Вейвлет-аналіз дистанційних фотоплетизмографічних сигналів  для оцінки частоти та варіабельності серцевого ритму

Адріан Наконечний; Ігор Бережний

doi:10.15407/fmmit2023.38.049

Адріан Наконечний
Ігор Бережний

DOI: https://doi.org/10.15407/fmmit2023.38.049

Ключові слова: photoplethysmography, heart rate variability, filtering, wavelet transform.

Анотація

У статті проаналізовано алгоритм оцінювання частоти серцевих скорочень у реальному часі за допомогою дистанційної фотоплетизмографії. Зазначено, що метод оцінки плетизмографічного сигналу та варіабельності серцевого ритму з використанням дискретного вейвлет-перетворення (DWT) дозволяє отримати адекватні результати, що забезпечує роботу методу дистанційної фотоплетизмографії в режимі реального часу. Проведено аналіз розробленого методу обробки фотоплетизмограми з використанням DWT, що дозволяє якісно оцінити чистий сигнал та зробити висновки про частоту серцевих скорочень та варіабельність серцево-судинної системи людини. Вибір детектора та методу rPPG забезпечує високу продуктивність та можливість масштабування системи на різних платформах. На основі проведеного вейвлет-перетворення було сформовано принцип, який забезпечує отримання істинної плетизмограми без перешкод та шумів, для подальших досліджень та аналізу серцево-судинної системи людини.

Посилання

G. Bradski. The OpenCV Library. Dr. Dobb's Journal of Software Tools, 2000.

D. McDuff, S. Gontarek, and R. W. Picard. Remote detection of photoplethysmographic systolic and diastolic peaks using a digital camera. IEEE Transactions on Biomedical Engineering, 61(12):2948- 954, 2014.

I. Starr, A. Rawson, H. Schroeder, and N. Joseph. Studies on the estimation of cardiac output in man, and of abnormalities in cardiac function, from the heart's recoil and the blood's impacts; the ballistocardiogram. American Journal of Physiology-Legacy Content, 127(1):1-28, 1939. https://doi.org/10.1152/ajplegacy.1939.127.1.1

Z. Zhang, P. Luo, C. C. Loy, and X. Tang. Facial landmark detection by deep multi-task learning. In European conference on computer vision, pages 94-108. Springer, 2014.

H. Demirezen and C. E. Erdem. Remote photoplethysmography using nonlinear mode decomposition. In 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pages 1060-1064. IEEE, 2018.

Macwan, R.; Bobbia, S.; Benezeth, Y.; Dubois, J.; Mansouri, A. Periodic variance maximization using generalized eigenvalue decomposition applied to remote photoplethysmography estimation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, Salt Lake City, UT, USA, 18-22 June 2018; pp. 1332-1340.

Boccignone G., Conte D., Cuculo V., D'Amelio A., Grossi G., Lanzarotti R. An Open Framework for Remote-PPG Methods and Their Assessment. IEEE Access. 2020;8:216083-216103. doi: https://doi.org/10.1109/ACCESS.2020.3040936

Elgendi M. PPG Signal Analysis. Taylor & Francis (CRC Press); Boca Raton, FL, USA: 2020.

Wang W., den Brinker A.C., Stuijk S., de Haan G. Algorithmic principles of remote ppg. IEEE Trans. Biomed. Eng. 2016;64:1479-1491. doi: 10.1109/TBME.2016.2609282. https://doi.org/10.1109/TBME.2016.2609282