アダプティブ・オート・コレレーション・ベース・ハート・レート・エスティメーション・オブ・シングル・アクシス・シーモカルディオグラム: 6つの異なるデータセットを対象とした包括的なベンチマーク

科学分野:

• バイオメディカルエンジニアリング
• 心血管生理学 心血管の生理学
• シグナル処理 信号処理

背景:

• セイモカルディオグラフィ (SCG) は,心拍数 (HR) をモニタリングするための非侵襲的方法を提供します.
• 既存のSCGベースのHR推定方法は,しばしばECG校正または機械学習を必要とし,その適用性を制限します.
• SCGからHRの見積もりをするために,軽量で,自動で,校正のないアルゴリズムが必要である.

研究 の 目的:

• 単軸SCGからウィンドウ平均HR推定のための新しいパイプラインであるアダプティブオートコレレーション機能検出器 (AACFD) を導入し,検証する.
• AACFDのECG校正や機械学習なしで動作する能力を実証し,広く利用できるようにする.
• 健康な被験者や心血管疾患の患者を含む多様なデータセットでAACFDのパフォーマンスを評価する.

主な方法:

• AACFDは,アダプティブSCGエンベロープのYINスタイルの差異関数解析と3秒セグメントのショートウィンドウ自動相関を組み合わせています.
• 特徴に配慮した重み付け戦略は,2つの検出部門を融合させ,信号品質指数とマルチスケールの特徴を組み込む.
• ハンペルのフィルタリングと時間的な一貫性チェックは,外れ窓を取り除くために使用され,頑丈性を保証します.

主要な成果:

• AACFDは静止データセット (MCG,CEBS) で1bpm未満の平均絶対誤差 (MAE) を達成した.
• 臨床的に許容可能なMAEは,弁性心疾患 (VHD) と侵襲性右心系カテーテリゼーション (RHC) のコホート (それぞれ30sウィンドウで4.38bpmと3.58bpm) で観察されました.
• 10〜60秒間の重複しないウィンドウの90%以上は,すべてのデータセットで品質管理を通過し,高い可用性を示しています.

結論:

• AACFDアルゴリズムは,単軸SCGから正確なウィンドウ平均HR推定を提供し,困難な臨床およびモバイル環境でも使用できます.
• その軽量で自動的な性質は,商品ハードウェアにリアルタイムで実装することを可能にします.
• AACFDは,非侵襲的な心臓モニタリングの重要な進歩であり,特にECGが利用できないまたは非実用的なアプリケーションでは特に重要です.