La misurazione ottica della frequenza cardiaca su auricolare

I progressi nella tecnologia dei sensori hanno cambiato il modo e i punti in cui possiamo controllare il nostro stato di salute e i parametri vitali. Le tecniche di misura portatili, non invasive, consentono verifiche semplici e veloci che possiamo eseguire durante le attività quotidiane. Nonostante queste tecniche diagnostiche siano diventate molto popolari nel settore del fitness, esistevano dei limiti di accuratezza, che abbiamo superato solo di recente.

Gli strumenti per rilevare il benessere fisico permettono di misurare la frequenza cardiaca e altri parametri vitali che possono risultare utili per stabilire il programma da seguire per gli esercizi di routine. Spesso sono dotati di sensori di movimento in grado di rilevare diversi comportamenti, distinguendo tra passeggio, corsa e nuoto, che permettono di utilizzarli come pedometri. Per garantire il comfort e la praticità d’uso nella vita di tutti i giorni, di solito le misurazioni vengono rilevate al polso, dato che i sensori possono essere facilmente collocati in accessori quali orologi, gioielli e braccialetti. Tuttavia, ai fini della qualità di misurazione, questa posizione non risulta ottimale, perché il rilevamento della frequenza cardiaca viene limitata da artefatti dovuti al movimento e risulta difficile a causa della massa muscolare, piuttosto elevata, che limita l’accesso alle arterie.

Al contrario, l’orecchio risulta molto più adatto alla misurazione ottica della frequenza cardiaca. In campo medico, il lobo auricolare viene già utilizzato per il rilevamento dei livelli di ossigenazione del sangue. Tuttavia, fino a oggi, non è stato pienamente sfruttato a livello consumer, perché i dispositivi di misurazione auricolare dispongono di spazio limitato e richiedono una batteria piuttosto potente, a causa del consumo molto elevato. Tuttavia, con l’introduzione di un chip altamente integrato e dai consumi più ridotti, Analog Devices ha sviluppato una soluzione che supera questi problemi. Adesso è possibile integrare efficacemente un dispositivo per la misurazione dei segni vitali nelle dimensioni tipiche di una cuffia intra-auricolare. Le migliori performance del sensore (responsività) aprono a campi e possibilità di applicazione completamente nuovi.

Il metodo di misurazione è di tipo ottico. Si utilizzano fino a tre LED, dai quali provengono segnali sotto forma di brevi impulsi. La corrente dei LED può raggiungere i 370 mA, con impulsi dall’ampiezza minima di 1 µs. La lunghezza d’onda ottimale del LED viene scelta secondo la posizione e il metodo di misura utilizzati. Dove si possono misurare solo arterie superficiali, come nel caso del polso, viene utilizzata la luce verde, mentre nell’orecchio si possono utilizzare gli infrarossi ottenendo anche una profondità di penetrazione e SNR più elevati. Un fotodiodo, la cui superficie di rilevamento è direttamente proporzionale alla responsività, misura la luce riflessa, ottenendo in questo modo sia il segnale sia il rumore di fondo. Il front-end analogico in uscita permette di ottenere un SNR più elevato. Funziona come filtro di segnale, convertendo in tensione la corrente rilevata, per portarla in seguito al formato digitale. Oltre alla misura della riflessione, l’algoritmo comprende un sistema di correzione che esclude gli artefatti, dovuti al movimento, grazie a un accelerometro.

Il chip ADPD144RI di Analog Devices viene utilizzato come front-end analogico e integra inoltre il fotodiodo e i LED. La misura viene supportata da un accelerometro a tre assi, utilizzato non solo per riconoscere il tipo di passo e di movimento, ma anche per rimuovere gli artefatti. Nell’esempio illustrato in questo articolo è stato utilizzato il modello ADXL362. L’intero processo è gestito dal microcontrollore ADuCM3029 , che agisce da interfaccia tra i vari sensori e contiene l’algoritmo utilizzato.

Figura 1. Il sistema di prova con sensore ottico e accelerometro integrati, affiancato a una scala metrica per il confronto.

La Figura 1 mostra il sistema di prova, che racchiude in auricolari di dimensioni standard sia il sensore ottico sia l’accelerometro. Per mantenere l’assorbimento al più basso livello possibile, è stata dedicata la massima attenzione nel limitare la frequenza di campionamento dell’ADC a 100 Hz e ridurre al minimo l’intensità del LED.

Per le caratteristiche del sistema, sono stati presi in considerazione cinque diversi scenari, per altrettante situazioni di movimento. Per la valutazione è stato utilizzato solo il segnale ottico, allo scopo di comprendere quali fossero gli errori nell’accuratezza di misurazione dell’impulso che si presentavano nei diversi scenari e quando fossero necessari i dati dell’accelerometro per aumentarne la precisione. Gli scenari coprono le sequenze di movimento che seguono:

• Immobilità
• Immobilità, con attività di masticazione
• Lavoro alla scrivania
• Camminata
• Corsa e salto

Scenario di prova 1

Immobilità

La Figura 2 mostra lo spettro dei dati grezzi, con la rappresentazione dell’ampiezza rispetto alla frequenza di campionamento.

Gli impulsi relativi ai battiti sono visibili nel tempo attraverso i valori di picco. In assenza di movimento, il segnale è molto chiaro e la frequenza cardiaca può essere determinata attraverso la posizione del picco e la frequenza di campionamento nota.

 Figura 2. La misura dell’ampiezza, rispetto alla frequenza di campionamento, fornisce informazioni sulla frequenza cardiaca.

Il sensore ottico registra il battito cardiaco con LED di due colori, infrarosso e rosso, ciascuno con quattro canali. In questo modo è possibile eseguire una differenziazione tra le misure dei due canali, a colori diversi, e scegliere la variante più robusta.

I segnali dei diversi canali sono illustrati in Figura 3A. Con sei canali, è possibile identificare un canale nettamente definito, mentre due canali sono in saturazione. Per ottenere un segnale più intenso e robusto, l’algoritmo aggiunge i rispettivi canali non saturati e esegue il calcolo della frequenza cardiaca. La Figura 3B mostra la frequenza per il canale rosso (in alto) e quello infrarosso (in basso) indicando nel contempo il livello di affidabilità della misurazione per mezzo della scala colorata. Vengono anche indicati valori della frequenza cardiaca, laddove il segnale originale (linea tratteggiata) può essere distinto tramite la frequenza di campionamento e l’indice di attendibilità.

Riassumendo, in mancanza di moto il segnale è forte e non è affetto dall’interferenza del rumore, per cui l’algoritmo è in grado di determinare la frequenza del battito con un elevato livello di attendibilità. Il segnale in arrivo dal canale infrarosso è più intenso di quello che proviene dal rosso.

Scenario di prova 2

Immobilità, con attività di masticazione
Nello Scenario 2 vengono introdotti i movimenti aggiuntivi della masticazione. Gli spettri registrati sono visibili in Figura 4.

A differenza dello Scenario 1, si notano chiaramente degli artefatti da movimento, che si riflettono nel segnale sotto forma di sbalzi. Si vedono chiaramente anche nella somma dei canali, che non mostra più le frequenze differenziate in modo chiaro. Ciò nonostante, l’algoritmo è in grado di determinare correttamente la frequenza cardiaca con un alto livello di affidabilità, senza l’ulteriore aiuto dei sensori di movimento. È interessante notare che, ancora una volta, l’intensità del segnale infrarosso è più alta di quella del canale rosso.

 

Figura 3. La regione rossa (in alto) mostra una misurazione a quattro canali per una persona immobile, mentre la regione infrarossa (in basso) mostra i dati grezzi e quelli sommati. La frequenza cardiaca (linea nera) può essere ricavata dall’algoritmo per mezzo dei dati sommati, con la scala colorata che indica il livello di attendibilità.

 

Figura 4. La regione rossa (in alto) mostra una misurazione a quattro canali per una persona immobile che sta masticando e la regione infrarossa (in basso) mostra i dati grezzi e quelli sommati. La frequenza cardiaca (linea nera) può essere ricavata dall’algoritmo per mezzo dei dati sommati, con la scala colorata che indica il livello di affidabilità. La frequenza cardiaca può essere determinata senza l’impiego di un accelerometro.

 

Figura 5. La regione rossa (in alto) mostra una misurazione a quattro canali per una persona che lavora alla scrivania e la regione infrarossa (in basso) mostra i dati grezzi e sommati. La frequenza cardiaca (linea nera) può essere ricavata dall’algoritmo per mezzo dei dati sommati, con la scala colorata che indica il livello di attendibilità. La frequenza cardiaca può essere determinata senza l’impiego di un accelerometro.

Figura 6. La regione rossa (in alto) mostra una misura a quattro canali per una persona che cammina e la regione infrarossa (in basso) mostra i dati grezzi e sommati. La frequenza cardiaca (linea nera) può essere ricavata dall’algoritmo per mezzo dei dati sommati, con la scala colorata che indica il livello di affidabilità. La frequenza cardiaca può essere determinata senza l’impiego di un accelerometro nel caso dell’infrarosso.

Figura 7. La regione rossa (in alto) mostra una misura a quattro canali per una persona che corre e salta e la regione infrarossa (in basso) mostra i dati grezzi e sommati. La frequenza cardiaca (linea nera) può essere ricavata dall’algoritmo per mezzo dei dati sommati, con la scala colorata che indica il livello di attendibilità. È piuttosto difficile determinare la frequenza cardiaca senza l’impiego di un accelerometro.

 Figura 8. Un confronto tra lo spettro additivo senza (a sinistra) e con (a destra) i dati dell’accelerometro. Con l’uso di quest’ultimo è possibile ricostruire la frequenza cardiaca dell’utente.

Scenario di prova 3

Lavoro alla scrivania

Nello Scenario 3, viene testata un’altra situazione che si verifica quotidianamente. Il soggetto della prova siede alla scrivania svolgendo le funzioni e i movimenti a esse normalmente associati. In modo simile a quanto si verifica nello Scenario 2, si possono rilevare artefatti da movimento, dove l’algoritmo può identificare la frequenza cardiaca in entrambi i canali. Come si può notare in Figura 5, anche in questo caso i segnali infrarossi sono dominanti.

 

Scenario di prova 4

Camminata

Mentre gli scenari precedenti presentavano condizioni di misurazione stazionarie, in questo caso il soggetto del test si muove in una direzione a velocità bassa e uniforme (circa 50 passi al minuto). Come illustrato in Figura 6, nel segnale PPG la frequenza del battito si unisce al ritmo dei passi e la somma dei vari canali mostra un segnale piuttosto confuso. Nonostante non sia possibile calcolare una frequenza cardiaca definita, nel campo di segnale del rosso, l’algoritmo trova una strada in quello infrarosso. Tuttavia, in conseguenza delle ampie fluttuazioni e della bassa matrice di affidabilità, i dati aggiuntivi di un accelerometro risulterebbero utilissimi soprattutto perché, fino a questo momento, le misure sono state prese solo durante una camminata a bassa velocità.

 

Scenario di prova 5

Corsa e salto

Invece di misurare un movimento uniforme, lo Scenario 5 introduce intervalli alternati di accelerazioni e saltelli. Gli artefatti relativi al movimento ora sono chiaramente identificabili, per cui l’algoritmo ha grosse difficoltà nell’isolare la corretta frequenza cardiaca, come si vede in Figura 7. La necessità del supporto di un sensore di movimento sembra inevitabile e, per valutarla meglio, lo Scenario 5 ha verificato tecniche di misurazione con e senza l’ausilio dell’accelerometro. La Figura 8 mostra un confronto nello spettro additivo senza (sinistra) e con (destra) i dati corretti dall’accelerometro. Il miglioramento del segnale si manifesta nell’identificazione stessa della frequenza cardiaca, che non era possibile senza il supporto dell’accelerometro.

Dagli scenari di prova si può concludere che, nella maggior parte dei casi, la frequenza cardiaca può essere determinata molto accuratamente con un sensore integrato negli auricolari. Nel caso di movimenti locali o a traslazione lenta, la frequenza cardiaca può essere determinata anche senza l’uso dei dati dell’accelerometro. Tuttavia, limitatamente ai casi di movimenti bruschi e veloci, il confronto con dati corretti rispetto al movimento permette ugualmente l’interpretazione dei dati ricavati.

I segnali infrarossi si sono dimostrati più intensi rispetto ai rossi, in tutti i casi di prova.

In confronto a quello rilevato al polso, il segnale ricavato all’orecchio è più intenso e di conseguenza permette la realizzazione di misure più accurate. Inoltre, l’uso della luce rossa o infrarossa consente di misurare il livello di ossigenazione del sangue.

 

Conclusioni

In conclusione, come dimostrato dai sistemi di prova in funzione, si può affermare che la misura intra-auricolare sia una tecnica estremamente promettente. Il dispositivo di misurazione può anche essere ottimizzato attraverso una migliore integrazione meccanica e ampliato per includere caratteristiche di misura aggiuntive. In questo modo, l’accelerometro può essere utilizzato anche per rilevare le cadute e riconoscere il passo, creando quindi del valore aggiunto per l’utente.

 

A cura di  Christoph Kämmerer, Field Applications Engineer, Analog Devices, Inc.