Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Thiết kế và phát triển một hệ vi mô dựa trên quang học để ước lượng áp lực tâm lý
Tóm tắt
Trong nghiên cứu này, một bộ đếm khoảng thời gian nhịp tim dựa trên vi hệ PPG tiêu thụ năng lượng thấp được đề xuất nhằm đánh giá chính xác căng thẳng tâm lý. Hệ vi mô được thiết kế tích hợp một cảm biến PPG đọc dữ liệu mới với bộ chuyển đổi thời gian sang số để ước lượng khoảng thời gian nhịp tim liên tục trong thời gian dài. Hơn nữa, mạch analog đầu vào được thực hiện trong chip tích hợp với diện tích 1.4 mm2 và được chế tạo bằng quy trình TSMC 0.18 µm. Dải cảm biến tuyến tính đo được của thiết bị đọc dữ liệu là từ 20 nA đến 110 µA. Với nguồn cấp tiêu chuẩn 1.8 V, kết quả đo cho thấy mức tiêu thụ năng lượng của mạch đọc dữ liệu PPG là 52.2 µW, trong khi tổng mức tiêu thụ năng lượng đo được của chip thiết kế là 100.2 µW. Để đánh giá hiệu suất của hệ vi mô đề xuất trong việc đánh giá căng thẳng tâm lý, mạch thiết kế được tích hợp với cảm biến OLED-OPD và sau đó được áp dụng lên cổ tay của hai người tham gia khỏe mạnh dưới các yếu tố gây căng thẳng khác nhau (ví dụ: cười, giải quyết bài toán, nghe âm thanh lớn, và di chuyển cổ). Phân tích thống kê tín hiệu PPG được phát hiện và khoảng thời gian nhịp tim đo được trên chip trong miền thời gian cho thấy giá trị trung bình của khoảng thời gian đỉnh-đỉnh, độ Entropy và chỉ số mạch máu do căng thẳng tăng lên trong lúc căng thẳng. Ngoài ra, trong phân tích miền tần số của biến thiên nhịp tim (HRV) cho thấy tỷ lệ thành phần tần số thấp với thành phần tần số cao tăng lên trong khi căng thẳng. Do đó, các chỉ số HRV đo được trực tiếp từ hệ thống đọc dữ liệu thiết kế có thể đóng vai trò hiệu quả như một chỉ báo của biến thiên nhịp tim và căng thẳng tâm lý.
Từ khóa
#áp lực tâm lý #vi hệ PPG #biến thiên nhịp tim #cảm biến quang học #phân tích thống kêTài liệu tham khảo
Baik SH, Fox RS, Mills SD et al 2019) Reliability and validity of the Perceived Stress Scale-10 in Hispanic Americans with English or Spanish language preference. J Health Psychol 24(5):628–639. https://doi.org/10.1177/1359105316684938
Bonomi AG et al (2016) (2016) Atrial fibrillation detection using photo-plethysmography and acceleration data at the wrist. Comput Cardiol Conf (CinC) 2016:277–280
Byun S, Kim AY, Jang EH, Kim S, Choi KW, Yu HY, Jeon HJ (2019) Entropy analysis of heart rate variability and its application to recognize major depressive disorder: a pilot study. Technol Health Care 27(S1):407–424. https://doi.org/10.3233/THC-199037. (PMID:31045557;PMCID:PMC6597986)
Cho D, Ham J, Oh J, Park J, Kim S, Lee NK, Lee B (2017) Detection of stress levels from biosignals measured in virtual reality environments using a kernel-based extreme learning machine. Sensors (basel) 17(10):2435. https://doi.org/10.3390/s17102435. (PMID:29064457;PMCID:PMC5677291)
Cohen Z, Haxha S (2017) Optical-based sensor prototype for continuous monitoring of the blood pressure. In IEEE Sens J 17(13):4258–4268. https://doi.org/10.1109/JSEN.2017.2704098
Cohen S, Kamarck T, Mermelstein R (1983) A global measure of perceived stress. J Health Soc Behav 24(4):385–396 (PMID: 6668417)
Forouzanfar M, Ahmad S, Batkin I, Dajani HR, Groza VZ, Bolic M (2013) Coefficient-free blood pressure estimation based on pulse transit time-cuff pressure dependence. IEEE Trans Biomed Eng 60(7):1814–1824. https://doi.org/10.1109/TBME.2013.2243148
Golińsk AK (2013) Poincaré plots in analysis of selected biomedical signals. Studies in Logic, Grammar and Rhetoric 35(1):117–127. https://doi.org/10.2478/slgr-2013-0031
Guzik P, Piskorski J et al (2007) Correlations between the poincaré plot and conventional heart rate variability parameters assessed during paced breathing. J Physiol Sci 57(1):63–71. https://doi.org/10.2170/physiolsci.RP005506
Heart rate variability: standards of measurement, physiological interpretation, and clinical use, Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Circulation 93(5):1043–65 (PMID: 8598068)
Huang S, Hung P, Hong C, Wang H (2014) A new image blood pressure sensor based on PPG, RRT, BPTT, and harmonic balancing. In IEEE Sens J 14(10):3685–3692. https://doi.org/10.1109/JSEN.2014.2329676
Jinyong Z, Shing-Chow C, Hui Li, Nannan Z, Wang L (2020) An area-efficient and highly linear reconfigurable continuous-time filter for biomedical sensor applications. Sensors 20(7):2065. https://doi.org/10.3390/s20072065
Khan Y et al (2018) A flexible organic reflectance oximeter array. Proc Natl Acad Sci USA 115(47):E11015–E11024. https://doi.org/10.1073/pnas.1813053115
Kim HG, Cheon EJ, Bai DS, Lee YH, Koo BH (2018) Stress and heart rate variability: a meta-analysis and review of the literature. Psychiatry Investig 15(3):235–245. https://doi.org/10.30773/pi.2017.08.17 (Epub 2018 Feb 28. PMID: 29486547; PMCID: PMC5900369)
Lin Q et al. (2021) A 28μW 134dB DR 2nd-order noise-shaping slope light-to-digital converter for chest PPG monitoring. In: 2021 IEEE international solid-state circuits conference (ISSCC), pp: 390–392. https://doi.org/10.1109/ISSCC42613.2021.9365757.
Lu S, Zhao H, Ju K, Shin K, Lee M, Shelley K, Chon KH (2008) Can photoplethysmography variability serve as an alternative approach to obtain heart rate variability information? J Clin Monit Comput 22(1):23–29. https://doi.org/10.1007/s10877-007-9103-y (Epub 2007 Nov 7 PMID: 17987395)
Marefat F, Erfani R, Mohseni P (2020) A 1-V 8.1 µW PPG-recording front-end with > 92-dB DR using light-to-digital conversion with signal-aware DC subtraction and ambient light removal. IEEE Solid State Circuits Lett. https://doi.org/10.1109/LSSC.2019.2957261
Martina JR, Westerhof BE, van Goudoever J, de Beaumont EM, Truijen J, Kim YS, Immink RV, Jöbsis DA, Hollmann MW, Lahpor JR, de Mol BA, Lieshout JJ (2012) Noninvasive continuous arterial blood pressure monitoring with Nexfin®. Anesthesiology 116(5):1092–1103. https://doi.org/10.1097/ALN.0b013e31824f94ed (PMID: 22415387)
Medicore (2022) Heart Rate variability Analysis system,” SA-300P, clinal Manual ver 3.0. http://medi-core.com/download/HRV_clinical_manual_ver3.0.pdf.
Mohan PM, Nagarajan V, Das SR (2016) Stress measurement from the wearable photoplethysmographic sensor using heart rate variability data. In: 2016 International conference on communication and signal processing (ICCSP) pp. 1141–1144. doi: https://doi.org/10.1109/ICCSP.2016.7754331.
Pamula VR et al (2017) A 172 µW compressively sampled photoplethysmographic (PPG) readout ASIC with heart rate estimation directly from compressively sampled data. IEEE Trans Biomed Circuits Syst 11(3):487–496. https://doi.org/10.1109/TBCAS.2017.2661701
Pandey RK, Chao PC-P (2021a) External temperature sensor assisted a new low power photoplethysmography readout system for accurate measurement of the bio-signs. Microsyst Technol 27:2315–2343. https://doi.org/10.1007/s00542-020-05106-y
Pandey RK, Chao PC (2021b) An adaptive analog front end for a flexible PPG sensor patch with self-determined motion related DC drift removal. In: 2021b IEEE International symposium on circuits and systems (ISCAS) pp.1–5, 10. 1109/ISCAS51556.2021b.9401265
Pandey RK, Chao PC (2021c) A new low power photoplethysmography signal acquisition system for mental stress estimation.In: Proceedings of the ASME 2021c 30th conference on information storage and processing systems. ASME 2021c 30th Conference on Information Storage and Processing Systems. Virtual, Online. V001T09A002. ASME. 10. 1115/ISPS2021c-65097
Pandey RK, Pribadi EF, Chao P-C (2019) A new adaptive readout system for a new OLED OPD flexible patch PPG sensor. In: 2019 IEEE Sensors, Montreal, QC, Canada, pp 1–4. https://doi.org/10.1109/sensors43011.2019.8956825.
Pandey RK, Lin TY, Chao PCP (2021) Design and implementation of a photoplethysmography acquisition system with an optimized artificial neural network for accurate blood pressure measurement. Microsyst Technol 27:2345–2367. https://doi.org/10.1007/s00542-020-05109-9
Pribadi EF, Pandey RK, Chao PCP (2020) Optimizing a novel PPG sensor patch via optical simulations towards accurate heart rates. Microsyst Technol 26:3409–3420. https://doi.org/10.1007/s00542-020-04895-6
Sebastiano M, Pecchia L (2019) Heart rate variability (HRV) analysis: a methodology for organizational neuroscience. Organ Res Methods 22(1):354–393. https://doi.org/10.1177/1094428116681072
Shaffer F, Ginsberg JP (2017) An overview of heart rate variability metrics and norms. Front Public Health 5:258. https://doi.org/10.3389/fpubh.2017.00258.PMID:29034226;PMCID:PMC5624990
Shelley KH (2007) Photoplethysmography: beyond the calculation of arterial oxygen saturation and heart rate. Anesth Analg 105(6):S31–S36. https://doi.org/10.1213/01.ane.0000269512.82836.c9 (PMID: 18048895)
Sommermeyer D et al (2016) Detection of cardiovascular risk from a photoplethysmographic signal using a matching pursuit algorithm. Med Biol Eng Compu 54(7):1111–1121
Wong AKY, Pun K, Zhang Y, Leung KN (2008) A low-power CMOS front-end for photoplethysmographic signal acquisition with robust DC photocurrent rejection. IEEE Trans Biomed Circuits Syst 2(4):280–288. https://doi.org/10.1109/TBCAS.2008.2003429
Wu S, Shu Y, Chiou AY, Huang W, Chen Z, Hsieh H (2020) A current-sensing front-end realized by a continuous-time incremental ADC with 12b SAR quantizer and reset-then-open resistive DAC achieving 140dB DR and 8ppm INL at 4kS/s. 2020 IEEE International solid- state circuits conference—(ISSCC), pp. 154–15. doi: https://doi.org/10.1109/ISSC
Lyu Y, Luo X, Zhou J, Yu C, Miao C, Wang T, Shi Y, Kameyama K (2015) Measuring photoplethysmogram-based stress-induced vascular response index to assess cognitive load and stress. In: Proceedings of the 33rd Annual ACM conference on human factors in computing systems. Association for Computing Machinery, New York, NY, USA, pp. 857–866. DOI:https://doi.org/10.1145/2702123.2702399.
Yoo K, Lee W (2011) Mental stress assessment based on pulse photoplethysmography. In: 2011 IEEE 15th International symposium on consumer electronics (ISCE), Singapore pp. 323–326, doi: https://doi.org/10.1109/ISCE.2011.5973841.
Young HA, Benton D (2018) Heart-rate variability: a biomarker to study the influence of nutrition on physiological and psychological health? Behav Pharmacol 29(2, 3):140–151. https://doi.org/10.1097/FBP.0000000000000383
Zangróniz R, Martínez-Rodrigo A, López MT, Pastor JM, Fernández C (2018) A estimation of mental distress from photoplethysmography. Appl Sci 8(1):69
Zheng Y, Yan BP, Zhang Y, Poon CCY (2014) An armband wearable device for overnight and cuff-less blood pressure measurement. In IEEE Trans Biomed Eng 61(7):2179–2186. https://doi.org/10.1109/TBME.2014.2318779