मिलीमीटर-वेव रडार से संपर्क रहित ECG। जानिए यह आपके दिल के विद्युत संकेत को कैसे दोबारा बनाता है

बेसल, स्विट्ज़रलैंड। स्रोत:

एक ऐसे मॉनिटर की कल्पना करें जो बिना किसी चिपचिपे इलेक्ट्रोड के आपके दिल की विद्युत लय पर नज़र रखता है। मिलीमीटर-वेव रडार शोध इसी दिशा में आगे बढ़ रहा है। हाल के एक अध्ययन से पता चलता है कि रडार छाती की सूक्ष्म गतिविधियों से ECG तरंग को कैसे दोबारा बना सकता है। यानी एक साधारण रेडियो परावर्तन को एक मायने रखने वाले हृदय संकेत में बदला जा सकता है।

क्या यह बेहतर नहीं होगा अगर लंबे समय तक दिल की निगरानी करना किसी भी तरह से महसूस ही न हो? सांस और दिल की धड़कन सेहत के मजबूत संकेतक हैं। अगर इन पर लगातार नज़र रखी जाए तो डॉक्टर बदलावों को पहले ही भांप सकते हैं, निदान में मदद ले सकते हैं और इलाज को निजी बना सकते हैं। आम ECG इलेक्ट्रोड और सांस की पट्टियाँ यह काम अच्छी तरह करती हैं, लेकिन उन्हें त्वचा के संपर्क, तारों और सावधानी से लगाने की ज़रूरत होती है। इससे वे कम आरामदायक हो जाती हैं और लंबे समय तक इस्तेमाल करना मुश्किल हो जाता है। रडार सेंसिंग इस समीकरण को बदल देती है। यह परावर्तित निरंतर तरंगों का इस्तेमाल करके थोड़ी दूरी से छाती की दीवार की गति को पहचानती है। वह भी बिना कोई तस्वीर या आवाज़ कैप्चर किए। गोपनीयता बरकरार रहती है।

रडार और ECG के बीच एक गहरी चुनौती है। ECG विद्युत गतिविधि को दर्ज करता है। रडार यांत्रिक गति को दर्ज करता है। दिल की धड़कन से पहले विद्युत संकेत बनता है। उसके बाद छाती हल्की सी हिलती है। इन दोनों घटनाओं के बीच का रिश्ता जटिल और गैर-रैखिक है। सिर्फ छाती की गति नापना काफी नहीं है। ECG की आकृति पाने के लिए सिस्टम को सीखना होगा कि छोटी-छोटी कंपनें विद्युत बदलावों से कैसे जुड़ी हैं।

पहले के तरीकों में वेवलेट, ऑटोकॉरिलेशन और शारीरिक मॉडल से दरों का अनुमान लगाया जाता था। हाल के डीप लर्निंग मॉडल रडार से सीधे ECG तरंगें बनाने की कोशिश करते थे। CNN-LSTM, ऑटोएन्कोडर और अटेंशन-आधारित सिस्टम जैसी आर्किटेक्चर ने उम्मीद दिखाई। लेकिन उनके सामने एक व्यावहारिक समस्या आई। रडार और ECG डिवाइस अक्सर अलग-अलग घड़ियों पर चालू होते हैं, अलग-अलग गति से सैंपल लेते हैं और अलग-अलग समय पर रिकॉर्डिंग शुरू करते हैं। अगर संकेत एक-दूसरे से मेल नहीं खाते तो पर्यवेक्षित लर्निंग की सटीकता घट जाती है। रडार क्लटर, मुद्रा में बदलाव और गति से जुड़ी कलाकृतियाँ भी उठाता है, जिससे मैपिंग और जटिल हो जाती है।

नया अध्ययन इन मुद्दों से सीधे निपटने वाली एक पूरी पाइपलाइन बनाता है। शोधकर्ताओं ने 77–81 GHz FMCW रडार का इस्तेमाल किया। इसमें एक ट्रांसमिट और चार रिसीव एंटीना थे। एक BIOPAC MP150 प्रणाली ने संदर्भ के लिए सांस और तीन-लीड ECG को 2000 हर्ट्ज़ पर दर्ज किया। स्वयंसेवक रडार से लगभग आधा मीटर की दूरी पर बैठे। वे 120 सेकंड के सत्र के दौरान स्थिर रहे। इसका नतीजा चार विषयों से 35 मान्य रिकॉर्डिंग थीं। इससे उन्हें एक घंटे से अधिक का रडार और ECG डेटा मिला।

प्रीप्रोसेसिंग की शुरुआत रडार के फास्ट टाइम एक्सिस पर फास्ट फूरियर ट्रांसफॉर्म से हुई, ताकि रेंज प्रोफाइल तैयार हो सकें। सबसे मजबूत रेंज बिन छाती की दीवार को दर्शाता था। उस बिन पर कॉम्प्लेक्स सिग्नल की फेज को अनरैप किया गया, ताकि लगातार विस्थापन मिल सके। ECG पुनर्निर्माण से पहले रडार और BIOPAC घड़ियों को सिंक करना ज़रूरी था। टीम ने हर रडार चैनल से सांस का घटक निकाला। इसके लिए उन्होंने 0.1 से 0.6 हर्ट्ज़ का बैंड-पास फिल्टर इस्तेमाल किया। फिर तीन सेकंड की देरी खिड़की में नॉर्मलाइज़्ड क्रॉस-कॉरिलेशन लगाया। इस खोज ने सबसे अच्छा चैनल चुना और समय ऑफसेट का अनुमान लगाया। यह कदम तकनीकी लग सकता है। लेकिन यह पूरी प्रक्रिया का मूक नायक है।

ECG मॉडल के लिए रडार की छाती के संकेत को 8 से 30 हर्ट्ज़ के बैंड-पास फिल्टर से गुजारा गया। इससे दिल से जुड़ी कंपनों पर ज़ोर बढ़ा। संदर्भ ECG को 250 हर्ट्ज़ पर फिर से सैंपल किया गया। उसे 50 हर्ट्ज़ के नॉच और 0.5 से 40 हर्ट्ज़ के बैंड-पास फिल्टर से साफ किया गया। दोनों संकेतों को 2048 सैंपल की खिड़कियों में काटा गया। इनमें 50 प्रतिशत ओवरलैप था। इससे खुद के बनाए डेटासेट से 1015 जोड़े सैंपल तैयार हुए। एक बेतरतीब विभाजन में 70 प्रतिशत प्रशिक्षण के लिए, 15 प्रतिशत सत्यापन के लिए और 15 प्रतिशत परीक्षण के लिए गया।

पुनर्निर्माण नेटवर्क एक कनवल्शनल एन्कोडर-डिकोडर को द्विदिशात्मक LSTM के साथ जोड़ता है। एन्कोडर रडार सिग्नल को कई स्तरों पर सघन विशेषताओं में बदल देता है। डिकोडर समय आयाम को फिर से स्थापित करता है। फिर BiLSTM परतें उन विशेषताओं को दोनों दिशाओं में पढ़ती हैं। इससे मॉडल हर धड़कन से पहले और बाद के संदर्भ को समझता है। डेंस परतें हर 64-आयामी विशेषता को एक अकेले ECG आयाम में बदल देती हैं। नेटवर्क एक संयुक्त समय-आवृत्ति हानि का इस्तेमाल करता है। यह समय क्षेत्र में माध्य वर्ग त्रुटि को STFT-आधारित वर्णक्रमीय हानि के साथ जोड़ती है। इससे पुनर्निर्मित ECG आयाम और आवृत्ति दोनों में स्पष्ट रहता है। अत्यधिक स्मूदिंग भी कम होती है, जो ज़रूरी तरंग विवरण छिपा सकती है।

नतीजे रडार-आधारित ECG की तरफ इशारा करते हैं। अपने बनाए डेटासेट पर पुनर्निर्मित ECG में माध्य निरपेक्ष त्रुटि 0.0555 मिली। सहसंबंध गुणांक 0.5631 था और RRMSE 0.3162 था। औसत हृदय दर त्रुटि सिर्फ एक धड़कन प्रति मिनट थी। R-R अंतराल त्रुटि लगभग 10 मिलीसेकंड थी। एक सार्वजनिक डेटासेट पर परीक्षण में आराम, एपनिया और वाल्साल्वा स्थितियों के तहत मॉडल ने क्रमशः 0.8923, 0.6919 और 0.8387 का सहसंबंध गुणांक हासिल किया। उन्हीं स्थितियों में प्रकाशित MultiRes-LinkNet संदर्भ मूल्यों की तुलना में ये आंकड़े काफी ज्यादा हैं। MAE मान भी कम रहे। यह सिर्फ एक एल्गोरिदम अभ्यास नहीं है। यह दिखाता है कि छाती की यांत्रिक गति में दिल की धड़कन की समय की जानकारी इतनी होती है कि चिकित्सकीय रूप से प्रासंगिक विद्युत लय का पुनर्निर्माण किया जा सके।

पुनर्निर्मित ECG से R चोटियों का पता लगाने पर औसत हृदय दर और माध्य R-R अंतराल का विश्वसनीय अनुमान लगा। ये पैरामीटर लय निगरानी में उपयोगी हैं। खासकर उन लोगों के लिए जिन्हें लंबे समय तक दिल की निगरानी चाहिए। शोधकर्ता मानते हैं कि कुछ तरंग विवरण अभी भी हर सैंपल में बदलते हैं। वर्तमान प्रणाली ऑफलाइन काम करती है। गति और मुद्रा में बदलाव भविष्य में खोजे जाने वाले क्षेत्र बने हुए हैं। भविष्य के काम में ज्यादा प्रतिभागी होंगे, विषय-पृथक मूल्यांकन होगा, स्थानीय तरंग निष्ठा बेहतर होगी और गति-सहनशील रणनीतियाँ होंगी।

यहाँ कुछ शांत रूप से प्रेरक बात है। एक रडार मॉड्यूल, जो एक छोटे डिब्बे जैसा दिखता है, शरीर की सतह की गति देखकर दिल के विद्युत संकेत को पहचान सकता है। इस तरह की सेंसिंग स्मार्ट हेल्थकेयर में आसानी से फिट होती है। यह नींद की निगरानी, गतिहीन जीवनशैली के स्वास्थ्य आकलन और घर पर दिल की निगरानी में मदद कर सकती है। इसके लिए व्यक्ति को कुछ भी पहनने की जरूरत नहीं होगी। जो लोग आसानी और आराम को महत्व देते हैं, उनके लिए यह एक देखने लायक भविष्य है।