通过低成本远程医疗架构处理弹性心电图信号来估计心率:一个比较性能评估

科学领域:

• 生物医学工程 生物医学工程
• 远程医疗技术 远程医疗技术
• 信号处理 信号处理

背景情况:

• 患者监测的传统医疗设备往往是昂贵的,侵入性的,并且仅限于医院环境.
• 人们越来越需要非侵入性,低成本的远程医疗解决方案来远程监控患者.
• 研究正在探索非医疗级设备用于无人监督数据收集的使用.

研究的目的:

• 建议和评估一个远程医疗解决方案,用于在睡眠期间进行非侵入性心率 (HR) 监测.
• 评估使用智能皮带捕获的弹性心电图 (BCG) 信号用于HR估计的可行性.
• 为了比较基于算法和卷积神经网络 (CNN) 的方法对BCG信号的HR估计在现实世界的远程医疗环境中的性能.

主要方法:

• 部署了一个带有压力传感器的智能腰带的远程患者监控系统 (RPMS).
• 一个为期2个月的实地试验涉及24名志愿者,他们戴着智能腰带和手指脉冲氧计 (黄金标准).
• 从BCG信号中估计HR,使用算法方法和基于CNN的方法,通过平均绝对误差 (MAE) 评估性能.

主要成果:

• 远程医疗解决方案显示了低数据包丢失率和限制数据处理时间.
• 与远程医疗环境中的算法方法 (MAE=5.46) 相比,基于CNN的方法实现了更好的HR估计性能 (MAE=3.54).
• 尽管性能低于受控环境 (CNN:52%更差,算法:29%更差),但该系统表现出强度,可靠性和适用性,并获得了积极的用户反.

结论:

• 拟议的远程医疗解决方案是强大的,可靠的,适用于睡眠期间远程心率监测.
• 低成本的设备和有效的信号处理技术可以实现有效的远程医疗解决方案.
• 未来的工作将集中在扩大能力,包括呼吸率估计和夜间运动模式评估.