💻 computer science

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

Dit artikel introduceert "Multi-site PPG", een uitgebreide dataset uit de echte wereld die meer dan 350 uur fysiologische data omvat, verzameld van vier opkomende draagbare formfactoren (oorbel, ring, horloge en ketting) naast een referentie-ECG, die wordt gebruikt om methoden voor hartslagbepaling te benchmarken en aanzienlijke prestatievariaties tussen verschillende lichaamslocaties aan het licht te brengen.

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

Gepubliceerd 2026-05-19

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

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

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je je hartslag wilt meten, maar in plaats van alleen je pols te controleren (zoals de meeste smartwatches doen), besluit je sensoren tegelijkertijd op je oor, je vinger, je nek en je pols te dragen. Dat is precies wat dit artikel doet.

De onderzoekers creëerden een enorme nieuwe "bibliotheek" van hartdata genaamd Multi-site PPG. Hier is een eenvoudige uiteenzetting van wat ze deden en wat ze vonden, met behulp van alledaagse analogieën.

1. Het Probleem: De "Pols"-Flesnek

Zie je pols als een drukke, lawaaierige snelweg. Het is waar de meeste mensen horloges dragen, maar omdat je pols zo veel beweegt (typen, zwaaien, lopen), wordt het signaal voor je hartslag verward met "verkeerslawaai". Bovendien liggen de bloedvaten onder je polshuid diep, waardoor het signaal zwak is, alsof je probeert een fluistering door een dikke muur te horen.

De onderzoekers wilden zien of het dragen van sensoren op rustigere, "minder drukke" plekken op het lichaam het hartgeluid duidelijker zou laten horen.

2. Het Experiment: De "Vierkoppige" Draagbare

Om dit te testen, bouwden ze vier aangepaste, onopvallende gadgets die eruitzien als normaal sieraden:

Een Slimme Oorbel: Gedragen op het oorlelletje.
Een Slimme Ring: Gedragen op de vinger.
Een Slim Horloge: Gedragen op de pols (de controlegroep).
Een Slimme Ketting: Gedragen om de nek.

Ze vroegen 20 mensen om alle vier de apparaten tegelijkertijd te dragen terwijl ze hun normale dag doorbrachten – studeren, lopen, sporten en kletsen. Om ervoor te zorgen dat de data accuraat was, droeg iedereen ook een medische borstband (zoals een Polar H10) die fungeerde als de "waarheidsspreker" of de gouden standaard.

In totaal verzamelden ze meer dan 350 uur aan ruwe data. Het is alsof je een continue film van hartslagen opneemt vanuit vier verschillende hoeken, dagen achter elkaar.

3. De Resultaten: Wie Hoorde de Hartslag Het Best?

De onderzoekers testten verschillende computeralgoritmen (van simpele wiskundige trucs tot geavanceerde AI) om te zien hoe goed ze de hartslag uit de lawaaierige data konden raden. Ze vergeleken de gissingen met de "waarheidsspreker"-borstband.

Hier is de rangschikking, van beste naar slechtste:

De Oorbel (De VIP): Dit was de duidelijke winnaar. Het bereikte een foutmarge van slechts 2,3 slagen per minuut.
- Analogie: Stel je voor dat je probeert een liedje te horen in een stille kamer. Het oor zit dicht bij het hoofd, beweegt zeer weinig en heeft dunne huid. Het is alsof je een hoogwaardige microfoon direct naast de luidspreker hebt.
De Ring (De Tweede): Dit kwam op de tweede plaats met een fout van 5,1 slagen per minuut.
- Analogie: De vinger is ook geweldig omdat deze vol zit met bloedvaten (zoals een drukke rivier), maar hij beweegt iets meer dan het oor wanneer je je handen gebruikt.
Het Horloge (De Strijder): Het traditionele horloge had een fout van 8,4 slagen per minuut.
- Analogie: Dit is weer de lawaaierige snelweg. De pols beweegt te veel en het signaal is zwakker.
De Ketting (De Onstabiele): Dit had de hoogste fout met 8,7 slagen per minuut.
- Analogie: Een ketting hangt en zwaait. De sensor verliest vaak contact met de huid, alsof een radio het signaal verliest wanneer je rondloopt.

4. De "Beweging"-Factor

Het artikel keek ook naar hoe beweging de data beïnvloedt.

Stille Zones: Het oor en de nek bleven relatief stil, dus de data bleef schoon, zelfs wanneer mensen rondbewogen.
Actieve Zones: De vinger en de pols bewogen veel. Hoe meer de persoon bewoog, hoe moeilijker het voor de computer werd om de hartslag correct te raden.
De Oplossing: Ze ontdekten dat het toevoegen van bewegingssensoren (accelerometers) aan de ring en het horloge de computer hielp om het bewegingslawaai te "aftrekken", waardoor de hartslag-gissing iets beter werd. Voor het oor, dat nauwelijks beweegt, hielp het toevoegen van bewegingssensoren echter niet veel.

5. Het Maken van Signalen (Fusie)

De onderzoekers probeerden de data van meerdere apparaten te combineren om te zien of dit de voorspelling nog beter zou maken.

Twee is beter dan één: Het combineren van de data van de Oorbel en de Ring maakte de voorspelling iets nauwkeuriger dan alleen het gebruik van de Oorbel.
Vier is niet altijd beter: Verrassend genoeg maakte het combineren van alle vier apparaten het niet veel beter dan alleen het gebruik van de beste twee. Het is alsof je vier mensen een getal laat raden; als drie van hen wild raden, kan hun "gemiddelde" de goede gissing juist in de verkeerde richting trekken.

Samenvatting

Dit artikel is in wezen een publieke dataset (een enorme bibliotheek van hartslagen) die bewijst: Waar je je sensor draagt, is net zo belangrijk als de sensor zelf.

De Grote Les: Als je de meest nauwkeurige hartslag wilt zonder borstband, is het dragen van een sensor op je oor of vinger aanzienlijk beter dan het dragen ervan op je pols.
De Bijdrage: Ze hebben deze data en de code gratis beschikbaar gesteld zodat andere wetenschappers betere gezondheidsapps en apparaten kunnen bouwen die werken in de echte wereld, niet alleen in een stille labomgeving.

Opmerking: Het artikel richt zich strikt op het verzamelen van deze data en het testen hoe goed huidige algoritmen hierop werken. Het claimt niet dat deze apparaten klaar zijn voor medische diagnose of klinisch gebruik.

Technische Samenvatting: Multi-site PPG: Een Fysiologische Dataset 'In-the-Wild' van Opkomende Multi-site Draagbare Apparaten

Probleemstelling

Fotoplethysmografie (PPG) is een dominante sensormodaliteit voor hartslag- en fysiologische monitoring in draagbare apparaten. Echter, publieke "in-the-wild" PPG-datasets blijven grotendeels beperkt tot polsgerichte smartwatches of korte, gecontroleerde laboratoriumsessies. Sensing op basis van de pols staat voor inherente uitdagingen, waaronder bewegingsartefacten en een verslechterde optische signaalkwaliteit door dieper gelegen bloedvaten. Hoewel opkomende vormfactoren zoals slimme ringen, oorbellen en kettingen potentiële voordelen bieden (bijv. hogere perfusie in vingers/oorlellen, relatieve stabiliteit), is er een gebrek aan grootschalige, multi-site datasets die zijn verzameld tijdens natuurlijke dagelijkse activiteiten. Bestaande datasets richten zich óf op enkele apparaten, missen praktische alledaagse vormfactoren (bijv. door het gebruik van niet-standaard plaatsen zoals het borstbeen of de enkel), óf zijn beperkt tot gecontroleerde omgevingen, wat onderzoek naar robuuste, gegeneraliseerde fysiologische sensing over diverse typen draagbare apparaten belemmert.

Methodologie

Datasetverzameling en Hardware

De auteurs presenteren Multi-site PPG, een dataset verzameld van 20 deelnemers (19 vrouwen, 1 man; leeftijd 20–51) over meerdere dagen van dagelijkse activiteiten in stedelijke omgevingen. Het onderzoek gebruikte vier zelfontwikkelde, onopvallende draagbare apparaten:

Slimme Oorbellen: Gedragen op een gepiercete oorlel.
Slimme Ring: Gedragen op de vinger.
Smartwatch: Gedragen op de pols.
Slimme Ketting: Gedragen als hanger.

Alle apparaten delen een unificerend hardwareontwerp gebaseerd op een nRF52832 microcontroller, met integratie van een MAX30101 PPG-sensor (groene en infraroodkanalen), LIS2DW12 versnellingsmeter en HDC2010 temperatuursensor. Ze streamen data draadloos naar een smartphone-app. Voor de grondwahrheid droegen deelnemers een commerciële Polar H10 borstband die ECG opnam met 130 Hz.

Dataverwerking

De dataset wordt in twee formaten vrijgegeven:

Rauwe Dataset: Meer dan 350 uur van getimestampede, continue (hoewel potentieel onderbroken door Bluetooth-drops) data per apparaat, inclusief PPG (groen/IR), 3-assige versnelling en temperatuur.
Gefragmenteerde Dataset: Voorverwerkte, model-klaar data bestaande uit 8-seconden schuifvensters (1-seconde stapgrootte). Deze dataset sluit segmenten met slechte ECG-kwaliteit uit (bijv. losse bandcontact, hartslagen buiten 40–180 bpm) en aligneert draagbare apparaatdata met de Polar ECG-grondwahrheid. Deze bevat 229,66 tot 290,23 uur data per apparaat, met 190,95 uur waarin alle vier apparaten gelijktijdig actief waren.

Benchmarkprotocol

De auteurs evalueerden de prestaties van hartslagschatting met drie klassen van methoden tegen ECG-afgeleide grondwahrheid:

Heuristische Algoritmen: Zes traditionele signaalverwerkingsmethoden (bijv. NeuroKit, HeartPy, FFT).
Supervisie Modellen: Vijf neurale netwerkarchitecturen (1D ResNet, DCL, FCN, CNN-LSTM, Transformer).
Zelf-supervisie Modellen: Twee contrastieve leeraanpakken (SimCLR, BYOL).

De evaluatie werd uitgevoerd met een Leave-One-Subject-Out (LOSO) cross-validatieprotocol over 20 vouwen, waarbij de Gemiddelde Absolute Fout (MAE), Root Mean Square Error (RMSE) en Pearson-correlatie ( $\rho$ ) werden gemeten.

Belangrijkste Bijdragen

Eerste Groot-schalige 'In-the-Wild' Multi-site PPG Dataset: Het paper releaseert de eerste publieke, groot-schalige PPG-dataset die gelijktijdig is verzameld van vier verschillende, praktische draagbare vormfactoren (oorbel, ring, horloge, ketting) tijdens natuurlijke dagelijkse activiteiten. Het is de eerste dergelijke dataset voor slimme ringen, oorbellen en kettingen.
Body-locatie Benchmarking: Het onderzoek vestigt basisprestaties voor hartslagschatting over verschillende lichaamslocaties, waarbij significante prestatieverschillen worden blootgelegd.
Multi-site en Multimodale Analyse: De auteurs bieden initiële evaluaties van multi-site sensorfusie en PPG-versnellingsmeter-fusie, waarmee de bruikbaarheid van de dataset voor het bestuderen van complementaire sensormogelijkheden wordt aangetoond.

Resultaten

Prestaties over Lichaamslocaties

Er werden significante verschillen waargenomen in de nauwkeurigheid van hartslagschatting over de vier locaties, met de volgende best presterende MAE-resultaten (met het DCL supervisie model):

Oorbel: 2,30 bpm (Beste prestatie, vergelijkbaar met hoogwaardige labomgevingen).
Ring: 5,13 bpm (Vergelijkbaar met het 28-uurs $\tau$ -Ring dataset).
Horloge: 8,37 bpm (Consistent met WildPPG-resultaten).
Ketting: 8,68 bpm.

De oorbel en de ring presteerden consistent beter dan het horloge en de ketting, toegeschreven aan sterkere perfusie, betere optische koppeling en lagere bewegingsartefacten op die locaties.

Bewegingseffecten

Analyse toonde aan dat de fout in hartslagschatting (MAE) over het algemeen toeneemt met bewegingskracht over alle apparaten. Echter, de oorbel en ketting ondervonden lagere blootstelling aan beweging (91% van de vensters in lage-bewegingsbakken) in vergelijking met de ring en het horloge. De ring behield een betere nauwkeurigheid dan het horloge, zelfs bij hogere bewegingsniveaus, waarschijnlijk vanwege superieure signaalkwaliteit aan de vinger.

Fusiestrategieën

Multi-site Fusie: Het combineren van twee apparaten (bijv. Oorbel + Ring) verbeterde de MAE consistent ten opzichte van single-device baselines (bijv. het verminderen van de Oorbel MAE van 1,84 naar 1,82 bpm). Echter, het fuseren van alle vier apparaten leverde geen verdere winst op ten opzichte van de beste twee-apparaatcombinaties, wat suggereert dat lawaaierige locaties (horloge, ketting) variabiliteit kunnen introduceren wanneer ze worden gecombineerd met hoogwaardige signalen.
PPG-Versnellingsmeter Fusie: Het toevoegen van versnellingsmeterdata (z-as) bood consistente, zij het bescheiden, verbeteringen voor de ring en het horloge (bijv. Watch MAE verlaagd met ~0,3 bpm). Het voordeel was beperkt of gemengd voor de oorbel en ketting, wat aangeeft dat bewegingscontext het waardevolst is voor locaties die vatbaar zijn voor bewegingsartefacten.

Betekenis en Claims

Het paper claimt dat Multi-site PPG een kritieke kloof opvult in de beschikbaarheid van fysiologische data voor opkomende draagbare vormfactoren. Door een dataset te bieden die de variabiliteit van het dagelijks leven over verschillende lichaamslocaties vastlegt, maakt het mogelijk:

Robuuste Sensing Onderzoek: De ontwikkeling van modellen die generaliseren over vormfactoren en lichaamslocaties, verder gaand dan het polsgerichte paradigma.
Signaalkwaliteitsanalyse: De mogelijkheid om te karakteriseren hoe fysiologische signalen en bewegingsartefacten verschillen per locatie (bijv. oor versus pols).
Fusiestudies: Een fundament voor het onderzoeken hoe data van meerdere sensoren en modaliteiten optimaal kunnen worden gefuseerd om de betrouwbaarheid te verbeteren.

De auteurs benadrukken dat, hoewel de dataset toekomstig onderzoek ondersteunt, deze wordt vrijgegeven met specifieke beperkingen: een hoog aandeel vrouwelijke deelnemers (vanwege eisen voor oorbellen), een gebrek aan Fitzpatrick huidtype VI, en grondwahrheidlabels die zijn afgeleid via algoritmische verwerking (Pan-Tompkins) in plaats van handmatige annotatie. De dataset is bedoeld voor niet-commercieel onderzoek om robuuste, onopvallende fysiologische monitoring te bevorderen.