Blood Glucose Level Regression for Smartphone PPG Signals Using Machine Learning
Pubblicato su Appl. Sci. 2021, 11, 618. https://doi.org/10.3390/app11020618
Abstract (sintesi)
Nell’articolo viene proposta una tecnica per la stima quantitativa dei livelli di glucosio nel sangue utilizzando un’analisi non invasiva basata sulla videocamera di uno smartphone.
Le immagini sono acquisite posizionando il polpastrello del dito del paziente sulla videocamera successivamente convertito in un segnale fotopletismografico (PPG).
A questo segnale viene applicato un filtro gaussiano (metodo dei minimi quadrati asimmetrici – ALS) per rimuovere il rumore ad alta frequenza, il rumore ottico e il movimento che costituiscono interferenze dal segnale PPG grezzo.
Questi segnali preelaborati vengono quindi utilizzati per estrarre segnali caratteristici quali picchi sistolici e diastolici, differenze temporali tra picchi consecutivi (DelT), picchi della derivata prima e della derivata seconda. Infine, le funzionalità vengono inserite nel componente principale Regressione (PCR), Regressione parziale dei minimi quadrati (PLS), Regressione dei vettori di supporto (SVR) e Casuale Modelli di regressione forestale (RFR) per la previsione del livello di glucosio.
Conclusioni (sintesi)
Gli smartphone disponibili in commercio sono stati utilizzati per acquisire dati video che sono stati convertiti in forma d’onda PPG. Il segnale è poi stato elaborato con modelli computazionali per pulire i dati ed estrarre le caratteristiche per la stima quantitativa della glicemia.
Il sistema di acquisizione dati basato su smartphone e la diagnosi delle malattie comportano sfide significative con artefatti e rumori di movimento.
Questo lavoro, quindi, presta particolare attenzione alle tecniche di acquisizione dati e allo sviluppo di algoritmi per pulire questi artefatti.
Sono stati condotti numerosi esperimenti con diverse tecniche di acquisizione per identificare un metodo e una durata adeguati di acquisizione dei dati.
I modelli sono stati ottimizzati applicando quattro algoritmi di regressione insieme a diverse funzionalità.
Un modello basato sul PLS potrebbe prevedere il glucosio con un SEP pari a 17,71 mg/dl, che è abbastanza paragonabile al SEP più basso complessivo raggiunto dal PLS, 17,02 mg/dl.
I risultati sperimentali confermano l’utilità dei primi passi di sviluppo verso una nuova stima non invasiva della glicemia basata su smartphone.
Sono previsti ulteriori esperimenti per testare la robustezza, l’indipendenza dalla piattaforma e, infine, implementarli nell’app lato utente per la misurazione istantanea.
Riteniamo che la tecnica non invasiva proposta sia importante per la comunità poiché il sistema utilizza un metodo di acquisizione dati molto più naturale e confortevole rispetto ai metodi tradizionali, può prevedere il valore del glucosio con elevata precisione e ha il potenziale per acquisire e fornire il glucosio livello di informazione attraverso solo uno smartphone che ora è disponibile alla maggior parte delle persone.