💻 computer science

Multi-site PPG: An In-the-Wild Physiological Dataset from Emerging Multi-site Wearables

Questo articolo introduce "Multi-site PPG", un dataset completo raccolto in condizioni reali che comprende oltre 350 ore di dati fisiologici acquisiti da quattro nuovi fattori di forma indossabili (orecchino, anello, orologio e collana) insieme a un ECG di riferimento, utilizzato per valutare i metodi di stima della frequenza cardiaca e rivelare significative variazioni delle prestazioni tra diversi siti corporei.

Autori originali: Jiayi Shao (Shirley), Jiaying Ye (Shirley), Shengyao Liu (Shirley), Zachary Englhardt (Shirley), Girish Narayanswamy (Shirley), Vikram Iyer (Shirley), Qiuyue (Shirley), Xue

Pubblicato 2026-05-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Jiayi Shao (Shirley), Jiaying Ye (Shirley), Shengyao Liu (Shirley), Zachary Englhardt (Shirley), Girish Narayanswamy (Shirley), Vikram Iyer (Shirley), Qiuyue (Shirley), Xue

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di voler misurare il tuo battito cardiaco, ma invece di controllare solo il polso (come fanno la maggior parte degli smartwatch), decidi di indossare sensori sull'orecchio, sul dito, sul collo e sul polso contemporaneamente. È esattamente ciò che fa questo articolo.

I ricercatori hanno creato una nuova e massiccia "biblioteca" di dati cardiaci chiamata Multi-site PPG. Ecco una semplice spiegazione di ciò che hanno fatto e di ciò che hanno scoperto, utilizzando alcune analogie quotidiane.

1. Il Problema: Il Collo di Bottiglia del "Polso"

Pensa al tuo polso come a un'autostrada affollata e rumorosa. È il luogo dove la maggior parte delle persone indossa gli orologi, ma poiché il polso si muove molto (digitare, fare cenni, camminare), il segnale del battito cardiaco si mescola al "rumore del traffico". Inoltre, i vasi sanguigni sotto la pelle del polso sono profondi, rendendo il segnale debole, come cercare di sentire un sussurro attraverso un muro spesso.

I ricercatori volevano vedere se indossare sensori in luoghi più silenziosi e "meno affollati" del corpo poteva far sentire il battito cardiaco più chiaramente.

2. L'Esperimento: Il Dispositivo Indossabile "Quattro Teste"

Per testare questo, hanno costruito quattro gadget personalizzati e non invasivi che sembrano normali gioielli:

Un Orecchino Intelligente: Indossato sul lobo dell'orecchio.
Un Anello Intelligente: Indossato sul dito.
Uno Smartwatch: Indossato al polso (il gruppo di controllo).
Una Collana Intelligente: Indossata intorno al collo.

Hanno chiesto a 20 persone di indossare tutti e quattro i dispositivi contemporaneamente mentre svolgevano la loro normale giornata: studiare, camminare, fare esercizio e chiacchierare. Per assicurarsi che i dati fossero accurati, tutti indossavano anche una fascia toracica di grado medico (come una Polar H10) che fungeva da "verificatore" o standard di riferimento.

In totale, hanno raccolto oltre 350 ore di dati grezzi. È come registrare un film continuo di battiti cardiaci da quattro angolazioni diverse per giorni interi.

3. I Risultati: Chi Ha Sentito Meglio il Battito Cardiaco?

I ricercatori hanno testato vari algoritmi informatici (da semplici trucchi matematici ad avanzate intelligenze artificiali) per vedere quanto bene potevano stimare la frequenza cardiaca dai dati rumorosi. Hanno confrontato le stime con la "verificatrice" fascia toracica.

Ecco la classifica, dalla migliore alla peggiore:

L'Orecchino (Il VIP): È stato il chiaro vincitore. Ha raggiunto un tasso di errore di soli 2,3 battiti al minuto.
- Analogia: Immagina di cercare di ascoltare una canzone in una stanza silenziosa. L'orecchio è vicino alla testa, si muove molto poco e ha pelle sottile. È come avere un microfono di alta qualità proprio accanto all'altoparlante.
L'Anello (Il Secondo Classificato): È arrivato secondo con un errore di 5,1 battiti al minuto.
- Analogia: Il dito è ottimo perché è pieno di vasi sanguigni (come un fiume trafficato), ma si muove un po' più dell'orecchio quando usi le mani.
L'Orologio (Lo Sforzato): L'orologio tradizionale ha avuto un errore di 8,4 battiti al minuto.
- Analogia: Questa è di nuovo l'autostrada rumorosa. Il polso si muove troppo e il segnale è più debole.
La Collana (L'Instabile): Ha avuto l'errore più alto, 8,7 battiti al minuto.
- Analogia: Una collana dondola e oscilla. Il sensore spesso perde il contatto con la pelle, come una radio che perde il segnale quando cammini.

4. Il Fattore "Movimento"

L'articolo ha anche esaminato come il movimento influisce sui dati.

Zone di Quiet: L'orecchio e il collo sono rimasti relativamente immobili, quindi i dati sono rimasti puliti anche quando le persone si muovevano.
Zone Attive: Il dito e il polso si sono mossi molto. Più la persona si muoveva, più era difficile per il computer stimare correttamente la frequenza cardiaca.
La Soluzione: Hanno scoperto che aggiungere sensori di movimento (accelerometri) all'anello e all'orologio aiutava il computer a "sottrarre" il rumore del movimento, rendendo la stima della frequenza cardiaca leggermente migliore. Tuttavia, per l'orecchio, che si muove appena, aggiungere sensori di movimento non ha aiutato molto.

5. Mescolare i Segnali (Fusione)

I ricercatori hanno provato a combinare i dati da più dispositivi per vedere se ciò avrebbe reso la previsione ancora migliore.

Due è meglio di uno: Combinare i dati dell'orecchino e dell'anello ha reso la previsione leggermente più accurata rispetto all'uso dell'orecchino da solo.
Quattro non è sempre meglio: Sorprendentemente, combinare tutti e quattro i dispositivi non ha migliorato molto la situazione rispetto all'uso dei soli due migliori. È come avere quattro persone che indovinano un numero; se tre di loro indovinano in modo completamente sbagliato, la loro "media" potrebbe effettivamente trascinare l'indovino corretto nella direzione sbagliata.

Riepilogo

Questo articolo è essenzialmente un set di dati pubblico (una gigantesca biblioteca di battiti cardiaci) che dimostra: dove indossi il tuo sensore conta tanto quanto il sensore stesso.

La Grande Lezione: Se vuoi la frequenza cardiaca più accurata senza una fascia toracica, indossare un sensore sull'orecchio o sul dito è significativamente meglio che indossarlo al polso.
Il Contributo: Hanno rilasciato questi dati e il codice gratuitamente in modo che altri scienziati possano costruire migliori app e dispositivi sanitari che funzionino nel mondo reale, non solo in un laboratorio silenzioso.

Nota: L'articolo si concentra strettamente sulla raccolta di questi dati e sul testare quanto bene gli attuali algoritmi funzionino su di essi. Non afferma che questi dispositivi siano pronti per la diagnosi medica o l'uso clinico.

Riepilogo Tecnico: PPG Multi-sito: Un Dataset Fisiologico "In-the-Wild" da Dispositivi Indossabili Multi-sito Emergenti

Enunciato del Problema

La fotopletismografia (PPG) è una modalità di rilevamento dominante per il monitoraggio della frequenza cardiaca e fisiologico nei dispositivi indossabili. Tuttavia, i dataset pubblici "in-the-wild" di PPG rimangono in gran parte limitati agli smartwatch centrati sul polso o a brevi sessioni di laboratorio controllate. Il rilevamento basato sul polso affronta sfide intrinseche, inclusi artefatti da movimento e qualità del segnale ottico degradata a causa di vasi sanguigni più profondi. Mentre form factor emergenti come anelli intelligenti, orecchini e collane offrono potenziali vantaggi (ad esempio, maggiore perfusione nelle dita/lobi delle orecchie, stabilità relativa), esiste una scarsità di dataset su larga scala e multi-sito raccolti durante attività quotidiane naturali. I dataset esistenti si concentrano o su singoli dispositivi, mancano di form factor pratici per l'uso quotidiano (ad esempio, utilizzando posizionamenti non standard come lo sterno o la caviglia), o sono limitati ad ambienti controllati, ostacolando la ricerca su rilevamenti fisiologici robusti e generalizzati attraverso diversi tipi di dispositivi indossabili.

Metodologia

Raccolta del Dataset e Hardware

Gli autori presentano Multi-site PPG, un dataset raccolto da 20 partecipanti (19 femmine, 1 maschio; età 20–51) durante più giorni di attività diurne in ambienti urbani. Lo studio ha utilizzato quattro dispositivi indossabili personalizzati e non invasivi:

Orecchino Intelligente: Indossato sul lobo dell'orecchio perforato.
Anello Intelligente: Indossato sul dito.
Smartwatch: Indossato al polso.
Collana Intelligente: Indossata come pendente.

Tutti i dispositivi condividono un design hardware unificato basato su un microcontrollore nRF52832, integrando un sensore PPG MAX30101 (canali verde e infrarosso), un accelerometro LIS2DW12 e un sensore di temperatura HDC2010. Trasmettono i dati in modalità wireless a un'app per smartphone. Per la verità fondamentale (ground truth), i partecipanti hanno indossato una fascia toracica commerciale Polar H10 che registrava l'ECG a 130 Hz.

Elaborazione dei Dati

Il dataset è rilasciato in due formati:

Dataset Grezzo: Oltre 350 ore di dati continui (sebbene potenzialmente discontinui a causa di interruzioni Bluetooth) con timestamp per dispositivo, inclusi PPG (verde/IR), accelerazione a 3 assi e temperatura.
Dataset a Finestre: Dati pre-elaborati pronti per la modellazione, costituiti da finestre scorrevoli di 8 secondi (passo di 1 secondo). Questo dataset esclude segmenti con scarsa qualità dell'ECG (ad esempio, contatto allentato della fascia, frequenze cardiache al di fuori di 40–180 bpm) e allinea i dati dei dispositivi indossabili alla verità fondamentale ECG Polar. Contiene da 229,66 a 290,23 ore di dati per dispositivo, con 190,95 ore in cui tutti e quattro i dispositivi erano attivi simultaneamente.

Protocollo di Benchmarking

Gli autori hanno valutato le prestazioni di stima della frequenza cardiaca utilizzando tre classi di metodi rispetto alla verità fondamentale derivata dall'ECG:

Algoritmi Euristici: Sei metodi tradizionali di elaborazione del segnale (ad esempio, NeuroKit, HeartPy, FFT).
Modelli Supervisionati: Cinque architetture di reti neurali (ResNet 1D, DCL, FCN, CNN-LSTM, Transformer).
Modelli Auto-supervisionati: Due approcci di apprendimento contrastivo (SimCLR, BYOL).

La valutazione è stata condotta utilizzando un protocollo di validazione incrociata Leave-One-Subject-Out (LOSO) su 20 fold, misurando l'Errore Assoluto Medio (MAE), l'Errore Quadratico Medio Radice (RMSE) e la correlazione di Pearson ( $\rho$ ).

Contributi Chiave

Primo Dataset PPG Multi-sito "In-the-Wild" su Larga Scala: Il paper rilascia il primo dataset PPG pubblico e su larga scala raccolto simultaneamente da quattro form factor pratici e distinti di dispositivi indossabili (orecchino, anello, orologio, collana) durante attività quotidiane naturali. È il primo dataset di questo tipo per anelli intelligenti, orecchini e collane.
Benchmarking per Posizione Corporea: Lo studio stabilisce le prestazioni di base per la stima della frequenza cardiaca attraverso diversi siti corporei, rivelando significative disparità nelle prestazioni.
Analisi Multi-sito e Multimodale: Gli autori forniscono valutazioni iniziali della fusione di sensori multi-sito e della fusione PPG-accelerometro, dimostrando l'utilità del dataset per studiare strategie di rilevamento complementari.

Risultati

Prestazioni tra i Siti Corporei

Sono state osservate differenze significative nell'accuratezza della stima della frequenza cardiaca tra le quattro posizioni, con i seguenti risultati MAE migliori (utilizzando il modello supervisionato DCL):

Orecchino: 2,30 bpm (Migliore prestazione, paragonabile a impostazioni di laboratorio di alta qualità).
Anello: 5,13 bpm (Paragonabile al dataset $\tau$ -Ring da 28 ore).
Orologio: 8,37 bpm (Coerente con i risultati WildPPG).
Collana: 8,68 bpm.

L'orecchino e l'anello hanno costantemente superato l'orologio e la collana, attribuito a una perfusione più forte, un migliore accoppiamento ottico e minori artefatti da movimento in quei siti.

Effetti del Movimento

L'analisi ha mostrato che l'errore di stima della frequenza cardiaca (MAE) generalmente aumenta con la potenza del movimento su tutti i dispositivi. Tuttavia, l'orecchino e la collana hanno subito una minore esposizione al movimento (91% delle finestre in bin a basso movimento) rispetto all'anello e all'orologio. L'anello ha mantenuto una migliore accuratezza rispetto all'orologio anche a livelli di movimento più elevati, probabilmente a causa della qualità del segnale superiore sul dito.

Strategie di Fusione

Fusione Multi-sito: Combinare due dispositivi (ad esempio, Orecchino + Anello) ha migliorato costantemente il MAE rispetto alle linee di base a dispositivo singolo (ad esempio, riducendo il MAE dell'orecchino da 1,84 a 1,82 bpm). Tuttavia, fondere tutti e quattro i dispositivi non ha prodotto ulteriori guadagni rispetto alle migliori combinazioni a due dispositivi, suggerendo che siti più rumorosi (orologio, collana) possono introdurre variabilità quando combinati con segnali di alta qualità.
Fusione PPG-Accelerometro: L'aggiunta di dati dell'accelerometro (asse z) ha fornito miglioramenti costanti, sebbene modesti, per l'anello e l'orologio (ad esempio, MAE dell'orologio ridotto di circa 0,3 bpm). Il beneficio è stato limitato o misto per l'orecchino e la collana, indicando che il contesto di movimento è più prezioso per i siti soggetti ad artefatti da movimento.

Significato e Affermazioni

Il paper afferma che Multi-site PPG colma un vuoto critico nella disponibilità di dati fisiologici per i form factor di dispositivi indossabili emergenti. Fornendo un dataset che cattura la variabilità della vita quotidiana attraverso diverse posizioni corporee, abilita:

Ricerca sul Rilevamento Robusto: Lo sviluppo di modelli che si generalizzano attraverso form factor e siti corporei, andando oltre il paradigma centrato sul polso.
Analisi della Qualità del Segnale: La capacità di caratterizzare come i segnali fisiologici e gli artefatti da movimento differiscano per posizione (ad esempio, orecchio contro polso).
Studi di Fusione: Una base per investigare come fondere ottimalmente i dati da più sensori e modalità per migliorare l'affidabilità.

Gli autori sottolineano che, sebbene il dataset supporti ricerche future, è rilasciato con limitazioni specifiche: un'alta proporzione di partecipanti femmine (a causa dei requisiti per gli orecchini), la mancanza del tipo di pelle Fitzpatrick VI e etichette di verità fondamentale derivate tramite elaborazione algoritmica (Pan-Tompkins) piuttosto che annotazione manuale. Il dataset è destinato alla ricerca non commerciale per avanzare il monitoraggio fisiologico robusto e non invasivo.