Cardio-respiratory signal analysis during human rhythmic movement
Alikhani, Iman (2024-11-28)
© University of Oulu, 2024. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited. © Oulun yliopisto, 2024. Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
https://rightsstatements.org/vocab/InC/1.0/
https://urn.fi/URN:NBN:fi:oulu-202410096235
Kuvaus
Tiivistelmä
This thesis focuses on analyzing physiological signals from the cardio-respiratory system of human beings during movements. The cardio-respiratory system plays a crucial role in maintaining overall health and well-being, and analyzing its signals provides valuable insights into its functioning. However, in real-life scenarios, such as daily living and physical activity, body movement introduces distortions that affect the accuracy and interpretation of these signals.
The objective of this research is to identify and attenuate the impact of motion artifacts on the analysis and interpretation of cardio-respiratory signals, specifically heart rate variability (HRV), during human movements. The study also aims to estimate important ventilatory parameters from these signals in real-life scenarios.
The study utilizes a methodology that integrates the processing of physiological signals with practical, real-world situations. Healthy adults are monitored using devices that collect acceleration, electrocardiogram (ECG), and respiratory signals while they engage in different activities. The collected data is processed and analyzed using analytical methods (such as ECG signal processing, HRV analysis, and machine learning algorithms) to interpret the physiological information.
The findings reveal that motion artifacts significantly affect HRV during pseudo-rhythmic exercises, such as during running and cycling. Time-frequency analysis of HRV, combined with acceleration signal analysis enables the identification and quantification of body movement impact on HRV. We propose a solution based on error correction techniques that reduce the disruptive influence of motion distortions on HRV time-frequency analysis, resulting in improved accuracy and reliability.
Moreover, this study investigates the estimation of ventilatory markers in uncontrolled environments. Spectral fusion techniques are used to estimate breathing rate (BR) during everyday activities, and HRV indices are used to estimate the second ventilatory threshold (VT2) during maximal exercise tests. These estimations offer insights into the functioning of the cardio-respiratory system within real-life situations.
This research improves the interpretation of cardio-respiratory signals in real-world scenarios, addressing motion artifact distortions and providing practical mitigation strategies. These insights benefit sports physiologists and researchers, enhancing their assessments of cardiovascular health and physical fitness in individuals.
Tämä väitöstutkimus keskittyy sydämen ja hengityselimistön fysiologisten signaalien analysointiin liikehäiriöisessä datassa. Sydämellä ja hengityselimistöllä on keskeinen rooli yleisen terveydentilan ja hyvinvoinnin ylläpitämisessä, minkä vuoksi niihin liittyvien fysiologisten signaalien analysointi tuottaa tärkeää tietoa. Kuitenkin tosielämän tilanteissa, kuten jokapäiväisessä arkielämässä ja fyysisen aktiivisuuden suorituksissa, kehon liike aiheuttaa mitattuihin signaaleihin vääristymiä, jotka vaikuttavat niiden analysoinnin tarkkuuteen ja luotettavuuteen.
Tämän tutkimuksen tavoitteena on tunnistaa liikehäiriöitä ja kehittää menetelmiä vaimentamaan niiden vaikutusta sydämen ja hengityselimistön signaalien analysoinnissa ja tulkinnassa kontrolloimattomissa olosuhteissa. Työssä keskitytään erityisesti sykevaihtelun (HRV) analyyseihin ja laskemaan luotettavasti erilaisia keskeisiä parametreja fysiologisista signaaleista todellisissa käyttötilanteissa.
Tutkimuksessa pyritään yhdistämään ymmärrystä signaalien analysoinnin teknologiasta ja käytännön tilanteissa esiintyvistä fysiologisista ilmiöistä. Terveiltä aikuisilta mitataan kehon liikkeen kiihtyvyystietoa sekä EKG- ja hengityssignaalit heidän osallistuessaan erilaisiin fyysisiin aktiviteetteihin. Kerätyille signaaleille tehdään taajuus- ja aika-alueen analyysejä ja sovelletaan koneoppimista tulosten tulkinnassa.
Tutkimustulokset osoittavat, että liikehäiriöt vaikuttavat merkittävästi sykesignaaleihin pseudorytmisten liikuntaharjoitusten, kuten juoksu ja pyöräily, aikana. Sykevaihtelun spektrianalyysi yhdistettynä kehosta mitattuihin kiihtyvyyssignaaleihin mahdollistaa näiden vaikutusten tunnistamisen ja kvantifioinnin. Työssä kehitetty virheenkorjaukseen perustuva ratkaisu vähentää liikehäiriöiden häiritsevää vaikutusta HRV-spektrin analyysissä, mikä parantaa tarkkuutta ja luotettavuutta.
Lisäksi työssä tutkitaan valittujen fysiologisten markkerien analysointia liikuntaa sisältävissä kontrolloimattomissa olosuhteissa. Spektraalisen tiedon fuusiota sovelletaan hengitysrytmin luotettavaan arvioimiseen päivittäisten toimien aikana, ja HRV-parametreja käytetään ylemmän hengityskynnyksen (VT2) määräämiseen maksimirasitustestin aikana. Nämä markkerit antavat tärkeää tietoa sydämen ja hengityselimistön toiminnasta arkielämän tilanteissa.
Työssä kehitetyt teknologiset ratkaisut tarkentavat sydämen ja hengityselimistön fysiologisten signaalien tulkintaa arkielämän tilanteissa, tarjoamalla ratkaisuja liikehäiriöiden tunnistamiseen ja vähentämiseen analyysisovelluksissa. Tulokset hyödyttävät sekä urheilufysiologeja että terveysteknologisten tuotteiden käyttäjiä luomalla pohjaa entistä luotettavammille ja tarkemmille menetelmille arvioida sydämen ja hengityselimistön fyysistä kuntoa.
Original papers
-
Alikhani, I., Noponen, K., & Seppänen, T. (2017). Contribution of body movements on the heart rate variability during high intensity running. 2017 39th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 3993–3996. https://doi.org/10.1109/EMBC.2017.8037731 https://doi.org/10.1109/EMBC.2017.8037731
-
Alikhani, I., Noponen, K., Hautala, A., & Seppänen, T. (2018). Characterization and reduction of exercise-based motion influence on heart rate variability using accelerator signals and channel decoding in the time–frequency domain. Physiological Measurement, 39(11), 115002. https://doi.org/10.1088/1361-6579/aadeff https://doi.org/10.1088/1361-6579/aadeff
-
Alikhani, I., Noponen, K., Hautala, A., Ammann, R., & Seppänen, T. (2018). Spectral fusion-based breathing frequency estimation; experiment on activities of daily living. BioMedical Engineering OnLine, 17(1), 99. https://doi.org/10.1186/s12938-018-0533-1 https://doi.org/10.1186/s12938-018-0533-1
-
Alikhani, I., Noponen, K., Tulppo, M., Peltonen, J., Lehtonen, E., & Seppänen, T. (2022). Heart rate variability and its association with second ventilatory threshold estimation in maximal exercise test. 2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC), 139–142. https://doi.org/10.1109/EMBC48229.2022.9871913 https://doi.org/10.1109/EMBC48229.2022.9871913
Osajulkaisut
-
Alikhani, I., Noponen, K., & Seppänen, T. (2017). Contribution of body movements on the heart rate variability during high intensity running. 2017 39th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 3993–3996. https://doi.org/10.1109/EMBC.2017.8037731 https://doi.org/10.1109/EMBC.2017.8037731
-
Alikhani, I., Noponen, K., Hautala, A., & Seppänen, T. (2018). Characterization and reduction of exercise-based motion influence on heart rate variability using accelerator signals and channel decoding in the time–frequency domain. Physiological Measurement, 39(11), 115002. https://doi.org/10.1088/1361-6579/aadeff https://doi.org/10.1088/1361-6579/aadeff
-
Alikhani, I., Noponen, K., Hautala, A., Ammann, R., & Seppänen, T. (2018). Spectral fusion-based breathing frequency estimation; experiment on activities of daily living. BioMedical Engineering OnLine, 17(1), 99. https://doi.org/10.1186/s12938-018-0533-1 https://doi.org/10.1186/s12938-018-0533-1
-
Alikhani, I., Noponen, K., Tulppo, M., Peltonen, J., Lehtonen, E., & Seppänen, T. (2022). Heart rate variability and its association with second ventilatory threshold estimation in maximal exercise test. 2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC), 139–142. https://doi.org/10.1109/EMBC48229.2022.9871913 https://doi.org/10.1109/EMBC48229.2022.9871913
Kokoelmat
- Avoin saatavuus [38840]