Machine-learning for photoplethysmography analysis: Benchmarking feature, image, and signal-based approaches

Deze studie toont aan dat diepe neurale netwerken, en met name moderne convolutie-neurale netwerken, die op ruwe PPG-signaaldata werken, superieure resultaten behalen voor bloeddruk- en atriumfibrilleren-predictie ten opzichte van benaderingen gebaseerd op handmatige kenmerken of afbeeldingen.

De kern

De PPG-Scan: Een Simpele Uitleg van de Machine Learning-studie

Stel je voor dat je pols een kleine, onzichtbare camera is die de stroom van je bloed fotografeert. Dit noemen we PPG (fotoplethysmografie). Het is dezelfde technologie die in je slimme horloge zit. Als je hart klopt, stroomt er een golfje bloed door je pols, en dat horloge ziet dat als een lichte verandering in de kleur van je huid.

Deze studie is als een grote keuring voor slimme horloges. De onderzoekers wilden weten: Wat is de beste manier om deze bloedgolven te analyseren om twee belangrijke dingen te voorspellen: je bloeddruk en of je een hartritmestoornis (boezemfibrilleren) hebt?

Ze hebben drie verschillende "detective-methoden" getest:

1. De Drie Detectives (De Methoden)

De onderzoekers hebben drie teams ingezet om de data te analyseren:

• Team "De Ingenieur" (Kenmerken):
  Deze teamleden kijken naar de golfjes en proberen handmatig specifieke dingen op te meten, zoals "hoe hoog is de piek?" of "hoe lang duurt het tussen twee slagen?". Het is alsof ze een meetlat en een stopwatch gebruiken. Ze proberen de data te vertalen naar simpele cijfers die een arts begrijpt.

  • Voordeel: Je snapt precies wat ze doen.
  • Nadeel: Ze missen soms de fijne details die niet in hun meetlat passen.

• Team "De Kunstcriticus" (Afbeeldingen):
  Deze teamleden nemen de golfjes en zetten ze om in een plaatje, bijvoorbeeld een spectrogram (een soort kleurrijke kaart van geluidsgolven). Vervolgens laten ze een kunstmatige intelligentie (die gewend is om foto's van katten en auto's te herkennen) naar deze plaatjes kijken om patronen te vinden.

  • Voordeel: Ze kunnen complexe patronen zien die in een lijn niet zichtbaar zijn.
  • Nadeel: Het is een omweg; je moet eerst de data omzetten.

• Team "De Raw Data Expert" (Ruwe Golfjes):
  Dit team geeft de computer de originele, ruwe golflijnen direct door. Ze laten de computer (een diep neurale netwerk) zelf beslissen wat belangrijk is, zonder dat mensen eerst meetlatjes hebben opgelegd. Het is alsof je een baby de taal leert spreken door direct met hem te praten, in plaats van eerst een woordenboek te laten lezen.

  • Voordeel: De computer ziet alles, inclusief de subtiele details die mensen over het hoofd zien.
  • Nadeel: Het is een "zwarte doos"; we weten niet altijd precies waarom de computer een bepaalde conclusie trekt.

2. De Wedstrijd: Bloeddruk en Hartslag

De onderzoekers hebben deze drie teams laten strijden in twee scenario's:

• Scenario A: Bloeddruk meten (Regressie)
  Hier moeten ze een getal voorspellen (bijv. 120/80).

  • Het resultaat: Team Raw Data Expert won overtuigend. De "Ingenieurs" (Team 1) deden het vaak slecht, vooral als ze probeerden de bloeddruk te voorspellen bij mensen die ze nog nooit hadden gezien. De computer die direct naar de ruwe golfjes keek, was het meest accuraat.
  • Interessant detail: Als de computer wel al een keer een patiënt had gezien (en zich zijn signaal kon herinneren), deed hij het nog beter. Maar voor nieuwe patiënten was de "Raw Data" methode nog steeds de beste.

• Scenario B: Hartritmestoornis opsporen (Classificatie)
  Hier moeten ze zeggen: "Ja, dit is een probleem" of "Nee, alles is goed".

  • Het resultaat: Ook hier won Team Raw Data Expert. De moderne AI-modellen (diep neurale netwerken) die direct naar de golfjes keken, waren het snelst en meest betrouwbaar.
  • Opmerkelijk: Team "Kunstcriticus" (de plaatjes) deed het verrassend goed, bijna net zo goed als de winnaars. Maar Team "Ingenieur" (handmatige metingen) deed het vaak slecht, vooral als de data ruis of storingen bevatte.

3. De Grote Les (Conclusie)

De belangrijkste boodschap van dit onderzoek is als volgt:

Laat de computer zelf leren.

Vroeger dachten wetenschappers dat we eerst de data moesten "opkuisen" en in meetbare stukjes moeten verdelen (zoals Team 1 deed) voordat een computer het kon begrijpen. Deze studie laat zien dat moderne AI (diep neurale netwerken) veel slimmer is. Als je ze de ruwe, onbewerkte data geeft, kunnen ze zelf de beste patronen vinden, zelfs als die patronen heel subtiel zijn.

Een simpele analogie:
Stel je wilt een expert zijn in het herkennen van een goed kookgerecht.

• Team 1 zegt: "Ik tel het aantal gram zout, de lengte van de wortels en de temperatuur van de pan."
• Team 2 zegt: "Ik maak een foto van het gerecht en laat een kunstkenner die foto bekijken."
• Team 3 zegt: "Ik proef gewoon het eten en laat mijn smaakpapillen (de AI) beslissen of het lekker is."

De studie zegt: Team 3 is de winnaar. De computer kan beter proeven (analyseren) dan wij kunnen meten.

Waarom is dit belangrijk?

Dit betekent dat de slimme horloges van de toekomst waarschijnlijk nog nauwkeuriger zullen worden. Ze hoeven niet meer afhankelijk te zijn van complexe, handmatige formules. Ze kunnen gewoon de ruwe data van je pols "luisteren" en zelf de diagnose stellen. Dit maakt medische apparaten betrouwbaarder voor het dagelijks leven, zodat we onze gezondheid beter kunnen bewaken zonder dat we een arts hoeven te bezoeken voor elke meting.

Technische samenvatting

Probleemstelling

Fotoplethysmografie (PPG) is een niet-invasieve meetmethode die veel wordt gebruikt in draagbare gezondheidsapparaten (zoals smartwatches) voor het monitoren van fysiologische parameters. Hoewel machine learning (ML) en deep learning steeds vaker worden toegepast om PPG-data te analyseren voor taken zoals bloeddrukmeting (BP) en het detecteren van boezemfibrillatie (AF), ontbreekt er een systematische vergelijking tussen verschillende benaderingen.

Bestaande studies vergelijken vaak modellen die werken op één type invoer (bijvoorbeeld alleen ruwe signalen of alleen handgemaakte kenmerken) of vergelijken resultaten met eerdere literatuur zonder identieke experimentele opstellingen. Dit maakt het moeilijk om te bepalen welke invoerrepresentatie (ruwe tijdreeks, handgemaakte kenmerken of afbeeldingen) en welk modelarchitectuur het meest robuust en effectief is voor verschillende klinische toepassingen.

Methodologie

De auteurs voerden een uitgebreide benchmarkstudie uit om deze kennislacune op te vullen. Ze vergeleken drie soorten invoerrepresentaties over twee prototypische klinische taken:

1. Regressie: Schatting van de bloeddruk (systolisch en diastolisch).
2. Classificatie: Detectie van boezemfibrillatie (AF).

Datasets:

• VitalDB: Gebruikt voor bloeddruk-schatting. De auteurs splitsten de data in twee scenario's:
  • Calib: Calibratie mogelijk (testset bevat dezelfde patiënten als de trainset).
  • CalibFree: Geen calibratie mogelijk (testset bevat volledig nieuwe, onbekende patiënten). Dit is een strengere test voor generalisatie.
• DeepBeat: Gebruikt voor AF-detectie. De auteurs creëerden een nieuwe, gebalanceerde data-split om vertekening door overlapping en ongelijke verdeling in de originele dataset te voorkomen.

Invoerrepresentaties:

1. Ruwe tijdreeksen (Time-series): Directe invoer van het PPG-signaal (125 Hz of 32 Hz).
2. Kenmerkgebaseerd (Feature-based): Handgemaakte, klinisch interpreteerbare kenmerken (bijv. puls-morfologie, variabiliteit van hartslagintervallen) en wavelet-transformaties, gevoed aan traditionele ML-modellen (MLP, GPR).
3. Afbeeldinggebaseerd (Image-based): Conversie van het signaal naar 2D-afbeeldingen via Continuous Wavelet Transform (CWT) of Short-Time Fourier Transform (STFT), gevolgd door beeldherkenningsmodellen (ResNet).

Modellen:
Er werd een breed scala aan state-of-the-art modellen getest, variërend van eenvoudige netwerken (LeNet, MiniRocket) tot complexe deep learning architecturen (XResNet, Inception, TCN, Transformers, PPNet). Alle modellen werden vanaf nul getraind met geoptimaliseerde hyperparameters.

Evaluatie:

• BP: Gemiddelde Absolute Fout (MAE), Mean Absolute Scaled Error (MASE), Bland-Altman analyse en IEEE 1708a-2019 gradaties.
• AF: AUC, F1-score, Sensitiviteit, Specificiteit en Matthews Correlation Coefficient (MCC).
• Statistiek: Bootstrap-analyses (1000 iteraties) om statistische significantie van prestatieverschillen te bepalen.

Belangrijkste Bijdragen

1. Vergelijkende Benchmark: De eerste studie die een "like-for-like" vergelijking biedt tussen signal-, feature- en image-based benaderingen voor PPG-analyse op grote schaal.
2. Validatie van Architecturen: Systematische evaluatie van diverse deep learning architecturen (CNNs, RNNs, Transformers) op specifieke PPG-taken.
3. Scenario-analyse: Onderscheid maken tussen generalisatie naar nieuwe patiënten (CalibFree) versus prestaties binnen bekende patiënten (Calib), wat cruciaal is voor de praktische toepasbaarheid.
4. Openbare Code: De volledige implementatie is beschikbaar gesteld om reproduceerbaarheid te waarborgen.

Resultaten

Algemene bevindingen:

• Ruwe tijdreeksen winnen: In beide taken (BP en AF) leverden deep neural networks die werken op ruwe tijdreeksen over het algemeen de beste resultaten op.
• CNNs zijn superieur: Binnen de categorie van ruwe tijdreeksen presteerden diepe Convolutional Neural Networks (CNNs), specifiek XResNet en Inception varianten, het beste.
• Complexiteit vs. Generalisatie:
  • Bij het Calib-scenario (bekende patiënten) presteerden zeer complexe modellen (zoals XResNet1d101) het beste, waarschijnlijk door het "leren" van patiënt-specifieke patronen.
  • Bij het CalibFree-scenario (onbekende patiënten) presteerden kleinere of lichtere modellen (zoals LeNet1d of XResNet50) soms beter of gelijkwaardig aan de zware modellen, wat aangeeft dat generalisatie hier belangrijker is dan het memoriseren van patronen.
• Kenmerken en Afbeeldingen:
  • Kenmerkgebaseerde modellen (Feature-based) presteerden over het algemeen slechter dan deep learning-modellen op ruwe data, vooral in het Calib-scenario. Ze waren echter competitief in het CalibFree-scenario voor BP-schatting.
  • Afbeeldinggebaseerde modellen (CWT/STFT) deden het verrassend goed en waren soms concurrerend met ruwe tijdreeks-modellen, maar overtroffen deze zelden.
• Transformers: Modellen zoals iTransformer en TimesNet presteerden niet significant beter dan de CNN-baselines, wat suggereert dat voor deze specifieke datasets de voordelen van transformer-architecturen beperkt zijn.

Specifieke prestaties:

• Bloeddruk (BP): De beste modellen (XResNet1d50+GNLL) bereikten op het Calib-scenario ongeveer 48% van de systolische schattingen binnen de hoogste IEEE-gradering (fout ≤ 5 mmHg). Echter, de Bland-Altman analyse toonde aan dat er nog steeds sprake is van aanzienlijke variabiliteit op individueel niveau.
• Boezemfibrillatie (AF): De beste modellen bereikten een AUC van 0,85 en een F1-score van 0,69-0,72. Dit is een verbetering ten opzichte van eerdere publicaties over dezelfde dataset.

Betekenis en Conclusie

De studie biedt praktische richtlijnen voor ontwikkelaars van PPG-toepassingen:

1. Aanbeveling: Voor nieuwe taken is het gebruik van moderne CNN-architecturen (zoals XResNet) op ruwe tijdreeksen de veiligste en meest robuuste keuze.
2. Interpreteerbaarheid vs. Prestatie: Hoewel kenmerkgebaseerde modellen klinisch interpreteerbaar zijn, bieden deep learning-modellen op ruwe data superieure prestaties. Er is een fundamentele afweging tussen modelcomplexiteit en klinische transparantie.
3. Robuustheid: De auteurs wijzen erop dat de huidige datasets (vooral VitalDB) weinig bewegingsartefacten bevatten (opname in operatiekamers), wat de prestaties mogelijk optimistisch maakt vergeleken met real-world draagbare scenario's.
4. Toekomstperspectief: Er is behoefte aan onderzoek naar out-of-distribution generalisatie, robuustheid tegen ruis, en het gebruik van self-supervised pre-training (foundation models) om de prestaties verder te verbeteren.

Kortom, deze studie bevestigt dat deep learning op ruwe PPG-data de huidige state-of-the-art is voor zowel bloeddruk-schatting als AF-detectie, maar benadrukt dat de keuze van het model moet worden afgestemd op het specifieke generalisatie-scenario (bekende vs. onbekende patiënten).