[논문 리뷰] Contactless Electrocardiogram Monitoring with Millimeter Wave Radar

Jinbo Chen, Dongheng Zhang외 4명|arXiv (Cornell University)|2021. 12. 13.

Non-Invasive Vital Sign Monitoring인용 수 8

한 줄 요약

이 논문은 밀리미터파 레이더를 사용하여 심장 기계적 운동을 감지하고 딥 러닝을 통해 심전도(ECG) 신호를 복원하는 비접촉 심전도 모니터링 시스템을 제시한다. 빔포밍, 미세운동 증폭, 도메인 변환을 위한 딥 네ural 네트워크를 활용함으로써 시스템은 기준 ECG와 비교해 중앙값 기준 시간 오차가 14ms 이하이며, 상관계수 중앙값이 90%에 이를 정도로 높은 정확도를 확보하여 지속적인 비침습적 심장 모니터링의 가능성을 입증한다.

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.

연구 동기 및 목표

• 기존 전극 기반 ECG 모니터링의 한계, 즉 불편함, 전극 탈락, 민감한 환자군에서의 적용 불가능성 등을 해결하기 위해.
• 밀리미터파 레이더를 활용해 심장 기계적 활동을 비접촉 방식으로 측정하고 이를 기반으로 ECG 신호를 복원할 수 있는지 탐색하기 위해.
• 실생활 간섭과 거리 변화 상황에서도 RF 신호로부터 4차원 심장 운동을 추출하는 견고한 신호 처리 파이프라인을 개발하기 위해.
• 레이더에서 유도된 기계적 운동을 ECG 파형으로 매핑하는 종단간 딥 러닝 모델을 설계하여 시간 및 형태 정확도를 높이기 위해.
• 심부전, 다양한 심박수, 일상생활 간섭 상황을 포함한 다양한 조건에서의 시스템 성능을 평가하기 위해.

제안 방법

• 심장 기계적 운동에 의해 변조된 RF 신호를 전송하고 수신하기 위해 밀리미터파 레이더(AWR1843)를 사용한다.
• 다양한 종격부 영역의 반사파를 분리하고 공간 해상도를 향상시키기 위해 빔포밍을 적용한다.
• 호흡 간섭을 억제하고 심장 신호의 신호대잡음비(SNR)를 향상시키기 위해 미세운동 증폭을 사용한다.
• 심장 신호 집중 및 4차원 운동 추출을 통해 시간에 따른 심장 기계적 활동을 종합적으로 표현한다.
• 종단간 방식으로 레이더 RF 입력에서 ECG 출력으로의 비선형 도메인 변환을 학습하는 딥 네ural 네트워크를 설계한다.
• 제어된 환경와 실생활 조건(간섭 및 거리 변화 포함)에서 10명의 건강한 참가자 데이터셋을 활용해 시스템을 검증한다.

실험 결과

연구 질문

• RQ1 밀리미터파 레이더는 신체 접촉 없이도 ECG 신호 복원에 필요한 정확도로 심장 기계적 운동을 캡처할 수 있는가?
• RQ2 정상, 브라디카르디아, 타키카르디아, 부정맥 상태에서 기준 ECG와 비교해 시스템의 시간 정확도 및 형태 정확도는 어떻게 되는가?
• RQ3 주변 간섭(예: 인근 사람의 움직임)과 측정 거리가 시스템 성능에 미치는 영향은 어떠한가?
• RQ4 딥 러닝 모델은 다양한 심박수와 운동 아티팩트 상황에서도 일반화되어 일관된 정확도를 유지할 수 있는가?
• RQ5 실생활 환경에서 ECG 복원 정확도를 최대화하기 위한 최적의 측정 거리는 얼마인가?

주요 결과

• R-R 간격 검출에 있어 시스템은 모든 심박수 조건에서 중앙값 기준 시간 오차가 14ms 이하로 매우 높은 시간 정확도를 확보하였다.
• 재구성된 ECG와 기준 ECG 간 중앙값 피어슨 상관계수는 90%였으며, 강한 형태 유지 능력을 보였다.
• 재구성된 ECG 파형의 중앙값 평균제곱오차(RMSE)는 0.081 mV였으며, 높은 신호 유지 능력을 확인하였다.
• 이웃 간섭 상황에서는 성능 저하가 관찰되었으며, 가장 높은 정확도는 깨끗한 환경에서 기록되었고 간섭 거리가 증가할수록 성능 향상이 관찰되었다.
• 최적의 성능은 약 0.5m의 측정 거리에서 달성되었으며, 빔폭 제한과 경로 손실로 인해 0.3m 이내나 더 먼 거리에서는 성능 저하가 발생하였다.
• 브라디카르디아, 타키카르디아, 부정맥 상태 모두에서 일관된 시간 정확도를 유지하여 심박수 변동성에 대한 강건성을 입증하였다.