Non-contact Atrial Fibrillation Detection using a 24-GHz Microwave Doppler Radar
Authors
Shintaro Izumi, Sho Murase, Itsumi Fukuda, Kenta Taki, Kazunori Toyama,
Tadashi Inuzuka, Hideki Mochizuki, and Hiroshi Kawaguchi
Abstract
This study presents a wireless non-contact atrial fibrillation (AFib) detection method based on a 24-GHz microwave Doppler sensor. Microwave Doppler sensors use the Doppler effect to measure the vibration velocity of an object in a non-contact manner. Heartbeat components can be extracted from Doppler signals, allowing the measured body surface vibrations to be correlated to a seismocardiogram (SCG). Our study applies this technique to the detection of AFib. Using a microwave Doppler sensor, we measured body surface vibrations of healthy subjects and AFib patients, and compared the differences. The differences in feature values obtained through frequency analysis and machine learning indicated the possibility of non-contact detection of AFib using a microwave Doppler sensor.
背景
口老龄化导致的医疗费用增加已经成为一个社会问题。心血管疾病是护理的主要驱动力,因此迫切需要预防和对策。房颤(AFib)的估计患病率为总人群的2%,全球有1.4亿患者。由于AFib是认知能力下降和脑血管疾病事件的原因之一,因此需要早期发现和适当治疗。
可穿戴设备的使用能够实现心律失常的日常检测,并且可以确保早期检测。使用ECG的心律失常检测被广泛实践,并且可穿戴ECG传感器可用于进行长期测量。单导联心电图有时无法检测到房颤,但使用机器学习可以克服这一缺点。
已提出使用心震图(SCG)的房颤检测方法[5]作为ECG的替代方法。SCG是由心跳引起的身体振动的记录。SCG包含有关心脏力学的信息,特别是心音和心输出量。
动机
传统SCG的问题是加速度计传感器必须与身体接触。ECG还需要将湿电极直接粘贴到皮肤上。这些缺点降低了可用性,并使长期测量变得困难。使用非接触式AFib检测来解决这个问题是这项研究背后的动机
目的
使用微波多普勒传感器用于非接触测量由呼吸和心率产生的生物信号,并在此基础上使用深度学习网络进行AFib(心房颤动)的非接触式监测。
方法
10个健康受试者和10个房产患者,贴片ECG传感器被用作参考。
这项研究中,我们提出了一种方法来训练CVAE(条件变分编码器),方法是输入多普勒传感器数据,并将主题标签指定为“患者”或“健康”。来自一个受试者的数据被排除在评估之外,所有其他受试者的数据都被训练(20-fold 交叉验证)。每个受试者的测量时间为400个S。输入到CVAE的数据是从400个S的测量数据中截取的2个S的数据,每个数据重叠1个S。
作者比较了参考ECG和多普勒传感器对健康受试者的测量,高频分量与先前研究中所示的SCG波形相似,这支持多普勒传感器远程测量SCG的预期。另一方面,低频分量与脉搏波形有关,并且与使用指尖或手腕处的光电容积描记图(PPG)测量的波形相似。预期这是除SCG之外的动脉振动分量的测量。
实验和结果