ECG Tanpa Kontak Lewat Radar Gelombang Milimeter: Bagaimana Teknologi Ini Membangun Ulang Sinyal Listrik Jantung Anda

Basel, Swiss, Sumber:

Bayangkan sebuah monitor yang mengamati irama listrik jantung Anda tanpa satu pun elektroda lengket. Di sinilah arah penelitian radar gelombang milimeter bermuara. Sebuah studi terbaru menunjukkan bagaimana radar dapat menyusun ulang bentuk gelombang ECG dari gerakan kecil di dada, mengubah pantulan radio biasa menjadi sinyal jantung yang bermakna.

Bukankah lebih baik jika pemantauan jantung jangka panjang terasa seperti tidak melakukan apa pun? Pernapasan dan detak jantung adalah indikator kesehatan yang kuat. Jika seseorang bisa melacaknya secara terus-menerus, dokter dapat melihat perubahan halus lebih awal, mendukung diagnosis, dan menyesuaikan perawatan. Elektroda ECG standar dan sabuk pernapasan melakukan tugas ini dengan baik, tetapi mereka juga mengandalkan kontak kulit, kabel, dan penempatan yang hati-hati. Hal itu membuat mereka kurang nyaman dan sulit digunakan dalam waktu lama. Penginderaan radar mengubah segalanya. Radar menggunakan gelombang kontinu yang dipantulkan untuk mendeteksi gerakan dinding dada dari jarak pendek, tanpa menangkap satu gambar atau suara pun. Privasi tetap terjaga.

Ada tantangan yang lebih dalam antara radar dan ECG. ECG merekam aktivitas listrik. Radar merekam gerakan mekanis. Detak jantung menghasilkan sinyal listrik, lalu dada bergerak sedikit setelah aktivasi itu. Hubungan antara dua peristiwa ini rumit dan tidak linear. Mengukur gerakan dada saja tidak cukup. Untuk memulihkan bentuk ECG, sistem harus mempelajari dengan tepat bagaimana getaran kecil berkorespondensi dengan perubahan listrik.

Pendekatan sebelumnya menggunakan wavelet, autokorelasi, dan model fisiologis untuk memperkirakan laju detak. Model pembelajaran mendalam yang lebih baru mencoba menghasilkan bentuk gelombang ECG langsung dari radar. Arsitektur seperti CNN-LSTM, autoencoder, dan sistem berbasis attention menunjukkan hasil yang menjanjikan. Tetapi mereka juga menghadapi masalah praktis. Perangkat radar dan ECG sering dimulai dengan jam terpisah, mengambil sampel dengan kecepatan berbeda, dan mulai merekam pada waktu yang berbeda. Jika sinyal tidak selaras, pembelajaran terawasi kehilangan akurasi. Radar juga menangkap kekacauan, perubahan postur, dan artefak gerakan yang mempersulit pemetaan.

Studi baru ini membangun alur kerja lengkap yang menangani masalah-masalah itu secara langsung. Para peneliti menggunakan radar FMCW 77–81 GHz dengan satu antena pemancar dan empat antena penerima. Sistem BIOPAC MP150 merekam referensi pernapasan dan ECG tiga sadapan pada 2000 Hz. Relawan duduk sekitar setengah meter dari radar dan tetap diam selama sesi 120 detik. Hasilnya adalah 35 rekaman valid dari empat subjek, yang memberi mereka lebih dari satu jam data radar dan ECG berpasangan.

Pemrosesan awal dimulai dengan transformasi Fourier cepat pada sumbu waktu cepat radar untuk menghasilkan profil jarak. Kumpulan jarak terkuat mewakili dinding dada. Fase sinyal kompleks pada kumpulan itu dibuka lilitannya untuk memulihkan perpindahan kontinu. Sebelum rekonstruksi ECG dapat dilakukan, jam radar dan BIOPAC harus disinkronkan. Tim mengekstrak komponen pernapasan dari setiap saluran radar dengan filter band-pass 0,1 hingga 0,6 Hz. Kemudian mereka menggunakan korelasi silang ternormalisasi pada jendela tunda tiga detik. Pencarian itu memilih saluran terbaik dan memperkirakan selisih waktu. Langkah ini terdengar teknis. Tetapi langkah ini adalah pahlawan diam dari seluruh proses.

Untuk model ECG, sinyal dada radar difilter band-pass dari 8 hingga 30 Hz untuk menekankan getaran yang berkaitan dengan jantung. ECG referensi di-resampling menjadi 250 Hz, difilter dengan notch 50 Hz dan band-pass 0,5 hingga 40 Hz. Kedua sinyal dipotong menjadi jendela sampel 2048 dengan tumpang tindih 50 persen. Itu menciptakan 1015 sampel berpasangan dari dataset buatan sendiri. Pembagian acak menetapkan 70 persen untuk pelatihan, 15 persen untuk validasi, dan 15 persen untuk pengujian.

Jaringan rekonstruksi menggabungkan encoder-decoder konvolusional dengan bidirectional LSTM. Encoder memampatkan sinyal radar menjadi fitur ringkas pada berbagai skala. Decoder memulihkan dimensi waktu. Lalu lapisan BiLSTM membaca fitur-fitur itu dalam dua arah, sehingga model memahami konteks sebelum dan sesudah setiap detak jantung. Lapisan rapat mengubah setiap fitur 64 dimensi menjadi satu amplitudo ECG. Jaringan menggunakan fungsi kerugian gabungan waktu-frekuensi yang menggabungkan mean squared error di domain waktu dengan kerugian spektral berbasis STFT. Ini menjaga ECG hasil rekonstruksi tetap tajam dalam amplitudo dan frekuensi, mengurangi penghalusan berlebihan yang dapat menyembunyikan detail bentuk gelombang penting.

Hasilnya memperkuat argumen untuk ECG berbasis radar. Pada dataset buatan sendiri, ECG hasil rekonstruksi mencapai mean absolute error 0,0555, koefisien korelasi 0,5631, dan RRMSE 0,3162. Kesalahan detak jantung rata-rata hanya satu detak per menit, dan kesalahan interval R-R sekitar 10 milidetik. Saat diuji pada dataset publik dengan skenario istirahat, apnea, dan Valsalva, model mencapai koefisien korelasi 0,8923, 0,6919, dan 0,8387. Angka-angka itu jauh lebih tinggi daripada nilai referensi MultiRes-LinkNet yang dipublikasikan dalam kondisi yang sama. Nilai MAE juga lebih rendah. Ini melampaui sekadar latihan algoritma. Ini menunjukkan bahwa gerakan mekanis dada membawa cukup informasi waktu detak jantung untuk menyusun ulang irama listrik yang relevan secara klinis.

Mendeteksi puncak R dari ECG hasil rekonstruksi memungkinkan perkiraan yang andal untuk detak jantung rata-rata dan interval R-R rata-rata. Parameter-parameter ini berguna dalam pemantauan irama, terutama bagi orang yang membutuhkan pengawasan jantung jangka panjang. Para peneliti mengakui bahwa beberapa detail bentuk gelombang masih bervariasi dari sampel ke sampel, dan kerangka kerja saat ini beroperasi secara offline. Perubahan gerakan dan postur tetap menjadi area untuk eksplorasi di masa depan. Pekerjaan mendatang akan melibatkan lebih banyak partisipan, evaluasi yang terpisah antar subjek, fidelitas bentuk gelombang lokal yang lebih baik, dan strategi yang tahan gerakan.

Ada sesuatu yang menginspirasi secara diam-diam di sini. Modul radar yang tampak seperti kotak kecil dapat mendeteksi tanda tangan listrik jantung dengan mengamati gerakan permukaan tubuh. Jenis penginderaan ini cocok secara alami dengan perawatan kesehatan cerdas. Radar dapat mendukung pemantauan tidur, penilaian kesehatan saat kurang gerak, dan pengawasan jantung di rumah tanpa meminta seseorang memakai apa pun. Bagi siapa pun yang menghargai kemudahan dan kenyamanan, itu adalah masa depan yang layak diperhatikan.