A neural network-based approach for continuous blood pressure estimation from photoplethysmography

Suboptimal Blood Pressure (BP) is the number one risk factor for premature death throughout the world, but only one third of the hypertensive population keeps their BP under control. The main reason behind this trend is the lack of proper monitoring systems. Despite BP measurement devices are available on the market, major limitations prevent continuous monitoring. For instance, the comfort for the user is not guaranteed, cuff-based system cannot be worn continuously due to vessels constriction and they might require additional data e.g. an electrocardiogram (ECG) which is not easily accessible. The aim of this dissertation is to illustrate how to estimate the optical BP from the photoplethysmographyc (PPG) signal in an accurate way. Hence, a wearable and cuff-less device can be designed in order to monitor the BP in a continuous and non-invasive way for the target population. The development context of our research project is the Nursing Care Insurance, part of the compulsory Health Insurance in Germany. The service covers the risk of becoming dependent on domestic nursing care and attention, which may arise as from serious accidents, illness, disease or in old age. On a daily base, the nurses are required to visit the insured in order to monitor vital parameters, assist the patient in daily activities and perform specific examinations. Unfortunately, even in most severe cases the home-care assistance is limited to few hours per day which only allows the collection of sparse data. The relevance of our work discerns from the fact that a long-term continuous monitoring is instead necessary to place the best diagnostics as well as to follow up the reactions of the cardiovascular system in presence of certain drugs or medical treatment. Within this research project, we introduce and validate a beat-to-beat optical blood pressure estimation model using only the PPG signal so that a continuous monitoring service is provided to the insured, in addition to the nursing care. The developed model takes into account subject–specific contribution to the PPG signal and removes most of its influence by proper normalization. For each cardiac cycle, key features such as PPG amplitude and phase are extracted via the Fast Fourier Transform (FFT) algorithm. Hence, the Fourier features are fed into an Artificial Neural Network (ANN), which returns a real-time estimate for the systolic and diastolic BP. Overall, the software application reads the PPG signal in a continuous way through a mobile, non-invasive device, and returns a real-time estimate of the BP for each cardiac cycle. Furthermore, the device is capable of detecting anomalies such as sudden BP spikes, and, thus, alerting the care-giver. The testing and validation of our approach is done on two different databases. The first database is known as MIMIC II (Multiparameter Intelligent Monitoring in Intensive Care) from PhysioBank archive. The database contains physiologic signals and vital signs time series coming from bedside monitors, and comprehensive clinical data obtained from hospital information systems. The data collection refers to tens of thousands patients in Intensive Care Unit (ICU). The public database allowed us to test our model on a publicly accessible setting as well as to validate our application on patients affected by severe pathological conditions. The second database contains experimental data collected via dedicated hardware provided by the company Infineon Technologies AG. The device utilized in the experimental phase is a smartwatch-like device embedded with a Proximity and Ambient Light Sensor (PALS), used to record the PPG signal. The remarkable benefit of the second database is the possibility of testing the feasibility of our application in the context of home-based monitoring as well as to provide a functional prototype to the end-consumer. Both databases are characterized by simultaneous recordings of the PPG signal and the reference values of BP. The former constitutes the signal processed to provide the BP estimate, the latter represents the golden standard used to compute the prediction error at the ANN output. Please, note that the nature of the BP measurement device changes from database to database: in the case of MIMIC II, the BP measures are obtained through an invasive intravenous catheter. In the experimental protocol, instead, the BP values are obtained via a manual sphygmomanomenter, which is generally considered the golden standard for defining BP status in a non-invasive way. The acquisition protocol of experimental data acquisition has been carried out with the supervision of medical specialists. The couple volunteer-doctor was kept constant during the entire duration of the experiment, so that one specialist was responsible for the calibration of the device associated with a certain patient. All BP estimates reveal good results in terms of absolute error with respect to the reference values, keeping a satisfactory correlation. In particular, the RMSE (Root Mean Square Error) always satisfies the American National Standards of the Association for the Advancement of Medical Instrumentation (AAMI), where the maximal accepted error is 5 +- 8mmHg. Despite minor adjustments on the algorithm, no significant differences arise from the analysis of the results on the publicly available database and on the experimental dataset, which confirms the validity of our approach for future mobile applications. In conclusion, the method proposed in this dissertation is fast and robust, and can potentially be used to integrate current methodologies for BP measurement to guarantee continuous data acquisition. With respect to the German Nursing Care, the designed system provides an additional assistance to all those patients affected by long-term conditions even when the nurse is not present. Apart from the German Health Care System, development context of our application, different international scenarios have been investigated as new potential target markets. In particular, Japan revealed a comparable situation in terms of investments toward long-term, home-based assistance. Both the German and Japanese governments, indeed, impose a compulsory long-term insurance for all the inhabitants. These measures would improve the efficiency of the Health Care System e.g. by reducing the Average Length Of Stay in hospitals (ALOS). The investigation of an international panorama is crucial to understand the impact that our mobile BP monitoring system could have on the management of healthcare.

Valori anomali di Pressione Arteriosa (PA) costituiscono la prima causa di morte al mondo, tuttavia, solo un terzo della popolazione ipertesa mantiene la PA sotto controllo. La mancata attenzione nei confronti della patologia è causata anche dalla mancanza di adeguati sistemi di misurazione. I sistemi presenti sul mercato sono infatti carenti in termini di comfort per il paziente, continuità della misura, facilità di utilizzo. L’obiettivo di questa dissertazione è illustrare come effettuare una stima accurata della PA a partire dal segnale fotopletismografico (PPG, acronimo di derivazione inglese dal termine ’Photoplethysmography’), spiegando come realizzare un dispositivo indossabile ad hoc per il monitoraggio dei valori pressori in maniera continua, accurata e non invasiva. La soluzione differisce da uno sfigmomanometro standard in quanto non richiede l’ostruzione dei vasi sanguigni e può essere indossato durante l’intero arco della giornata. Il contesto di sviluppo del progetto di ricerca è l’assistenza per le cure di lungo termine, parte del sistema sanitario tedesco, il quale offre una assistenza domiciliare addizionale alla porzione di popolazione tedesca affetta da patologie croniche. Lo schema assicurativo prevede delle visite infermieristiche erogate su base giornaliera, in modo tale da garantire il monitoraggio dei parametri vitali, assistenza per attività quotidiane, esecuzione di test specifici. Seppure il sistema presenti una struttura solida, l’efficacia è limitata dal fatto che l’assistenza domiciliare è erogata solamente per poche ore al giorno. Una raccolta di dati sparsi nel tempo non risulta tuttavia appropriata per un soggetto affetto da patologia cronica. Si ritiene infatti che un monitoraggio continuo a lungo termine sia fondamentale nel processo di diagnosi medica e sia inoltre benefico per l’analisi delle risposte del sistema cardiovascolare e nella conseguente scelta di farmaci e/o cure specialistiche. Obiettivo di questo lavoro di ricerca è introdurre e validare un modello per la stima battito-battito della PA servendosi esclusivamente del segnale PPG, in modo tale da assicurare un monitoriaggio continuo all’assicurato. Il modello sviluppato affronta l’incertezza della variabilità intra-soggettiva effettuando una correzione tramite normalizzazione dei dati. In corrispondenza di ogni ciclo cardiaco, l’algoritmo estrae ampiezza e fase del segnale PPG tramite un algoritmo di Fast Fourier Trasform (FFT). A questo punto, le caratteristiche in frequenza sono date in ingresso ad una Rete Neurale Artificale (ANN), che fornisce una stima in tempo reale della PA. Inoltre, il dispositivo è in grado di riscontrare anomalie e inviare un allarme immediato ai dispositivi connessi di parenti o operatori sanitari. Il training e il testing del modello sono stati effettuati su due diversi database. Il primo database è la risorsa pubblica MIMIC II (Multiparameter Intelligent Monitoring in Intensive Care) dell’archivio PhysioBank. Il database contiene registrazioni di segnali fisiologici e serie temporali di parametri vitali collezionati dai monitor di migliaia pazienti in terapia intensiva, il tutto associato ai dati clicini completi ottenuti dai sistemi informativi ospedalieri. MIMIC II ci ha permesso di testare la nostra applicazione in un contesto pubblicamente accessibile, in modo da favorire sviluppi futuri nella ricerca, e ha inoltre garantito una validazione su un largo numero di pazienti, incluse gravi condizioni patologiche. Il secondo database è stato utilizzato per indagare la possibile realizzazione dell’applicazione mobile e contiene i dati raccolti mediante hardware dedicato, realizzato presso l’azienda Infineon Technologies AG. L’hardware, ancora in fase prototipale, è un dispositivo assimilabile ad uno smartwatch, al cui interno è integrato un Sensore di Prossimità e Luce Ambientale (PALS) utilizzato per registrare il segnale PPG. Entrambi i database contengono registrazioni simultanee del segnale PPG e dei valori di riferimento di PA. Il PPG è usato per fornire la stima in tempo reale, la PA è usata per calcolare l’errore commesso all’uscita della rete neurale. Si noti che la natura del dispositivo di misurazione della pressione sanguigna differisce nei due database: nel caso di MIMIC II le misurazioni sono ottenute mediante una procedura invasiva basata su catetere endovenoso; nel caso del database sperimentale, invece, i valori di pressione sono ottenuti tramite un convenzionale sfigmomanometro manueale, attualmente considerato il golden standard per la misurazione non invasiva. Il protocollo di acquisizione dei dati sperimentali è stato eseguito sotto la supervisione di medici specialisti. Ogni paziente è stato associato ad un medico, in modo tale da garantire massima coerenza tra le misurazioni utilizzate per la calibrazione del singolo dispositivo. I risultati ottenuti su entrambi i database hanno rivelato buone stime in termini di errore medio assoluto rispetto ai valori di riferimento, mantenendo una correlazione soddisfacente e significativa. In particolare, il RMSE (Errore Quadratico Medio) cade sempre all’interno dei limiti definiti dall’Associazione Americana per l’Avanzamento della Strumentazione Medica (AAMI), secondo cui l’errore massimo accettato è 5 +- 8mmHg. Nessuna differenza significativa è emersa dall’analisi dei risultati ottenuti sul database pubblico e sull’insieme di dati sperimentali, confermando la possibilità di realizzare in futuro un dispositivo mobile dedicato. Per concludere, il metodo proposto in questa tesi risulta veloce e robusto, rivelando ottime potenzialità di integrazione con gli attuali strumenti di misurazione pressoria. L’integrazione garantirebbe un monitoraggio continuo e non invasivo, auspicabile per le cure di lungo termine. Il sistema sanitario tedesco costituisce il contesto di sviluppo e sperimentazione della nostra applicazione, tuttavia l’intero scenario internazionale è stato analizzato per individuare realtà potenzialmente interessate alla metodologia. La nostra analisi si è concentrata sul Giappone, il quale risulta assimilabile alla Germania in termini di investimenti verso un incremento delle cure e assistenze domiciliari. In particolare, in entrambi gli stati è prevista un’assicurazione obbligatoria per le cure di lungo termine. L’attenzione per il panorama internazionale risulta indispensabile al fine di comprendere l’impatto che un monitoraggio mobile e continuo potrebbe avere sulla gestione dell’assistenza sanitaria.