[論文レビュー] Contactless Electrocardiogram Monitoring with Millimeter Wave Radar

Jinbo Chen, Dongheng Zhang+4 more|arXiv (Cornell University)|Dec 13, 2021

Non-Invasive Vital Sign Monitoring被引用数 8

ひとこと要約

本稿では、心臓の機械的運動を検出するためにミリ波レーダーを用い、深層学習を用いて心電図（ECG）信号を再構築する接触なしの心電図モニタリングシステムを提案する。ビームフォーミング、微小運動増幅、ドメイン変換のための深層ニューラルネットワークを活用することで、システムは基準となるECGと比較して中央値のタイミング誤差が14ms未塔、中央値の相関が90％を達成し、継続的で非侵襲的な心臓モニタリングの可能性を示している。

ABSTRACT

The electrocardiogram (ECG) has always been an important biomedical test to diagnose cardiovascular diseases. Current approaches for ECG monitoring are based on body attached electrodes leading to uncomfortable user experience. Therefore, contactless ECG monitoring has drawn tremendous attention, which however remains unsolved. In fact, cardiac electrical-mechanical activities are coupling in a well-coordinated pattern. In this paper, we achieve contactless ECG monitoring by breaking the boundary between the cardiac mechanical and electrical activity. Specifically, we develop a millimeter-wave radar system to contactlessly measure cardiac mechanical activity and reconstruct ECG without any contact in. To measure the cardiac mechanical activity comprehensively, we propose a series of signal processing algorithms to extract 4D cardiac motions from radio frequency (RF) signals. Furthermore, we design a deep neural network to solve the cardiac related domain transformation problem and achieve end-to-end reconstruction mapping from RF input to the ECG output. The experimental results show that our contactless ECG measurements achieve timing accuracy of cardiac electrical events with median error below 14ms and morphology accuracy with median Pearson-Correlation of 90% and median Root-Mean-Square-Error of 0.081mv compared to the groudtruth ECG. These results indicate that the system enables the potential of contactless, continuous and accurate ECG monitoring.

研究の動機と目的

• 従来の電極式ECGモニタリングの限界、すなわち不快感、電極の剥がれ、感受性の低い患者群における不適性を解消すること。
• ミリ波レーダーを用いて心臓の機械的活動の接触なし測定からECG信号を再構築する可能性を検討すること。
• 現実の干渉や距離の変動下でも、RF信号から4次元的心臓運動を的確に抽出する耐障害性の高い信号処理パイプラインを開発すること。
• レーダーから得られる機械的運動をECG波形にマッピングするエンドツーエンドの深層学習モデルを設計し、タイミングと形態の両方の高精度を実現すること。
• 心拍数の変動、不整脈、日常生活の干渉状況を含む多様な条件下で、システムの性能を評価すること。

提案手法

• 心臓の機械的運動によって変調されたRF信号を送信・受信するためのミリ波レーダー（AWR1843）を用いる。
• ビームフォーミングを適用して、体幹の異なる領域からの反射を分離し、空間分解能を向上させる。
• 呼吸による干渉を低減し、心臓信号のSNRを向上させるために微小運動増幅を用いる。
• 心臓信号の焦点化と4次元運動抽出を実施し、時間経過に伴う心臓の機械的活動を包括的に表現する。
• エンドツーエンドの方法で、RF入力からECG出力への非線形ドメイン変換を学習する深層ニューラルネットワークを設計する。
• 制御された環境と現実世界の状況（干渉や距離の変動を含む）で、10名の健康な参加者から得たデータセットを用いてシステムを検証する。

実験結果

リサーチクエスチョン

• RQ1 ミリ波レーダーは、物理的接触なしにECG信号を再構築するのに十分な心臓の機械的運動を正確に捉えることができるか？
• RQ2 通常時、徐脈時、頻脈時、不整脈時において、基準となるECGと比較して、システムのタイミング精度および形態の正確さはどの程度か？
• RQ3 周囲の干渉（例：近隣の人の動き）や測定距離が、システムの性能にどのような影響を与えるか？
• RQ4 深層学習モデルは、心拍数の変動や運動アーチファクトの変化に対しても一般化可能で、一貫した正確さを維持できるか？
• RQ5 現実世界の設定において、ECG再構築の正確さを最大化する最適な測定距離は何か？

主な発見

• R-R間隔検出におけるシステムの中央値のタイミング誤差は14ms未塔であり、全心拍数条件下で高い時間的正確さを示した。
• 再構築されたECGと基準となるECGとの中央値ピアソン相関は90％であった。これは、強力な形態的忠実性を示している。
• 再構築されたECG波形の中央値の平均二乗誤差（RMSE）は0.081 mVであった。これは、高い信号忠実性を確認している。
• 隣接する干渉下では性能が低下したが、クリアな環境で最も高い正確さが得られ、干渉距離が増加するにつれて性能が向上した。
• 最適な性能は約0.5mの測定距離で達成され、ビーム幅の制限と経路損失のため、0.3mの近距離およびより遠方の距離では性能が低下した。
• 徐脈、頻脈、不整脈の状態においても、システムは一貫したタイミング正確さを維持しており、心拍数の変動に強いことが示された。