Адаптивная физиология-информированная коррекция для надежного бесконтактного фотоплетизмографического мониторинга частоты сердечных сокращений

Проверка пульса без прикосновения

Представьте, что ваш телефон незаметно отслеживает пульс во время видеозвонка или в зале ожидания — без проводов, нагрудных ремней и зажимов на пальце. Эта идея близка к реальности благодаря камерам, способным фиксировать крошечные цветовые изменения кожи лица, связанные с кровотоком. Однако такие бесконтактные измерения частоты сердечных сокращений по-прежнему легко искажаются движением и плохим освещением. В этом исследовании предложено хитрое и недорогое программное дополнение, которое делает мониторинг пульса с помощью камеры значительно надежнее, даже на простых устройствах — носимых гаджетах или аппаратах домашнего здравоохранения.

Почему наблюдение за лицом может выдать состояние сердца

Частота сердечных сокращений — важный жизненный показатель, отражающий не только здоровье сердца и сосудов, но и уровень физической подготовки и психологический стресс. Традиционно врачи опираются на электрокардиограммы и датчики на пальце или запястье, которые светят в кожу и измеряют пульсовые колебания. Эти контактные устройства работают хорошо, но могут быть неудобны, трудно применимы во сне или во время операций и не всегда подходят для непрерывного наблюдения. Бесконтактная фотоплетизмография (rPPG) предлагает другой подход: обычная камера снимает лицо, а программное обеспечение выделяет едва заметные цветовые сдвиги, вызванные каждым ударом сердца. Поскольку камеры уже есть в телефонах, ноутбуках и палатах, rPPG может сделать отслеживание пульса гораздо доступнее.

Проблемы движения и теней

На практике сигналы rPPG бывают шумными. Поворот головы, разговор или физическая активность добавляют движение; тусклое или меняющееся освещение изменяет то, что видит камера. Эти факторы создают ложные пики в частотных паттернах, которыми алгоритмы пользуются для оценки пульса, приводя к скачкам или падениям, не соответствующим реальному ритму. Предыдущие исследования сосредотачивались на очистке сырого сигнала или использовании тяжёлых моделей машинного обучения, иногда с дополнительными датчиками, такими как акселерометры. Такие методы могут давать точные результаты в лаборатории, но часто требуют мощных процессоров, тонкой настройки или облачной обработки — препятствия для небольших устройств с высоким уровнем конфиденциальности, работающих на периферии.

Использование поведения сердца как ориентира

Авторы пошли другим путём: вместо того чтобы только улучшать сигнал с камеры, они корректируют оценки частоты сердечных сокращений постфактум, используя простые правила, основанные на том, как сердце реально меняется со временем. Медицинские и спортивные исследования показывают, что здоровое сердце не прыгает на десятки ударов в минуту за одну секунду. При ускорении или замедлении ЧСС обычно меняется в пределах известных ограничений. Новый алгоритм отслеживает последовательность оценённых значений пульса и сравнивает каждое новое значение с недавними. Если внезапный пик или провал требуют изменения скорости сердцебиения быстрее, чем это позволяет физиология, программное обеспечение временно отвергает это значение и сохраняет последнее надёжное измерение, принимая новые значения только после появления согласованной тенденции.

Испытание алгоритма

Чтобы оценить работоспособность идеи, команда протестировала её на трёх публичных наборах данных, отражающих трудные реальные условия. Один набор включал людей в движении, с поворотами головы, разговорами или занятиями спортом. Другой был записан при очень слабом освещении, а третий — в почти идеальных, спокойных комнатных условиях. В каждом случае частота сердечных сокращений сначала оценивалась с помощью нескольких распространённых методов rPPG, а затем уточнялась различными коррекционными приёмами. Во всех наборах данных алгоритм, учитывающий физиологию, существенно увеличил долю измерений, соответствующих потребительским стандартам. Для сложного набора с движением точность (в пределах 10 ударов в минуту от истинного значения) выросла примерно с 46% до более чем 84%; в условиях слабого освещения — с примерно 48% до 69%. Даже в более простых условиях метод повысил показатели. При этом алгоритм работал чрезвычайно быстро и поместился на крошечном микроконтроллере Arduino, тогда как некоторые конкурирующие методы были слишком тяжёлы для развёртывания.

Что это значит для повседневных медицинских технологий

Обучая программное обеспечение учитывать то, как человеческое сердце естественно ускоряется и замедляется, эта работа показывает, что простые правила могут спасти множество плохих измерений с камеры без дополнительных датчиков или мощных чипов. Алгоритм вставляется как шаг «plug-and-play» после существующих методов rPPG, отфильтровывая явно неправдоподобные значения и стабилизируя трассу пульса. Авторы отмечают ограничения — например, кратковременный период прогрева и возможные сложности у людей с нерегулярным сердечным ритмом — но подход указывает путь к более надёжному, недорогому и конфиденциальному дистанционному мониторингу пульса. В ближайшем будущем такие коррекционные инструменты могут помочь внедрить надежные бесконтактные проверки пульса в автомобилях, больничных кроватях, спортивных гаджетах и телемедицинских платформах.

Цитирование: Tian, Y., Li, S., Zhu, Y. et al. Adaptive physiology-informed correction for reliable remote photoplethysmography heart-rate monitoring. npj Digit. Med. 9, 233 (2026). https://doi.org/10.1038/s41746-026-02386-y

Ключевые слова: бесконтактная фотоплетизмография, бесконтактный пульс, цифровое здравоохранение, носимая электроника, телемедицина