Non-Contact Heart Rate Estimation for Moving Subjects via aDual-Trajectory Hybrid Deep Framework

Imagina intentar escuchar un solo latido del corazón en una habitación donde las paredes se sacuden, el suelo vibra y una multitud se mueve alrededor. Durante décadas, los sensores médicos han luchado con este problema exacto cuando dependen del contacto. Si una persona se mueve, el dispositivo se desliza, la señal se interrumpe o el movimiento del cuerpo ahoga el pequeño y rítmico golpeteo del corazón. Esta limitación ha mantenido el monitoreo cardíaco continuo y cómodo fuera del alcance de muchas situaciones cotidianas, desde caminar por un hospital hasta hacer ejercicio en casa. Los científicos han buscado durante mucho tiempo una forma de medir estos signos vitales sin tocar la piel, utilizando ondas invisibles que puedan atravesar el aire para detectar la sutil elevación y caída de un pecho. El desafío siempre ha sido separar la tenue señal de un corazón latiendo del ruido fuerte y caótico de un cuerpo en movimiento.

Un equipo de investigadores de la Universidad Northwest en Xi'an ha desarrollado un nuevo enfoque para resolver este problema utilizando radar de ondas milimétricas, una tecnología que envía ondas de radio inofensivas para detectar el movimiento. Su método funciona en dos etapas distintas, actuando primero como un rastreador experto y luego como un ingeniero de sonido sofisticado. En la primera etapa, el sistema no se limita a elegir un punto fijo para escuchar, lo que fallaría si la persona se aleja de ese punto. En su lugar, observa el movimiento de la persona a través de un mapa de espacio y tiempo, fusionando dos formas diferentes de rastrear su trayectoria para encontrar la ruta más confiable. Una vez que se fija en esta trayectoria, extrae un flujo de datos brutos que captura el movimiento del pecho, incluso mientras la persona camina o cambia de posición. Este paso es crucial porque asegura que el sistema esté escuchando a la persona correcta, no al ruido de fondo o a una señal fantasma causada por el movimiento.

La segunda etapa toma este flujo de datos brutos y ruidosos y lo limpia utilizando un modelo computacional especializado diseñado para comprender la forma de un latido cardíaco. Este modelo descompone la señal en diferentes capas de frecuencia, de manera muy similar a separar el bajo, la batería y las voces en una canción, para aislar el ritmo específico del corazón de los sonidos bruscos de caminar o dar pasos. Luego utiliza una red de aprendizaje profundo para reconstruir una forma de onda clara y suave del latido del corazón, eliminando eficazmente la interferencia que de otro modo haría imposible la lectura. Finalmente, el sistema compara esta forma de onda limpia contra una plantilla conocida para contar los latidos por minuto. Los investigadores probaron este sistema en ocho personas en un pasillo cerrado, haciendo que se quedaran quietas, caminaran hacia adelante y caminaran hacia atrás, mientras usaban una pulsera inteligente para verificar la precisión.

Los resultados muestran que este enfoque de dos etapas funciona notablemente bien en situaciones dinámicas donde los métodos anteriores fallan. Cuando los sujetos se movían, las técnicas tradicionales de procesamiento de señales producían errores que a menudo eran grandes e inconsistentes, con algunas estimaciones errando el ritmo cardíaco real por más de veinte latidos por minuto. En contraste, el nuevo método mantuvo su precisión, con un error promedio de poco más de dos latidos por minuto. En pruebas donde el sistema se aplicó a diferentes entornos, como una sala de reuniones y una oficina concurrida, mantuvo un alto nivel de precisión, con errores que se mantuvieron por debajo de los cuatro latidos por minuto incluso cuando varias personas se movían alrededor. Los investigadores encontraron que su método superaba a varios otros modelos computacionales avanzados y técnicas de filtrado estándar, demostrando que combinar un sistema de rastreo inteligente con una potente red de reconstrucción es un camino viable a seguir.

Si bien el estudio demuestra un progreso significativo, los autores señalan que su éxito actual se basa en datos que crearon simulando la interferencia del movimiento sobre señales limpias, y que aún no han probado el sistema en un grupo de personas masivo y diverso en el mundo real. También señalan que el sistema actualmente funciona mejor con una sola unidad de radar y una sola persona, y que los escenarios complejos con muchas personas en movimiento todavía presentan desafíos. Sin embargo, el hallazgo central es claro: al localizar primero la trayectoria correcta de movimiento y luego utilizar un marco de aprendizaje profundo híbrido para reconstruir el latido del corazón, es posible monitorear la frecuencia cardíaca con precisión incluso cuando una persona está en movimiento. Este avance sugiere un futuro donde el monitoreo de los signos vitales puede ser verdaderamente libre de contacto y confiable, permitiendo el seguimiento continuo de la salud sin la necesidad de correas, sensores o una conexión física al cuerpo.