Motion-resilient and rapid contactless heart rate monitoring by overcoming dual physical barriers

Sintesi Tecnica: Monitoraggio della Frequenza Cardiaca Senza Contatto, Rapido e Resiliente al Movimento

Problematica
Il monitoraggio senza contatto dei segni vitali tramite radar offre un'alternativa non invasiva ai sensori cablati per applicazioni che spaziano dalla diagnosi dell'apnea notturna al rilevamento delle cadute. Tuttavia, la stima rapida e affidabile della frequenza cardiaca in condizioni di movimento corporeo reale rimane una sfida significativa a causa di due barriere fisiche fondamentali:

1. Mascheramento del Segnale: I segnali di respirazione presentano tipicamente ampiezze di un ordine di grandezza superiori rispetto ai segoli cardiaci. I convenzionali metodi di selezione del range-bin, che si basano sull'energia massima, si bloccano invariabilmente sui componenti respiratori dominanti anziché sui segnali cardiaci più deboli.
2. Compromesso tra Risoluzione Temporale e in Frequenza: Distinguere il battito cardiaco dalle interferenze spettrali richiede solitamente lunghe finestre di integrazione (20–60 secondi) per ottenere una risoluzione in frequenza sufficiente. Tuttavia, tali durate estese rendono il sistema altamente vulnerabile agli artefatti da movimento corporeo, che distruggono l'integrità del segnale. Le strategie di mitigazione del movimento esistenti spesso si affidano a condizioni restrittive (ad esempio, periodi di stasi o ampiezze di movimento limitate) o a soluzioni hardware costose che sacrificano il campo visivo.

Metodologia
Gli autori propongono un framework completo di elaborazione del segnale utilizzando un radar FMCW (Frequency Modulated Continuous Wave) commerciale standard a singolo canale a 60 GHz in una configurazione 1 trasmettitore, 1 ricevitore (1T1R). Il sistema supera le suddette barriere attraverso tre tecniche algoritmiche sinergiche:

1. Criterio della Varianza dell'Energia Massima per la Selezione del Range-Bin:

   • Base Fisica: Sebbene la respirazione domini l'energia media, l'attività meccanica cardiaca (ballistocardiogramma) contiene transienti meccanici acuti che generano un'energia spettrale significativa fino a 20 Hz. Al contrario, la respirazione e il movimento corporeo casuale sono più fluidi e a frequenza più bassa su scale temporali brevi.
   • Meccanismo: Il sistema impiega finestre adattive sub-secondarie (0,05–1 s) per "congelare" il movimento macroscopico del corpo. All'interno di queste brevi finestre, la varianza dell'energia del battito cardiaco è significativamente più alta rispetto a quella della respirazione o del movimento corporeo. Un criterio di massima varianza dell'energia viene applicato per isolare in modo affidabile i range-bin dominati dal battito cardiaco, scartando efficacemente i bin dominati dalla respirazione che verrebbero selezionati dai metodi convenzionali basati sull'energia massima.

2. Differenziazione di Fase e Splicing Temporale dei Bin:

   • Differenziazione di Fase: Una volta selezionato il range-bin ottimale, viene applicata la differenziazione di fase ai dati "slow-time". Questa operazione rimuove il termine di range statico e attenua le interferenze a bassa frequenza derivanti dalla respirazione e dal movimento corporeo.
   • Splicing Temporale: Per risolvere il compromesso tra robustezza al movimento (che richiede finestre brevi) e risoluzione in frequenza (che richiede finestoli lunghe), i segmenti di fase differenziale provenienti da molteplici finestre brevi vengono concatenati (spliced) per sintetizzare un segnale continuo che copra una durata maggiore (ad esempio, 5 secondi).
   • Soppressione degli Artefatti: Un filtro mediana a 5 punti viene applicato al segnale splittato per sopprimere gli artefatti di phase-wrapping (picchi ad alta ampiezza) introdotti dal passaggio di differenziazione.

3. Stima Spettrale ad Alta Risoluzione (MUSIC):

   • L'algoritmo MUSIC (Multiple Signal Classification) viene impiegato sul segnale splittato. A differenza della FFT (Fast Fourier Transform), MUSIC separa gli spazi dei segnali e del rumore, consentendo la discriminazione di componenti in frequenza molto vicine. Ciò permette l'estrazione precisa della frequenza cardiaca anche quando è oscurata da armoniche respiratorie residue all'interno di una finestra di osservazione breve.

4. Analisi Adattiva:

   • Il sistema utilizza un framework adattivo in cui la lunghezza della finestra di selezione del bin viene regolata dinamicamente in base alla frequenza cardiaca stimata. Le frequenze cardiache più basse utilizzano finestre più lunghe per garantire una stima stabile della varianza, mentre quelle più alte utilizzano finestre più brevi per minimizzare l'influenza del movimento non stazionario.

Risultati Chiave
La validazione sperimentale è stata condotta su 10 partecipanti in 12 diversi scenari posturali e di movimento, inclusi diversi angoli di incidenza del radar, posizioni supine, decubito laterale e oscillazioni attive del corpo.

• Accuratezza: Il framework proposto ha raggiunto un errore percentuale medio assoluto (MAPE) complessivo del 4,4% in tutti gli scenari.
• Resilienza al Movimento: In condizioni di movimento significativo, il sistema ha mantenuto un errore massimo limitato al 5,4%.
• Confronto: L'integrazione del criterio della varianza dell'energia massima, dello splicing temporale e dell'analisi MUSIC ha ridotto significativamente i tassi di errore rispetto ai metodi convenzionali. Ad esempio, l'utilizzo di una finestra di stima della frequenza di 3 secondi ha aumentato il MAPE al 6,1%, mentre la finestra splittata di 5 secondi ha mantenuto prestazioni ottimali.
• Robustezza: Il criterio della massima varianza dell'energia con una finestra di 0,1 secondi ha dimostrato una stabilità di tracciamento superiore durante il movimento rispetto al criterio dell'energia massima, che ha mostrato una significativa instabilità e una selezione errata nelle stesse condizioni.

Significatività e Rivendicazioni
Il documento sostiene di presentare una soluzione pratica e scalabile per il monitoraggio della frequenza cardiaca senza contatto, rapido e resiliente al movimento. Spostando l'onere della robustezza al movimento dall'hardware (ad esempio, antenne a fascio stretto) agli algoritmi, il framework consente l'implementazione utilizzando kit radar commerciali standard a basso costo. Gli autori affermano che questo approccio facilita l'implementazione pratica di un monitoraggio dei segni vitali senza contatto, reattivo e su scala ambientale, in contesti non vincolati come abitazioni private, reparti clinici e strutture di assistenza per anziani, senza richiedere che i soggetti rimangano immobili. L'intero processo è puramente algoritmico e opera efficacemente su processori embedded standard, supportando così la visione di un monitoraggio dei segni vitali ubiquitario e multi-persona.