Pomiar tętna jest na czubku palca: metoda fotopletyzmografii do określania tętna: 7 kroków

2024 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2024-01-30 11:29

Fotopletyzmograf (PPG) to prosta i niedroga technika optyczna, często stosowana do wykrywania zmian objętości krwi w łożysku mikronaczyniowym tkanki. Jest on najczęściej używany nieinwazyjnie do wykonywania pomiarów na powierzchni skóry, zwykle palca. Kształt fali PPG ma fizjologiczną falę pulsacyjną (AC) z powodu synchronicznych zmian objętości krwi w sercu przy każdym uderzeniu serca. Fala AC jest następnie nakładana na powoli zmieniającą się (DC) linię podstawową z różnymi składowymi o niższej częstotliwości, które są spowodowane oddychaniem, aktywnością współczulnego układu nerwowego i termoregulacją. Sygnał PPG można wykorzystać do pomiaru saturacji tlenem, ciśnienia krwi i rzutu serca, do sprawdzenia rzutu serca i potencjalnego wykrycia choroby naczyń obwodowych [1].

Urządzenie, które tworzymy to fotopletyzmograf palcowy na serce. Został zaprojektowany tak, aby użytkownik mógł umieścić palec w mankiecie nad diodą LED i fototranzystorem. Urządzenie będzie wtedy migać przy każdym uderzeniu serca (na Arduino) i obliczy tętno i wyświetli je na ekranie. Pokaże również, jak wygląda sygnał oddechowy, aby pacjent mógł go ewentualnie porównać z wcześniejszymi danymi.

PPG może mierzyć wolumetryczną zmianę objętości krwi poprzez pomiar przepuszczalności lub odbicia światła. Za każdym razem, gdy serce pompuje, wzrasta ciśnienie krwi w lewej komorze. Wysokie ciśnienie powoduje, że tętnice lekko wybrzuszają się z każdym uderzeniem. Wzrost ciśnienia powoduje mierzalną różnicę w ilości odbijanego światła, a amplituda sygnału świetlnego jest wprost proporcjonalna do ciśnienia tętna [2].

Podobnym urządzeniem jest czujnik Apple Watch PPG. Analizuje dane dotyczące częstości tętna i wykorzystuje je do wykrywania możliwych epizodów nieregularnych rytmów serca zgodnych z AFib. Wykorzystuje zielone diody LED wraz ze światłoczułymi fotodiodami, aby szukać względnych zmian w ilości krwi przepływającej w nadgarstku użytkownika w danym momencie. Wykorzystuje zmiany do pomiaru tętna, a gdy użytkownik jest nieruchomy, czujnik może wykrywać poszczególne impulsy i mierzyć odstępy między uderzeniami [3].

Kieszonkowe dzieci

Przede wszystkim do budowy układu użyliśmy płytki stykowej, (1) zielonej diody LED, (1) fototranzystora, (1) rezystora 220 Ω, (1) rezystora 15 kΩ, (2) 330 kΩ, (1) 2,2 kΩ, (1) 10 kΩ, (1) kondensator 1 μF, (1) kondensator 68 nF, wzmacniacz operacyjny UA 741 i przewody.

Następnie do przetestowania układu wykorzystaliśmy generator funkcyjny, zasilacz, oscyloskop, zaciski krokodylkowe. Na koniec, aby wyprowadzić sygnał do przyjaznego dla użytkownika interfejsu użytkownika, użyliśmy laptopa z oprogramowaniem Arduino i Arduino Uno.

Krok 1: narysuj schemat

Zaczęliśmy od narysowania prostego schematu do przechwycenia sygnału PPG. Ponieważ PPG wykorzystuje diodę LED, najpierw połączyliśmy zieloną diodę LED szeregowo z rezystorem 220 Ω i podłączyliśmy ją do zasilania 6 V i masy. Kolejnym krokiem było przechwycenie sygnału PPG za pomocą fototranzystora. Podobnie jak diodę, połączyliśmy ją szeregowo z 15 kΩ i podłączyliśmy do zasilania 6V i masy. Po tym nastąpił filtr pasmowy. Normalny zakres częstotliwości sygnału PPG wynosi od 0,5 Hz do 5 Hz [4]. Korzystając z równania f = 1/RC obliczyliśmy wartości rezystorów i kondensatorów dla filtrów dolno- i górnoprzepustowych, otrzymując kondensator 1 μF z rezystorem 330 kΩ dla filtra górnoprzepustowego i kondensator 68 nF z rezystorem 10 kΩ dla filtra górnoprzepustowego. filtr dolnoprzepustowy. Pomiędzy filtrami zastosowaliśmy wzmacniacz operacyjny UA 741, który był zasilany napięciem 6V i -6V.

Krok 2: Przetestuj obwód na oscyloskopie

Następnie zbudowaliśmy obwód na płytce prototypowej. Następnie przetestowaliśmy wyjście obwodu na oscyloskopie, aby sprawdzić, czy nasz sygnał był zgodny z oczekiwaniami. Jak widać na powyższych rysunkach, układ generował silny, stabilny sygnał po przyłożeniu palca do zielonej diody LED i fototranzystora. Siła sygnału również różni się w zależności od osoby. Na późniejszych rysunkach widoczne jest wcięcie dykrotyczne i jasne jest, że tętno jest szybsze niż u osobnika na pierwszych kilku rysunkach.

Gdy byliśmy już pewni, że sygnał jest dobry, przystąpiliśmy do pracy z Arduino Uno.

Krok 3: Podłącz Breadboard do Arduino Uno

Połączyliśmy wyjście (przez drugi kondensator C2 na schemacie i uziemieniu) do styku A0 (czasami A3) na Arduino, a szynę uziemiającą na płytce stykowej do styku GND na Arduino.

Zobacz powyższe obrazy, aby zobaczyć kod, którego użyliśmy. Kod z Załącznika A został użyty do przedstawienia wykresu sygnału oddechowego. Kod z Załącznika B został użyty, aby mieć wbudowaną diodę LED na Arduino migającą dla każdego uderzenia serca i wydrukować, jakie jest tętno.

Krok 4: Wskazówki, o których warto pamiętać

W artykule Body Sensor Network for Mobile Health Monitoring, A Diagnosis and Anticipating System badacz Johan Wannenburg i wsp. opracowali matematyczny model czystego sygnału PPG [5]. Porównując kształt czystego sygnału z naszym sygnałem - indywidualnej osoby - (rysunki 3, 4, 5, 6) istnieją wprawdzie pewne wyraźne różnice. Po pierwsze, nasz sygnał był skierowany do tyłu, więc wycięcie dykrotyczne po lewej stronie każdego szczytu, a nie po prawej stronie. Ponadto sygnał różnił się znacznie między każdą osobą, więc czasami wcięcie dykrotyczne nie było widoczne (ryc. 3, 4), a czasami było (ryc. 5, 6). Kolejną zauważalną różnicą było to, że nasz sygnał nie był tak stabilny, jak byśmy chcieli. Zdaliśmy sobie sprawę, że jest to bardzo czułe, a najmniejsze poruszenie stołu lub dowolnego przewodu zmieni wygląd wyjścia oscyloskopu.

U osób dorosłych (powyżej 18 roku życia) średnie tętno spoczynkowe powinno wynosić od 60 do 100 uderzeń na minutę [6]. Na rycinie 8 częstość akcji serca badanej osoby mieściła się między tymi dwiema wartościami, co wskazuje, że wydaje się to być dokładne. Nie mieliśmy okazji obliczyć tętna innym urządzeniem i porównać go z naszym czujnikiem PPG, ale jest prawdopodobne, że będzie ono bliskie dokładności. Było również wiele czynników, których nie mogliśmy kontrolować, co prowadziło do zróżnicowania wyników. Ilość oświetlenia otoczenia zmieniała się za każdym razem, gdy je testowaliśmy, ponieważ albo byliśmy w innym miejscu, nad urządzeniem był cień, czasami używaliśmy mankietu. Mniejsze oświetlenie otoczenia sprawiło, że sygnał był wyraźniejszy, ale zmiana tego była poza naszą kontrolą, a tym samym wpłynęła na nasze wyniki. Kolejną kwestią jest temperatura. W badaniu Investing the Effects of Temperature on Photoplethysmography autorstwa Mussabira Khana i wsp. naukowcy odkryli, że cieplejsza temperatura dłoni poprawia jakość i dokładność PPG [7]. Właściwie zauważyliśmy, że gdyby któryś z nas miał zimne palce, sygnał byłby słaby i nie moglibyśmy dostrzec wcięcia dykrotycznego w porównaniu z osobą, która miała cieplejsze palce. Ponadto, ze względu na czułość urządzenia, trudno było ocenić, czy konfiguracja urządzenia była optymalna, aby dać nam najlepszy sygnał. Z tego powodu musieliśmy bawić się płytą za każdym razem, gdy konfigurowaliśmy i sprawdzaliśmy połączenia na płytce, zanim mogliśmy podłączyć ją do Arduino i spojrzeć na wyjście, które chcieliśmy. Ponieważ istnieje tak wiele czynników, które mają wpływ na konfigurację płytki prototypowej, płytka PCB znacznie je zredukuje i zapewni dokładniejsze wyniki. Zbudowaliśmy nasz schemat w Autodesk Eagle, aby stworzyć projekt PCB, a następnie przesłaliśmy go do AutoDesk Fusion 360 w celu wizualnego renderowania wyglądu płytki.

Krok 5: Projektowanie PCB

Odtworzyliśmy schemat w AutoDesk Eagle i wykorzystaliśmy jego generator płytek do stworzenia projektu PCB. Przesłaliśmy również projekt do AutoDesk Fusion 360, aby uzyskać wizualizację wyglądu tablicy.

Krok 6: Wniosek

Podsumowując, dowiedzieliśmy się, jak opracować projekt obwodu sygnału PPG, zbudować go i przetestować. Udało nam się zbudować stosunkowo prosty obwód, aby zmniejszyć ilość możliwych szumów na wyjściu i nadal mieć silny sygnał. Przetestowaliśmy obwód na sobie i stwierdziliśmy, że jest on trochę wrażliwy, ale po pewnym ulepszeniu obwodu (fizycznie, a nie konstrukcji), byliśmy w stanie uzyskać silny sygnał. Wykorzystaliśmy sygnał wyjściowy do obliczenia tętna użytkownika i wyprowadziliśmy go oraz sygnał oddechu do ładnego interfejsu użytkownika Arduino. Wykorzystaliśmy również wbudowaną diodę LED w Arduino, która mruga przy każdym uderzeniu serca, dzięki czemu użytkownik jest widoczny, kiedy dokładnie bije jego serce.

PPG ma wiele potencjalnych zastosowań, a jego prostota i opłacalność sprawiają, że jest przydatny do integracji z urządzeniami inteligentnymi. Ponieważ w ostatnich latach osobista opieka zdrowotna stała się bardziej popularna, konieczne jest, aby ta technologia była zaprojektowana tak, aby była prosta i tania, tak aby była dostępna na całym świecie dla każdego, kto jej potrzebuje [9]. Niedawny artykuł dotyczył wykorzystania PPG do sprawdzania nadciśnienia – i okazało się, że można go stosować w połączeniu z innymi urządzeniami do pomiaru ciśnienia krwi [10]. Być może w tym kierunku można odkryć i wprowadzić więcej innowacji, dlatego PPG należy traktować jako ważne narzędzie w opiece zdrowotnej teraz iw przyszłości.

Krok 7: Referencje

[1] A. M. García i P. R. Horche, „Optymalizacja źródła światła w bifotonicznym urządzeniu do wyszukiwania żył: analiza eksperymentalna i teoretyczna”, „Wyniki w fizyce”, tom. 11, s. 975–983, 2018. [2] J. Allen, „Fotopletyzmografia i jej zastosowanie w klinicznym pomiarze fizjologicznym”, Pomiar fizjologiczny, tom. 28, nie. 3, 2007.

[3] „Pomiar serca – jak działa EKG i PPG?”, imotions. [Online]. Dostępne: https://imotions.com/blog/measuring-the-heart-how… [Dostęp: 10.12.2019].

[4] WNIOSEK O KLASYFIKACJĘ DE NOVO DLA FUNKCJI POWIADOMIENIA O NIEPRAWIDŁOWYM RYTMIE..

[5] S. Bagha i L. Shaw, „Analiza sygnału PPG w czasie rzeczywistym do pomiaru SpO2 i tętna”, International Journal of Computer Applications, tom. 36, nie. 11 grudnia 2011.

[6] Wannenburg, Johan i Malekian, Reza. (2015). Sieć czujników ciała do mobilnego monitorowania stanu zdrowia, system diagnozowania i przewidywania. Dziennik czujników, IEEE. 15. 6839-6852. 10.1109/JSEN.2015.2464773.

[7] „Co to jest normalne tętno?”, LiveScience. [Online]. Dostępne: https://imotions.com/blog/measuring-the-heart-how… [Dostęp: 10.12.2019].

[8] M. Khan, C. G. Pretty, A. C. Amies, R. Elliott, G. M. Shaw i J. G. Chase, „Badanie wpływu temperatury na fotopletyzmografię”, IFAC-PapersOnLine, tom. 48, nie. 20, s. 360–365, 2015.

[9] M. Ghamari, „Przegląd czujników fotopletyzmograficznych do noszenia i ich potencjalnych przyszłych zastosowań w opiece zdrowotnej”, International Journal of Biosensors & Bioelectronics, tom. 4, nie. 4, 2018.

[10] M. Elgendi, R. Fletcher, Y. Liang, N. Howard, NH Lovell, D. Abbott, K. Lim i R. Ward, „Zastosowanie fotopletyzmografii do oceny nadciśnienia”, npj Digital Medicine, t.. 2, nie. 1, 2019.