Medir su frecuencia cardíaca está en la punta de su dedo: Enfoque de fotopletismografía para determinar la frecuencia cardíaca: 7 pasos

2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:41

Un fotopletismógrafo (PPG) es una técnica óptica simple y de bajo costo que se usa a menudo para detectar cambios en el volumen sanguíneo en un lecho de tejido microvascular. Se utiliza principalmente de forma no invasiva para realizar mediciones en la superficie de la piel, normalmente un dedo. La forma de onda del PPG tiene una forma de onda fisiológica pulsátil (AC) debido a cambios cardíacos sincrónicos en el volumen de sangre con cada latido del corazón. Luego, la onda de CA se superpone a una línea de base que cambia lentamente (CC) con diferentes componentes de frecuencia más baja que se deben a la respiración, la actividad del sistema nervioso simpático y la termorregulación. Se puede utilizar una señal PPG para medir la saturación de oxígeno, la presión arterial y el gasto cardíaco, para comprobar el gasto cardíaco y detectar potencialmente una enfermedad vascular periférica [1].

El dispositivo que estamos creando es un fotopletismógrafo de dedo para el corazón. Está diseñado para que el usuario coloque su dedo en el brazalete sobre un LED y un fototransistor. Luego, el dispositivo parpadeará con cada latido (en el Arduino), calculará la frecuencia cardíaca y la enviará a la pantalla. También mostrará cómo se ve la señal respiratoria para que el paciente pueda compararla con sus datos anteriores.

Un PPG puede medir el cambio volumétrico en el volumen de sangre midiendo la transmisión o el reflejo de la luz. Cada vez que el corazón bombea, aumenta la presión arterial en el ventrículo izquierdo. La alta presión hace que las arterias se abulten ligeramente con cada latido. El aumento de presión provoca una diferencia medible en la cantidad de luz que se refleja y la amplitud de la señal luminosa es directamente proporcional a la presión del pulso [2].

Un dispositivo similar es el sensor PPG del Apple Watch. Analiza los datos de frecuencia del pulso y los utiliza para detectar posibles episodios de ritmos cardíacos irregulares compatibles con AFib. Utiliza luces LED verdes junto con fotodiodos sensibles a la luz para buscar cambios relativos en la cantidad de sangre que fluye en la muñeca del usuario en un momento dado. Utiliza los cambios para medir la frecuencia cardíaca y cuando el usuario está parado, el sensor puede detectar pulsos individuales y medir los intervalos de latido a latido [3].

Suministros

En primer lugar, para construir el circuito usamos una placa de pruebas, (1) LED verde, (1) fototransistor, (1) resistencia de 220 Ω, (1) resistencia de 15 kΩ, (2) 330 kΩ, (1) 2,2 kΩ, (1) 10 kΩ, (1) condensador de 1 μF, (1) condensador de 68 nF, amplificador operacional UA 741 y cables.

A continuación, para probar el circuito utilizamos un generador de funciones, fuente de alimentación, osciloscopio, pinzas de cocodrilo. Finalmente, para enviar la señal a una interfaz de usuario fácil de usar, usamos una computadora portátil con el software Arduino y un Arduino Uno.

Paso 1: Dibuja el esquema

Comenzamos dibujando un esquema simple para capturar la señal PPG. Dado que PPG usa LED, primero conectamos un LED verde en serie con una resistencia de 220 Ω y lo conectamos a una potencia de 6V y a tierra. El siguiente paso fue capturar la señal PPG usando un fototransistor. Similar al LED, lo ponemos en serie con un 15 kΩ y lo conectamos a una potencia de 6V y tierra. A esto le siguió un filtro de paso de banda. El rango de frecuencia normal de una señal PPG es de 0,5 Hz a 5 Hz [4]. Usando la ecuación f = 1 / RC, calculamos los valores de resistencia y capacitor para los filtros de paso bajo y alto, lo que resultó en un capacitor de 1 μF con una resistencia de 330 kΩ para el filtro de paso alto y un capacitor de 68 nF con una resistencia de 10 kΩ para el filtro de paso bajo. Usamos el amplificador operacional UA 741 entre los filtros que se alimentaba con 6V y -6V.

Paso 2: pruebe el circuito en un osciloscopio

Luego construimos el circuito en una placa de pruebas. Después, probamos la salida del circuito en el osciloscopio para verificar que nuestra señal fuera la esperada. Como se ve en las figuras de arriba, el circuito dio como resultado una señal fuerte y estable cuando se colocó un dedo sobre el LED verde y el fototransistor. La intensidad de la señal también varía entre individuos. En las últimas figuras, la muesca dicrótica es evidente y está claro que la frecuencia cardíaca es más rápida que la del individuo en las primeras figuras.

Una vez que estuvimos seguros de que la señal era buena, procedimos con un Arduino Uno.

Paso 3: conecte la placa de pruebas a un Arduino Uno

Conectamos la salida (a través del segundo condensador C2 en el esquema y tierra) al pin A0 (a veces A3) en el Arduino y el riel de tierra en la placa a un pin GND en el Arduino.

Vea las imágenes de arriba para ver el código que usamos. Se utilizó el código del Apéndice A para mostrar el gráfico de la señal respiratoria. El código del Apéndice B se usó para tener un LED incorporado en el Arduino que parpadea para cada latido e imprime cuál es la frecuencia cardíaca.

Paso 4: consejos a tener en cuenta

En el artículo Body Sensor Network for Mobile Health Monitoring, A Diagnosis and Anticipating System, el investigador Johan Wannenburg et al., Desarrollaron un modelo matemático de una señal PPG pura [5]. Al comparar la forma de una señal pura con nuestra señal - de una persona individual - (figuras 3, 4, 5, 6), hay algunas diferencias claras. En primer lugar, nuestra señal estaba al revés, por lo que la muesca dicrótica en el lado izquierdo de cada pico en lugar del lado derecho. Además, la señal era muy diferente entre cada persona, por lo que a veces la muesca dicrótica no era evidente (figuras 3, 4) y otras veces sí (figuras 5, 6). Otra diferencia notable fue que nuestra señal no era tan estable como nos hubiera gustado. Nos dimos cuenta de que era muy sensible y que el menor empujón de la mesa o cualquier cable cambiaría la apariencia de la salida del osciloscopio.

Para los adultos (mayores de 18 años), la frecuencia cardíaca en reposo promedio debe estar entre 60 y 100 latidos por minuto [6]. En la Figura 8, las frecuencias cardíacas de la persona que se está evaluando estaban todas entre estos dos valores, lo que indica que parece ser precisa. No tuvimos la oportunidad de calcular la frecuencia cardíaca con un dispositivo diferente y compararlo con nuestro sensor PPG, pero es probable que sea casi preciso. También hubo muchos factores que no pudimos controlar, lo que llevó a la variación en los resultados. La cantidad de iluminación ambiental era diferente cada vez que lo probamos porque estábamos en una ubicación diferente, había una sombra sobre el dispositivo, a veces usábamos un brazalete. Tener menos rayos ambientales hizo que la señal fuera más clara, pero cambiar eso estaba fuera de nuestro control y, por lo tanto, afectó nuestros resultados. Otro problema es la temperatura. En el estudio Investing the Effects of Temperature on Photoplethysmography de Mussabir Khan et al., Los investigadores encontraron que las temperaturas más cálidas de las manos mejoraron la calidad y precisión de la PPG [7]. De hecho, notamos que si uno de nosotros tenía los dedos fríos, la señal sería pobre y no podríamos distinguir la muesca dicrótica en comparación con una persona que tenía los dedos más calientes. Además, debido a la sensibilidad del dispositivo, era difícil juzgar si la configuración del dispositivo era óptima para darnos la mejor señal. Debido a esto, tuvimos que jugar con la placa cada vez que la configuramos y verificamos las conexiones en la placa antes de poder conectarla al Arduino y ver la salida que queríamos. Dado que hay tantos factores que entran en juego para la configuración de una placa de pruebas, una PCB los reduciría en gran medida y nos daría una salida más precisa. Creamos nuestro esquema en Autodesk Eagle para crear un diseño de PCB y luego lo enviamos a AutoDesk Fusion 360 para una representación visual de cómo se vería la placa.

Paso 5: Diseño de PCB

Reproducimos el esquema en AutoDesk Eagle y usamos su generador de placa para crear el diseño de PCB. También enviamos el diseño a AutoDesk Fusion 360 para una representación visual de cómo se vería la placa.

Paso 6: Conclusión

En conclusión, aprendimos cómo desarrollar un diseño para un circuito de señal PPG, lo construimos y lo probamos. Tuvimos éxito en la construcción de un circuito relativamente simple para reducir la cantidad de posible ruido en la salida y aún así tener una señal fuerte. Probamos el circuito en nosotros mismos y descubrimos que era un poco sensible, pero con algunos ajustes del circuito (físicamente, no el diseño), pudimos obtener una señal fuerte. Usamos la salida de señal para calcular la frecuencia cardíaca del usuario y la enviamos junto con la señal de respiración a la agradable interfaz de usuario de Arduino. También usamos el LED incorporado en Arduino para parpadear con cada latido del corazón, lo que le hace evidente al usuario cuándo exactamente su corazón estaba latiendo.

PPG tiene muchas aplicaciones potenciales, y su simplicidad y rentabilidad lo hacen útil para integrarse en dispositivos inteligentes. Dado que la atención médica personal se ha vuelto más popular en los últimos años, es imperativo que esta tecnología esté diseñada para ser simple y barata para que sea accesible en todo el mundo para cualquier persona que la necesite [9]. Un artículo reciente analizó el uso de PPG para detectar hipertensión, y encontraron que podría usarse junto con otros dispositivos de medición de la PA [10]. Quizás se pueda descubrir e innovar más en esta dirección y, por lo tanto, PPG debería considerarse una herramienta importante en el cuidado de la salud ahora y en el futuro.

Paso 7: referencias

[1] A. M. García y P. R. Horche, “Optimización de la fuente de luz en un dispositivo buscador de venas bifotónicas: análisis experimental y teórico”, Results in Physics, vol. 11, págs. 975–983, 2018. [2] J. Allen, "Fotopletismografía y su aplicación en la medición fisiológica clínica", Medición fisiológica. Vol. 28, no. 3 de 2007.

[3] “Midiendo el corazón - ¿Cómo funcionan ECG y PPG?” Imotions. [En línea]. Disponible: https://imotions.com/blog/measuring-the-heart-how… [Consultado: 10 de diciembre de 2019].

[4] SOLICITUD DE CLASIFICACIÓN DE NOVO PARA LA FUNCIÓN DE NOTIFICACIÓN DE RITMO IRREGULAR..

[5] S. Bagha y L. Shaw, “Un análisis en tiempo real de la señal PPG para medir la SpO2 y la frecuencia del pulso”, Revista internacional de aplicaciones informáticas, vol. 36, no. 11, diciembre de 2011.

[6] Wannenburg, Johan y Malekian, Reza. (2015). Body Sensor Network para monitoreo de salud móvil, un sistema de diagnóstico y anticipación. Revista de sensores, IEEE. 15. 6839-6852. 10.1109 / JSEN.2015.2464773.

[7] “¿Qué es una frecuencia cardíaca normal?” LiveScience. [En línea]. Disponible: https://imotions.com/blog/measuring-the-heart-how… [Consultado: 10 de diciembre de 2019].

[8] M. Khan, C. G. Pretty, A. C. Amies, R. Elliott, G. M. Shaw y J. G. Chase, "Investigación de los efectos de la temperatura en la fotopletismografía", IFAC-PapersOnLine, vol. 48, no. 20, págs. 360–365, 2015.

[9] M. Ghamari, “Una revisión sobre los sensores de fotopletismografía portátiles y sus posibles aplicaciones futuras en el cuidado de la salud”, Revista Internacional de Biosensores y Bioelectrónica, vol. 4, no. 4, 2018.

[10] M. Elgendi, R. Fletcher, Y. Liang, N. Howard, NH Lovell, D. Abbott, K. Lim y R. Ward, "El uso de la fotopletismografía para evaluar la hipertensión", npj Digital Medicine, vol.. 2, no. 1 de enero de 2019.