La fréquence cardiaque est l'un des indicateurs les plus fondamentaux et les plus importants de la santé, fournissant un instantané dans l'activité physique, le stress et l'anxiété, le niveau d'hydratation, etc. d'une personne.
Traditionnellement, la mesure de la fréquence cardiaque nécessite une sorte d'appareil portable, qu'il s'agisse d'une montre intelligente ou d'une machinerie de qualité hospitalière. Mais de nouvelles recherches d'ingénieurs de l'Université de Californie à Santa Cruz montrent comment le signal d'un appareil WiFi domestique peut être utilisé pour cette surveillance cruciale de la santé avec une précision de pointe sans la nécessité d'un portable.
Leur preuve de travail concept démontre qu'un jour, n'importe qui pourrait profiter de cette technologie de surveillance de la santé non intrusive basée sur le Wi-Fi dans ses maisons. L'équipe a prouvé que leur technique fonctionne avec des appareils WiFi à faible coût, démontrant son utilité pour les réglages de ressources faibles.
Une étude démontrant la technologie, que les chercheurs ont inventée «Pulse-Fi», a été publiée dans les actes de la Conférence internationale de l'IEEE 2025 sur l'informatique distribuée dans les systèmes intelligents et l'Internet des objets (DCOSS-IOT).
Sommaire
Mesurer avec le wifi
Une équipe de chercheurs de la Baskin School of Engineering de l'UC Santa Cruz qui comprenait le professeur d'informatique et d'ingénierie Katia Obraczka, Ph.D. L'étudiant Nayan Bhatia, et les lycéens et le chercheur en visite, Pranay Kocheta, ont conçu un système pour mesurer avec précision la fréquence cardiaque qui combine des appareils WiFi à faible coût avec un algorithme d'apprentissage automatique.
Les appareils WiFi poussent les ondes radiofréquences dans l'espace physique autour d'eux et vers un appareil de réception, généralement un ordinateur ou un téléphone. Au fur et à mesure que les vagues traversent des objets dans l'espace, une partie de l'onde est absorbée par ces objets, provoquant des changements mathématiquement détectables dans l'onde.
Pulse-Fi utilise un émetteur et un récepteur WiFi, qui exécute l'algorithme de traitement du signal et d'apprentissage automatique de Pulse-Fi. Ils ont formé l'algorithme pour distinguer même les plus faibles variations de signal causées par un battement cardiaque humain en filtrant toutes les autres changements du signal dans l'environnement ou causés par un mouvement comme un mouvement.
Le signal est très sensible à l'environnement, nous devons donc sélectionner les bons filtres pour supprimer tout le bruit inutile. »
Nayan Bhatia, Ph.D. étudiant
Résultats dynamiques
L'équipe a mené des expériences avec 118 participants et a constaté qu'après seulement cinq secondes de traitement du signal, ils pouvaient mesurer la fréquence cardiaque avec une précision au niveau clinique. À cinq secondes de surveillance, ils n'ont vu que le moitié d'un coup par minute d'erreur, avec des périodes plus longues de temps de surveillance augmenter la précision.
L'équipe a constaté que le système Pulse-Fi fonctionnait, quelle que soit la position de l'équipement dans la pièce ou la personne dont la fréquence cardiaque était mesurée – aucune affaire si elle était assise, debout, couchée ou marche, le système est toujours exécuté. Pour chacun des 118 participants, ils ont testé 17 positions corporelles différentes avec des résultats précis
Ces résultats ont été trouvés en utilisant des puces ESP32 ultra-low-coût, qui se vendent entre 5 $ et 10 $ et les puces Raspberry Pi, qui coûtent plus près de 30 $. Les résultats des expériences Raspberry Pi montrent des performances encore meilleures. Les appareils WiFi plus chers comme ceux trouvés dans les routeurs commerciaux amélioreraient probablement encore la précision de leur système.
Ils ont également constaté que leur système avait des performances précises avec une personne de trois mètres, soit près de 10 pieds, loin du matériel. D'autres tests au-delà de ce qui est publié dans la présente étude montre des résultats prometteurs pour des distances plus longues.
« Ce que nous avons trouvé, c'est qu'en raison du modèle d'apprentissage automatique, cette distance séparée n'a essentiellement aucun effet sur la performance, ce qui était une très grande lutte pour les modèles passés », a déclaré Kocheta. « L'autre chose était la position – toutes les différentes choses que vous rencontrez dans la vie quotidienne, nous voulions nous assurer que nous étions robustes, mais une personne vit. »
Création de l'ensemble de données
Pour faire fonctionner leur système de détection de fréquence cardiaque, les chercheurs devaient former leur algorithme d'apprentissage automatique pour distinguer les faibles détections des signaux wifi provoqués par un rythme cardiaque humain. Ils ont constaté qu'il n'y avait pas de données existantes pour ces modèles à l'aide d'un appareil ESP32, ils ont donc décidé de créer leur propre ensemble de données.
Dans la bibliothèque UC Santa Cruz Science and Engineering, ils ont mis en place leur système ESP32 avec un oxymètre standard pour recueillir des données de «vérité au sol». En combinant les données de la configuration Pulse-Fi avec les données de vérité au sol, ils pourraient enseigner un réseau neuronal qui change les signaux correspondant à la fréquence cardiaque.
En plus de l'ensemble de données ESP32 qu'ils ont collecté, ils ont également testé Pulse-Fi à l'aide d'un ensemble de données produit par une équipe de chercheurs au Brésil à l'aide d'un appareil Raspberry Pi, qui a créé l'ensemble de données existant le plus étendu sur le WiFi pour la surveillance cardiaque, en ce qui concerne les chercheurs.
Au-delà de la fréquence cardiaque
Maintenant, les chercheurs travaillent sur des recherches supplémentaires pour étendre leur technique pour détecter le rythme respiratoire en plus de la fréquence cardiaque, qui peut être utile pour la détection de conditions comme l'apnée du sommeil. Les résultats non publiés montrent une promesse élevée pour un taux de respiration précis et une détection d'apnée.
Les personnes intéressées par l'utilisation commerciale de cette technologie peuvent contacter le directeur adjoint du transfert d'innovation Marc Oettinger: (protégée par e-mail).
