⚡ electrical engineering

Comprehensive Dataset and Signal Processing Framework for Phonocardiogram-Based Heart Rate and Blood Pressure Estimation

Questo articolo presenta un sistema di tracciamento del fonocardiogramma (PhonoTrack) a basso costo e un corrispondente dataset che consentono la stima non invasiva della frequenza cardiaca e della pressione arteriosa utilizzando esclusivamente segnali PCG, ottenendo un'alta accuratezza grazie all'elaborazione avanzata dei segnali e alla modellazione semi-empirica.

Autori originali: Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

Pubblicato 2026-05-25

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

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 il tuo cuore come una macchina ritmica e battente, vivace, situata all'interno del tuo torace. Ogni volta che batte, produce un suono specifico "tuon-tuon" (i suoni cardiaci) e invia una piccola scintilla elettrica (il segnale elettrico). Di solito, per verificare quanto velocemente sta battendo il tuo cuore o qual è la tua pressione sanguigna, i medici hanno bisogno di macchine costose, fili adesivi o un bracciale stretto che stringe il tuo braccio.

Questo articolo presenta una nuova invenzione a basso costo chiamata PhonoTrack. Immaginalo come uno "stetoscopio intelligente" che cerca di determinare la tua frequenza cardiaca e la tua pressione sanguigna semplicemente ascoltando i suoni del battito, senza bisogno di fili elettrici o bracciali.

Ecco come l'hanno fatto, spiegato in modo semplice:

1. La Configurazione: Costruire le "Orecchie Intelligenti"

I ricercatori hanno costruito un dispositivo semplice utilizzando un tubo di stetoscopio standard con un microfono nascosto all'interno dell'orecchietto. L'hanno fissato al torace di 15 volontari sani (tutti uomini, di età compresa tra 18 e 50 anni).

L'Obiettivo: Registrare i suoni "tuon-tuon" del cuore (chiamati PCG) e confrontarli con un riferimento "gold standard".
Il Riferimento: Allo stesso tempo, hanno registrato i segnali elettrici del cuore (ECG) utilizzando fili standard e misurato la pressione sanguigna manualmente con un bracciale tradizionale. Questo è stato il loro "chiave di risposta" per verificare se il loro nuovo dispositivo fosse corretto.

2. Pulizia del Segnale: Le Cuffie "Antirumore"

I suoni cardiaci sono spesso disordinati, come cercare di sentire un sussurro in una stanza ventosa. Il computer ha dovuto pulire la registrazione.

Hanno utilizzato un "setaccio" digitale (chiamato Denoising a Ondelette o Wavelet Denoising) per filtrare il vento e il rumore statico, lasciando solo i battiti cardiaci chiari.
Hanno quindi utilizzato tre diverse "lenti matematiche" per trovare i picchi dei battiti cardiaci:
1. Trasformata di Hilbert: Come tracciare il contorno di un'onda per vedere la sua altezza.
2. Entropia di Shannon: Come alzare il volume delle parti più forti del suono per far risaltare i battiti.
3. Spettro di Energia a Ondelette: Come guardare una mappa di calore del suono per vedere dove è concentrata l'energia.

3. Contare i Battiti (Frequenza Cardiaca)

Una volta che i suoni erano puliti, il computer ha contato i "tuon".

Il Risultato: Il nuovo dispositivo era incredibilmente preciso. Corrispondeva quasi perfettamente ai fili elettrici "gold standard".
Il Punteggio: Se il punteggio perfetto è 1,0, il dispositivo ha ottenuto 0,973 (utilizzando il metodo dell'Entropia di Shannon). È come uno studente che prende un A+ in un esame. La differenza tra il nuovo dispositivo e lo standard gold era inferiore a 2 battiti al minuto in media.

4. Indovinare la Pressione (Pressione Sanguigna)

Questa è la parte difficile. Di solito, hai bisogno di un bracciale per stringere il braccio e misurare la pressione. Questo dispositivo ha cercato di indovinare la pressione semplicemente ascoltando la forma e il tempismo dei suoni cardiaci.

L'Analogia: Immagina un batterista. Se colpisce il tamburo più forte e più velocemente, il suono potrebbe cambiare leggermente. I ricercatori hanno costruito un "traduttore matematico" (un modello semi-empirico) che osservava quanto durava il "tuon", quanto velocemente saliva e quanto velocemente scendeva. Hanno inserito questi dettagli in una formula per indovinare la pressione sanguigna.
Il Risultato:
- Sistolica (Numero superiore): L'indovinello era molto vicino alla misurazione reale, con una correlazione di 0,89.
- Diastolica (Numero inferiore): L'indovinello era discreto ma un po' più variabile, con una correlazione di 0,70.
- Nota: L'articolo ammette che questa parte è una "prova di concetto". Funziona bene in un laboratorio silenzioso, ma non è ancora perfetto.

5. La Contropartita (Limiti)

L'articolo è molto onesto su ciò che non fa ancora:

Piccolo Gruppo: Hanno testato solo 15 uomini. Non hanno testato donne, bambini o persone anziane.
Stanza Silenziosa: I test sono stati effettuati in un laboratorio silenzioso. Non l'hanno testato mentre qualcuno camminava, correva o in una strada rumorosa.
Non ancora un Medico: Gli autori dichiarano esplicitamente che questo è un prototipo. Non è pronto a sostituire l'attrezzatura di un medico in un ospedale o per diagnosticare malattie cardiache. È un "primo passo" per vedere se un dispositivo economico e portatile potrebbe funzionare.

Riepilogo

I ricercatori hanno costruito un dispositivo economico e portatile che ascolta il tuo cuore. Hanno dimostrato che, utilizzando una matematica intelligente per pulire il suono, possono contare i tuoi battiti cardiaci quasi con la stessa precisione dei costosi fili medici. Hanno anche mostrato un modo promettente (ma non perfetto) per indovinare la tua pressione sanguigna semplicemente ascoltando. È un riuscito "esperimento di laboratorio" che suggerisce un futuro in cui potresti essere in grado di controllare la tua salute cardiaca con un semplice gadget a basso costo, ma sono necessari ulteriori test con più persone prima che possa essere utilizzato nel mondo reale.

Riepilogo Tecnico: Framework Completo di Dataset e Elaborazione del Segnale per la Stima della Frequenza Cardiaca e della Pressione Arteriosa Basata sul Fonocardiogramma

Enunciato del Problema

Le malattie cardiovascolari (CVD) sono una delle principali cause di mortalità globale, spesso definite "assassini silenziosi" a causa della difficoltà nella loro rilevazione precoce. Sebbene esistano tecniche di imaging avanzate (TC, CMRI) e monitoraggio multimodale (ECG combinato con PPG), queste presentano limitazioni per quanto riguarda costi, complessità operativa e portabilità. Nello specifico, i sistemi ECG-PPG per la stima della Frequenza Cardiaca (HR) e della Pressione Arteriosa (BP) tramite il Tempo di Arrivo del Polso (PAT) sono suscettibili a disallineamenti dei derivazioni e insufficienti per rilevare specifiche anomalie cardiache come i soffi. Inoltre, gli studi esistenti sul Fonocardiogramma (PCG) si basano spesso su modelli di apprendimento automatico complessi inadatti a dispositivi portatili o non riescono a stimare simultaneamente sia HR che BP utilizzando esclusivamente segnali PCG. Vi è un bisogno critico di un sistema a basso costo, non invasivo e portatile, capace di monitoraggio cardiovascolare continuo utilizzando esclusivamente suoni acustici cardiaci.

Metodologia

1. Acquisizione Dati e Costruzione del Dataset

Gli autori hanno sviluppato un sistema personalizzato a basso costo denominato "PhonoTrack" per acquisire segnali PCG ed Elettrocardiogramma (ECG) sincronizzati insieme a misurazioni manuali della pressione arteriosa.

Hardware: Il segnale PCG è stato acquisito utilizzando un microfono incorporato nel diaframma di uno stetoscopio standard, collegato a un iPad per la registrazione (44,1 kHz). L'ECG è stato acquisito tramite un modulo sensore AD8232 a tre derivazioni collegato a un Arduino.
Protocollo: I dati sono stati raccolti da 15 volontari maschi sani (età 18–50) in un ambiente interno controllato. Ogni sessione è durata 60 secondi.
Verità Fondamentale (Ground Truth): L'HR è stato validato contro il segnale ECG (picchi R), e la BP è stata validata contro le letture manuali del sfigmomanometro effettuate immediatamente prima e dopo la sessione di registrazione.
Dataset: Il dataset risultante include 15 registrazioni PCG-ECG sincronizzate con valori di BP a braccetto accoppiati, fornendo dati allineati temporalmente per il benchmarking.

2. Framework di Elaborazione del Segnale

Lo studio impiega un framework unificato di tecniche standard di Elaborazione Digitale del Segnale (DSP) piuttosto che modelli complessi di deep learning.

Stima della Frequenza Cardiaca (HR):

Preprocessing: I segnali PCG hanno subito un denoising basato su ondelette (Daubechies db4, 8 livelli) e normalizzazione.
Estrazione dell'Inviluppo: Sono stati utilizzati tre metodi distinti per estrarre l'inviluppo del segnale per identificare i suoni cardiaci S1 e S2:
1. Trasformata di Hilbert (HT): Estrae l'ampiezza istantanea.
2. Entropia di Shannon (SE): Evidenzia le regioni ad alta energia per affinare i componenti transitori.
3. Spettro di Energia delle Ondelette (WES): Analizza la distribuzione dell'energia attraverso le bande di frequenza.
Rilevamento dei Picchi: I massimi locali negli inviluppi smussati (filtrati con un filtro Butterworth passa-basso a 20 Hz) sono stati identificati come picchi S1 e S2. Sono state applicate vincoli (distanza minima tra i picchi 0,125 s, altezza minima 15%) per evitare falsi rilevamenti.
Calcolo: L'HR è stato derivato dagli intervalli medi S1–S1 (o S2–S2).

Stima della Pressione Arteriosa (BP):

Estrazione delle Caratteristiche: Un insieme di caratteristiche temporali fisiologicamente interpretabili è stato estratto dall'inviluppo PCG, inclusi:
- Durate Sistolica ( $t_{sys}$ ) e Diastolica ( $t_{dias}$ ).
- Tempi di salita e decadimento per S1 e S2.
- Durate dei picchi di S1 e S2.
- HR stimata ( $HR_{pcg}$ ).
Modellazione: È stato sviluppato un modello di regressione multipla semi-empirico per mappare queste caratteristiche alla Pressione Arteriosa Sistolica (SBP) e Diastolica (DBP). Il modello include termini lineari, quadratici e di interazione.
Validazione: Il modello è stato valutato utilizzando la Validazione Incrociata Leave-One-Subject-Out (LOOCV) per soggetto per valutare la generalizzabilità e prevenire l'overfitting data la piccola dimensione del campione.

Contributi Chiave

Sistema PhonoTrack: Sviluppo di un prototipo hardware portatile ed economicamente vantaggioso capace di acquisizione simultanea di PCG ed ECG.
Nuovo Dataset: Introduzione di un dataset sincronizzato PCG-ECG con misurazioni manuali di BP accoppiate da 15 soggetti, affrontando la mancanza di verità fondamentale PCG-BP allineata temporalmente nella letteratura esistente.
Framework Algoritmico: Dimostrazione che le tecniche DSP standard (HT, SE, WES) combinate con una regressione semi-empirica possono stimare efficacemente sia HR che BP dai soli segnali PCG, evitando la necessità di sensori multimodali complessi o modelli pesanti di machine learning.
Validazione Completa: Valutazione rigorosa inclusa correlazione di Pearson, Errore Quadratico Medio Radice (RMSE), analisi di Bland-Altman e valutazione del Rapporto Segnale-Rumore (SNR).

Risultati

Stima della Frequenza Cardiaca:

Tutti e tre i metodi di rilevamento dell'inviluppo hanno mostrato una forte concordanza con l'HR derivata dall'ECG.
Entropia di Shannon (SE) ha ottenuto le prestazioni migliori, raggiungendo un coefficiente di correlazione di Pearson ( $R$ ) di 0,973, con un Errore Assoluto Medio (MAE) di 1,330 bpm e un RMSE di 1,688 bpm.
Trasformata di Hilbert (HT) e Spettro di Energia delle Ondelette (WES) hanno ottenuto valori $R$ di 0,965 e 0,955, rispettivamente.
L'analisi di Bland-Altman ha confermato un basso bias sistematico e una stretta concordanza entro i limiti di accordo del 95%.

Stima della Pressione Arteriosa:

Il modello di regressione semi-empirico ha dimostrato una correlazione da moderata a forte con la BP di verità fondamentale.
Pressione Arteriosa Sistolica (SBP): $R = 0,891$ , con una deviazione standard dell'errore di 2,10 mmHg.
Pressione Arteriosa Diastolica (DBP): $R = 0,700$ , con una deviazione standard dell'errore di 3,20 mmHg.
Sotto LOOCV per soggetto, il modello ha prodotto un RMSE SBP di 9,89 mmHg e un RMSE DBP di 11,05 mmHg, indicando le attuali limitazioni del modello nel generalizzare a soggetti non visti con l'attuale piccola coorte.

Significato e Affermazioni

Il documento posiziona il sistema PhonoTrack come un promettente proof-of-concept per il monitoraggio cardiovascolare continuo e non invasivo. Gli autori affermano che il loro approccio offre un'alternativa a basso costo, portatile e a singolo sensore rispetto a sistemi multimodali complessi (ECG+PPG) o tecniche di imaging costose.

Tuttavia, gli autori mantengono una posizione modesta e cauta riguardo alla prontezza clinica:

Affermano esplicitamente che i risultati sono preliminari e basati su una coorte piccola e omogenea (15 maschi sani).
Riconoscono che i risultati attuali sono insufficienti a supportare affermazioni relative al dispiegamento clinico, allo screening di routine o alla valutazione delle malattie cardiovascolari.
Lo studio sottolinea che il modello semi-empirico funge da baseline e che il lavoro futuro deve coinvolgere popolazioni più ampie e diversificate (inclusi femmine e vari gruppi di età/IMC) e condizioni del mondo reale (movimento, rumore) per stabilire una maggiore generalizzabilità.

In sintesi, il documento convalida la fattibilità dell'uso di segnali esclusivamente PCG per la stima di HR e BP utilizzando l'elaborazione standard del segnale, gettando le basi per lo sviluppo futuro di monitor cardiaci indossabili economici, delineando chiaramente il divario tra i risultati sperimentali attuali e l'applicazione clinica.