Development of algorithms for the extraction and evaluation of Respiratory Rate from ECG and PPG signals

Abstract

Il lavoro di tesi deriva dal mio stage/tirocinio presso l’azienda Teoresi group Engineering S.p.A., che mi ha permesso di comprendere come sia organizzato l’ambiente lavorativo e di applicare i concetti appresi durante i corsi universitari. Il progetto si propone di proporre un metodo alternativo per estrarre informazioni respiratorie dai segnali ECG e PPG.

In particolare, si è concentrato nello sviluppo di metodi robusti e universali per stimare in modo preciso la frequenza respiratoria (RR), indipendentemente dalla variabilità intra ed inter-individuale che influisce sulle caratteristiche degli ECG e dei PPG, al fine di monitorare l’attività respiratoria in modo economico e non invasivo e di sostituire le tecniche invasive attuali di monitoraggio della respirazione che possono interferire con la respirazione naturale e che sono difficili da gestire in alcune applicazioni come il monitoraggio quotidiano (test di stress o studi del sonno).

Il monitoraggio continuo della respirazione svolge un ruolo fondamentale nella rilevazione e nella gestione di diverse condizioni, come lo stress e i disturbi del sonno. Biomarcatori come la frequenza respiratoria, le fasi respiratorie e il volume corrente sono rilevanti per la rilevazione dello stress mentale, dell’ansia e degli eventi di apnea del sonno. Inoltre, l’accoppiamento tra respirazione e frequenza cardiaca è stato utilizzato come parametro chiave per le suddette condizioni, nonché per l’analisi delle interazioni tra i sistemi cardiaci e respiratori. La frequenza respiratoria (BR) è ampiamente utilizzata in ambito clinico per la diagnosi e la prognosi. Nelle unità ospedaliere generali, di solito viene misurata conteggiando manualmente i movimenti del torace. Questa pratica presenta alcuni svantaggi, in quanto è dispendiosa in termini di tempo, inaccurata e scarsamente eseguita. Un approccio alternativo potrebbe essere quello di stimare la BR dal segnale ECG e PPG, che sono già misurati di routine in una vasta gamma di contesti clinici e inoltre sono facili da registrare. Uno studio recente sulla popolazione sana ha dimostrato che la BR può essere stimata dai segnali ECG e PPG con una precisione simile alla pneumografia a impedenza, lo standard clinico attuale per la misurazione elettronica della BR, e ciò rappresenta un’area promettente di ricerca nella routine clinica.

Obiettivo tesi

Sviluppo di algoritmi in MatLab finalizzati all’estrazione del segnale respiratorio dall’ECG e dal PPG, al fine della valutazione del breath rate dei soggetti analizzati in maniera non invasiva.

Metodologia di ricerca

IEEE, PUBMED, GOOGLE SCHOLAR, SCIENCE DIRECT

Conclusioni

Il lavoro di tesi mira a mostrare una serie di tecniche per stimare la frequenza respiratoria (RR) dai segnali ECG e PPG. Gli algoritmi illustrati possono essere considerati metodi non invasivi e alternativi rispetto a quelli standard utilizzati oggi sia in ambiente ospedaliero che privato. Tra i vantaggi più importanti, sono inclusi:

• non invasività;
• basso costo;
• efficienza sia in termini di tempistica che di affidabilità dei dati;
• possibilità di monitorare contemporaneamente più parametri clinici;
• riduzione degli artefatti del movimento;
• economici in termini di computazione;
• accuratezza;
• universalità.

La frequenza respiratoria prevista dagli algoritmi implementati mostra una buona correlazione con il segnale respiratorio di riferimento acquisito con metodologia diretta. Ciò suggerisce che le caratteristiche utilizzate sono buoni indicatori che possono essere sfruttati per il calcolo della frequenza respiratoria. È anche importante notare che i risultati dell’approccio utilizzato non sono degradati dalle diverse condizioni dei pazienti.

In conclusione, si può affermare che i risultati ottenuti sono di rilevante importanza clinica in quanto possono essere utili come metodo economico e rapido per lo screening di possibili patologie o come indicatori/biomarcatori di uno stile di vita non sano. Vale la pena notare che le informazioni di diversi segnali EDR o PDR possono essere fuse al fine di aumentare l’accuratezza dell’estrazione delle informazioni respiratorie. Sono state proposte diverse metodologie di fusione nella letteratura. Tale fusione è stata dimostrata essere più efficace quando si combinano i segnali EDR contenenti informazioni respiratorie complementari (cioè non ridondanti). Lavori futuri potrebbero concentrarsi sulla valutazione se la fusione dei segnali EDR e PDR con le migliori prestazioni in questo studio potrebbe portare a una maggiore prestazione o se un miglioramento potrebbe essere raggiunto unendo quelli con le prestazioni peggiori.

È ancora possibile apportare miglioramenti e ottimizzazioni al fine di validare gli algoritmi su altri set di dati che includono soggetti affetti da patologie, investigando gli effetti di una gamma di fattori tecnici (frequenza di campionamento, sito di misurazione, attrezzature di acquisizione del segnale) e fisiologici (età, sesso, frequenza respiratoria) sulla qualità del segnale estratto.

Sviluppi futuri

Possibili sviluppi futuri potrebbero riguardare il campo della telemedicina, in particolare lo sviluppo di tecniche di monitoraggio respiratorio senza contatto per ridurre ulteriormente l’invasività sui pazienti; un altro importante lavoro futuro potrebbe riguardare il campo automotive: il segnale PPG, insieme alla frequenza respiratoria estratta, potrebbe essere utilizzato per valutare la sonnolenza in tempo reale durante la guida (o in generale per tracciare lo stato psicofisico del conducente) con metodi non invasivi.