Estimativa robusta da frequência cardíaca a partir de sinais de fotopletismografia de pulso

Abstract

O monitoramento da frequência cardíaca utilizando sinais de Fotopletismografia ou PPG (do inglês, Photopletismography) adquiridos do pulso de indivíduos tem se popularizado devido ao surgimento de inúmeros dispositivos wearable de baixo custo. No entanto, o monitoramento durante atividades físicas tem dificuldades em razão da influência de artefatos de movimento nos sinais de PPG. O objetivo deste trabalho é introduzir um novo algoritmo capaz de remover artefatos de movimento e estimar a frequência cardíaca de sinais de PPG de pulso. Os algoritmos do Mínimo Quadrado Médio Normalizado ou NLMS (do inglês, Normalized Least Mean Square) e de Mínimos Quadrados Recursivos ou RLS (do inglês, Recursive Least Squares) são propostos para uma estrutura de filtragem adaptativa que utiliza sinais de aceleração como referência para remover os artefatos de movimento. O algoritmo utiliza o Periodograma dos sinais filtrados para extrair suas frequências cardíacas, que serão utilizadas juntamente com um Índice de Qualidade do Sinal de PPG para alimentar a entrada de um Filtro de Kalman. Heurísticas específicas e o Índice de Qualidade colaboram para que filtro de Kalman forneça uma estimativa da frequência cardíaca com alta acurácia e robustez a incertezas de medição. O algoritmo foi validado a partir da frequência cardíaca obtida de sinais de Eletrocardiografia e o método proposto com o algoritmo RLS apresentou os melhores resultados com um erro médio absoluto de 1,54 batimentos por minuto (bpm) e desvio padrão de 0,62 bpm, registrados para 12 indivíduos realizando uma atividade de corrida em uma esteira com velocidades variadas. Os resultados tornam o desempenho do algoritmo comparável e até mesmo melhor que vários métodos desenvolvidos recentemente neste campo.Além disso, o algoritmo apresentou um custo computacional baixo e adequado ao intervalo de tempo em que a estimativa da frequência cardíaca é realizada. Dessa forma, espera-se que este algoritmo melhore a obtenção da frequência cardíaca em dispositivos wearable atualmente disponíveis.

Heart rate monitoring using Photoplethysmography (PPG) signals acquired from the individuals pulse has become popular due to emergence of numerous low cost wearable devices. However, monitoring during physical activities has obstacles because of the influence of motion artifacts in PPG signals. The objective of this work is to introduce a new algorithm capable of removing motion artifacts and estimating heart rate from pulse PPG signals. Normalized Least Mean Square (NLMS) and Recursive Least Squares (RLS) algorithms are proposed for an adaptive filtering structure that uses acceleration signals as reference to remove motion artifacts. The algorithm uses the Periodogram of the filtered signals to extract their heart rates, which will be used together with a PPG Signal Quality Index to feed the input of a Kalman Filter. Specific heuristics and the Quality Index collaborate so that the Kalman filter provides a heart rate estimate with high accuracy and robustness to measurement uncertainties. The algorithm was validated from the heart rate obtained from Electrocardiography signals and the proposed method with the RLS algorithm presented the best results with an absolute mean error of 1.54 beats per minute (bpm) and standard deviation of 0.62 bpm, recorded for 12 individuals performing a running activity on a treadmill with varying speeds. The results make the performance of the algorithm comparable and even better than several recently developed methods in this field. In addition, the algorithm presented a low computational cost and suitable to the time interval in which the heart rate estimate is performed. Thus, it is expected that this algorithm will improve the obtaining of heart rate in currently available wearable devices.