Health and activity monitoring by wearables in extreme conditions
Projekt se zaměřil na pokročilou analýzu biosignálů z nositelných zařízení s cílem umožnit monitorování v reálném čase v běžných i extrémních podmínkách, například u hasičů či vojáků. Hlavním cílem bylo vyvinout výpočetně efektivní metody pro klasifikaci biosignálů, jako jsou EKG, PPG a pohybová data, na základě jejich kvality a využitelnosti pro další analýzu. Přizpůsobením analytických metod hodnocené kvalitě signálů se projekt snažil zvýšit diagnostickou přesnost a maximalizovat využitelnost dat získaných v náročných podmínkách. Výzkum reagoval na rostoucí potřebu spolehlivých nástrojů pro samomonitorování v nositelných technologiích, zejména v oblasti kardiovaskulárního zdraví.
Výzkum vedl k významným výsledkům, včetně robustního algoritmu pro hodnocení kvality EKG signálu v reálném čase (Smital et al., IEEE TBME, 2020, DOI: 10.1109/TBME.2020.2969719), který byl navržen speciálně pro dlouhodobé záznamy. K tomu byla vytvořena také doplňková databáze dlouhodobých EKG signálů s podrobnými anotacemi kvality, sloužící jako referenční zdroj pro vývoj podobných algoritmů (Nemcova et al., PhysioNet, 2020, DOI: 10.13026/kah4-0w24). Významného pokroku bylo dosaženo také v detekci P vln v EKG signálech s různými patologiemi a arytmiemi, což vedlo k několika vysoce impaktovaným publikacím (Marsanova et al., Scientific Reports, 2019, DOI: 10.1038/s41598-019-55323-3, Saclova et al., Scientific Reports, 2022, DOI: 10.1038/s41598-022-10656-4, Saclova et al., Physiological Measurement, 2022, DOI: 10.1088/1361-6579/ac944e). Dále tým poskytl přesné anotace P vln pro široce používanou standardní databázi EKG signálů, čímž významně podpořil výzkumnou komunitu (Marsanova et al., PhysioNet, 2021, DOI: 10.13026/hwvj-5b53).
Rozsah projektu se rozšířil také na analýzu PPG, zejména zkoumání možnosti sledování srdeční frekvence, saturace krve kyslíkem a krevního tlaku pomocí chytrých telefonů (Nemcova et al., Biomedical Signal Processing and Control, 2020, DOI: 10.1016/j.bspc.2020.101928). Výsledky poukazují na potenciál pro monitorování v reálném čase v rámci mobilních zdravotních aplikací. Tato práce byla doplněna databází PPG signálů snímaných chytrými telefony s anotací kvality (Nemcova et al., PhysioNet, 2021, DOI: 10.13026/tn53-8153, Nemcova et al., BioMed Research International, 2021, DOI: 10.1155/2021/3453007), což umožňuje další rozvoj algoritmů v této oblasti.
Tyto výsledky poskytují pevný základ pro integraci multisignálních přístupů do reálných aplikací, zejména v dynamických a náročných prostředích.Spolupráce s Mayo Clinic byla klíčová pro zajištění klinické relevance výsledků a jejich přenos do praktických řešení pro zdravotní monitoring.
Tento projekt položil pevné základy pro analýzu biosignálů v nositelných technologiích a výzkum pokračuje v navazujícím projektu Advanced Signal Processing Framework for Sensor Networks (ONR, #N00014-23-S-B001).
ONR USA