Ձեր սրտի կշիռը չափելը ձեր մատի ծայրում է. Ֆոտոպոլթիսմոգրաֆիա Մոտեցում սրտի զարկերի որոշման համար. 7 քայլ

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:47

Ֆոտոպոլթիսմոգրաֆը (PPG) պարզ և էժան օպտիկական տեխնիկա է, որը հաճախ օգտագործվում է հյուսվածքների միկրոանոթային անկողնում արյան ծավալի փոփոխությունները հայտնաբերելու համար: Այն հիմնականում օգտագործվում է ոչ ինվազիվ ՝ մաշկի մակերեսին, սովորաբար մատը չափումներ կատարելու համար: PPG- ի ալիքի ձևն ունի զարկերակային (AC) ֆիզիոլոգիական ալիքի ձև ՝ արյան յուրաքանչյուր ծավալի սրտի համաժամանակյա փոփոխությունների պատճառով: AC ալիքն այնուհետև դրվում է դանդաղ փոփոխվող (DC) ելակետի վրա ՝ ավելի ցածր հաճախականության տարբեր բաղադրիչներով, որոնք պայմանավորված են շնչառությամբ, սիմպաթիկ նյարդային համակարգի գործունեությամբ և ջերմակարգավորմամբ: PPG ազդանշանը կարող է օգտագործվել թթվածնի հագեցվածությունը, արյան ճնշումը և սրտի ելքը չափելու, սրտի ելքը ստուգելու և ծայրամասային անոթային հիվանդությունները պոտենցիալ հայտնաբերելու համար [1]:

Սարքը, որը մենք ստեղծում ենք, մատի ֆոտոպոլթիսմոգրաֆ է սրտի համար: Այն նախատեսված է օգտագործողի համար, որպեսզի մատը բռունցքի մեջ դնի լուսադիոդի և ֆոտոտրանսիստորի վրա: Սարքն այնուհետև կթարթի յուրաքանչյուր սրտի բաբախման համար (Arduino- ում) և կհաշվարկի սրտի բաբախյունը և կարտադրի այն էկրանին: Այն նաև ցույց կտա, թե ինչպիսին է շնչառական ազդանշանը, որպեսզի հիվանդը հնարավորինս համեմատի այն իր նախորդ տվյալների հետ:

PPG- ն կարող է չափել արյան ծավալի ծավալային փոփոխությունը `չափելով լույսի փոխանցումը կամ անդրադարձումը: Ամեն անգամ, երբ սիրտը պոմպացնում է, արյան ճնշումը ձախ փորոքում մեծանում է: Բարձր ճնշումը առաջացնում է զարկերակների մի փոքր ուռուցք յուրաքանչյուր հարվածի հետ: Pressureնշման բարձրացումը առաջացնում է հետադարձվող լույսի չափելի տարբերություն, իսկ լուսային ազդանշանի ամպլիտուդը ուղիղ համեմատական է զարկերակային ճնշմանը [2]:

Նմանատիպ սարք է Apple Watch PPG սենսորը: Այն վերլուծում է զարկերակային հաճախության տվյալները և օգտագործում դրանք ՝ AFib- ին համապատասխանող սրտի անկանոն ռիթմի հնարավոր դրվագները հայտնաբերելու համար: Այն օգտագործում է կանաչ LED լույսեր ՝ լուսազգայուն ֆոտոդիոդների հետ միասին, ցանկացած պահի օգտագործողի դաստակում հոսող արյան քանակի հարաբերական փոփոխություններ փնտրելու համար: Այն օգտագործում է փոփոխությունները `սրտի կշիռը չափելու համար, և երբ օգտագործողը գտնվում է անշարժ վիճակում, սենսորը կարող է հայտնաբերել առանձին զարկերակներ և չափել դիպչել-ծեծելու միջակայքերը [3]:

Պարագաներ

Նախևառաջ, սխեմայի կառուցման համար մենք օգտագործեցինք տախտակ, (1) կանաչ LED, (1) ֆոտոտրանսիստոր, (1) 220 Ω դիմադրություն, (1) 15 kΩ դիմադրություն, (2) 330 kΩ, (1) 2.2 kΩ, (1) 10 kΩ, (1) 1 μF կոնդենսատոր, (1) 68 nF կոնդենսատոր, UA 741 op-amp և լարեր:

Հաջորդը, շղթան ստուգելու համար մենք օգտագործեցինք ֆունկցիայի գեներատոր, էներգիայի մատակարարում, օսլիլոսկոպ, ալիգատորների ամրակներ: Ի վերջո, օգտագործողի համար հարմար միջերեսին ազդանշան տալու համար մենք օգտագործեցինք Arduino Software և Arduino Uno նոութբուք:

Քայլ 1: Նկարեք սխեմա

Մենք սկսեցինք կազմելով PPG ազդանշանը գրավելու մի պարզ սխեմատիկ պատկեր: Քանի որ PPG- ն օգտագործում է LED, մենք առաջին հերթին միացրեցինք կանաչ LED- ը 220 Ω դիմադրիչով և միացրեցինք այն 6 Վ լարման և հոսանքի: Հաջորդ քայլը ֆոտոտրանսիստորի միջոցով PPG ազդանշանի գրավումն էր: LED- ի նման, մենք այն շարքի մեջ դրեցինք 15 կՕմ -ով և միացրեցինք 6 Վ լարման և հոսանքի: Դրան հաջորդեց գոտու անցման ֆիլտրը: PPG ազդանշանի նորմալ հաճախականությունների տիրույթը 0.5 Հց -ից 5 Հց է [4]: Օգտագործելով f = 1/RC հավասարումը, մենք հաշվարկել ենք ցածր և բարձր անցումային ֆիլտրերի դիմադրության և կոնդենսատորի արժեքները, որի արդյունքում 1 μF կոնդենսատոր է բարձր անցման ֆիլտրի համար 330 kΩ դիմադրիչով և 68 nF կոնդենսատոր `10 kΩ ռեզիստորով ցածր անցման ֆիլտր: Մենք օգտագործել ենք UA 741 օպերատորը 6V և -6V սնուցող ֆիլտրերի միջև:

Քայլ 2: Փորձարկեք սխեման օսլիլոսկոպի վրա

Այնուհետև մենք կառուցեցինք շրջանը հացահատիկի վրա: Դրանից հետո, մենք ստուգեցինք միացման ելքը օսլիլոսկոպի վրա `ստուգելու համար, որ մեր ազդանշանը սպասվածի պես է: Ինչպես երևում է վերևի նկարներից, միացումը հանգեցրեց ուժեղ, կայուն ազդանշանի, երբ մատը դրվեց կանաչ LED- ի և ֆոտոտրանսիստորի վրա: Ազդանշանի ուժը նույնպես տարբերվում է անհատների միջև: Հետագա նկարներում երկկողմանի խազն ակնհայտ է, և պարզ է, որ սրտի բաբախյունն ավելի արագ է, քան առաջին մի քանի թվերի անհատականինը:

Երբ համոզվեցինք, որ ազդանշանը լավն է, այնուհետև շարժվեցինք Arduino Uno- ով:

Քայլ 3. Միացրեք Breadboard- ը Arduino Uno- ին

Մենք ելքը (սխեմատիկ և հողային երկրորդ կոնդենսատոր C2- ով) միացրեցինք Arduino- ի A0 (երբեմն A3), իսկ հացահատիկի գետնին `Arduino- ի GND կապին:

Տեսեք վերևի պատկերները ՝ մեր օգտագործած ծածկագրի համար: Հավելված Ա -ի ծածկագիրն օգտագործվել է շնչառական ազդանշանի գրաֆիկը ցույց տալու համար: Հավելված B- ի ծածկագիրն օգտագործվել է Arduino թարթման վրա ներկառուցված LED յուրաքանչյուր սրտի բաբախման համար և տպել, թե որն է սրտի բաբախյունը:

Քայլ 4: Հիշեք խորհուրդներ

Mobile Sensor Network for Mobile Health Monitoring, A Diagnosis and Anticipating System- ում, հետազոտող Յոհան Վաննենբուրգը և այլք, մշակել են մաքուր PPG ազդանշանի մաթեմատիկական մոդել [5]: Մաքուր ազդանշանի ձևը մեր անհատական ազդանշանի հետ համեմատելիս (նկարներ 3, 4, 5, 6), անկասկած, կան որոշ հստակ տարբերություններ: Նախ և առաջ, մեր ազդանշանը հետընթաց էր, ուստի երկկողմանի խազը յուրաքանչյուր գագաթի ձախ կողմում էր, այլ ոչ թե աջ: Բացի այդ, ազդանշանը խիստ տարբերվում էր յուրաքանչյուր անձի միջև, ուստի երբեմն երկկողմանի խազը ակնհայտ չէր (նկարներ 3, 4), իսկ երբեմն էլ (նկարներ 5, 6): Մեկ այլ ուշագրավ տարբերություն այն էր, որ մեր ազդանշանն այնքան կայուն չէր, որքան կցանկանայինք: Մենք հասկացանք, որ այն շատ զգայուն է, և սեղանի կամ մետաղալարերի ամենափոքր շարժումը կփոխի ոսկրոսկոպի ելքի տեսքը:

Մեծահասակների համար (18 տարեկանից բարձր) սրտի միջին հաճախականությունը պետք է լինի 60 -ից 100 հարված / րոպե [6]: Գծապատկեր 8 -ում փորձարկվող անհատի սրտի բաբախյունը այս երկու արժեքների միջև էր, ինչը ցույց է տալիս, որ այն, կարծես, ճշգրիտ է: Մենք հնարավորություն չունեցանք սրտի բաբախյունը հաշվարկել այլ սարքով և այն համեմատել մեր PPG սենսորի հետ, բայց հավանական է, որ այն մոտ լինի ճշգրիտին: Կային նաև բազմաթիվ գործոններ, որոնք մենք չէինք կարող վերահսկել, ինչը հանգեցրեց արդյունքների տատանումների: Ամեն անգամ, երբ մենք այն փորձարկում էինք, միջավայրի լուսավորության քանակը տարբեր էր, քանի որ մենք կամ այլ վայրում էինք, սարքի վրա ստվեր կար, երբեմն բռունցք էինք օգտագործում: Ավելի քիչ շրջապատող կայծակ ունենալը ազդանշանն ավելի պարզ դարձրեց, բայց այն փոխելը մեր վերահսկողությունից դուրս էր և այդպիսով ազդեց մեր արդյունքների վրա: Մեկ այլ խնդիր է ջերմաստիճանը: Mussabir Khan et al. Investերմաստիճանի ազդեցության ներմուծումը ֆոտոպոլթիսմոգրաֆիայի վրա, հետազոտողները պարզել են, որ ձեռքի ավելի տաք ջերմաստիճանը բարելավում է PPG- ի որակը և ճշգրտությունը [7]: Մենք իրականում նկատեցինք, որ եթե մեզանից մեկը սառը մատներ ունենար, ազդանշանը վատ կլիներ, և մենք չէինք կարող երկկողմանի խազը տարբերել ավելի տաք մատներ ունեցող մարդու համեմատ: Բացի այդ, սարքի զգայունության պատճառով դժվար էր դատել, թե արդյոք սարքի կարգավորումը օպտիմալ է, որ մեզ լավագույն ազդանշան տա: Դրա պատճառով մենք ստիպված էինք ամեն անգամ կարգի բերել տախտակի շուրջը և ստուգել տախտակի միացումները, նախքան այն Arduino- ին միացնելը և մեր ուզած ելքը դիտելը: Քանի որ կան շատ գործոններ, որոնք ազդում են տախտակի տեղադրման վրա, PCB- ն դրանք զգալիորեն կնվազեցնի և մեզ կտա ավելի ճշգրիտ արդյունք: Մենք կառուցեցինք մեր սխեման Autodesk Eagle- ում ՝ PCB- ի ձևավորում ստեղծելու համար, այնուհետև այն մղեցինք AutoDesk Fusion 360 -ին ՝ վահանակի տեսքի տեսողական պատկերման համար:

Քայլ 5: PCB նախագծում

Մենք վերարտադրեցինք սխեման AutoDesk Eagle- ում և օգտագործեցինք դրա տախտակի գեներատորը ՝ PCB- ի դիզայնը ստեղծելու համար: Մենք նաև դիզայնը մղեցինք AutoDesk Fusion 360 -ին ՝ տեսողականորեն պատկերելու համար, թե ինչպիսին կլինի տախտակը:

Քայլ 6: Եզրակացություն

Ամփոփելով ՝ մենք սովորեցինք, թե ինչպես մշակել PPG ազդանշանային սխեմայի նախագիծը, կառուցեցինք այն և փորձարկեցինք այն: Մեզ հաջողվեց կառուցել համեմատաբար պարզ միացում `ելքի հնարավոր աղմուկի քանակը նվազեցնելու և դեռ ուժեղ ազդանշան ունենալու համար: Մենք միացումն ինքներս փորձարկեցինք և պարզեցինք, որ այն մի փոքր զգայուն էր, բայց շղթայի որոշ փոփոխություններով (ֆիզիկապես, ոչ թե դիզայնով) մենք կարողացանք ուժեղ ազդանշան ստանալ: Մենք օգտագործեցինք ազդանշանի ելքը `օգտագործողի սրտի բաբախյունը հաշվարկելու համար և թողարկեցինք այն և շնչառական ազդանշանը Arduino- ի գեղեցիկ միջերեսին: Մենք նաև օգտագործեցինք Arduino- ի ներկառուցված LED- ը ՝ յուրաքանչյուր սրտի բաբախյունի համար թարթելու համար, ինչը օգտագործողին ակնհայտ դարձրեց, թե երբ է նրանց սիրտը բաբախում:

PPG- ն ունի բազմաթիվ պոտենցիալ ծրագրեր, և դրա պարզությունն ու ծախսարդյունավետությունը օգտակար են դարձնում ինտեգրվել խելացի սարքերին: Քանի որ վերջին տարիներին անձնական առողջապահությունը ավելի հայտնի է դարձել, անհրաժեշտ է, որ այս տեխնոլոգիան նախագծված լինի պարզ և էժան, որպեսզի այն հասանելի լինի ամբողջ աշխարհում բոլոր նրանց, ովքեր դրա կարիքն ունեն [9]: Վերջերս մի հոդված ուսումնասիրեց PPG- ի օգտագործումը հիպերտոնիայի առկայությունը ստուգելու համար, և նրանք պարզեցին, որ այն կարող է օգտագործվել BP չափման այլ սարքերի հետ համատեղ [10]: Թերևս այս ուղղությամբ ավելի շատ բաներ կարող են հայտնաբերվել և նորացվել, և այդ պատճառով PPG- ը պետք է դիտվի որպես առողջապահության կարևոր գործիք այժմ և ապագայում:

Քայլ 7: Հղումներ

[1] A. M. García և P. R. Horche, «Լույսի աղբյուրի օպտիմալացում երկբոտոնային երակների հայտնաբերման սարքում. Փորձարարական և տեսական վերլուծություն», Արդյունքներ ֆիզիկայի, հատոր: 11, էջ 975–983, 2018. [2] Al. Ալեն, «Ֆոտոպոլթիսմոգրաֆիա և դրա կիրառումը կլինիկական ֆիզիոլոգիական չափման մեջ», Ֆիզիոլոգիական չափում, հատոր: 28, ոչ 3, 2007 թ.:

[3] «Սրտի չափում. [Առցանց]: Հասանելի է ՝ https://imotions.com/blog/measuring-the-heart-how… [հասանելի է ՝ 10-դեկ -2019]:

[4] ԴԵ ՆՈՎՈ ԴԱՍԱԿԱՐԳՄԱՆ ՀԱՐQՈ IRՄ ՌԵԹԻՄԻ ԱՆԿԱՆՈՆ NOTԱՆԱՉՈԹՅԱՆ ԱՌԱՆՁՆԱՀԱՏԿՈԹՅԱՆ ՀԱՄԱՐ:.

[5] S. Bagha and L. Shaw, “A Time Time Analysis of PPG Signal for Measurement of SpO2 and Pulse Rate”, International Journal of Computer Applications, vol. 36, ոչ 11, 2011 թ. Դեկտեմբեր:

[6] Վաննենբուրգ, Յոհան և Մալեքյան, Ռեզա: (2015): Բջջային առողջության մոնիտորինգի մարմնի սենսորային ցանց, ախտորոշման և կանխատեսման համակարգ: Սենսորների ամսագիր, IEEE: 15. 6839-6852 թթ. 10.1109/JSEN.2015.2464773.

[7] «Ի՞նչ է նորմալ սրտի աշխատանքը», LiveScience: [Առցանց]: Հասանելի է ՝ https://imotions.com/blog/measuring-the-heart-how… [հասանելի է ՝ 10-դեկ -2019]:

[8] M. Khan, C. G. Pretty, A. C. Amies, R. Elliott, G. M. Shaw, and J. G. Chase, “Investigating the Effects of Temperature on Photoplethysmography”, IFAC-PapersOnLine, vol. 48, ոչ 20, էջ 360–365, 2015:

[9] Մ. Hamամարի, «Ակնարկ կրելի ֆոտոպոլթիսմոգրաֆիայի սենսորների և նրանց ապագա կիրառությունների առողջապահության ոլորտում», International Journal of Biosensors & Bioelectronics, vol. 4, ոչ 4, 2018 թ.

[10] M. Elgendi, R. Fletcher, Y. Liang, N. Howard, NH Lovell, D. Abbott, K. Lim, and R. Ward, «The photoplethysmography use for ارزیابی հիպերտոնիկ», npj Digital Medicine, vol.. 2, ոչ 1, 2019 թ.