Non-Contact Heart Rate Estimation for Moving Subjects via aDual-Trajectory Hybrid Deep Framework

Imagine tentar ouvir um único batimento cardíaco em uma sala onde as paredes estão sacudindo, o chão está vibrando e uma multidão está se movimentando. Por décadas, os sensores médicos lutaram com esse exato problema quando dependem de contato. Se uma pessoa se move, o dispositivo escorrega, o sinal falha ou o movimento do corpo abafa o pequeno e rítmico pulsar do coração. Essa limitação manteve o monitoramento cardíaco contínuo e confortável fora do alcance de muitas situações cotidianas, desde caminhar em um hospital até exercitar-se em casa. Cientistas há muito buscam uma maneira de medir esses sinais vitais sem tocar a pele, usando ondas invisíveis que podem passar pelo ar para detectar a sutil ascensão e queda de um peito. O desafio sempre foi separar o sinal fraco de um coração batendo do ruído alto e caótico de um corpo em movimento.

Uma equipe de pesquisadores da Universidade do Noroeste em Xi'an desenvolveu uma nova abordagem para resolver este problema usando radar de ondas milimétricas, uma tecnologia que envia ondas de rádio inofensivas para detectar movimento. Seu método funciona em duas etapas distintas, agindo primeiro como um rastreador habilidoso e depois como um engenheiro de som sofisticado. Na primeira etapa, o sistema não simplesmente escolhe um ponto fixo para ouvir, o que falharia se a pessoa se afastasse desse ponto. Em vez disso, ele observa o movimento da pessoa através de um mapa de espaço e tempo, fundindo duas formas diferentes de rastrear seu caminho para encontrar a rota mais confiável. Uma vez que trava nesse caminho, ele extrai um fluxo bruto de dados que captura o movimento do peito, mesmo enquanto a pessoa está andando ou mudando de posição. Este passo é crucial porque garante que o sistema esteja ouvindo a pessoa certa, não o ruído de fundo ou um sinal fantasma causado pelo movimento.

A segunda etapa pega esse fluxo bruto e ruidoso e o limpa usando um modelo computacional especializado projetado para entender a forma de um batimento cardíaco. Este modelo divide o sinal em diferentes camadas de frequência, de forma muito semelhante à separação do baixo, da bateria e dos vocais em uma música, para isolar o ritmo específico do coração dos sons bruscos de caminhar ou dar passos. Ele então usa uma rede de aprendizado profundo para reconstruir uma forma de onda clara e suave do batimento cardíaco, efetivamente removendo a interferência que, de outra forma, tornaria a leitura impossível. Finalmente, o sistema compara essa forma de onda limpa contra um modelo conhecido para contar os batimentos por minuto. Os pesquisadores testaram este sistema em oito pessoas em um corredor fechado, fazendo-as ficar paradas, andar para frente e andar para trás, enquanto usavam uma pulseira inteligente para verificar a precisão.

Os resultados mostram que esta abordagem de dois estágios funciona de forma notável em situações dinâmicas onde métodos antigos falham. Quando os sujeitos estavam se movendo, as técnicas tradicionais de processamento de sinal produziam erros que eram frequentemente grandes e inconsistentes, com algumas estimativas errando a frequência cardíaca real por mais de vinte batimentos por minuto. Em contraste, o novo método manteve sua precisão, com um erro médio de pouco mais de dois batimentos por minuto. Em testes onde o sistema foi aplicado a diferentes ambientes, como uma sala de reuniões e um escritório movimentado, ele manteve um alto nível de precisão, com erros permanecendo abaixo de quatro batimentos por minuto mesmo quando várias pessoas estavam se movendo ao redor. Os pesquisadores descobriram que seu método superou vários outros modelos computacionais avançados e técnicas de filtragem padrão, provando que combinar um sistema de rastreamento inteligente com uma poderosa rede de reconstrução é um caminho viável a seguir.

Embora o estudo demonstre um progresso significativo, os autores observam que o sucesso atual deles depende de dados que criaram ao simular interferência de movimento em sinais limpos, e eles ainda não testaram o sistema em um grupo de pessoas massivo e diversificado no mundo real. Eles também apontam que o sistema atualmente funciona melhor com uma única unidade de radar e uma única pessoa, e que cenários complexos com muitas pessoas se movendo ainda apresentam desafios. No entanto, o achado central é claro: ao primeiro localizar o caminho correto de movimento e depois usar uma estrutura híbrida de aprendizado profundo para reconstruir o batimento cardíaco, é possível monitorar frequências cardíacas com precisão mesmo quando uma pessoa está em movimento. Este avanço sugere um futuro onde o monitoramento de sinais vitais pode ser verdadeiramente livre de contato e confiável, permitindo o rastreamento contínuo da saúde sem a necessidade de tiras, sensores ou fixação física ao corpo.