Registered Report: Artifact Index for Capacitive Electrocardiography Acquired with an Armchair
Dieser registrierte Bericht präsentiert einen Artefaktindex für kapazitive EKG-Signale, die von einem instrumentierten Sessel erfasst wurden, welcher einen Voting-Ansatz aus drei Signalqualitätsindizes nutzt, um effektiv zwischen sauberen und artefaktbehafteten Segmenten während des Lesens und Fernsehens zu unterscheiden und somit eine zuverlässige kontinuierliche Gesundheitsüberwachung in unüberwachten realen Umgebungen zu ermöglichen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Ihr Sessel wäre heimlich eine Arztpraxis. Er dient nicht nur zum Entspannen; er ist mit speziellen Sensoren ausgestattet, die Ihren Herzschlag hören können, ohne dass Sie jemals klebrige Elektroden oder Kabel tragen müssen. Dies ist die Welt der kapazitiven EKG-Messung (cECG): die Messung Ihrer elektrischen Herzsignale durch Ihre Kleidung hindurch, während Sie bequem in Ihrem Sessel sitzen.
Doch es gibt einen Haken. Genau wie der Versuch, ein Flüstern in einem windigen Raum zu hören, werden diese „unsichtbaren“ Sensoren leicht durch Rauschen verwirrt. Wenn Sie sich in Ihrem Sitz bewegen, wenn sich Ihr Hemd faltet oder wenn es ein wenig statische Elektrizität gibt, wird das Signal unordentlich. In dieser Arbeit geht es darum, einen intelligenten Filter zu bauen, der den Unterschied zwischen einem klaren Herzschlag und einem verrauschten Durcheinander erkennt.
Hier ist die Geschichte, wie die Forscher diesen Filter gebaut haben, einfach erklärt:
Das Problem: Das „Rauschen“ im Signal
Stellen Sie sich das Herzsignal wie ein klares Lied vor, das im Radio läuft. Wenn Sie stillsitzen, ist das Lied perfekt. Aber wenn Sie sich bewegen, zappeln oder bestimmte Stoffe tragen, ist es, als würde jemand die statischen Störungen aufdrehen. Die Forscher wollten wissen: Können wir automatisch erkennen, wann das „Lied“ zu verrauscht ist, um ihm zu trauen?
Das Experiment: 44 Personen, zwei Aktivitäten
Das Team lud 44 Freiwillige ein, für zwei verschiedene Aktivitäten in einem speziellen „intelligenten Sessel“ zu sitzen:
- Ein Buch lesen (was mehr Körperbewegungen und Positionswechsel beinhaltet).
- Fernsehen (was im Allgemeinen entspannter ist).
Sie baten die Freiwilligen, verschiedene Kleidung (Baumwolle, Leinen, Jeans, Polyester) zu tragen, um zu sehen, ob der Stoff wie eine „Lärmdecke“ oder ein „klares Fenster“ wirkte.
Die Lösung: Der „Artefakt-Index“ (Der Verkehrspolizist)
Um das Rauschproblem zu lösen, entwickelten die Forscher ein System namens Artefakt-Index. Stellen Sie sich diesen Index wie einen Verkehrspolizisten vor, der an einer Kreuzung steht und das Herzsignalsignal alle 2 Sekunden beobachtet.
Um zu entscheiden, ob das Signal „Sauber“ (Grün Licht!) oder ein „Artefakt“ (Stopp!) ist, nutzt der Polizist drei verschiedene Signalqualitätsindizes (SQIs), die wie drei verschiedene Inspektoren funktionieren:
- Der Form-Inspektor (corSQI): Prüft, ob die Herzschlagwellen wie die durchschnittliche, gesunde Form aussehen. Wenn sie seltsam aussehen, handelt es sich um Rauschen.
- Der Rhythmus-Inspektor (bSQI): Prüft, ob das Schlag-zu-Schlag-Timing konsistent ist. Wenn der Rhythmus zufällig springt, handelt es sich wahrscheinlich um ein Artefakt.
- Der Lautstärke-Inspektor (aSQI): Prüft, ob das Signal an bestimmten Stellen zu leise oder zu laut ist. Wenn die Lautstärke wild schwankt, ist es Rauschen.
Die Abstimmungsregel:
Das System hört nicht nur auf einen Inspektor. Es nutzt eine „Mehrheitsentscheidung“. Wenn mindestens zwei der drei Inspektoren sagen: „Das ist verrauscht“, markiert das System diesen 2-Sekunden-Zeitabschnitt als Müll. Wenn sie sich einig sind, dass es sauber ist, behält das System die Daten.
Was sie herausfanden
Die Ergebnisse waren wie ein Zeugnis darüber, wie gut der Sessel funktioniert:
- Fernsehen vs. Lesen: Fernsehen war viel besser als Lesen. Beim Lesen zappelten die Menschen mehr, was mehr „statische Geräusche“ erzeugte. Etwa 88 % der Zeit beim Fernsehen waren sauber genug zur Verwendung, verglichen mit 80 % beim Lesen.
- Kleidung spielt eine Rolle (aber nicht viel): Überraschenderweise machte die Art des Stoffes (Jeans vs. Baumwolle) keinen großen Unterschied. Alle ermöglichten zumindest ein gewisses Maß an sauberem Signal. Interessanterweise schnitt Polyester tatsächlich etwas besser ab als die anderen in Bezug auf lange, saubere Abschnitte, was etwas überraschend war.
- Der Filter funktioniert: Das „Verkehrspolizist“-System hat seinen Job sehr gut gemacht. Es identifizierte saubere gegenüber verrauschten Signalen zu 93 % der Zeit korrekt. Es übersah selten einen echten Herzschlag (falsch-negative Ergebnisse) und bezeichnete ein sauberes Signal selten fälschlicherweise als „verrauscht“ (falsch-positive Ergebnisse).
Das Fazente
Die Forscher bewiesen:
- Ja, man kann die Herzfrequenz messen, während man in einem intelligenten Sessel sitzt, selbst mit Kleidung darüber.
- Nein, man kann komplexe Parameter der Herzgesundheit (wie langfristige Stressmuster) noch nicht einfach messen, da das Signal nach einigen Minuten kontinuierlichen Sitzens meist zu verrauscht ist. Man benötigt lange, ununterbrochene Phasen sauberer Daten, und der Sessel liefert diese nur etwa 20–45 % der Zeit.
- Der neue „Artefakt-Index“ ist ein zuverlässiges Werkzeug, um die Daten automatisch zu bereinigen und sicherzustellen, dass Ärzte oder Gesundheits-Apps nur die guten, klaren Teile des Signals betrachten.
Kurz gesagt: Der Sessel ist ein vielversprechendes Werkzeug, um den Puls zu messen, aber er benötigt diesen speziellen „Rauschfilter“, um sicherzustellen, dass er nicht nur dem Geräusch hört, wenn die Kleidung gegen den Stoff reibt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.