tsta

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

بهبود تخمین ضربان قلب در دستگاه‌های پوشیدنی تجاری با استفاده از فیلتر کالمن و مدل‌های رگرسیون

Authors :

میلاد رضایی ارجمند¹ تانیا حسین خانی² امیرحسین تجرد³ علیرضا طالش جفادیده⁴ اصغر زارعی⁵

1- دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران 2- دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران 3- دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران 4- دانشگاه تهران دانشکده علوم مهندسی 5- دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران

Keywords :

الکتروکاردیوگرام،پایش ضربان قلب،حسگر نوری،دستگاه‌های پوشیدنی،مدل‌های رگرسیونی،نشانگرهای زیستی دیجیتال،یادگیری عمیق

Abstract :

برای تشخیص سریع اختلالات و جلوگیری از مشکلات قلبی، پایش مداوم و دقیق ضربان قلب (HR) یک اقدام حیاتی است. در سال‌های اخیر، دستگاه‌های پوشیدنی هوشمند به دلیل ماهیت غیرتهاجمی و قابلیت استفاده طولانی‌مدت، توجه فراوانی در حوزه‌های پژوهشی و بالینی به خود جلب کرده‌اند. با این وجود، میزان دقت این ابزارها در مقایسه با سیگنال مرجع ECG همچنان محل تردید باقی مانده است. در این مطالعه، مقادیر HR تخمین‌زده‌شده توسط شش دستگاه پوشیدنی شامل Apple Watch، Fitbit، Xiaomi Mi Band، Garmin، Empatica E4 و Biovotion Everion با مقادیر مرجع حاصل از ECG هم‌زمان‌سازی و مقایسه شدند. برای کاهش نویزهای مزاحم، از جمله نویز حرکتی، فیلتر کالمن بر سیگنال‌های خام اعمال گردید و خروجی پالایش‌شده به سه مدل رگرسیونی ارائه شد. آموزش و ارزیابی مدل‌ها با بهره‌گیری از اعتبارسنجی متقابل صورت گرفت و عملکرد آن‌ها بر اساس شاخص‌های میانگین قدرمطلق خطا (MAE)، ریشه میانگین مربعات خطا (RMSE) و ضریب تعیین (R²) سنجیده شد. نتایج نشان داد که دقت کلی دستگاه‌های پوشیدنی در بهترین حالت به میانگین MAE برابر با bpm87/2، RMSE برابر با bpm 77/3 و ‎R² برابر با 89/0 دست یافت. در میان ابزارهای بررسی‌شده، ساعت Apple عملکرد برتری داشت و میانگین مقادیر MAE برابر با bpm79/1، RMSE برابر با bpm 46/2 و ‎R² برابر با 97/0 را ارائه کرد. این یافته‌ها بر ضرورت به‌کارگیری روش‌های پیشرفته پردازش سیگنال و انتخاب دقیق دستگاه پوشیدنی در کاربردهای بالینی و پژوهشی تأکید می‌کنند.