Low-Rate Wrist SpO2 Estimation under Micro-Perturbations Using Motion-Aware Beat Selection and Perfusion-Guided Calibration

Résumé Technique : Estimation de la SpO2 au poignet à faible taux sous micro-perturbations

Énoncé du problème
La surveillance continue de la saturation en oxygène (SpO2) via la photopléthysmographie (PPG) est cruciale pour le suivi de la santé par des dispositifs portables. Cependant, l'estimation au poignet présente des défis importants par rapport à l'oxymétrie de pouls conventionnelle au doigt. Le poignet est plus sensible aux micro-perturbations, telles que les petits mouvements et les changements subtils de pression de contact, qui déstabilisent la morphologie des battements PPG. Ces perturbations altèrent les composantes pulsatiles rouge et infrarouge, entraînant une instabilité du rapport de rapports ($R$) rouge/infrarouge. Comme les méthodes conventionnelles reposent sur une cartographie $R$–SpO2 fixe, cette instabilité produit des estimations incohérentes. De plus, les différences interindividuelles dans l'état de perfusion locale introduisent un biais de calibration, car une cartographie fixe ne peut pas s'adapter aux variations d'indices de perfusion (PI) entre différents individus ou conditions de contact capteur-peau.

Méthodologie
Les auteurs proposent un cadre léger, compatible avec le firmware, pour l'estimation de la SpO2 au poignet à faible taux, qui intègre une sélection de battements sensible au mouvement et une calibration guidée par la perfusion. Le système traite des signaux PPG à double longueur d'onde (rouge et infrarouge) ainsi que des données d'accéléromètre triaxiales. La méthodologie se compose de trois étapes principales :

1. Extraction AC/DC au niveau du battement et calcul du rapport :
   Dans une fenêtre glissante de 10 secondes, les signaux PPG rouge et IR sont filtrés passe-bas (coupure à 5 Hz) pour préserver la morphologie de l'impulsion. Un filtre passe-bande (1–3 Hz) facilite la détection robuste des battements, utilisant les vallées du canal IR, plus stable, comme limites communes pour les deux longueurs d'onde. Les pics systoliques sont identifiés séparément pour chaque canal. La composante DC au niveau du battement est définie comme la valeur de la ligne de base interpolée à l'emplacement du pic, tandis que la composante AC est la différence d'amplitude entre le pic et cette ligne de base. Le rapport de rapports ($R$) est calculé pour chaque battement selon la formule $R = \frac{AC_{rouge}/DC_{rouge}}{AC_{IR}/DC_{IR}}$.

2. Sélection de battements sensible au mouvement :
   Pour atténuer les micro-perturbations, le cadre attribue des poids de fiabilité aux battements basés sur des scores de mouvement dérivés de l'accéléromètre. Pour chaque intervalle de battement, l'écart type de la magnitude de l'accéléromètre triaxial est calculé. Au sein d'une fenêtre, les battements sont pondérés à l'aide d'une fonction non linéaire qui privilégie les battements à faible mouvement et supprime ceux contaminés par le mouvement. Plus précisément, un seuil de score de mouvement est établi en utilisant la médiane et le 90e percentile des scores de mouvement de la fenêtre. Une médiane pondérée des valeurs de $R$ au niveau du battement est ensuite calculée pour déterminer le $R_{win}$ au niveau de la fenêtre, garantissant que les battements corrompus par le mouvement contribuent moins à l'estimation finale.

3. Calibration guidée par la perfusion :
   Pour traiter la variabilité interindividuelle, un indice de perfusion de référence ($PI_{ref}$) est estimé pour chaque session. Le système identifie le segment de 30 secondes le plus fiable (plus faible mouvement moyen) et calcule le $PI_{ref}$ comme la médiane pondérée des indices de perfusion infrarouges de ce segment. Le $R_{win}$ au niveau de la fenêtre est ensuite corrigé à l'aide d'une fonction linéaire de $PI_{ref}$ ($R_c = R_{win} + b_0 + b_1 \cdot PI_{ref}$). Enfin, le rapport corrigé $R_c$ est mis en correspondance avec la SpO2 à l'aide d'une fonction de calibration polynomiale de second degré apprise à partir des données d'entraînement.

Contributions clés

• Algorithme de traitement à faible taux : Un algorithme de traitement PPG à double longueur d'onde conçu pour un échantillonnage à 25 Hz, effectuant l'extraction battement par battement et l'agrégation par fenêtre glissante pour la calibration $R$-SpO2.
• Sélection de battements sensible au mouvement : Une stratégie qui utilise les données de l'accéléromètre pour attribuer des poids de fiabilité aux battements, améliorant la robustesse face aux micro-perturbations en privilégiant les points de données à faible mouvement.
• Calibration guidée par la perfusion : Une méthode qui utilise l'indice de perfusion comme indicateur de l'état de calibration, permettant à la relation $R$–SpO2 de s'adapter aux variations spécifiques à l'individu dans les conditions de perfusion locale.

Résultats expérimentaux
Le cadre a été évalué sur un ensemble de données portables privé comprenant 27 sessions de neuf participants aux teintes de peau diverses. L'ensemble de données comprenait des signaux PPG à 100 Hz (sous-échantillonnés à 25 Hz pour l'évaluation) et des valeurs de SpO2 de référence provenant d'un dispositif Masimo Rad-G.

• Performance : Sous une évaluation stricte de type "leave-one-subject-out" (LOSO), la méthode proposée a atteint une erreur absolue moyenne (MAE) de $2,305 \pm 1,113\%$ et une erreur quadratique moyenne (RMSE) de $3,117 \pm 1,743\%$ à 25 Hz. Elle a surpassé les méthodes de base, incluant l'agrégation simple par moyenne/médiane, les moindres carrés récursifs (RLS) et la moindres carrés normaux (NLMS).
• Étude d'ablation : Les résultats ont confirmé que la sélection de battements sensible au mouvement et la calibration guidée par la perfusion améliorent toutes deux indépendamment les performances, leur combinaison offrant les meilleures métriques tant à 25 Hz qu'à 100 Hz.
• Efficacité à faible taux : La méthode maintient une performance à 25 Hz comparable à celle de 100 Hz. L'analyse de la consommation d'énergie a indiqué que le capteur PPG consommait environ 9 mW à 25 Hz, soit une réduction de 40 % par rapport aux ~15 mW consommés à 100 Hz, soutenant ainsi un suivi continu à haute efficacité énergétique.
• Robustesse au mouvement : L'approche combinée a démontré la plus faible MAE à tous les niveaux de magnitude de mouvement, alors que les méthodes de base présentaient une augmentation de l'erreur à mesure que l'écart type de la magnitude du mouvement augmentait.

Signification
L'article affirme que ce travail présente un cadre léger capable d'améliorer la robustesse de l'estimation de la SpO2 au poignet à faible taux sans nécessiter de modèles de débruitage de haute complexité. En intégrant la sélection sensible au mouvement et la calibration guidée par la perfusion, le système répond au double défi des micro-perturbations et de la variabilité de la perfusion interindividuelle. La capacité de maintenir la précision à 25 Hz tout en réduisant considérablement la consommation d'énergie rend ce cadre adapté aux implémentations de dispositifs portables économes en énergie et compatibles avec le firmware pour un suivi de santé continu.