Les évolutions des technologies de capteurs ont transformé les méthodes permettant à chacun de diagnostiquer ses fonctions vitales et son état de santé. À cet effet, les techniques non invasives donnent des mesures simples et rapides, réalisables dans les activités de nos vies quotidiennes. Cependant, même si cette technologie de diagnostic est devenue très courante dans le secteur du fitness, ses limites de précision n’ont été surmontées que très récemment.
Les moniteurs d’activité physique mesurent le rythme cardiaque ou d’autres fonctions vitales pour définir plus facilement des programmes d’exercices physiques. Ces appareils possèdent souvent des capteurs intégrés qui leur permettent de détecter les types de mouvement (marche, course, natation) et ainsi servir de podomètres. Par commodité et pour un meilleur confort dans la vie courante, les mesures sont généralement effectuées au poignet, car il est facile d’incorporer les capteurs dans des accessoires comme des montres, bijoux et bracelets. Pour autant, cette position n’est pas optimale pour la qualité des mesures. En effet, la détection du rythme cardiaque est freinée par des artefacts liés au mouvement. De plus, la masse relativement importante des muscles limite l’accès aux artères.
En revanche, l’oreille est bien mieux adaptée pour les mesures optiques du rythme cardiaque. Le lobe de l’oreille est déjà utilisé par les experts médicaux pour mesurer le niveau d’oxygène dans le sang. Cependant, jusqu’ici, cette possibilité n’a pas été pleinement exploitée pour des produits de grande consommation du fait de l’espace restreint des appareils de mesure auriculaire et de la nécessité d’une batterie volumineuse, en raison de leur forte consommation d’énergie. Pourtant, avec l’introduction de puces électroniques très basse consommation hautement intégrées, Analog Devices vient de développer une solution permettant de résoudre ces problèmes. Il est aujourd’hui possible d’intégrer un appareil fonctionnel de mesure des signaux vitaux dans les écouteurs intra-auriculaires courants. Cette sensibilité accrue ouvre des possibilités et des domaines d’application larges et inédits. Cet article propose une description et une évaluation de ce système.
Le procédé de mesure associé est de nature optique. Il s’appuie sur des signaux formés de courtes impulsions émises par trois LED au plus. Le courant de LED peut atteindre 370 mA, pour une largeur d’impulsion minimum de 1 µs. La longueur d’onde optimale de la LED est choisie en fonction de la position et du procédé de mesure. Alors que le poignet ne permet d’effectuer des mesures que sur les artères superficielles en lumière verte, une mesure auriculaire utilise un rayonnement infrarouge, avec une profondeur de pénétration supérieure et un meilleur SNR (rapport signal sur bruit). Une photodiode, dont la surface de détection est directement liée à la sensibilité, quantifie la lumière réfléchie. Le composant mesure donc à la fois le signal et le bruit de fond. L’interface analogique aval permet d’obtenir un meilleur SNR. Il fonctionne comme un filtre de signal et convertit le courant détecté en tension, puis en numérique. Outre la mesure de réflexion, l’algorithme prévoit une correction pour éliminer les artefacts de mouvement grâce à un accéléromètre.
Les composants du système de mesure sont les suivants. La puce électronique ADPD144RI d’Analog Devices sert d’interface analogique, et intègre également la photodiode et les LED. Le système de mesure comporte également un accéléromètre trois axes, servant non seulement pour la reconnaissance des types de pas et la rejection de mouvement. L’exemple proposé utilise le modèle ADXL362. L’ensemble du processus est commandé par le microcontrôleur ADuCM3029 qui contient l’algorithme et sert d’interface aux différents capteurs.
Figure 1. Système de test avec capteur optique intégré et accéléromètre, avec référence de dimensions pour comparaison.
La figure 1 montre le système de test, qui contient le capteur optique et l’accéléromètre, incorporés dans des écouteurs classiques. Les concepteurs ont pris soin de limiter à 100 Hz la fréquence d’échantillonnage du convertisseur analogique-numérique et de minimiser l’intensité des LED pour maintenir la consommation d’énergie au niveau le plus bas possible.
Pour caractériser le système, cinq scénarios ont été envisagés en lien avec différents types de mouvements. Seul le signal optique a été pris en compte pour l’évaluation. Cette approche permet d’établir les scénarios dans lesquels apparaissent des imprécisions dans la mesure des impulsions, et de déterminer si les données issues de l’accéléromètre sont nécessaires pour augmenter la précision de la mesure. Les différents scénarios correspondent aux séquences de mouvements suivantes :
• Immobilité
• Immobilité et mastication
• Travail de bureau
• Marche à pied
• Course à pied et saut
Scénario de test n° 1
Immobilité
La figure 2 représente le spectre des données brutes, avec un tracé d’amplitude en fonction de la fréquence d’échantillonnage. Le rythme des impulsions peut être identifié dans le temps grâce aux valeurs crête. En l’absence de mouvement, le signal est très net et le rythme cardiaque peut être déterminé grâce à la position des crêtes et à la fréquence d’échantillonnage connue.
Figure 2. La mesure de la fréquence de suréchantillonnage de l’amplitude donne des informations sur le rythme cardiaque.
Le capteur optique enregistre le rythme cardiaque grâce à deux couleurs de LED — infrarouge et rouge — avec quatre voies pour chacune. Il est ainsi possible de différencier les mesures grâce aux deux voies de couleurs différentes et de sélectionner la variante la plus robuste. Les signaux des différentes voies sont représentés sur la figure 3A. Avec six voies, il est possible d’identifier un signal nettement défini, alors que deux voies sont saturées. Pour obtenir un signal plus puissant et robuste, l’algorithme ajoute les voies non saturées respectives et calcule le rythme cardiaque. La figure 3B représente le rythme cardiaque pour le canal rouge (en haut) et le canal infrarouge (en bas) et indique simultanément le niveau de confiance de la mesure grâce à une échelle de couleurs. Les multiples du rythme cardiaque apparaissent également, ce qui permet de distinguer le signal d’origine (tracé en pointillés) grâce à la fréquence d’échantillonnage et à l’indication du niveau de confiance.
En résumé, en l’absence de mouvement, le signal est puissant et n’est entaché d’aucun bruit défavorable. L’algorithme peut donc déterminer le rythme cardiaque avec un haut niveau de confiance. Le signal issu de la voie infrarouge est plus puissant que celui de la voie rouge.
Scénario de test n° 2
Immobilité et mastication
Pour le scénario n° 2, sont introduits des mouvements de mastication. La figure 4 représente les spectres enregistrés. Contrairement au scénario de test n° 1, les artefacts de mouvement apparaissent nettement, sous la forme de sursauts du signal. Ils sont également très nets dans la somme des voies qui ne présentent plus des fréquences différenciées aussi précises. Néanmoins, l’algorithme est capable de déterminer correctement le rythme cardiaque avec un haut niveau de confiance sans l’intervention de capteurs de mouvement supplémentaires. Il est intéressant de noter que la puissance du signal infrarouge est ici encore supérieure à celle de la voie rouge.
Figure 3. La zone rouge (en haut) représente une mesure sur quatre voies pour le scénario Immobilité et la zone infrarouge (en bas) contient les données brutes et additionnées. Le rythme cardiaque (tracé noir) est déterminé par l’algorithme à partir des données additionnées, l’échelle des couleurs indiquant le niveau de confiance.
Figure 4. La zone rouge (en haut) représente une mesure sur quatre voies pour le scénario Immobilité et mastication et la zone infrarouge (en bas) contient les données brutes et additionnées. Le rythme cardiaque (tracé noir) est déterminé par l’algorithme à partir des données additionnées, l’échelle des couleurs indiquant le niveau de confiance. Il est possible de déterminer le rythme cardiaque sans accéléromètre.
Figure 5. La zone rouge (en haut) représente une mesure sur quatre voies pour le scénario Travail de bureau et la zone infrarouge (en bas) contient les données brutes et additionnées. Le rythme cardiaque (tracé noir) est déterminé par l’algorithme à partir des données additionnées, l’échelle des couleurs indiquant le niveau de confiance. Il est possible de déterminer le rythme cardiaque sans accéléromètre.
Figure 6. La zone rouge (en haut) représente une mesure sur quatre voies pour le scénario Marche à pied et la zone infrarouge (en bas) contient les données brutes et additionnées. Le rythme cardiaque (tracé noir) est déterminé par l’algorithme à partir des données additionnées, l’échelle des couleurs indiquant le niveau de confiance. Pour l’infrarouge, il est possible de déterminer le rythme cardiaque sans accéléromètre.
Figure 7. La zone rouge (en haut) représente une mesure sur quatre voies pour le scénario Course à pied et saut et la zone infrarouge (en bas) contient les données brutes et additionnées. Le rythme cardiaque (tracé noir) est déterminé par l’algorithme à partir des données additionnées, l’échelle des couleurs indiquant le niveau de confiance. Il est difficile de déterminer le rythme cardiaque sans accéléromètre.
Figure 8. Comparaison entre le spectre additif sans données d’accéléromètre (à gauche) et avec (à droite). L’accéléromètre permet de reconstituer le rythme cardiaque de l’utilisateur.
Scénario de test n° 3
Travail de bureau
Le scénario n° 3 permet de tester une autre situation rencontrée dans le quotidien. La personne testée est assise à un bureau et effectue son travail normal avec les mouvements qui en résultent. Comme pour le scénario n° 2, il est possible de détecter les artefacts de mouvement. L’algorithme peut donc identifier le rythme cardiaque sur les deux voies. Comme l’indique la figure 5, les signaux infrarouges dominent ici encore.
Scénario de test n° 4
Marche à pied
Contrairement aux scénarios précédents qui concernaient des mesures effectuées en conditions statiques, la personne testée se déplace dans ce cas de manière uniforme dans une direction, et à faible vitesse (environ 50 pas par minute). Comme l’indique la figure 6, le rythme cardiaque est mélangé avec celui des pas dans le signal PPG et la somme des différentes voies produit un signal très confus. Puisqu’il n’est pas possible de calculer un rythme cardiaque précis avec le signal rouge, l’algorithme cherche à s’adapter dans l’infrarouge. Cependant, du fait des fluctuations importantes et du faible niveau de confiance, il serait extrêmement utile de disposer de données supplémentaires de mouvement grâce à un accéléromètre notamment parce que, jusqu’ici, les mesures n’ont été faites que pour une faible vitesse de déplacement.
Scénario de test n° 5
Course à pied et saut
Plutôt que de mesurer un mouvement uniforme, le scénario n° 5 comporte des périodes alternées de course à pied et de saut. Les artefacts de mouvements sont maintenant très nettement identifiés, et l’algorithme rencontre de grandes difficultés pour isoler un rythme cardiaque correct, comme le montre la figure 7. La nécessité d’incorporer un capteur de mouvement semble incontournable.
Pour mieux évaluer la nécessité de ce capteur, le scénario n° 5 a permis de tester la technologie de mesure avec et sans accéléromètre. La figure 8 représente une comparaison entre le spectre additif sans données d’accéléromètre (à gauche) et avec des données d’accéléromètre corrigées (à droite). L’amélioration du signal apparaît dans l’identification du rythme cardiaque, impossible sans l’aide d’un accéléromètre.
Les scénarios de test permettent de conclure que, dans la plupart des cas, il est possible de déterminer de manière très précise le rythme cardiaque grâce à un capteur intégré dans les écouteurs intra-auriculaires. Dans le cas de mouvements de translation locaux ou lents, il serait même possible de déterminer le rythme cardiaque sans faire appel aux données issues de l’accéléromètre.
Cependant, dans le cas spécifique de mouvements abrupts et rapides, la comparaison avec des données comportant une correction du mouvement permet également l’interprétation des données. Dans tous les cas, les signaux infrarouges étaient plus puissants que les signaux en lumière rouge.
Comparé aux mesures effectuées au poignet, le signal auriculaire est plus puissant et permet donc des mesures plus précises. En outre, l’utilisation de lumière rouge ou infrarouge permet de mesurer les niveaux d’oxygène dans le sang.
Conclusion
En conclusion, les mesures auriculaires sont extrêmement prometteuses, comme le montre le système de test fonctionnel. Il est également possible d’améliorer l’appareil par une meilleure intégration mécanique, mais aussi en y incorporant des extensions pour d’autres mesures. L’accéléromètre peut aussi servir à identifier une chute et détecter des pas, ce qui permet d’apporter une valeur ajoutée au client.
Christoph Kämmerer
Ingénieur d’applications, Analog Devices Inc.
Source: zellercom.com
