Anpassad fysiologiinformerad korrigering för pålitlig fjärrfotopletismografi för pulsmätning

Kontrollera din puls utan att röra vid

Föreställ dig att din telefon tyst följer din puls medan du pratar i ett videosamtal eller sitter i väntrummet—inga sladdar, inga bröstband, inga fingerklämmor. Den visionen är nära verklighet tack vare kameror som kan läsa mycket små färgförändringar i ansiktet kopplade till blodflödet. Men dessa kontaktfria pulsmätningar rubbas fortfarande lätt av rörelse och dåligt ljus. I den här studien presenteras ett smart, kostnadseffektivt mjukvarutillägg som gör kamerabaserad pulsmätning mycket mer tillförlitlig, även på enkla enheter som wearables eller hemmabaserade hälsoprylar.

Varför ansiktet kan avslöja hjärtat

Puls är en viktig vitalparameter som speglar inte bara hjärt- och kärlhälsa utan också konditionsnivå och mental stress. Traditionellt förlitar sig läkare på elektrokardiogram och sensorer på fingertopp eller handled som lyser in i huden för att mäta blodpulser. Dessa kontaktbaserade enheter fungerar väl men kan vara obekväma, svåra att använda under sömn eller operation och opraktiska för kontinuerlig övervakning. Fjärrfotopletismografi, eller rPPG, tar ett annat grepp: den använder en vanlig kamera för att filma ansiktet och sedan plockar mjukvara fram de subtila färgskiftena som varje hjärtslag ger upphov till. Eftersom de flesta redan har kameror i telefoner, bärbara datorer och sjukhusrum, kan rPPG göra pulsspårning mycket mer tillgänglig.

Problemet med rörelse och skuggor

I praktiken är rPPG-signaler röriga. Att vrida på huvudet, tala eller träna tillför rörelse; svagt eller varierande ljus ändrar vad kameran ser. Dessa faktorer skapar falska toppar i frekvensmönstren som algoritmer använder för att uppskatta puls, vilket leder till hopp eller dyk som inte stämmer överens med verklig puls. Tidigare forskning har fokuserat på att rengöra råsignalen eller använda tunga maskininlärningsmodeller, ibland med extra sensorer som accelerometrar. Dessa metoder kan vara precisa i labb men kräver ofta kraftfulla processorer, noggrann fininställning eller molnbearbetning—hinder för små, sekretesskänsliga enheter som körs i periferi.

Använda hur hjärtat beter sig som vägledning

Författarna väljer en annan väg: istället för att enbart putsa kamerasignalen korrigerar de pulsupskattningarna i efterhand med enkla regler baserade på hur verkliga hjärtan förändras över tid. Medicinska och idrottsvetenskapliga studier visar att ett friskt hjärta inte hoppar tiotals slag per minut från en sekund till nästa. När människor accelererar eller saktar ner tenderar pulsen att stiga och falla inom kända gränser. Den nya algoritmen bevakar sekvensen av skattade pulsvärden och jämför varje nytt värde med de senaste. Om en plötslig topp eller dipp skulle kräva att hjärtat ändrar sig snabbare än vad fysiologin tillåter, avvisar programvaran tillfälligt det värdet och behåller den senaste pålitliga uppskattningen, och accepterar nya värden först när en konsekvent trend framträder.

Testning av algoritmen

För att se hur väl idén fungerar testade teamet den på tre öppna dataset som representerar svåra verkliga förhållanden. Ett dataset involverade personer som rörde sig, roterade huvudet, pratade eller tränade. Ett annat spelades in i mycket svagt ljus, och ett tredje fångade nästan ideala, stabila inomhusscener. I varje fall skattades pulsen först med flera vanliga rPPG-metoder och förfinades sedan med olika korrigeringstekniker. I samtliga dataset ökade andelen mätningar som uppfyllde konsumentenheters standarder markant med den fysiologiinformerade algoritmen. För ett utmanande rörelsedataset steg andelen korrekta avläsningar (inom 10 slag per minut från det sanna värdet) från cirka 46% till över 84%; i svagt ljus ökade de från ungefär 48% till 69%. Även i lättare förhållanden förbättrade metoden prestandan något. Samtidigt kördes algoritmen mycket snabbt och fick plats på en liten Arduino-mikrokontroller, medan vissa konkurrerande metoder var för tunga att distribuera.

Vad detta innebär för vardaglig hälsoteknik

Genom att lära mjukvara att respektera hur det mänskliga hjärtat naturligt ökar och minskar visar arbetet att enkla regler kan rädda många dåliga kamerabaserade mätningar utan extra sensorer eller kraftfulla chip. Algoritmen fungerar som ett plug-and-play-steg efter befintliga rPPG-metoder, filtrerar bort uppenbart osannolika värden och stabiliserar pulsspåret. Författarna noterar begränsningar—som en kort uppvärmningsperiod och potentiella problem för personer med oregelbunden hjärtrytm—men angreppssättet pekar mot mer pålitlig, lågkostnads- och integritetsvänlig pulsmätning på distans. Inom en snar framtid skulle sådana korrigeringsverktyg kunna hjälpa till att föra pålitliga kontaktfria pulskontroller till bilar, sjukhussängar, träningsutrustning och telemedicinplattformar.

Citering: 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

Nyckelord: fjärrofotopletismografi, kontaktfri puls, digital hälsa, bärbar sensorteknik, telemedicin