Impedance pneumography in respiration monitoring
Mäki-Karvia, Iida (2022)
Mäki-Karvia, Iida
2022
Bioteknologian ja biolääketieteen tekniikan kandidaattiohjelma - Bachelor's Programme in Biotechnology and Biomedical Engineering
Lääketieteen ja terveysteknologian tiedekunta - Faculty of Medicine and Health Technology
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-05-21
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202205185044
https://urn.fi/URN:NBN:fi:tuni-202205185044
Tiivistelmä
Respiration monitoring provides health care professionals essential information about patients’ condition and can help diagnosing pulmonary diseases. The most reliable methods for assessment are obtrusive and include masks and can require performing manoeuvres that limit the usability with uncooperative patients like children or unconscious. In contrast, in hospital wards respiration rate and effort are intermittently assessed only visually during rounds at patient rooms leading to poor frequency of recording. Hence, early signs of deterioration in condition are often missed.
Bioimpedance have been studied as a continuous and unobtrusive method for respiration monitoring. The technique is based on differences in electrical properties of tissues. A small current is fed through the body and voltage across is measured. Respiration and cardiac functions affect current flow and thus change the total impedance. Frequency of the applied current and geometry of the thorax cause also variation in the signal. When using bioimpedance to assess respiratory functions the method is called impedance pneumography. Despite of being an established and widely used method, there is ongoing research to improve its performance. One major challenge is its susceptibility to movement. However, signal processing algorithms advance all the time making development of wearable applications also possible.
In this study, respiration is measured with bioimpedance and compared to signal from pneumotachometer. Two different electrode configurations were used to evaluate their performance in different positions, in supine, sitting and walking stationary. The study protocol included alternation between thoracic and diaphragmatic breathing at different depths. Respiration rates were determined with peak detection, advanced counting and Fast Fourier Transform (FFT) algorithms and their performances were compared.
The results show that respiration rates were most accurately measured during supine position with Mason-Likar arm electrodes. No significant differences between thoracic and diaphragmatic breathing were seen whereas shallow breathing was occasionally hard to detect. The peak detection algorithm performed best having mean absolute error (MAE) of 0.47, 1.12 and 1.23 breaths per minute (bpm) for lying, sitting and walking, respectively. However, MAE values of FFT method were not comparable to other methods in most of the cases.
Comparison between electrode configurations is not straightforward, as the measurements were not made simultaneously. Also, the study involved only relatively young and healthy subjects which are not the most abundant age group needing monitoring at hospitals. When considering patient monitoring applications, future studies should involve subjects with wider range of characteristics to obtain more definitive results about the performance of the impedance pneumography. Hengitystä monitoroimalla saadaan tärkeää informaatiota potilaan terveydentilasta sekä apua keuhkosairauksien diagnosointiin. Tällä hetkellä luotettavimmat menetelmät häiritsevät luonnollista hengitystä ja saattavat vaatia erityisiä hengityskuvioita, jotka eivät onnistu yhteistyökyvyttömiltä potilailta kuten lapsilta tai vakavasti sairailta. Toisaalta sairaaloiden osastoilla hengitystaajuutta ja hengityksen vaikeutta saatetaan ajoittain arvioida ainoastaan visuaalisesti tarkastuskierrosten aikana, jolloin tuloksien väli saattaa venyä pitkäksi eikä muutoksia huomata ajoissa.
Bioimpedanssimenetelmä tarjoaa keinon jatkuvaan hengityksen monitorointiin häiritsemättä sitä. Tekniikka perustuu kudosten erilaiseen kykyyn vastustaa sähkövirran kulkua, ja sen avulla voidaan saada monesta kehontoiminnosta tietoa. Hengityksen analysoinnissa menetelmästä käytetään nimitystä impedanssipneumografia. Käytännössä kehoon syötetään pieniamplitudista virtaa ja mitataan jännitettä mittapisteiden välillä. Hengityksen aiheuttamat muutokset vaikuttavat sähkövirran kulkuun ja näin ollen muuttavat impedanssisignaalia. Myös syötetyn virran taajuus sekä rintakehän muoto vaikuttavat havaittuun impedanssiin. Vaikka menetelmä on jo vakiintunut ja laajalti käytössä, tutkijat pyrkivät jatkuvasti parantamaan bioimpedanssin mittaustekniikkaa. Yksi menetelmän heikkouksista on sen alttius liikkeestä aiheutuville häiriöille. Signaalinkäsittelymenetelmät kehittyvät kuitenkin jatkuvasti mahdollistaen myös tutkimuksen bioimpedanssin käytöstä puettavissa laitteissa.
Tässä tutkimuksessa mitattiin hengitystä bioimpedanssin avulla ja verrattiin saatua signaalia pneumotakometrillä kerättyyn referenssiin. Mittauksissa käytettiin kahta eri elektrodien sijoittelua ja arvioitiin niiden toimivuutta eri asennoissa: selinmakuulta, istualtaan sekä paikallaan kävellessä. Mittausten aikana tutkittavat hengittivät eri syvyyksillä ja vaihtelivat pallea- ja rintahengityksen välillä. Saadusta datasta arvioitiin hengitystaajuutta peak detection, advanced counting ja Fast Fourier Transform -algoritmeilla ja vertailtiin niiden toimivuutta.
Tutkimuksessa havaittiin, että luotettavin arvio hengitystaajuudesta saatiin makuuasennossa Mason-Likar käsielektrodeilta mitattaessa. Pallea- ja rintahengityksen välillä ei havaittu merkittäviä eroja, kun taas pinnallista hengitystä oli ajoittain vaikea havaita impedanssisignaalista. Peak detection -algoritmin suoriutui parhaiten käytetyistä metodeista. Tällä menetelmällä keskimääräinen absoluuttinen virhe oli 0.47 hengitystä minuutissa (bpm) makuulta, 1.12 bpm istualtaan ja 1.23 bpm kävellessä. FFT-algoritmilla ei saatu vertailukelpoisia arvoja hengitystiheydestä johtuen todennäköisesti liian suuresta ikkunan pituudesta.
Elektrodipaikkojen vaikutusta on hankala arvioida suoraviivaisesti, sillä mittauksia ei tehty samanaikaisesti. Tutkimuksessa oli mukana ainoastaan suhteellisen nuoria ja hyväkuntoisia henkilöitä. Tällaisilta tutkittavilta mahdollisesti saadaan parempia tuloksia kuin ikääntyneiltä tai ylipainoisilta. Potilasmonitorisovelluksia ajatellen seuraaviin tutkimuksiin kannattaisi ottaa mukaan ominaisuuksiltaan laajempi joukko tutkittavia, jotta saataisiin kattavampi näyttö impedanssipneumografian suorituskyvystä
Bioimpedance have been studied as a continuous and unobtrusive method for respiration monitoring. The technique is based on differences in electrical properties of tissues. A small current is fed through the body and voltage across is measured. Respiration and cardiac functions affect current flow and thus change the total impedance. Frequency of the applied current and geometry of the thorax cause also variation in the signal. When using bioimpedance to assess respiratory functions the method is called impedance pneumography. Despite of being an established and widely used method, there is ongoing research to improve its performance. One major challenge is its susceptibility to movement. However, signal processing algorithms advance all the time making development of wearable applications also possible.
In this study, respiration is measured with bioimpedance and compared to signal from pneumotachometer. Two different electrode configurations were used to evaluate their performance in different positions, in supine, sitting and walking stationary. The study protocol included alternation between thoracic and diaphragmatic breathing at different depths. Respiration rates were determined with peak detection, advanced counting and Fast Fourier Transform (FFT) algorithms and their performances were compared.
The results show that respiration rates were most accurately measured during supine position with Mason-Likar arm electrodes. No significant differences between thoracic and diaphragmatic breathing were seen whereas shallow breathing was occasionally hard to detect. The peak detection algorithm performed best having mean absolute error (MAE) of 0.47, 1.12 and 1.23 breaths per minute (bpm) for lying, sitting and walking, respectively. However, MAE values of FFT method were not comparable to other methods in most of the cases.
Comparison between electrode configurations is not straightforward, as the measurements were not made simultaneously. Also, the study involved only relatively young and healthy subjects which are not the most abundant age group needing monitoring at hospitals. When considering patient monitoring applications, future studies should involve subjects with wider range of characteristics to obtain more definitive results about the performance of the impedance pneumography.
Bioimpedanssimenetelmä tarjoaa keinon jatkuvaan hengityksen monitorointiin häiritsemättä sitä. Tekniikka perustuu kudosten erilaiseen kykyyn vastustaa sähkövirran kulkua, ja sen avulla voidaan saada monesta kehontoiminnosta tietoa. Hengityksen analysoinnissa menetelmästä käytetään nimitystä impedanssipneumografia. Käytännössä kehoon syötetään pieniamplitudista virtaa ja mitataan jännitettä mittapisteiden välillä. Hengityksen aiheuttamat muutokset vaikuttavat sähkövirran kulkuun ja näin ollen muuttavat impedanssisignaalia. Myös syötetyn virran taajuus sekä rintakehän muoto vaikuttavat havaittuun impedanssiin. Vaikka menetelmä on jo vakiintunut ja laajalti käytössä, tutkijat pyrkivät jatkuvasti parantamaan bioimpedanssin mittaustekniikkaa. Yksi menetelmän heikkouksista on sen alttius liikkeestä aiheutuville häiriöille. Signaalinkäsittelymenetelmät kehittyvät kuitenkin jatkuvasti mahdollistaen myös tutkimuksen bioimpedanssin käytöstä puettavissa laitteissa.
Tässä tutkimuksessa mitattiin hengitystä bioimpedanssin avulla ja verrattiin saatua signaalia pneumotakometrillä kerättyyn referenssiin. Mittauksissa käytettiin kahta eri elektrodien sijoittelua ja arvioitiin niiden toimivuutta eri asennoissa: selinmakuulta, istualtaan sekä paikallaan kävellessä. Mittausten aikana tutkittavat hengittivät eri syvyyksillä ja vaihtelivat pallea- ja rintahengityksen välillä. Saadusta datasta arvioitiin hengitystaajuutta peak detection, advanced counting ja Fast Fourier Transform -algoritmeilla ja vertailtiin niiden toimivuutta.
Tutkimuksessa havaittiin, että luotettavin arvio hengitystaajuudesta saatiin makuuasennossa Mason-Likar käsielektrodeilta mitattaessa. Pallea- ja rintahengityksen välillä ei havaittu merkittäviä eroja, kun taas pinnallista hengitystä oli ajoittain vaikea havaita impedanssisignaalista. Peak detection -algoritmin suoriutui parhaiten käytetyistä metodeista. Tällä menetelmällä keskimääräinen absoluuttinen virhe oli 0.47 hengitystä minuutissa (bpm) makuulta, 1.12 bpm istualtaan ja 1.23 bpm kävellessä. FFT-algoritmilla ei saatu vertailukelpoisia arvoja hengitystiheydestä johtuen todennäköisesti liian suuresta ikkunan pituudesta.
Elektrodipaikkojen vaikutusta on hankala arvioida suoraviivaisesti, sillä mittauksia ei tehty samanaikaisesti. Tutkimuksessa oli mukana ainoastaan suhteellisen nuoria ja hyväkuntoisia henkilöitä. Tällaisilta tutkittavilta mahdollisesti saadaan parempia tuloksia kuin ikääntyneiltä tai ylipainoisilta. Potilasmonitorisovelluksia ajatellen seuraaviin tutkimuksiin kannattaisi ottaa mukaan ominaisuuksiltaan laajempi joukko tutkittavia, jotta saataisiin kattavampi näyttö impedanssipneumografian suorituskyvystä
Kokoelmat
- Kandidaatintutkielmat [8235]