⚡ electrical engineering

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

Dit artikel introduceert een kosteneffectief Phonocardiogram-tracking (PhonoTrack)-systeem en een bijbehorende dataset die een niet-invasieve schatting van zowel hartslag als bloeddruk mogelijk maken uitsluitend aan de hand van PCG-signalen, waarbij hoge nauwkeurigheid wordt bereikt door geavanceerde signaalverwerking en semi-empirische modellering.

Oorspronkelijke auteurs: Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

Gepubliceerd 2026-05-25

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

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 je hart voor als een drukke, ritmische trommelmachine in je borstkas. Elke keer als het slaat, maakt het een specifiek "doef-doef"-geluid (de harttonen) en stuurt het een klein elektrisch vonkje (het elektrische signaal). Normaal gesproken hebben artsen dure apparatuur, plakdraden of een strakke manchet die je arm knijpt nodig om te controleren hoe snel je hart slaat of wat je bloeddruk is.

Dit artikel introduceert een nieuwe, goedkope uitvinding genaamd PhonoTrack. Denk hierbij aan een "slimme stethoscoop" die probeert je hartslag en bloeddruk te bepalen door alleen naar de trommelgeluiden te luisteren, zonder dat er elektrische draden of armmanchetten nodig zijn.

Hieronder wordt uitgelegd hoe ze dit deden, in eenvoudige bewoordingen:

1. De Opstelling: Het Bouwen van de "Slimme Oren"

De onderzoekers bouwden een eenvoudig apparaat met behulp van een standaard stethoscoopslang met een microfoon verborgen in het oorpiece. Ze bevestigden dit aan de borst van 15 gezonde vrijwilligers (allen mannen, tussen 18 en 50 jaar).

Het Doel: De "doef-doef"-geluiden van het hart (genaamd PCG) opnemen en vergelijken met een "gouden standaard" referentie.
De Referentie: Tegelijkertijd namen ze de elektrische signalen van het hart (ECG) op met standaard draden en maten ze de bloeddruk handmatig met een traditionele armmanchet. Dit was hun "antwoordenblad" om te zien of hun nieuwe apparaat correct was.

2. Het Signaal Schoonmaken: De "Ruisonderdrukking"-Koptelefoon

Hartgeluiden zijn vaak rommelig, alsof je probeert een fluistering te horen in een winderige kamer. De computer moest de opname schoonmaken.

Ze gebruikten een digitaal "zeefje" (genaamd Wavelet Denoising) om wind en statische ruis eruit te filteren, zodat alleen de duidelijke hartslagen overbleven.
Vervolgens gebruikten ze drie verschillende "wiskundige lenzen" om de pieken van de hartslagen te vinden:
1. Hilbert-transformatie: Als het sporen van de omtrek van een golf om de hoogte te zien.
2. Shannon-entropie: Als het harder zetten van het volume op de luidste delen van het geluid om de slagen op te laten vallen.
3. Wavelet-energiespectrum: Als het kijken naar een warmtekaart van het geluid om te zien waar de energie geconcentreerd is.

3. Het Tellen van de Slagen (Hartslag)

Zodra de geluiden schoon waren, telde de computer de "doefjes".

Het Resultaat: Het nieuwe apparaat was ongelooflijk nauwkeurig. Het kwam bijna perfect overeen met de "gouden standaard" elektrische draden.
De Score: Als de perfecte score 1,0 is, scoorde het apparaat 0,973 (met de Shannon-entropiemethode). Dit is als een student die een A+ haalt op een toets. Het verschil tussen het nieuwe apparaat en de gouden standaard was gemiddeld minder dan 2 slagen per minuut.

4. Het Gissen naar de Druk (Bloeddruk)

Dit is het lastige deel. Normaal gesproken heb je een manchet nodig om je arm te knijpen om de druk te meten. Dit apparaat probeerde de druk te raden door alleen te luisteren naar de vorm en het tijdstip van de hartgeluiden.

De Analogie: Stel je een drummer voor. Als ze harder en sneller op de trommel slaan, kan het geluid iets veranderen. De onderzoekers bouwden een "wiskundige vertaler" (een semi-empirisch model) die keek naar hoe lang de "doef" duurde, hoe snel deze steeg en hoe snel deze daalde. Ze voerden deze details in een formule in om de bloeddruk te raden.
Het Resultaat:
- Systolisch (Bovenste getal): De schatting kwam zeer dicht bij de werkelijke meting, met een correlatie van 0,89.
- Diastolisch (Onderste getal): De schatting was aardig, maar iets meer variabel, met een correlatie van 0,70.
- Opmerking: Het artikel geeft toe dat dit deel een "bewijs van concept" is. Het werkt goed in een stille labomgeving, maar het is nog niet perfect.

5. De Haken en Ogen (Beperkingen)

Het artikel is zeer eerlijk over wat het nog niet doet:

Kleine Groep: Ze testten alleen 15 mannen. Ze testten geen vrouwen, kinderen of oudere mensen.
Stille Kamer: De tests werden gedaan in een stil laboratorium. Ze hebben het niet getest terwijl iemand loopt, rent of in een drukke straat is.
Nog geen Arts: De auteurs stellen expliciet dat dit een prototype is. Het is nog niet klaar om de apparatuur van een arts in een ziekenhuis te vervangen of voor het diagnosticeren van hartziekten. Het is een "eerste stap" om te zien of een goedkoop, draagbaar apparaat kan werken.

Samenvatting

De onderzoekers bouwden een goedkoop, draagbaar apparaat dat naar je hart luistert. Ze bewezen dat door slimme wiskunde te gebruiken om het geluid schoon te maken, ze je hartslagen bijna net zo nauwkeurig kunnen tellen als dure medische draden. Ze toonden ook een veelbelovende (maar niet perfecte) manier om je bloeddruk te raden door alleen te luisteren. Het is een succesvol "labexperiment" dat suggereert dat er in de toekomst een tijd kan komen waarin je je hartgezondheid kunt controleren met een simpel, goedkoop gadget, maar er is meer testen met meer mensen nodig voordat het in de echte wereld gebruikt kan worden.

Technische Samenvatting: Uitgebreide Dataset en Signaalverwerkingskader voor Hartfrequentie- en Bloeddrukindicatie op Basis van Phonocardiogram

Probleemstelling

Cardiovasculaire ziekten (CVZ's) zijn een leidende oorzaak van wereldwijde sterfte, vaak "stille moordenaars" genoemd vanwege hun moeilijkheid om vroeg te detecteren. Hoewel geavanceerde beeldvorming (CT, CMRI) en multimodale monitoring (ECG gecombineerd met PPG) bestaan, ondervinden ze beperkingen wat betreft kosten, operationele complexiteit en draagbaarheid. Specifiek zijn ECG-PPG-systemen voor het schatten van Hartfrequentie (HF) en Bloeddruk (BD) via Pulse Arrival Time (PAT) vatbaar voor misalignering van elektroden en ontoereikend voor het detecteren van specifieke hartafwijkingen zoals geruisen. Bovendien vertrouwen bestaande Phonocardiogram (PCG)-studies vaak op complexe machinelearningmodellen die niet geschikt zijn voor draagbare apparaten, of ze slagen er niet in om zowel HF als BD gelijktijdig te schatten uitsluitend met PCG-signalen. Er is een kritieke behoefte aan een goedkoop, niet-invasief en draagbaar systeem dat continu cardiovasculaire monitoring mogelijk maakt met uitsluitend akoestische hartgeluiden.

Methodologie

1. Dataverwerving en Datasetconstructie

De auteurs ontwikkelden een aangepast, goedkoop "PhonoTrack"-systeem om gesynchroniseerde PCG- en Electrocardiogram (ECG)-signalen vast te leggen, samen met handmatige bloeddrukmetingen.

Hardware: Het PCG-signaal werd vastgelegd met een microfoon die in een standaard stethoscoopdiafragma was ingebouwd, verbonden met een iPad voor opname (44,1 kHz). Het ECG werd vastgelegd via een drie-afgeleide AD8232-sensormodule verbonden met een Arduino.
Protocol: Data werd verzameld van 15 gezonde mannelijke vrijwilligers (leeftijd 18–50) in een gecontroleerde binnenomgeving. Elke sessie duurde 60 seconden.
Grondwahrheid: HF werd gevalideerd tegen het ECG-signaal (R-toppen), en BD werd gevalideerd tegen handmatige sphygmomanometermetingen die direct voor en na de opnamesessie werden genomen.
Dataset: De resulterende dataset bevat 15 gesynchroniseerde PCG-ECG-opnames met gekoppelde manchet-BD-waarden, waardoor tijd-uitgelijnde data beschikbaar komt voor benchmarking.

2. Signaalverwerkingskader

De studie hanteert een unificerend kader van standaard Digitale Signaalverwerking (DSP)-technieken in plaats van complexe deep learning-modellen.

Hartfrequentie (HF) Indicatie:

Preprocessing: PCG-signalen ondergingen wavelet-gebaseerde ruisreductie (Daubechies db4, 8 niveaus) en normalisatie.
Hulling-Extractie: Drie distincte methoden werden gebruikt om de signaalhulling te extraheren om S1- en S2-harttonen te identificeren:
1. Hilbert-transformatie (HT): Extrahert de instantane amplitude.
2. Shannon-entropie (SE): Benadrukt hoog-energetische regio's om transiënte componenten te versterken.
3. Wavelet-energiespectrum (WES): Analyseert de energie-distributie over frequentiebanden.
Piekdetectie: Lokale maxima in de gladgestreken hulles (gefilterd met een 20 Hz laagdoorlaat-Butterworth-filter) werden geïdentificeerd als S1- en S2-pieken. Beperkingen werden toegepast (minimale piekafstand 0,125 s, minimale hoogte 15%) om valse detecties te voorkomen.
Berekening: HF werd afgeleid uit de gemiddelde S1–S1 (of S2–S2) intervallen.

Bloeddruk (BD) Indicatie:

Feature-extractie: Een set fysiologisch interpreteerbare timing-features werd geëxtraheerd uit de PCG-hulling, waaronder:
- Systolische ( $t_{sys}$ ) en diastolische ( $t_{dias}$ ) duur.
- Stijg- en vervaltijden voor S1 en S2.
- Piekduren van S1 en S2.
- Geschatte HF ( $HF_{pcg}$ ).
Modellering: Een semi-empirisch meervoudig regressiemodel werd ontwikkeld om deze features af te beelden op Systolische (SBP) en Diastolische (DBP) bloeddruk. Het model bevat lineaire, kwadratische en interactietermen.
Validatie: Het model werd geëvalueerd met behulp van subject-gewijze Leave-One-Subject-Out Cross-Validation (LOOCV) om generaliseerbaarheid te beoordelen en overfitting te voorkomen gezien de kleine steekproefgrootte.

Belangrijkste Bijdragen

PhonoTrack-systeem: Ontwikkeling van een kosteneffectief, draagbaar hardwareprototype dat gelijktijdige PCG- en ECG-verwerving mogelijk maakt.
Nieuwe Dataset: Introductie van een gesynchroniseerde PCG-ECG-dataset met gekoppelde handmatige BD-metingen van 15 proefpersonen, wat het gebrek aan tijd-uitgelijnde PCG-BP-grondwahrheid in bestaande literatuur aanpakt.
Algoritmisch Kader: Demonstratie dat standaard DSP-technieken (HT, SE, WES) gecombineerd met semi-empirische regressie effectief zowel HF als BD kunnen schatten uitsluitend uit PCG-signalen, waardoor de behoefte aan complexe multimodale sensoren of zware machinelearningmodellen wordt vermeden.
Uitgebreide Validatie: Rigoureuze evaluatie inclusief Pearson-correlatie, Root Mean Square Error (RMSE), Bland-Altman-analyse en Signal-to-Noise Ratio (SNR)-beoordeling.

Resultaten

Hartfrequentie Indicatie:

Alle drie de hulldetectiemethoden toonden sterke overeenstemming met ECG-afgeleide HF.
Shannon-entropie (SE) presteerde het beste, met een Pearson-correlatiecoëfficiënt ( $R$ ) van 0,973, een Mean Absolute Error (MAE) van 1,330 bpm en een RMSE van 1,688 bpm.
Hilbert-transformatie (HT) en Wavelet-energiespectrum (WES) bereikten $R$ -waarden van respectievelijk 0,965 en 0,955.
Bland-Altman-analyse bevestigde een lage systematische bias en nauwe overeenstemming binnen de 95%-grenzen van overeenstemming.

Bloeddruk Indicatie:

Het semi-empirische regressiemodel toonde een matige tot sterke correlatie met de grondwahrheid-BD.
Systolische BD (SBP): $R = 0,891$ , met een standaardafwijking van de fout van 2,10 mmHg.
Diastolische BD (DBP): $R = 0,700$ , met een standaardafwijking van de fout van 3,20 mmHg.
Onder subject-gewijze LOOCV leverde het model een SBP-RMSE van 9,89 mmHg en een DBP-RMSE van 11,05 mmHg op, wat de huidige beperkingen van het model aangeeft bij het generaliseren naar onbekende proefpersonen met de huidige kleine cohort.

Betekenis en Claims

Het artikel positioneert het PhonoTrack-systeem als een veelbelovend proof-of-concept voor niet-invasieve, continue cardiovasculaire monitoring. De auteurs claimen dat hun aanpak een goedkoop, draagbaar en single-sensor alternatief biedt voor complexe multimodale systemen (ECG+PPG) of dure beeldvormingstechnieken.

Echter, de auteurs handhaven een bescheiden en voorzichtige houding met betrekking tot klinische gereedheid:

Zij stellen expliciet dat de bevindingen voorlopig zijn en gebaseerd op een kleine, homogene cohort (15 gezonde mannen).
Zij erkennen dat de huidige resultaten onvoldoende zijn om claims te ondersteunen die gerelateerd zijn aan klinische implementatie, routinematige screening of beoordeling van cardiovasculaire ziekten.
De studie benadrukt dat het semi-empirische model dient als een baseline, en dat toekomstig werk grotere, diversere populaties (inclusief vrouwen en diverse leeftijd/BMI-groepen) en real-world omstandigheden (beweging, ruis) moet omvatten om bredere generaliseerbaarheid vast te stellen.

Kortom, het artikel valideert de haalbaarheid van het gebruik van PCG-only signalen voor HF- en BD-indicatie met standaard signaalverwerking, en legt de basis voor de toekomstige ontwikkeling van betaalbare draagbare hartmonitoren, terwijl het duidelijk de kloof aangeeft tussen huidige experimentele resultaten en klinische toepassing.