L'ECG sans contact par radar à ondes millimétriques. Comment il reconstruit le signal électrique de votre cœur

Bâle, Suisse, Source :

Imaginez un moniteur qui surveille le rythme électrique de votre cœur sans une seule électrode adhésive. C'est exactement ce que la recherche sur les radars à ondes millimétriques cherche à accomplir. Une étude récente montre comment le radar peut reconstruire le signal ECG à partir des mouvements minuscules de la poitrine, transformant une simple réflexion radio en un signal cardiaque pertinent.

Ne serait-il pas préférable qu'un suivi cardiaque à long terme ne se fasse presque pas sentir ? La respiration et la fréquence cardiaque sont des indicateurs de santé très puissants. Si on peut les suivre en continu, les médecins peuvent repérer plus tôt des changements subtils, appuyer leurs diagnostics et personnaliser les soins. Les électrodes ECG classiques et les ceintures respiratoires font bien ce travail. Elles dépendent toutefois du contact avec la peau, de câbles et d'un placement minutieux. Cela les rend moins confortables et plus difficiles à utiliser sur de longues périodes. La détection par radar change la donne. Elle utilise des ondes continues réfléchies pour mesurer les mouvements de la paroi thoracique à courte distance, sans capturer la moindre image ni le moindre son. La confidentialité reste intacte.

Un défi plus profond se dresse entre le radar et l'ECG. Un ECG enregistre l'activité électrique. Le radar enregistre le mouvement mécanique. Un battement de cœur provoque un signal électrique, puis la poitrine bouge légèrement après cette activation. La relation entre ces deux événements est complexe et non linéaire. Mesurer simplement le mouvement de la poitrine ne suffit pas. Pour retrouver la forme de l'ECG, le système doit apprendre précisément comment de minuscules vibrations correspondent à des changements électriques.

Les approches précédentes utilisaient des ondelettes, l'autocorrélation et des modèles physiologiques pour estimer les rythmes. Des modèles d'apprentissage profond plus récents ont tenté de générer directement les signaux ECG à partir du radar. Des architectures comme CNN-LSTM, les autoencodeurs et les systèmes basés sur l'attention ont semblé prometteuses. Elles ont aussi rencontré un problème pratique. Les appareils radar et ECG démarrent souvent sur des horloges distinctes, échantillonnent à des vitesses différentes et commencent l'enregistrement à des moments différents. Si les signaux ne sont pas alignés, l'apprentissage supervisé perd en précision. Le radar capte aussi des interférences, des changements de posture et des artefacts de mouvement qui compliquent la correspondance.

La nouvelle étude met en place une chaîne de traitement complète qui traite ces problèmes de front. Les chercheurs ont utilisé un radar FMCW de 77 à 81 GHz avec une antenne d'émission et quatre antennes de réception. Un système BIOPAC MP150 a enregistré la respiration de référence et un ECG à trois dérivations à 2000 Hz. Les volontaires étaient assis à environ un demi-mètre du radar et restaient immobiles pendant des séances de 120 secondes. Le résultat a été de 35 enregistrements valides provenant de quatre sujets, ce qui leur a donné plus d'une heure de données radar et ECG appariées.

Le prétraitement commençait par une transformée de Fourier rapide le long de l'axe du temps rapide du radar pour produire des profils de distance. La case de distance la plus puissante représentait la paroi thoracique. La phase du signal complexe dans cette case était déroulée pour retrouver le déplacement continu. Avant toute reconstruction de l'ECG, les horloges du radar et du BIOPAC devaient être synchronisées. L'équipe a extrait la composante respiratoire de chaque canal radar avec un filtre passe-bande de 0,1 à 0,6 Hz. Ensuite, elle a utilisé une corrélation croisée normalisée sur une fenêtre de délai de trois secondes. Cette recherche a sélectionné le meilleur canal et estimé le décalage temporel. Cette étape peut paraître technique. Mais c'est le héros silencieux de tout le processus.

Pour le modèle ECG, le signal thoracique du radar était filtré passe-bande de 8 à 30 Hz afin de mettre en valeur les vibrations liées au cœur. L'ECG de référence a été rééchantillonné à 250 Hz, filtré avec un coupe-bande à 50 Hz et un passe-bande de 0,5 à 40 Hz. Les deux signaux ont été découpés en fenêtres de 2048 échantillons avec un chevauchement de 50 pour cent. Cela a créé 1015 échantillons appariés à partir de l'ensemble de données maison. Une répartition aléatoire a attribué 70 pour cent à l'entraînement, 15 pour cent à la validation et 15 pour cent au test.

Le réseau de reconstruction combine un encodeur-décodeur convolutif avec un LSTM bidirectionnel. L'encodeur comprime le signal radar en caractéristiques compactes à plusieurs échelles. Le décodeur restaure la dimension temporelle. Ensuite, les couches BiLSTM lisent ces caractéristiques dans les deux sens, afin que le modèle comprenne le contexte avant et après chaque battement. Les couches denses transforment chaque caractéristique de dimension 64 en une amplitude ECG unique. Le réseau utilise une fonction de perte conjointe temps-fréquence qui combine l'erreur quadratique moyenne dans le domaine temporel avec une perte spectrale basée sur la STFT. Cela maintient la netteté de l'ECG reconstruit en amplitude et en fréquence, réduisant le lissage excessif qui peut masquer des détails importants de la forme d'onde.

Les résultats plaident en faveur de l'ECG par radar. Sur l'ensemble de données maison, l'ECG reconstruit a atteint une erreur absolue moyenne de 0,0555, un coefficient de corrélation de 0,5631 et un RRMSE de 0,3162. L'erreur moyenne de fréquence cardiaque était d'un seul battement par minute, et l'erreur d'intervalle R-R était d'environ 10 millisecondes. Lors des tests sur un jeu de données public avec des scénarios de repos, d'apnée et de Valsalva, le modèle a obtenu des coefficients de corrélation de 0,8923, 0,6919 et 0,8387. Ces chiffres sont nettement supérieurs aux valeurs de référence publiées pour MultiRes-LinkNet dans les mêmes conditions. Les valeurs de MAE étaient également plus faibles. Cela va au-delà d'un simple exercice algorithmique. Cela montre que le mouvement mécanique de la poitrine contient suffisamment d'informations sur le rythme des battements pour reconstruire un rythme électrique cliniquement pertinent.

La détection des pics R dans l'ECG reconstruit a permis d'estimer de manière fiable la fréquence cardiaque moyenne et l'intervalle R-R moyen. Ces paramètres sont utiles pour la surveillance du rythme, en particulier pour les personnes qui ont besoin d'une surveillance cardiaque à long terme. Les chercheurs reconnaissent que certains détails de la forme d'onde varient encore d'un échantillon à l'autre, et le cadre actuel fonctionne hors ligne. Les mouvements et les changements de posture restent des domaines à explorer. Les travaux futurs apporteront davantage de participants, une évaluation avec des sujets distincts, une meilleure fidélité locale de la forme d'onde et des stratégies robustes aux mouvements.

Il y a quelque chose de discrètement inspirant dans tout cela. Un module radar qui ressemble à une petite boîte peut détecter la signature électrique du cœur en observant le mouvement de la surface du corps. Ce type de détection s'intègre naturellement dans les soins de santé intelligents. Il pourrait soutenir le suivi du sommeil, l'évaluation de la santé des personnes sédentaires et la surveillance cardiaque à domicile, sans demander à la personne de porter quoi que ce soit. Pour tous ceux qui attachent de l'importance à la facilité et au confort, c'est un avenir à surveiller.