⚡ electrical engineering

A Signal Extraction Approach for Remote Heart Rate Variability Assessment Using Proxy Measure in a Driving Simulator

Este estudo avalia algoritmos de fotopletismografia remota para avaliação da variabilidade da frequência cardíaca em um simulador de direção, demonstrando que a combinação dos métodos 2SR e CHROM com aprimoramento de picos baseado em norma Lp e 20 regiões de superpixels produz métricas de frequência de pulso e de variabilidade da frequência cardíaca clinicamente precisas, comparáveis ao ECG, apesar de artefatos de movimento.

Autores originais: {\DJ}or{\dj}e D. Nešković, Nadica Miljković

Publicado 2026-05-26

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: {\DJ}or{\dj}e D. Nešković, Nadica Miljković

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está sentado em um simulador de direção, segurando o volante e navegando por uma neblina virtual. Normalmente, para verificar como seu coração reage ao estresse da condução, um médico teria que colar eletrodos em seu peito ou prender um sensor em seu dedo. Isso pode ser desconfortável, distrativo e bagunçado.

Este artigo propõe uma solução muito mais limpa: basta usar uma câmera.

Os pesquisadores desenvolveram um sistema que atua como um "estetoscópio digital", usando apenas uma câmera de vídeo padrão apontada para o seu rosto. Aqui está como eles fizeram isso, explicado de forma simples.

A Ideia Central: Ler o Pulso a partir de um Vídeo

Quando seu coração bate, ele bombeia sangue pelo seu corpo. Mesmo que você não possa ver, essa onda de sangue altera ligeiramente a cor da sua pele — tornando-a um pouquinho mais vermelha a cada batida. Uma câmera comum vê isso como um piscar de luz, mas nossos olhos são muito lentos para notar.

Os pesquisadores escreveram um programa de computador que observa o vídeo do seu rosto e procura essas pequenas mudanças de cor invisíveis. É como tentar ouvir um sussurro em um quarto barulhento; o "sussurro" é sua batida cardíaca e o "ruído" é você movendo a cabeça, o carro tremendo ou as luzes mudando.

A Receita: Como Eles Limparam o Sinal

Para obter uma leitura clara, a equipe teve que resolver três grandes problemas:

Onde olhar? Em vez de olhar para o rosto inteiro (que inclui cabelo, olhos e boca, que não pulsam bem), eles dividiram o rosto em pequenas peças de quebra-cabeça chamadas "Superpixels". Eles testaram o uso de 10 peças versus 20 peças. Descobriram que olhar para as bochechas (especialmente a esquerda) era como encontrar o melhor microfone para a batida cardíaca.
Como filtrar o ruído? Eles usaram quatro "receitas" matemáticas diferentes (chamadas de algoritmos como 2SR, CHROM, POS e PCA) para separar o sinal da batida cardíaca do ruído de movimento. Pense neles como diferentes tipos de fones de ouvido com cancelamento de ruído.
Como fazer os picos se destacarem? O sinal da batida cardíaca é uma linha ondulada. Para contar as batidas, o computador precisa identificar os "picos" das ondas. Os pesquisadores inventaram duas novas maneiras de afiar esses picos:
- A "Norma Lp" (O Apertamento): Imagine apertar uma esponja molhada. Este método aperta o sinal para fazer os grandes picos (as batidas cardíacas reais) se destacarem mais, enquanto esmaga as pequenas e bagunçadas saliências (ruído).
- A "Derivada Fracionária" (O Lápis de Afiar): Isso é como usar um lápis para contornar um desenho, tornando as linhas mais nítidas. No entanto, o artigo alerta que este método pode às vezes deslocar ligeiramente o tempo dos picos, tornando-o complicado para medições precisas de tempo.

O Teste de Direção

Eles testaram isso em 29 pessoas em um simulador de direção. Os participantes ficaram parados primeiro (Linha de Base), depois dirigiram em uma estrada virtual e, finalmente, dirigiram através de um episódio súbito e assustador de neblina para estressá-los.

Os Resultados:

Frequência Cardíaca: O sistema baseado em câmera foi surpreendentemente preciso. Geralmente, estava dentro de 2 batidas por minuto dos sensores médicos padrão-ouro (ECG). Isso é bom o suficiente para um médico confiar.
Variabilidade Cardíaca (HRV): Esta é uma maneira sofisticada de medir o quanto sua frequência cardíaca acelera e desacelera, o que nos diz sobre seus níveis de estresse. O sistema de câmera também pôde medir isso com precisão, correspondendo de perto aos sensores médicos.
Movimento: Mesmo quando os motoristas moviam a cabeça ou o carro tremia, o sistema continuou funcionando, principalmente porque tinha uma etapa de "controle de qualidade". Se um segmento de vídeo estivesse muito tremido ou borrado, o computador simplesmente o descartava e não o usava para o cálculo.

O Veredito: O Que Funciona Melhor?

O artigo conclui com uma recomendação específica para qualquer pessoa tentando construir esse tipo de sistema:

Para contar a frequência cardíaca (Pulso): Use o algoritmo 2SR combinado com o método de "Apertamento" (Norma Lp) e observe 20 peças de quebra-cabeça do rosto.
Para medir estresse/variabilidade (HRV): Use o algoritmo CHROM com o método de "Apertamento" (Norma Lp).

O Problema (Limitações)

O artigo é honesto sobre suas falhas:

Posição da Cabeça: Se você olhar muito para baixo ou cobrir o rosto com a mão, a câmera não consegue encontrar seu rosto e o sistema falha.
Tom de Pele: O estudo usou apenas pessoas com pele clara. A câmera pode ter dificuldade com tons de pele mais escuros, pois as mudanças de cor são mais difíceis de ver.
Batidas Ruins: Se uma pessoa tiver uma batida cardíaca irregular (uma batida perdida ou um "glitch"), o sistema de câmera pode ficar confuso e contá-la como ruído em vez de um evento cardíaco real.

Resumo

Este artigo prova que você não precisa de fios ou adesivos para monitorar o coração de um motorista. Uma câmera simples, combinada com matemática inteligente para limpar o sinal, pode dizer quão rápido seu coração está batendo e o quão estressado você está, mesmo enquanto você dirige um carro. É como dar ao carro um par de olhos que pode "ouvir" sua batida cardíaca através da sua pele.

Resumo Técnico: Uma Abordagem de Extração de Sinal para Avaliação Remota da Variabilidade da Frequência Cardíaca Usando Medida Proxy em um Simulador de Direção

Declaração do Problema
A monitorização convencional da Variabilidade da Frequência Cardíaca (VFC) depende de sensores baseados em contacto (por exemplo, ECG, PPG vestível), que podem interferir com posturas de condução naturais, causar desconforto e introduzir artefactos de movimento durante interações de direção. Embora a Fotopletismografia Remota (rPPG) ofereça uma alternativa sem contacto ao extrair sinais cardíacos de vídeo facial, enfrenta desafios significativos em ambientes dinâmicos como simuladores de direção. Estes desafios incluem baixas relações sinal-ruído (SNR) causadas por movimento da cabeça, iluminação variável e expressões faciais, que frequentemente obscurecem as subtis mudanças de cor periódicas associadas ao volume sanguíneo. Além disso, a investigação existente sobre rPPG foca-se frequentemente na estimativa da Frequência Cardíaca (PR), com validação menos abrangente dos parâmetros de VFC (SDNN, RMSSD) e da precisão da deteção do Intervalo Inter-Batimento (IBI) sob condições de condução realistas.

Metodologia
O estudo avalia um pipeline de processamento rPPG abrangente aplicado a um conjunto de dados de 29 participantes registados num simulador de direção baseado em movimento (DS) sob condições de linha de base (BSL) e condução em autoestrada (incluindo um episódio de nevoeiro denso). A metodologia envolve:

Seleção da Região de Interesse (ROI): A região facial é decomposta em sub-regiões de SuperPixel (SP) utilizando o algoritmo de Agrupamento Iterativo Linear Simples (SLIC). Duas configurações foram testadas: 10 e 20 SPs. Um pipeline hierárquico envolvendo deteção Viola-Jones, refinamento geométrico e rastreamento de fluxo ótico Lucas-Kanade garante correspondência espacial entre quadros.
Extração de Sinal: Quatro algoritmos rPPG estabelecidos foram aplicados: Rotação de Subespaço Espacial (2SR), Método baseado em Crominância (CHROM), Plano-Ortogonal-à-Pele (POS) e Análise de Componentes Principais (PCA).
Qualidade e Limpeza de Sinal: Foi empregue um critério de seleção em duas etapas. Primeiro, segmentos com uma Relação Sinal-Ruído (SNR) abaixo de -17 dB (calculada na faixa de 0,7–3 Hz) foram descartados. Segundo, a região SP ótima foi selecionada com base no menor Erro Absoluto Médio (MAE) em relação ao ECG de referência, seguido pela maior SNR.
Realce de Pico: Duas técnicas de realce inovadoras foram introduzidas para melhorar a proeminência do pico:
- Norma Lp: Aplicada através de uma janela deslizante (4 amostras) com valores de $p$ variando de 1 a 9.
- Derivada de Ordem Fracionária de Grünwald–Letnikov (GL FOD): Aplicada com ordens fracionárias variando de 1,0 a 3,0.
- Os sinais foram posteriormente processados com filtragem passa-banda de Chebyshev Tipo II e suavização com janela de Hann antes da deteção de picos.
Avaliação: O desempenho foi avaliado contra um ECG de referência simultâneo de 1000 Hz. As métricas incluíram precisão da PR (MAE, RMSE), precisão dos parâmetros de VFC (SDNN, RMSSD) e desempenho de deteção de IBI (Precisão, Recuperação, pontuação F1) sob três critérios de tolerância temporal (Estrito: 250 ms, Médio: 350 ms, Relaxado: um pico por intervalo RR). A análise estatística (testes t, Mann-Whitney U) comparou as condições BSL e DS.

Principais Contribuições

Extensão para VFC: O estudo estende a avaliação rPPG para além da PR para incluir parâmetros de VFC clinicamente relevantes (SDNN, RMSSD) e alinhamento batimento-a-batimento num ambiente de condução dinâmico.
Realce de Pico Inovador: A introdução e avaliação comparativa da norma Lp e da GL FOD como estratégias de realce de pico especificamente para sinais rPPG.
Identificação de Configuração Ótima: A identificação de intervalos de parâmetros específicos que produzem resultados robustos: $p \approx 6–7$ para a norma Lp e ordens fracionárias de $1,0–1,4$ para a GL FOD.
Benchmarking Abrangente: Uma comparação rigorosa de quatro algoritmos rPPG (2SR, CHROM, POS, PCA) através de duas configurações espaciais (10 vs. 20 SPs) e dois estados de condução, validados contra ECG de verdade absoluta.

Resultados

Frequência Cardíaca (PR): O método 2SR combinado com GL FOD e 20 regiões SP alcançou o menor MAE de $1,92 \pm 1,72$ bpm sob condições de condução. Todas as configurações alcançaram precisão clinicamente aceitável (erros geralmente dentro de $\pm 5$ bpm).
Parâmetros de VFC: O melhor MAE para SDNN foi de $0,061$ s e para RMSSD foi de $0,081$ s. Embora a estimativa de VFC seja mais sensível a erros de localização de pico do que a PR, o quadro reproduziu com sucesso a estrutura estatística do ECG de referência.
Detecção de IBI: Sob o critério "Relaxado", a pontuação F1 atingiu 0,93. Os métodos 2SR e CHROM consistentemente superaram POS e PCA.
Comparação de Métodos:
- 2SR foi recomendado para estimativa de PR.
- CHROM combinado com a norma Lp foi preferido para estimativa de VFC (SDNN/RMSSD).
- PCA mostrou a maior taxa de rejeição de segmentos devido à sensibilidade à variância do ruído.
Significância Estatística: O pipeline detetou com sucesso o aumento estatisticamente significativo na PR/Frequência Cardíaca entre as condições BSL e DS ( $p < 0,01$ ), espelhando o ECG de referência. No entanto, nem o ECG de referência nem os métodos derivados de rPPG detetaram uma diferença significativa em SDNN ou RMSSD entre as condições, indicando que o pipeline preserva a estrutura estatística subjacente dos dados.
Limitações Observadas: O método GL FOD foi notado por introduzir mudanças lentas na forma de onda rPPG, potencialmente causando problemas de deslocamento de pico para deteção de IBI. O estudo também notou que falhas na deteção facial (devido à orientação da cabeça) foram a causa principal de perda de dados.

Significância e Alegações
Os autores afirmam que o quadro proposto demonstra a viabilidade de monitorização autonómica totalmente sem contacto em ambientes dinâmicos, estendendo as capacidades da rPPG para além de configurações laboratoriais controladas. O estudo fornece orientação metodológica para investigadores, sugerindo que, embora o 2SR seja ótimo para PR, o CHROM com norma Lp é superior para estimativa de VFC em simuladores de direção. O artigo enfatiza que o sistema pode reproduzir fiavelmente a estrutura estatística da atividade do sistema nervoso autónomo, tornando-o uma alternativa não invasiva viável para sistemas de monitorização de condutores focados na segurança rodoviária e interação humano-máquina. Os autores alertam explicitamente que, embora o método seja robusto para PR e tendências gerais de VFC, deve ser tomado cuidado com a FOD para deteção precisa de IBI devido a problemas de morfologia da forma de onda, e o quadro atual ainda não é suficientemente sensível para detetar batimentos patológicos (por exemplo, sístoles extras).