رفتن به محتوای اصلی
توضیح کوهستانفناوری پوشیدنیتوضیح و تحلیل۸ شهریور ۱۴۰۵، ۵:۲۷· 5 دقیقه مطالعه· در فناوری

چگونگی عملکرد واقعی حسگرهای ضربان قلب ساعت‌های هوشمند (و چرا هنوز هم خطا می‌کنند)

حسگرهای نوری ضربان قلب پوشیدنی برای اندازه‌گیری جریان خون به نور سبز متکی هستند، اما قوانین فیزیک حکم می‌کند که حرکت و رنگ پوست اساساً دقت آن‌ها را محدود می‌کند. در اینجا علم پشت فوتوپلتیسموگرافی (PPG) و ترفندهای الگوریتمی که دستگاه‌ها برای جبران این محدودیت‌ها به کار می‌برند، توضیح داده شده است.

به قلم ایمان شریعتی

محققان الگوریتمی 35%حامیان عدالت در سلامت 35%سخت‌افزار و فناوری مصرف‌کننده 30%
محققان الگوریتمی
برخورد با داده‌های نوری پر نویز به عنوان یک مسئله ریاضی که باید با یادگیری ماشین و فیلتر تطبیقی حل شود.
حامیان عدالت در سلامت
برجسته کردن لزوم داده‌های آموزشی متنوع برای جلوگیری از نابرابری‌های تشخیصی در فناوری سلامت پوشیدنی.
سخت‌افزار و فناوری مصرف‌کننده
ارزیابی طراحی فیزیکی، هزینه و قابلیت استفاده واقعی دستگاه‌های پوشیدنی ممتاز.

میلیون‌ها نفر هر روز چراغ‌های سبز درخشان را به مچ دست خود می‌بندند و صدها دلار برای پلتفرم‌های تناسب اندام ممتاز هزینه می‌کنند تا خواب، فشار و ضربان قلب خود را ردیابی کنند. ما به این دستگاه‌ها اعتماد می‌کنیم تا سرعت دو ماراتن ما را هدایت کنند، ریکاوری ما را نظارت کنند و حتی آریتمی‌های خاموش را تشخیص دهند.[5]

اما در زیر رابط‌های شیشه‌ای شیک و ادعاهای بازاریابی مبنی بر دقت در حد بالینی، هر ساعت هوشمند و بند تناسب اندام به همان محدودیت‌های فیزیکی اپتیک پایبند است. فناوری که به آن‌ها قدرت می‌دهد، فوتوپلتیسموگرافی (PPG) نام دارد.

مکانیسم پشت PPG به طرز فریبنده‌ای ساده است. یک دستگاه پوشیدنی نوری را به پوست می‌تاباند و از یک فتودیود برای اندازه‌گیری میزان نوری که بازتاب می‌شود، استفاده می‌کند. با هر ضربان قلب، موجی از خون مویرگ‌های مچ دست شما را منبسط می‌کند.

از آنجایی که خون نور را جذب می‌کند، فتودیود در طول ضربان قلب کاهش جزئی در نور بازتاب شده و با دور شدن خون، افزایش جزئی را تشخیص می‌دهد. با شمارش این نوسانات میکروسکوپی در شدت نور، ساعت ضربان شما را محاسبه می‌کند.

نحوه عملکرد PPG: نور توسط خون جذب می‌شود و باقیمانده بازتاب شده توسط یک فتودیود اندازه‌گیری می‌شود تا نبض محاسبه شود.

اگر یک اپل واچ، گارمین یا ووپ را برگردانید، تقریباً همیشه LEDهای سبز خواهید دید. تولیدکنندگان از رنگ سبز استفاده نمی‌کنند چون تنها گزینه است؛ بلکه به این دلیل استفاده می‌کنند که هموگلوبین – پروتئین حامل اکسیژن در گلبول‌های قرمز – نور سبز را به طور استثنایی جذب می‌کند.

این جذب قوی، تضاد بزرگی بین فازهای سیستولیک (پمپاژ) و دیاستولیک (استراحت) چرخه قلبی ایجاد می‌کند. در محیط‌های آزمایشگاهی، نور سبز یک سیگنال ضربانی ایجاد می‌کند که به طور قابل توجهی قوی‌تر از نور قرمز یا مادون قرمز است و ریتم واضح و بلندی را برای ردیابی در اختیار نرم‌افزار قرار می‌دهد.

با این حال، نور سبز یک محدودیت فیزیکی حیاتی دارد: عمق نفوذ آن بسیار کم است. این نور به سختی از لایه‌های بالایی پوست عبور می‌کند و پراکنده می‌شود. این مسیر نوری کم‌عمق، اولین مانع اصلی برای دقت دستگاه‌های پوشیدنی را معرفی می‌کند: سوگیری ناشی از رنگ پوست.

ملانین، رنگدانه‌ای که مسئول رنگ پوست انسان است، در جذب نور با طول موج کوتاه، از جمله نور سبز، بسیار مؤثر است. در افرادی که رنگ پوست تیره‌تری دارند – به ویژه انواع ۴ تا ۶ مقیاس فیتزپاتریک – ملانین بخش قابل توجهی از نور سبز را قبل از رسیدن به رگ‌های خونی جذب می‌کند.

ملانین، رنگدانه‌ای که مسئول رنگ پوست انسان است، در جذب نور با طول موج کوتاه، از جمله نور سبز، بسیار مؤثر است.

این امر نسبت سیگنال به نویز را کاهش می‌دهد. یک بررسی جامع در مورد دقت دستگاه‌های پوشیدنی نشان داد که در حالی که دستگاه‌ها در حالت استراحت در تمام رنگ‌های پوست عملکرد مناسبی دارند، نرخ خطا در طول ورزش به شدت واگرا می‌شود. برخی از برندهای ساعت هوشمند، ضربان قلب کاربران با پوست تیره‌تر را در طول فعالیت شدید، ۱۰ تا ۱۵ ضربان در دقیقه کمتر از حد واقعی تخمین زدند.[3]

نرخ خطای دستگاه‌های پوشیدنی در طول فعالیت بدنی شدید و در رنگ‌های مختلف پوست به طور قابل توجهی واگرا می‌شود.

دومین محدودیت PPG، که مسلماً مخرب‌تر است، آرتیفکت حرکتی است. هنگامی که کاربر می‌دود، دوچرخه‌سواری می‌کند یا وزنه می‌زند، دستگاه پوشیدنی به طور فیزیکی روی پوست جابجا می‌شود. بافت زیرین تغییر شکل می‌دهد، مسیر نوری عوض می‌شود و نور محیط به داخل حسگر نشت می‌کند.

فیزیک حرکت انسان برای پردازش سیگنال یک کابوس ایجاد می‌کند. فرکانس آرتیفکت‌های حرکتی معمول انسان از ۰.۰۱ تا ۱۰ هرتز متغیر است. در همین حال، فرکانس ضربان قلب انسان از ۰.۵ تا ۵ هرتز متغیر است.[2]

از آنجایی که نویز ناشی از حرکت بازوی شما کاملاً با سیگنال نبض شما همپوشانی دارد، مهندسان نمی‌توانند به سادگی یک فیلتر پایین‌گذر (low-pass filter) ساده برای تمیز کردن داده‌ها اعمال کنند. اگر حرکت را فیلتر کنند، ضربان قلب را نیز فیلتر کرده‌اند.

برای حل این مشکل، تولیدکنندگان حسگر نوری را با یک شتاب‌سنج سه‌محوره جفت می‌کنند. شتاب‌سنج فرکانس و شدت دقیق حرکت بازوی کاربر را ثبت می‌کند. سپس الگوریتم‌های پیشرفته، مانند فیلتر تطبیقی طیفی، فرکانس حرکت را به صورت ریاضی از فرکانس نوری کم می‌کنند تا ضربان قلب واقعی جدا شود.[2]

از آنجایی که آرتیفکت‌های حرکتی با فرکانس‌های ضربان قلب همپوشانی دارند، الگوریتم‌ها باید حرکت بازو را به صورت ریاضی از داده‌های نوری خام کم کنند.

با وجود این ژیمناستیک‌های الگوریتمی، فعالیت بدنی شدید همچنان پاشنه آشیل دستگاه‌های پوشیدنی مچی باقی می‌ماند. مطالعات نشان می‌دهد که نرخ خطای مطلق حسگرهای نوری ضربان قلب، به طور متوسط، ۳۰ درصد در طول فعالیت بیشتر از زمان استراحت است.[1]

این توضیح می‌دهد که چرا بسیاری از دستگاه‌ها در طول فعالیت‌هایی با حرکات نامنظم و غیرریتمیک بازو – مانند کراس‌فیت، تنیس یا وزنه‌برداری – در مقایسه با حرکت ثابت و قابل پیش‌بینی دویدن، دچار مشکل می‌شوند. الگوریتم‌ها دائماً در حال تلاش برای جبران هستند و سعی می‌کنند حدس بزنند کدام اوج‌ها ضربان قلب هستند و کدام‌ها فقط ناشی از جهش ساعت روی استخوان مچ دست.

حفظ تماس محکم حسگر در طول حرکات نامنظم مانند وزنه‌برداری برای جلوگیری از نشت نور محیط حیاتی است.

برای عبور از این محدودیت‌های فیزیکی، صنعت به آرامی در حال حرکت به سمت حسگرهای چندطول موجی است. با گنجاندن LEDهای قرمز و مادون قرمز – که عمیق‌تر به بافت نفوذ می‌کنند و از برخی جذب‌های ملانین عبور می‌کنند – دستگاه‌ها می‌توانند چندین مسیر نوری را برای تأیید نبض با هم مقایسه کنند.

همانطور که ساعت‌های هوشمند از ردیاب‌های تناسب اندام معمولی به دستگاه‌های پزشکی مورد تأیید FDA که قادر به تشخیص فیبریلاسیون دهلیزی هستند، تبدیل می‌شوند، این دقت پایه به یک مسئله عدالت در سلامت عمومی تبدیل می‌شود. حسگری که داده‌ها را در طول تمرین از دست می‌دهد، یک آزار است؛ اما حسگری که آریتمی را به دلیل رنگ پوست از دست می‌دهد، یک مسئولیت حقوقی است.

در نهایت، یک ساعت هوشمند الکتروکاردیوگرام نیست. این یک دوربین بسیار پیچیده است که هزاران عکس از مویرگ‌های شما می‌گیرد و از یادگیری ماشین استفاده می‌کند تا ضربان قلب شما را از میان لایه‌های بافت متحرک حدس بزند. در حالی که سرمایه‌های خطرپذیر به شدت به سمت پزشکی مبتنی بر هوش مصنوعی متمایل می‌شوند، جهش بعدی در دقت دستگاه‌های پوشیدنی نه از LEDهای روشن‌تر، بلکه از شبکه‌های عصبی بهتر که بر روی مجموعه‌داده‌های بسیار متنوع‌تری آموزش دیده‌اند، حاصل خواهد شد.[6]

نکات کلیدی

  • ساعت‌های هوشمند از فوتوپلتیسموگرافی (PPG) استفاده می‌کنند و نور سبز را به پوست می‌تابانند تا تغییرات حجم خون را اندازه‌گیری کنند.
  • نور سبز سیگنال قوی ارائه می‌دهد اما نفوذ بافتی کمی دارد، که آن را در برابر تداخلات سطحی آسیب‌پذیر می‌کند.
  • ملانین نور سبز را جذب می‌کند، که می‌تواند دقت حسگر را در رنگ‌های پوست تیره‌تر در طول فعالیت شدید، ۱۰ تا ۱۵ ضربان در دقیقه کاهش دهد.
  • حرکت انسان آرتیفکت‌های حرکتی ایجاد می‌کند که با فرکانس‌های ضربان قلب همپوشانی دارند و حسگرهای نوری را گیج می‌کنند.
  • دستگاه‌ها از شتاب‌سنج‌ها و الگوریتم‌های تطبیقی استفاده می‌کنند تا حرکت بازو را به صورت ریاضی از سیگنال ضربان قلب کم کنند.

اصطلاحات کلیدی

فوتوپلتیسموگرافی (PPG)
یک تکنیک اندازه‌گیری نوری که از نور برای تشخیص تغییرات حجمی در گردش خون استفاده می‌کند.
آرتیفکت حرکتی (MA)
تداخلی در سیگنال حسگر که ناشی از حرکت فیزیکی کاربر است و می‌تواند داده‌های فیزیولوژیکی واقعی را مبهم کند.
مقیاس فیتزپاتریک
یک طرح طبقه‌بندی عددی برای رنگ پوست انسان، از نوع ۱ (بسیار روشن) تا نوع ۶ (بسیار تیره)، که برای ارزیابی جذب نور استفاده می‌شود.
نسبت سیگنال به نویز (SNR)
معیاری که در علم و مهندسی استفاده می‌شود و سطح یک سیگنال مورد نظر را با سطح نویز پس‌زمینه مقایسه می‌کند.

منابع

پوشش منابع

6 منبع

3 دیدگاه شناسایی‌شده

محققان الگوریتمی 35%حامیان عدالت در سلامت 35%سخت‌افزار و فناوری مصرف‌کننده 30%
  1. [1]npj Digital Medicineحامیان عدالت در سلامت

    Investigating sources of inaccuracy in wearable optical heart rate sensors

    مطالعه در npj Digital Medicine
  2. [2]Sensors (MDPI)محققان الگوریتمی

    A Robust Dynamic Heart-Rate Detection Algorithm Framework During Intense Physical Activities Using Photoplethysmographic Signals

    مطالعه در Sensors (MDPI)
  3. [3]Cureusحامیان عدالت در سلامت

    Photoplethysmography in Diverse Skin Tones: Evaluating Bias in Smartwatch Health Monitoring

    مطالعه در Cureus
  4. [4]تیم سردبیری کوهستانسخت‌افزار و فناوری مصرف‌کننده

    تحلیل تیم سردبیری کوهستان

    مطالعه در تیم سردبیری کوهستان
  5. [5]Engadgetسخت‌افزار و فناوری مصرف‌کننده

    Why would you pay $359 for the most expensive Whoop membership?

    مطالعه در Engadget
  6. [6]TechCrunchمحققان الگوریتمی

    “We’re not doing 30 bets a year”: Vijay Pande on betting small after running $4 billion at a16z

    مطالعه در TechCrunch

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

دریافت فناوری اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.