⚡ electrical engineering

Comprehensive Dataset and Signal Processing Framework for Phonocardiogram-Based Heart Rate and Blood Pressure Estimation

Dieser Beitrag stellt ein kosteneffizientes Phonokardiogramm-Tracking-System (PhonoTrack) und einen entsprechenden Datensatz vor, die eine nicht-invasive Schätzung von Herzfrequenz und Blutdruck ausschließlich mittels PCG-Signalen ermöglichen und durch fortschrittliche Signalverarbeitung sowie semi-empirische Modellierung eine hohe Genauigkeit erreichen.

Ursprüngliche Autoren: Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

Veröffentlicht 2026-05-25

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich Ihr Herz als eine geschäftige, rhythmische Trommelmaschine in Ihrer Brust vor. Bei jedem Schlag erzeugt es ein spezifisches „Dummdumm"-Geräusch (die Herzgeräusche) und sendet einen winzigen elektrischen Funken (das elektrische Signal) aus. Normalerweise benötigen Ärzte, um zu überprüfen, wie schnell Ihr Herz schlägt oder wie hoch Ihr Blutdruck ist, teure Maschinen, klebrige Drähte oder eine enge Manschette, die Ihren Arm zusammendrückt.

Dieser Artikel stellt eine neue, kostengünstige Erfindung namens PhonoTrack vor. Denken Sie daran als an ein „intelligentes Stethoskop", das versucht, Ihre Herzfrequenz und Ihren Blutdruck allein durch das Hören der Trommelgeräusche zu ermitteln, ohne dass elektrische Drähte oder Armmanschetten benötigt werden.

Hier ist die Erklärung, wie sie es gemacht haben, einfach ausgedrückt:

1. Das Setup: Bau der „intelligenten Ohren"

Die Forscher bauten ein einfaches Gerät mit einem Standard-Stethoskopschlauch, in dessen Ohrstück ein Mikrofon verborgen war. Sie banden dies an die Brust von 15 gesunden Freiwilligen (alle Männer, im Alter von 18–50 Jahren).

Das Ziel: Die „Dummdumm"-Geräusche des Herzens (genannt PCG) aufzuzeichnen und sie mit einem „Goldstandard"-Referenzwert zu vergleichen.
Die Referenz: Gleichzeitig zeichneten sie die elektrischen Signale des Herzens (EKG) mit Standarddrähten auf und maßen den Blutdruck manuell mit einer herkömmlichen Armmanschette. Dies war ihr „Lösungsschlüssel", um zu sehen, ob ihr neues Gerät korrekt arbeitete.

2. Bereinigung des Signals: Die „Geräuschunterdrückungs"-Kopfhörer

Herzgeräusche sind oft chaotisch, wie wenn man versucht, ein Flüstern in einem windigen Raum zu hören. Der Computer musste die Aufnahme bereinigen.

Sie verwendeten einen digitalen „Sieb" (genannt Wavelet-Denoising), um Wind- und statisches Rauschen herauszufiltern und nur die klaren Herzschläge übrig zu lassen.
Anschließend nutzten sie drei verschiedene „mathematische Linsen", um die Spitzen der Herzschläge zu finden:
1. Hilbert-Transformation: Wie das Nachzeichnen des Wellenumrisses, um ihre Höhe zu sehen.
2. Shannon-Entropie: Wie das Aufdrehen der Lautstärke an den lautesten Teilen des Sounds, um die Schläge hervorzuheben.
3. Wavelet-Energiespektrum: Wie das Betrachten einer Wärmebildkarte des Sounds, um zu sehen, wo die Energie konzentriert ist.

3. Zählen der Schläge (Herzfrequenz)

Sobald die Geräusche bereinigt waren, zählte der Computer die „Dumms".

Das Ergebnis: Das neue Gerät war unglaublich genau. Es stimmte fast perfekt mit dem „Goldstandard" der elektrischen Drähte überein.
Die Punktzahl: Wenn die perfekte Punktzahl 1,0 ist, erreichte das Gerät 0,973 (unter Verwendung der Shannon-Entropie-Methode). Das ist wie ein Schüler, der eine Eins mit Plus in einer Prüfung bekommt. Der Unterschied zwischen dem neuen Gerät und dem Goldstandard betrug im Durchschnitt weniger als 2 Schläge pro Minute.

4. Schätzen des Drucks (Blutdruck)

Dies ist der knifflige Teil. Normalerweise benötigen Sie eine Manschette, die den Arm zusammendrückt, um den Druck zu messen. Dieses Gerät versuchte, den Druck allein durch das Hören der Form und des Timings der Herzgeräusche zu erraten.

Die Analogie: Stellen Sie sich einen Trommler vor. Wenn er härter und schneller auf die Trommel schlägt, könnte sich das Geräusch leicht verändern. Die Forscher bauten einen „mathematischen Übersetzer" (ein semi-empirisches Modell), das betrachtete, wie lange der „Dumm" dauerte, wie schnell er anstieg und wie schnell er abfiel. Sie gaben diese Details in eine Formel ein, um den Blutdruck zu erraten.
Das Ergebnis:
- Systolisch (Obere Zahl): Die Schätzung war der tatsächlichen Messung sehr nahe, mit einer Korrelation von 0,89.
- Diastolisch (Untere Zahl): Die Schätzung war ordentlich, aber etwas variabler, mit einer Korrelation von 0,70.
- Hinweis: Der Artikel gibt zu, dass dieser Teil ein „Proof of Concept" (Nachweis der Machbarkeit) ist. Es funktioniert gut in einem ruhigen Labor, ist aber noch nicht perfekt.

5. Der Haken (Einschränkungen)

Der Artikel ist sehr ehrlich darüber, was er noch nicht leistet:

Kleine Gruppe: Sie testeten nur 15 Männer. Sie testeten keine Frauen, Kinder oder ältere Menschen.
Ruhiger Raum: Die Tests wurden in einem stillen Labor durchgeführt. Sie haben es nicht getestet, während jemand geht, rennt oder sich auf einer lauten Straße befindet.
Noch kein Arzt: Die Autoren stellen ausdrücklich fest, dass dies ein Prototyp ist. Er ist nicht bereit, die Ausrüstung eines Arztes in einem Krankenhaus zu ersetzen oder zur Diagnose von Herzerkrankungen eingesetzt zu werden. Es ist ein „erster Schritt", um zu sehen, ob ein günstiges, tragbares Gerät könnte funktionieren.

Zusammenfassung

Die Forscher bauten ein kostengünstiges, tragbares Gerät, das auf Ihr Herz hört. Sie bewiesen, dass sie durch die Verwendung cleverer Mathematik zur Bereinigung des Sounds Ihre Herzschläge fast so genau zählen können wie teure medizinische Drähte. Sie zeigten auch einen vielversprechenden (aber nicht perfekten) Weg auf, Ihren Blutdruck allein durch das Hören zu erraten. Es ist ein erfolgreicher „Laborexperiment", der eine Zukunft nahelegt, in der Sie Ihre Herzgesundheit mit einem einfachen, kostengünstigen Gadget überprüfen könnten, aber weitere Tests mit mehr Menschen sind erforderlich, bevor es in der realen Welt eingesetzt werden kann.

Technische Zusammenfassung: Umfassender Datensatz und Signalverarbeitungsrahmenwerk zur Herzfrequenz- und Blutdruckschätzung basierend auf Phonokardiogrammen

Problemstellung

Kardiovaskuläre Erkrankungen (KVE) sind eine der häufigsten Todesursachen weltweit und werden aufgrund ihrer Schwierigkeit, sie frühzeitig zu erkennen, oft als „stille Killer" bezeichnet. Obwohl fortschrittliche Bildgebungsverfahren (CT, CMRI) und multimodale Überwachungsmethoden (EKG kombiniert mit PPG) existieren, stoßen sie hinsichtlich Kosten, operationeller Komplexität und Portabilität an Grenzen. Insbesondere EKG-PPG-Systeme zur Schätzung der Herzfrequenz (HF) und des Blutdrucks (BD) über die Pulsankunftszeit (PAT) sind anfällig für Fehlpositionierungen der Ableitungen und unzureichend für die Erkennung spezifischer Herzanomalien wie Herzgeräusche. Darüber hinaus verlassen sich bestehende Studien zu Phonokardiogrammen (PCG) häufig auf komplexe maschinelle Lernmodelle, die für tragbare Geräte ungeeignet sind, oder sie versagen darin, sowohl HF als auch BD allein mittels PCG-Signalen gleichzeitig zu schätzen. Es besteht ein kritischer Bedarf an einem kostengünstigen, nicht-invasiven und tragbaren System, das eine kontinuierliche kardiovaskuläre Überwachung ausschließlich mittels akustischer Herzgeräusche ermöglicht.

Methodik

1. Datenerfassung und Datensatzkonstruktion

Die Autoren entwickelten ein maßgeschneidertes, kostengünstiges „PhonoTrack"-System zur Erfassung synchronisierter PCG- und Elektrokardiogramm-(EKG)-Signale sowie manueller Blutdruckmessungen.

Hardware: Das PCG-Signal wurde mittels eines in eine Standard-Stethoskop-Diaphragma eingebetteten Mikrofons erfasst und zur Aufzeichnung (44,1 kHz) an ein iPad weitergeleitet. Das EKG wurde über ein dreikanaliges AD8232-Sensormodul erfasst, das mit einem Arduino verbunden war.
Protokoll: Die Daten wurden von 15 gesunden männlichen Freiwilligen (Alter 18–50 Jahre) in einer kontrollierten Innenraumumgebung erhoben. Jede Sitzung dauerte 60 Sekunden.
Ground Truth: Die HF wurde gegen das EKG-Signal (R-Zacken) validiert, und der BD wurde gegen manuelle Sphygmomanometer-Messungen validiert, die unmittelbar vor und nach der Aufnahmesession durchgeführt wurden.
Datensatz: Der resultierende Datensatz umfasst 15 synchronisierte PCG-EKG-Aufzeichnungen mit gepaarten Manschetten-BD-Werten und liefert zeitlich abgestimmte Daten zum Benchmarking.

2. Signalverarbeitungsrahmenwerk

Die Studie verwendet einen einheitlichen Rahmenwerk aus Standard-Techniken der digitalen Signalverarbeitung (DSP) anstelle komplexer Deep-Learning-Modelle.

Schätzung der Herzfrequenz (HF):

Vorverarbeitung: PCG-Signale unterlagen einer wellenlettbasierten Rauschunterdrückung (Daubechies db4, 8 Ebenen) und Normalisierung.
Hüllkurvenextraktion: Drei verschiedene Methoden wurden verwendet, um die Signalthüllkurve zu extrahieren und die Herzgeräusche S1 und S2 zu identifizieren:
1. Hilbert-Transformation (HT): Extrahiert die instantane Amplitude.
2. Shannon-Entropie (SE): Betont Bereiche hoher Energie, um transiente Komponenten zu schärfen.
3. Wavelet-Energiespektrum (WES): Analysiert die Energieverteilung über Frequenzbänder hinweg.
Peak-Erkennung: Lokale Maxima in den geglätteten Hüllkurven (gefiltert mit einem 20-Hz-Tiefpass-Butterworth-Filter) wurden als S1- und S2-Peaks identifiziert. Es wurden Einschränkungen angewendet (minimale Peak-Distanz 0,125 s, minimale Höhe 15 %), um Fehlalarme zu vermeiden.
Berechnung: Die HF wurde aus den durchschnittlichen S1–S1- (oder S2–S2-) Intervallen abgeleitet.

Schätzung des Blutdrucks (BD):

Merkmalsextraktion: Eine Reihe physiologisch interpretierbarer Timing-Merkmale wurde aus der PCG-Hüllkurve extrahiert, darunter:
- Systolische ( $t_{sys}$ ) und diastolische ( $t_{dias}$ ) Dauern.
- Anstiegs- und Abfallzeiten für S1 und S2.
- Peak-Dauern von S1 und S2.
- Geschätzte HF ( $HF_{pcg}$ ).
Modellierung: Ein semi-empirisches multiples Regressionsmodell wurde entwickelt, um diese Merkmale auf den systolischen (SBP) und diastolischen (DBP) Blutdruck abzubilden. Das Modell umfasst lineare, quadratische und Interaktionsterme.
Validierung: Das Modell wurde mittels Leave-One-Subject-Out-Cross-Validation (LOOCV) auf Probandenebene evaluiert, um die Generalisierbarkeit zu bewerten und eine Überanpassung angesichts der kleinen Stichprobengröße zu verhindern.

Hauptbeiträge

PhonoTrack-System: Entwicklung eines kosteneffektiven, tragbaren Hardware-Prototyps, der eine gleichzeitige Erfassung von PCG und EKG ermöglicht.
Neuer Datensatz: Vorstellung eines synchronisierten PCG-EKG-Datensatzes mit gepaarten manuellen BD-Messungen von 15 Probanden, der das Fehlen zeitlich abgestimmter PCG-BD-Grundwahrheiten in der bestehenden Literatur adressiert.
Algorithmisches Rahmenwerk: Demonstration, dass Standard-DSP-Techniken (HT, SE, WES) in Kombination mit semi-empirischer Regression sowohl HF als auch BD allein aus PCG-Signalen effektiv schätzen können, wodurch die Notwendigkeit komplexer multimodaler Sensoren oder schwerer maschineller Lernmodelle entfällt.
Umfassende Validierung: Gründliche Evaluierung einschließlich Pearson-Korrelation, Root-Mean-Square-Error (RMSE), Bland-Altman-Analyse und Signal-Rausch-Verhältnis-(SNR)-Bewertung.

Ergebnisse

Schätzung der Herzfrequenz:

Alle drei Hüllkurven-Erkennungsmethoden zeigten eine starke Übereinstimmung mit der aus dem EKG abgeleiteten HF.
Shannon-Entropie (SE) schnitt am besten ab und erreichte einen Pearson-Korrelationskoeffizienten ( $R$ ) von 0,973, mit einem mittleren absoluten Fehler (MAE) von 1,330 bpm und einem RMSE von 1,688 bpm.
Hilbert-Transformation (HT) und Wavelet-Energiespektrum (WES) erreichten $R$ -Werte von 0,965 bzw. 0,955.
Die Bland-Altman-Analyse bestätigte eine geringe systematische Verzerrung und eine enge Übereinstimmung innerhalb der 95 %-Konfidenzintervalle.

Schätzung des Blutdrucks:

Das semi-empirische Regressionsmodell zeigte eine moderate bis starke Korrelation mit dem Ground-Truth-BD.
Systolischer BD (SBP): $R = 0,891$ , mit einer Standardabweichung des Fehlers von 2,10 mmHg.
Diastolischer BD (DBP): $R = 0,700$ , mit einer Standardabweichung des Fehlers von 3,20 mmHg.
Unter LOOCV auf Probandenebene ergab das Modell einen SBP-RMSE von 9,89 mmHg und einen DBP-RMSE von 11,05 mmHg, was die aktuellen Grenzen des Modells bei der Generalisierung auf nicht gesehene Probanden mit der derzeit kleinen Kohorte aufzeigt.

Bedeutung und Behauptungen

Die Arbeit positioniert das PhonoTrack-System als vielversprechenden Proof-of-Concept für eine nicht-invasive, kontinuierliche kardiovaskuläre Überwachung. Die Autoren behaupten, dass ihr Ansatz eine kostengünstige, tragbare und Einzelsensor-Alternative zu komplexen multimodalen Systemen (EKG+PPG) oder teuren Bildgebungstechniken bietet.

Allerdings bewahren die Autoren eine bescheidene und vorsichtige Haltung hinsichtlich der klinischen Einsatzbereitschaft:

Sie stellen ausdrücklich fest, dass die Ergebnisse vorläufig sind und auf einer kleinen, homogenen Kohorte (15 gesunde Männer) basieren.
Sie räumen ein, dass die aktuellen Ergebnisse nicht ausreichen, um Behauptungen im Zusammenhang mit dem klinischen Einsatz, dem Routine-Screening oder der Bewertung kardiovaskulärer Erkrankungen zu stützen.
Die Studie betont, dass das semi-empirische Modell als Basislinie dient und zukünftige Arbeiten größere, diversere Populationen (einschließlich Frauen und verschiedener Alters-/BMI-Gruppen) sowie reale Bedingungen (Bewegung, Rauschen) einbeziehen müssen, um eine breitere Generalisierbarkeit zu etablieren.

Zusammenfassend validiert die Arbeit die Machbarkeit der Verwendung von reinen PCG-Signalen zur HF- und BD-Schätzung mittels Standard-Signalverarbeitung, legt den Grundstein für die zukünftige Entwicklung erschwinglicher tragbarer kardialer Überwachungsgeräte und grenzt gleichzeitig die Lücke zwischen aktuellen experimentellen Ergebnissen und klinischer Anwendung klar ab.