberwachung während intensiver körperlicher Aktivitäten.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp