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

कल्पना कीजिए कि आप एक ऐसे कमरे में एक एकल धड़कन को सुनने की कोशिश कर रहे हैं जहाँ दीवारें हिल रही हैं, फर्श कंपन कर रहा है, और भीड़ इधर-उधर घूम रही है। दशकों से, चिकित्सा सेंसर जब संपर्क (कॉन्टैक्ट) पर निर्भर होते हैं, तो वे ठीक इसी समस्या से जूझते रहे हैं। यदि कोई व्यक्ति हिलता है, तो उपकरण फिसल जाता है, सिग्नल टूट जाता है, या शरीर की गति हृदय की उस नन्ही, लयबद्ध धड़कन को दबा देती है। इस सीमा ने निरंतर, आरामदायक हृदय निगरानी को कई दैनिक स्थितियों, जैसे अस्पताल में टहलने से लेकर घर पर व्यायाम करने तक, पहुँच से बाहर रखा है। वैज्ञानिक लंबे समय से इन महत्वपूर्ण संकेतों को त्वचा को छुए बिना मापने का एक तरीका खोज रहे थे, जिसमें अदृश्य तरंगों का उपयोग किया जा सके जो हवा के माध्यम से गुजर सकें और छाती के सूक्ष्म उतार-चढ़ाव का पता लगा सकें। चुनौती हमेशा चलते हुए शरीर के शोर से हृदय की धड़कन के मंद संकेत को अलग करने की रही है।

नार्थवेस्ट यूनिवर्सिटी, शीआन के शोधकर्ताओं की एक टीम ने मिलीमीटर-वेव रडार का उपयोग करके इस समस्या को हल करने के लिए एक नया दृष्टिकोण विकसित किया है, जो एक ऐसी तकनीक है जो गति को महसूस करने के लिए हानिरहित रेडियो तरंगें भेजती है। उनकी विधि दो अलग-अलग चरणों में काम करती है, जो पहले एक कुशल ट्रैकर की तरह और फिर एक परिष्कृत साउंड इंजीनियर की तरह कार्य करती है। पहले चरण में, सिस्टम केवल सुनने के लिए एक निश्चित स्थान नहीं चुनता, जो विफल हो जाएगा यदि व्यक्ति उस स्थान से दूर चला जाता है। इसके बजाय, यह स्थान और समय के मानचित्र पर व्यक्ति की गति पर नज़र रखता है, और उनके पथ को ट्रैक करने के लिए दो अलग-अलग तरीकों को जोड़ता है ताकि सबसे विश्वसनीय मार्ग मिल सके। एक बार जब यह पथ पर लॉक हो जाता है, तो यह डेटा की एक कच्ची धारा (रॉ स्ट्रीम) निकालता है जो छाती की गति को कैप्चर करती है, भले ही व्यक्ति चल रहा हो या अपनी स्थिति बदल रहा हो। यह चरण महत्वपूर्ण है क्योंकि यह सुनिश्चित करता है कि सिस्टम सही व्यक्ति को सुन रहा है, न कि पृष्ठभूमि के शोर या गति के कारण उत्पन्न होने वाले किसी काल्पनिक सिग्नल को।

दूसरा चरण इस कच्ची, शोर भरी धारा को एक विशेष कंप्यूटर मॉडल का उपयोग करके साफ करता है जो हृदय की धड़कन के आकार को समझने के लिए डिज़ाइन किया गया है। यह मॉडल सिग्नल को आवृत्ति की विभिन्न परतों में तोड़ता है, ठीक वैसे ही जैसे एक गाने में बास, ड्रम और वोकल्स को अलग किया जाता है, ताकि चलने या कदम रखने के झटकेदार शोर से हृदय की विशिष्ट लय को अलग किया जा सके। इसके बाद, यह एक डीप लर्निंग नेटवर्क का उपयोग करके हृदय की धड़कन की एक स्पष्ट, सुचारू तरंग (वेवफॉर्म) को पुनर्गठित करता है, जो प्रभावी रूप से उस हस्तक्षेप को हटा देता है जो अन्यथा रीडिंग को असंभव बना देता। अंत में, सिस्टम इस साफ वेवफॉर्म की तुलना एक ज्ञात टेम्पलेट से करता है ताकि प्रति मिनट धड़कनों की संख्या गिनी जा सके। शोधकर्ताओं ने इस प्रणाली का परीक्षण एक बंद गलियारे में आठ लोगों पर किया, जिसमें उन्हें स्थिर खड़ा होना, आगे बढ़ना और पीछे की ओर चलना शामिल था, और सटीकता को सत्यापित करने के लिए एक स्मार्ट ब्रेसलेट पहनाया गया था।

परिणाम दर्शाते हैं कि यह दोहरा चरण वाला दृष्टिकोण उन गतिशील स्थितियों में भी बहुत अच्छा काम करता है जहाँ पुराने तरीके विफल हो जाते हैं। जब विषय (सब्जेक्ट्स) गति कर रहे थे, तब पारंपरिक सिग्नल-प्रोसेसिंग तकनीकों ने अक्सर बड़ी और असंगत त्रुटियां पैदा कीं, जिनमें से कुछ अनुमानों ने वास्तविक हृदय गति को बीट प्रति मिनट बीस से अधिक से कम आंका था। इसके विपरीत, नई विधि ने अपनी सटीकता बनाए रखी, जिसमें औसत त्रुटि केवल दो बीट प्रति मिनट से थोड़ी अधिक थी। उन परीक्षणों में जहाँ इस प्रणाली को मीटिंग रूम और व्यस्त कार्यालय जैसे विभिन्न वातावरणों में लागू किया गया, इसने उच्च स्तर की सटीकता बनाए रखी, यहाँ तक कि कई लोग इधर-उधर घूम रहे थे तब भी त्रुटियां चार बीट प्रति मिनट से नीचे रहीं। शोधकर्ताओं ने पाया कि उनकी विधि ने कई अन्य उन्नत कंप्यूटर मॉडलों और मानक फ़िल्टरिंग तकनीकों को पछाड़ दिया, जिससे यह सिद्ध हुआ कि एक स्मार्ट ट्रैकिंग सिस्टम को एक शक्तिशाली पुनर्निर्माण नेटवर्क के साथ जोड़ना एक व्यवहार्य मार्ग है।

हालाँकि यह अध्ययन महत्वपूर्ण प्रगति प्रदर्शित करता है, लेखक नोट करते हैं कि उनकी वर्तमान सफलता डेटा पर निर्भर करती है जिसे उन्होंने स्वच्छ सिग्नलों पर गति हस्तक्षेप को सिम्युलेट करके बनाया है, और उन्होंने अभी तक वास्तविक दुनिया में लोगों के एक विशाल, विविध समूह पर इस प्रणाली का परीक्षण नहीं किया है। वे यह भी बताते हैं कि वर्तमान में यह प्रणाली एक सिंगल रडार यूनिट और एक व्यक्ति के साथ सबसे अच्छा काम करती है, और कई चलते हुए व्यक्तियों वाले जटिल परिदृश्य अभी भी चुनौतियां पेश करते हैं। हालाँकि, मुख्य निष्कर्ष स्पष्ट है: पहले गति के सही पथ को खोजने और फिर हृदय की धड़कन को पुनर्गठित करने के लिए एक हाइब्रिड डीप लर्निंग फ्रेमवर्क का उपयोग करके, व्यक्ति के गति में होने पर भी सटीक हृदय गति की निगरानी करना संभव है। यह उपलब्धि एक ऐसे भविष्य का सुझाव देती है जहाँ महत्वपूर्ण संकेतों की निगरानी वास्तव में संपर्क-मुक्त और विश्वसनीय हो सकती है, जिससे शरीर से स्ट्रैप, सेंसर या भौतिक जुड़ाव की आवश्यकता के बिना निरंतर स्वास्थ्य ट्रैकिंग संभव हो सकेगी।