Signal processing methods for the estimation of physiological parameters from optical recordings.

Abstract

Monitoring of physiological signals of an individual via remote and contactless means is an important scientific challenge, whose resolution will enable the development of novel, non-intrusive mHealth and wellness-management systems and services. Measurement of vital signs, such as heart rate (HR), breathing rate (BR), heart rate variability (HRV), blood oxygen saturation level (SpO2) and blood pressure (BP), is important both in clinical environments and at home due to the fundamental role of such signs in the diagnosis of health conditions and monitoring of well-being. Currently, the gold standard techniques for measuring these signs are based on sensors with skin contact, but this is not convenient in all scenarios. Therefore, nonintrusive methods for accurate vital sign measurement have become important, particularly in the context of pervasive services for health or wellness management. During the last decade, researchers have begun to explore the use of simple and low-cost methods for non-contact vital sign extraction. One of the approaches explored for contactless detection and estimation of these signs is based on photoplethysmography (PPG), a noninvasive optical technique for measuring blood flow in tissue, the use of video imaging and ambient light. Exploiting this method has a high potential benefit since there is a need for low-cost physiological monitoring solutions that are easy to use, accurate and can be utilized outside from conventional clinical settings. However, PPG systems using digital camera and ambient light, face several issues and challenges. This thesis describes the development and the optimization of the necessary methods in order to measure a set of physiological signs such as HR, HRV and respiratory rate from facial videos using PPG and ambient light. It attempts to identify different factors that need to be taken into account when constructing an optimal computational pipeline for the estimation of these signs. It explores different signal processing techniques to overcome issues that emerge during the whole procedure. The experimental validation and analysis using a large dataset, proves that highly accurate measurement of the order of 97-99% for the HR in real life conditions is possible. It also demonstrates positive indications on the feasibility of the HRV analysis and respiratory rate estimation since we observed that many types of artefacts had major effects on computed HRV indices which allow us to provide evidence only for the feasibility and not for the reliability of our method.

Η παρακολούθηση των βιοσημάτων (physiological signals) ενός ατόμου εξ’ αποστάσεως και χωρίς επαφή αποτελεί μια σημαντική επιστημονική πρόκληση της οποίας η επίλυση θα επιτρέψει την ανάπτυξη καινοτόμων, μη παρεμβατικών υπηρεσιών ηλεκτρονικής υγείας (mHealth) και υπηρεσιών διαχείρισης της ευεξίας (wellness management). Η μέτρηση ζωτικών σημείων όπως ο καρδιακός παλμός, ο ρυθμός αναπνοής, η μεταβλητότητα του καρδιακού ρυθμού, τα επίπεδα κορεσμού του οξυγόνου στο αίμα (SpO2) και η αρτηριακή πίεση, είναι σημαντική τόσο σε κλινικά περιβάλλοντα όσο και σε άλλα περιβάλλοντα διαβίωσης (π.χ. στο σπίτι) εξαιτίας του θεμελιώδη ρόλου που τα εν λόγω σήματα έχουν στην ιατρική διαγνωστική διαδικασία. Σήμερα, ο κανόνας αναφορικά με τον τρόπο μέτρησης απαιτεί τη χρήση αισθητήρων που έρχονται σε επαφή με το δέρμα (contact sensors). Αυτός όμως ο τρόπος δεν είναι βολικός σε όλα τα σενάρια χρήσης ούτε συχνά επιθυμητός. Ως εκ τούτου, οι μη παρεμβατικές μέθοδοι για την ακριβή μέτρηση βιοσημάτων και ζωτικών σημείων ενός ατόμου είναι σημαντικές, ιδίως στο πλαίσιο ανάπτυξης διάχυτων υπηρεσιών (pervasive eHealth services) ηλεκτρονικής υγείας για τη διαχείριση της υγείας ή της ευεξίας. Κατά την τελευταία δεκαετία, έχει ξεκινήσει η διερεύνηση της χρήσης απλών και χαμηλού κόστους μεθόδων για την ανέπαφη μέτρηση των ζωτικών σημείων. Μία από τις υπό διερεύνηση προσεγγίσεις για την ανέπαφη ανίχνευση και εκτίμηση αυτών των σημείων βασίζεται στη φωτοπληθυσμογραφία, μια μη επεμβατική οπτική τεχνική για τη μέτρηση της ροής του αίματος στους ιστούς με τη χρήση βίντεο-απεικόνισης και το φως του περιβάλλοντος. Η αξιοποίηση αυτής της μεθόδου είναι πολύ σημαντική, δεδομένου ότι υπάρχει η ανάγκη για χαμηλού κόστους λύσεις για τη παρακολούθηση ζωτικών σημείων ενός ατόμου που να είναι εύκολες στη χρήση, ακριβείς και να μπορούν να χρησιμοποιηθούν και εκτός από τα συμβατικά κλινικά περιβάλλοντα. Ωστόσο, τα φωτοπληθυσμογραφικά συστήματα που χρησιμοποιούν καταγραφές από βίντεο και το φως του περιβάλλοντος, αντιμετωπίζουν πολλά προβλήματα και προκλήσεις. Αυτή η διατριβή περιγράφει την ανάπτυξη και τη βελτιστοποίηση των απαραίτητων μεθόδων προκειμένου να μετρήσουμε μια σειρά από φυσιολογικές ενδείξεις όπως ο καρδιακός παλμός, η μεταβλητότητα του καρδιακού ρυθμού και ο ρυθμός αναπνοής από βίντεο του προσώπου χρησιμοποιώντας τη φωτοπληθυσμογραφία και το φως του περιβάλλοντος. Προσδιορίζει μια σειρά από παράγοντες που πρέπει να ληφθούν υπόψη κατά την κατασκευή μίας βέλτιστης υπολογιστικής διαδικασίας για την εκτίμηση των εν λόγω σημείων και διερευνά διαφορετικές τεχνικές επεξεργασίας εικόνας και σήματος για την αντιμετώπιση θεμάτων που προκύπτουν κατά τη διάρκεια της όλης διαδικασίας. Η εργασία επίσης εστιάζει με έμφαση στην πειραματική επικύρωση των μεθόδων που αναπτύχθηκαν αλλά και της συνολικά προτεινόμενης διαδικασίας. Προς την κατεύθυνση αυτή χρησιμοποιήθηκε ένα μεγάλο σε όγκο σύνολο δεδομένων. Η πειραματική αυτή επιβεβαίωση αποδεικνύει ότι εξαιρετικά ακριβής μετρήσεις της τάξης του 97-99% για τον καρδιακό παλμό σε πραγματικές συνθήκες ζωής είναι δυνατόν να επιτευχθούν. Η εργασία επίσης παρέχει θετικές ενδείξεις σχετικά με τη δυνατότητα της υπολογιστικής εκτίμησης της μεταβλητότητας του καρδιακού ρυθμού και της εκτίμησης του ρυθμού αναπνοής.