UNIVERSIT `A DI PISA SCUOLA DI INGEGNERIA
CORSO DI LAUREA MAGISTRALE IN INGEGNERIA
BIOMEDICA
Anno accademico 2014/2015
Sviluppo e validazione di un sistema multiparametrico
per il monitoraggio di segnali fisiologici durante
l’interazione uomo-robot
Relatori
Candidato
Prof. Alessandro Tognetti
Sara Angelini
Ing. Nicola Carbonaro
Ing. Mario Tesconi
i “maintesi” — 2016/2/14 — 1:11 — page 1 — #2 i
i i
Indice
Introduzione 3
1 Segnali fisiologici: utilizzo e caratteristiche 8
1.1 Importanza dei segnali fisiologici . . . 8
1.2 Il segnale elettrocardiografico . . . 9
1.3 Il segnale di attivit`a elettrodermica . . . 12
2 Dispositivi per il rilevamento di segnali fisiologici 15 2.1 Ricerca di mercato . . . 16
2.1.1 Dispositivi per monitoraggio clinico . . . 16
2.1.2 Dispositivi per lo sport e il benessere . . . 20
2.1.3 Dispositivi open source . . . 22
2.2 Stato dell’arte . . . 25
3 Il dispositivo realizzato 33 3.1 Il progetto EASEL . . . 34
3.2 Descrizione dell’hardware . . . 35
3.2.1 Elettrodi per la misurazione del segnale . . . 35
3.2.2 Hardware per il rilevamento di ECG . . . 37
3.2.3 Hardware per Hand Detection . . . 39
3.2.4 Hardware per il rilevamento di EDA . . . 43
3.3 Descrizione del firmware . . . 45
5.2 Elaborazione dei dati . . . 62 5.3 Risultati . . . 68
i “maintesi” — 2016/2/14 — 1:11 — page 3 — #3 i
i i
Elenco delle figure
1.1 Onde caratteristiche del segnale ECG . . . 10 1.2 Triangolo di Einthoven . . . 11 1.3 Andamento tipico di EDA senza stimoli e sterni . . . 13 1.4 EDA con individuazione di picchi dovuti a stimoli esterni . . . 13 2.1 Dispositivi per monitoraggio clinico . . . 19 2.2 Dispositivi per lo sport e il benessere . . . 23 3.1 Elettrodi della contattiera collegati alla scheda elettronica. . . 36 3.2 Schema di circuito per il filtraggio di segnale ECG . . . 38 3.3 Schema elettrico del circuito di acquisizione ECG e del circuito
di Hand Detection . . . 38 3.4 Schema elettrico del MSP430FG43 . . . 39 3.5 Lato della scheda con le componenti elettroniche per
l’acqui-sizione e il filtraggio dei segnali. . . 40 3.6 Schema circuitale del metodo di hand detection con tre
resi-stenze. . . 41 3.7 Schema circuitale del metodo di hand detection con due
resi-stenze. . . 42 3.8 Schema elettrico del OP2348 e compnenti elettriche del filtraggio 44 3.9 Lato della scheda con le componenti elettroniche per la
comu-nicazione wireless. . . 45
3.10 Schema logico del firmware per attivazione e disattivazione dei circuiti di Hand Detection e ECG. . . 48 4.1 Finestra per la selezione della porta usb per la comunicazione
con il dispositivo. . . 50 4.2 Finestra interattiva del software per la visualizzazione e il
salvataggio dei segnali. . . 51 4.3 Segnale acquisito dall’elettrodo sinistro durante le sequenze di
prove realizzate sul circuito di hand detection a tre resistenze. 55 4.4 Andamento del segnale di hand detection con alimentazione
tra 3.3V e 0V. Sequenza di contatti e segnale di riferimento. . 55 4.5 Segnale acquisito dall’elettrodo sinistro durante le sequenze di
prove realizzate sul circuito di hand detection a due resistenze. 56 4.6 Confronto tra segnale EDA saturo e segnale EDA non saturo . 58 4.7 Sequenza dio contatti per la verifica del funzionamento del
sistema: EDA, EDA e ECG, ECG, separati da intervalli in assenza di contatto. . . 60 5.1 Segnale ECG misurato con sistema PhysioTouch e picchi R
rilevati dal firmware. . . 63 5.2 Segnale ECG misurato con Biopac e complessi QRS
indivi-duati dal software. . . 64 5.3 Confronto dei segnali misurati dai due sistemi. . . 65 5.4 Esempi di funzionamento dell’algoritmo di correzione sugli
intervalli RR. . . 69 5.5 Applicazione dell’algoritmo di correzione sui dati uniti. . . 70 5.6 Grafico di Bland-Altman per le frequenze cardiache ricavate
dagli intervalli interbattito del segnale del dispositivo, originali e corretti, confrontate con il segnale di riferimento. . . 76
dagli intervalli interbattito del segnale del dispositivo, originali e corretti, confrontate con il segnale di riferimento. . . 77
Introduzione
Il presente lavoro di tesi ha come obiettivo lo sviluppo e la validazione di un sistema per la misurazione di segnali fisiologici durante l’interazione uomo-robot. La progettazione del sistema sviluppato `e avvenuta nell’ambi-to del progetnell’ambi-to di ricerca europeo EASEL (Expressive Agents for Symbiotic Education and Learning), che ha come scopo la realizzazione di un robot in grado di interagire con umani e applicare strategie comportamentali adattan-dosi allo stato emotivo della persona, effettuandone in tempo reale un’analisi multiparametrica e comportamentale, allo scopo di fornire un servizio di tu-toraggio, con un robot che agisca da facilitatore e coinvolga la persona in attivit`a ludiche educative.
Il presente lavoro di tesi ha previsto lo svolgimento di un tirocinio currico-lare presso l’azienda Adatec Srl. Nell’ambito del tirocinio `e stata effettuata una ricerca di mercato per ottenere una panoramica dei costi e delle carat-teristiche di dispositivi per il rilevamento di parametri fisiologici presenti sul mercato. La fase successiva ha visto lo sviluppo di un dispositivo in grado di rilevare parametri fisiologici, in particolare il segnale elettrocardiografico (ECG) e il segnale di attivit`a elettrodermica (Electrodermal Activity, EDA) tramite l’utilizzo di elettrodi a contatto; il dispositivo sviluppato permette di effettuare un monitoraggio in tempo reale dei segnali rilevati e il salvataggio di questi per una successiva analisi.
La parte finale del lavoro di tesi ha previsto la validazione del dispositivo svi-luppato, realizzata sulla base di studi presenti in letteratura circa i metodi di
confronto tra dispositivi per il monitoraggio di parametri fisiologici e sistemi considerati gold standard.
L’importanza dello studio dei segnali fisiologici per conoscere lo stato di sa-lute del soggetto in esame `e nota da secoli ed `e stato compiuto un notevole sforzo per progredire nell’ambito della strumentazione per la misurazione di biosegnali e per la loro interpretazione. Il segnale ECG in particolare, `e noto da pi`u di un secolo e viene comunemente usato in diagnostica e nei dispo-sitivi di largo consumo per il monitoraggio dell’attivit`a cardiaca, ricavando dal segnale grezzo informazioni quali la frequenza cardiaca e la variabilit`a di questa. Il segnale EDA, indice della conduttanza dei tessuti corporei, `e associato allo stato emotivo del soggetto da cui viene misurato e notevoli variazioni di questo si hanno in soggetti sottoposti a stimoli esterni (come stimoli uditivi e visivi) o interni (come la respirazione profonda). L’analisi separata e congiunta di tali segnali pu`o fornire informazioni importanti circa l’attivit`a fisica o l’emotivit`a del soggetto in esame.
Il dispositivo sviluppato `e in grado di acquisire simultaneamente i segna-li ECG ed EDA tramite elettrodi posti su una contattiera, disegnati per il contatto con le dita di entrambe le mani del soggetto. Le componenti elettro-niche presenti sulla scheda del dispositivo effettuano un filtraggio analogico sui segnali acquisiti. Il firmware del dispositivo, sviluppato su di un micro-controllore a basso consumo di potenza integrato sulla scheda, permette di effettuare un filtraggio digitale sui segnali ed effettua l’individuazione dei picchi R del segnale ECG in tempo reale. I segnali grezzi e i dati di interesse ricavati da questi, vengono comunicati in maniera wireless ad un computer; il software dedicato pu`o essere utilizzato per la visualizzazione in tempo reale dei segnali ricevuti, fornisce informazioni circa i dati ottenuti e il tempo di acquisizione e offre la possibilit`a di scegliere quali dati salvare su un file in formato .txt. I dati possono essere dunque rielaborati per un’analisi succes-siva.
La peculiarit`a del dispositivo `e la capacit`a di verificare un’interruzione nel contatto tra cute ed elettrodi o un peggioramento nella qualit`a di questo; tali informazioni sono importanti, poich´e un cattivo contatto con gli elettro-di o l’interruzione del segnale dovuta all’assenza totale elettro-di contatto, possono portare a misurare valori non veritieri e a conclusioni errate circa l’analisi dei segnali. Per raggiungere tale obiettivo, sono state condotte delle prove di testing su due circuiti per il rilevamento del contatto (hand detection) in modo da poter scegliere quello ottimale.
Una volta integrato nel dispositivo il circuito scelto, sono state condotte ul-teriori prove di verifica del corretto funzionamento e sono stati identificati i valori soglia del segnale ricavato dal circuito di hand detection (HD) che portano alla distinzione della qualit`a di contatto cute-elettrodi permettendo di distinguere tra: assenza di contatto, cattivo contatto, contatto buono. Da ulteriori test condotti sul dispositivo `e emerso che l’attivazione del circuito di HD contemporaneamente a quello per il rilevamento di ECG comporta la presenza di disturbi sul segnale, perci`o `e stato scelto di attivare i due circuiti in maniera alternata, giungendo alla versione definitiva del firmware. Oltre che per effettuare controlli periodici sulla qualit`a del contatto cute-elettrodi, il circuito di HD viene attivato nel caso in cui il segnale ECG presenti una variazione eccessiva della linea base, indice della presenza di artefatti da mo-vimento. Ulteriori prove sono state condotte sul dispositivo per verificare che il comportamento di questo fosse analogo a quello atteso e hanno dato esito positivo.
Successivamente sono state condotte prove di misurazione del segnale EDA per verificarne la corretta acquisizione ed `e stato scelto il valore ottimale delle componenti elettroniche per il filtraggio di questo.
Una volta raggiunte le versioni finali di hardware, firmware e software del di-spositivo, questo `e stato sottoposto a prove di validazione per quanto riguarda l’affidabilit`a del sistema nel rilevare correttamente la frequenza cardiaca del
soggetto collegato a esso su finestre temporali di almeno dieci secondi. Il sistema `e stato dunque confrontato con un dispositivo di riferimento: `e stata condotta una serie di acquisizioni del segnale ECG misurato contemporanea-mente dai due dispositivi su tre soggetti. Il dispositivo sviluppato (indicato con il nome PhysioTouch) permette il salvataggio dei segnali fisiologici grez-zi, del segnale temporale e della sequenza di picchi R rilevati sul segnale ECG, dalla quale `e stata ricavata la frequenza cardiaca; il sistema utilizzato come riferimento permette invece il solo salvataggio del segnale temporale e del segnale grezzo e su questo `e stato quindi applicato un software open source disponibile sul sito Physionet, con il quale sono stati ottenuti i dati di interesse. Il metodo di confronto tra i due sistemi si `e basato su studi presenti in letteratura circa la valutazione di concordanza tra sistemi per il rilevamento della frequenza cardiaca e della variabilit`a di questa, dove nel caso di errori sul calcolo di intervalli RR (distanza in millisecondi tra un picco R e il successivo), viene effettuata una correzione dei valori rispetto al sistema di riferimento, al fine di migliorare la bont`a del segnale che risulta cos`ı svincolato da eventuali errori dovuti a software o firmware per il rileva-mento dei picchi R. Da un primo confronto tra i dati dei due sistemi, sono emerse alcune imprecisioni nel riconoscimento dei pichi R da parte del siste-ma PhysioTouch, `e stato quindi sviluppato un algoritmo di correzione sugli intervalli RR che ha portato all’eliminazione della quasi totalit`a degli errori individuati tramite ispezione visiva. Infine, le frequenze cardiache calcolate negli intervalli temporali selezionati sul segnale in esame, prima e dopo la correzione con l’algoritmo, sono stati confrontati statisticamente tramite il metodo di Bland-Altman con i corrispondenti dati del segnale di riferimen-to. Nella valutazione dei risultati dell’analisi statistica `e stato tenuto conto innanzitutto della differenza tra gli elettrodi utilizzati nei due sistemi con-frontati: la contattiera permette infatti di prelevare in maniera non invasiva i segnali fisiolgici, non comporta l’ingombro dovuto ai cavi degli elettrodi
presenti invece nel sistema di riferimento, ma d’altra parte, la tipologia dei contatti consente un maggiore spostamento relativo tra cute ed elettrodi ri-spetto a quelli in Ag/AgCl, introducendo nel segnale misurato artefatti da movimento. I risultati del confronto tra i due sistemi hanno mostrato una forte concordanza tra i dati corretti e quelli del segnale di riferimento. I dati in esame non corretti, hanno mostrato una peggiore concordanza rispetto al sistema di riferimento, ma considerato lo scarto massimo tra i due sistemi di 6 bpm nel calcolo della frequenza cardiaca, sono stati giudicati comun-que accettabili, confermando la possibilit`a dell’utilizzo del dispositivo per il monitoraggio di segnali fisiologici, in particolare per la stima della frequenza cardiaca in tempo reale.
Capitolo 1
Segnali fisiologici: utilizzo e
caratteristiche
1.1
Importanza dei segnali fisiologici
I segnali fisiologici e la loro misurazione vengono studiati ormai da secoli per comprendere il funzionamento del corpo umano, monitorare lo stato di salute e predire eventi patologici. L’evoluzione della tecnologia e dei materia-li con i quamateria-li vengono prelevati e trattati i biosegnamateria-li, ha permesso di arrivare a misurazioni sempre pi`u precise e in alcuni casi al monitoraggio in tempo reale dello stato di salute o dello stato emotivo dei soggetti in esame. Il mo-nitoraggio e l’interpretazione dei segnali fisiologici non sono pi`u un’esclusiva di medici e personale specializzato e in commercio sono presenti dispositivi leggeri e portabili, dotati di interfacce intuitive e interattive, che rendono i parametri fisiologici facilmente interpretabili e permettono alle persone di controllare in tempo reale la propria salute o il proprio livello di allenamento. L’impiego di dispositivi per il monitoraggio di segnali fisiologici riguarda ad oggi pi`u ambiti: l’ambito della ricerca, per lo sviluppo di nuove tecnologie; l’ambito clinico, con il monitoraggio di pazienti da parte di personale
specia-lizzato in ambulatorio o tramite controllo remoto; l’ambito commerciale, con la diffusione di dispositivi indossabili generalmente utilizzati per il tracking di attivit`a sportive. I parametri maggiormente monitorati nei vari ambiti sono il segnale elettrocardiografico (e in partiolare la frequenza cardiaca), il segnale di conduttanza cutanea, la frequenza respiratoria e i parametri le-gati al movimento. Per chiarire concetti che saranno utili successivamente, di seguito verranno definite brevemente le caratteristiche di due segnali fi-siologici in particolare: il segnale elettrocardiografico e il segnale di attivit`a elettrodermica.
1.2
Il segnale elettrocardiografico
L’elettrocardiogramma (ECG), `e la rappresentazione grafica dell’attivit`a elettrica delle cellule cardiache e permette di effettuare un monitoraggio del-l’azione del cuoer e di individuare eventuali patologie cardiache, che possono compromettere la circolazione sanguigna e provocare crisi cardiocircolatorie anche fatali. La circolazione sanguigna `e assicurata dall’azione del cuore, organo cavo suddiviso in quattro camere: due atri e due ventricoli, che traendosi ritmicamente pompano il sangue nel circuito vascolare. La con-trazione del tessuto muscolare specializzato del cuore, che prende il nome di tessuto miocardico, avviene grazie alla trasmissione di un impulso elettrico che insorge spontaneamente nel nodo senoatriale e nel nodo atrioventricolare, gruppi di cellule del cuore specializzate. L’impulso elettrico che percorre le fibre del miocardio, provoca la depolarizzazione della superficie esterna cel-lulare. Grazie alle propriet`a conduttive dei tessuti, l’attivit`a elettrica delle cellule del miocardio viene condotta fino alla superficie corporea, dove assu-me valori di circa 1-3 mV, [1] ed `e dunque rilevabile tramite elettrodi posti a contatto della cute. L’ECG era conosciuto gi`a alla fine del XIX secolo ed `
individuato le onde caratteristiche del tracciato elettrocardiografico. Queste onde sono indicate con le lettere P, Q, R, S, T, e U e corrispondono a deter-minate fasi del ciclo cardiaco:
Onda P: corrisponde alla depolarizzazione degli atri, generalmente di piccole dimensioni perch´e la contrazione degli atri non `e molto potente.
Complesso QRS: corrisponde alla depolarizzazione dei ventricoli ed `e un in-sieme di tre onde, Q e S negative, con il massimo centrale positivo corrispon-dente al picco R.
Onda T: corrisponde alla ripolarizzazione dei ventricoli, non sempre identifi-cabile.
Onda U: corrisponde alla ripolarizzazione dei muscoli papillari e non sempre `
e apprezzabile.
Intervallo QT: corrisponde alla sistole elettrica, il tempo in cui si ha depola-rizzazione e ripoladepola-rizzazione dei ventricoli, la sua durata `e influenzata dalla frequenza cardiaca.
Un esempio di segnale elettrocardiografico relativo a un ciclo cardiaco in con-dizioni di salute, `e rappresentato in figura 1.1, eventuali anomalie nella forma o nella frequenza delle onde del tracciato possono portare all’identificazione di patologie o eventi di sofferenza cardiaca.
Il potenziale di azione determinato dalla depolarizzazione della superficie
Figura 1.1: Onde caratteristiche del segnale ECG
elettrodi, posti lungo la direzione di propagazione del fronte d’onda che ri-levano la differenza di potenziale tra i due punti di applicazione e la cui congiungente `e detta derivazione (lead ). Poich´e le fibre del miocardio hanno diversi orientamenti, per prelevare l’intero segnale elettrocardiografico sono necessarie pi`u derivazioni con diversi orientamenti. La conformazione classica degli elettrodi `e quella che prevede un elettrodo posizionato all’estremit`a del braccio destro, un elettrodo sull’estremit`a del braccio sinistro, e un terzo elet-trodo sulla gamba sinistra. Poich´e il corpo umano alle frequenze dell’ECG pu`o essere considerato puramente resistivo, il segnale pu`o essere prelevato anche alle radici degli arti, con tre derivazioni ottenute congiungendo elet-trodi posti uno sulla spalla destra, uno sulla spalla sinistra e il terzo nella regione pubica; si viene cos`ı a creare un triangolo con ai vertici gli elettrodi e il cuore al centro. La conformazione con tre elettrodi `e detta “Triangolo di Einthoven”, illustrata in figura 1.2, e permette di ricostruire il segnale ECG a partire da tre derivazioni indicate con numeri romani e definite come segue:
I = VLA− VRA II = VLL− VRA III = VLL− VLA
Dove RA sta per Right Arm (braccio destro), LA sta per Left Arm (braccio sinistro), LL sta per Left Leg (gamba sinistra). Questi sono i siti dai quali solitamente si prelevano i potenziali da differenziare per ottenere il segnale dell’ECG [2].
Il processo di rilevazione e amplificazione di un biopotenziale pu`o risultare di difficile realizzazione, a partire dall’isolamento elettrico del paziente, che non deve ricevere correnti di perdita superiori a 10µA per evitare la stimola-zione elettrica del miocardio e dunque la fibrillastimola-zione cardiaca. Altro aspetto critico `e dovuto all’utilizzo e al posizionamento degli elettrodi: all’interfaccia cute-elettrodo infatti, si deve creare una reazione elettrochimica che permet-ta il passaggio di ioni dal corpo all’elettrodo.
Numerosi sono gli strumenti che attualmente permettono di ricavare in ma-niera affidabile e poco invasiva l’ECG e di ottenere informazioni secondarie da questo, come la frequenza cardiaca, rendendo questo segnale utilizzabile negli ambiti della ricerca, della medicina ma anche del fitness e dei prodotti commerciali.
1.3
Il segnale di attivit`
a elettrodermica
L’attivit`a elettrodermica (Electrodermal Activity, EDA), `e il segnale che fa riferimento alle caratteristiche elettriche della cute intese come condut-tanza o resistenza cutanea che possono cambiare a seconda della quantit`a di sudore secreto dalle ghiandole sudoripare, la cui attivit`a `e regolata dal sistema nervoso autonomo. Per questo motivo l’EDA viene comunemente utilizzata in ricerca per lo studio e il monitoraggio dello stato emotivo e co-gnitivo del soggetto in esame. L’EDA, le cui unit`a di misura sono il µS o il µΩ, viene misurata mediante l’utilizzo di due elettrodi posti a contatto della cute che forniscono i potenziali da cui ricavare il valore della condut-tanza o della resistenza cutanea. Una volta ottenuto il segnale, questo pu`o
essere scomposto in due principali componenti: l’EDA tonica, che contiene informazioni di fondo e a effetto lento del segnale, e la componente fasica o risposta di conduttanza cutanea (Skin Conductance Response, SCR), che fornisce informazioni su variazioni a effetto rapido del segnale, che possono avvenire sia indipendentemente da stimoli esterni, che in risposta a questi ultimi [3]. Un esempio di andamento del segnale EDA di un soggetto a ri-poso non sottoposto a stimoli esterni `e presentato in figura 1.3. Gli stimoli
Figura 1.3: Andamento tipico di EDA senza stimoli e sterni
a cui vengono solitamente sottoposti i soggetti in esame per la registrazione di conduttanza cutanea possono essere di tipo uditivo, visivo, motorio o la richiesta di inspirare ed espirare profondamente. L’effetto di questi stimoli viene visualizzato con delle variazioni significative del SCR, come mostrato in figura 1.4.
L’EDA `e dunque un segnale che fornisce informazioni utili sul soggetto in
Figura 1.4: EDA con individuazione di picchi dovuti a stimoli esterni
assie-me ad altri segnali fisiologici, coassie-me l’ECG, dall’analisi congiunta dei quali, si riesce a determinare in modo accurato lo stato di attivit`a motoria di un soggetto o il suo stato emotivo. La facilit`a di misurazione dell’EDA rende questo segnale adatto sia per la registrazione dei dati e per una loro analisi successiva, che per applicazioni di monitoraggio in tempo reale.
Capitolo 2
Dispositivi per il rilevamento di
segnali fisiologici
La strumentazione per il rilevamento di parametri fisiologici e i mezzi per l’analisi dei dati, hanno raggiunto attualmente un livello tecnologico tale da permettere la realizzazione di dispositivi di dimensioni ridotte, indossabili e che offrono monitoraggio e interpretazione dei segnali fisiologici in tempo reale. Vari sono gli ambiti di utilizzo di questi dispositivi e diversa `e la tecnologia implementata a seconda degli obiettivi specifici. Il presente lavoro di tesi ha compreso un periodo di tirocinio curricolare presso l’azienda Adatec srl con sede presso il Polo Tecnologico di Navacchio (Pi) che ha sviluppato un dispositivo portabile per il monitoraggio di parametri fisiologici; inizialmente quindi `e stata svolta un’analisi di mercato per ottenere una panoramica dei prodotti in commercio, delle loro specifiche tecniche e dei relativi costi e un riassunto sullo stato dell’arte della ricerca orientata sui dispositivi indossabili per il rilevamento dei parametri fisiologici.
2.1
Ricerca di mercato
La ricerca di mercato condotta entro la prima met`a del 2015, `e stata focalizzata sui dispositivi in commercio che presentassero i requisiti di por-tabilit`a o indossabilit`a (con l’esclusione del settore dei tessuti sensorizzati perch´e non inerente al lavoro di tesi), che prelevassero i segnali di interesse (ECG, frequenza cardiaca, EDA) e che permettessero il salvataggio dei dati. La ricerca svolta ha portato all’individuazione di tre principali tipi di prodot-ti commerciali: Disposiprodot-tivi per monitoraggio clinico, Disposiprodot-tivi per lo sport e il benessere, Dispositivi open source.
2.1.1
Dispositivi per monitoraggio clinico
Sono dispositivi dotati di diversi tipi di sensori, spesso dotati di elettrodi collegati con cavi al corpo centrale che riceve i segnali e li elabora in tem-po reale. Talvolta vengono venduti assieme a software o applicazioni per smartphone che hanno lo scopo di elaborare i dati, salvarli in memoria o in una rete cloud. Sono pensati in alcuni casi, per l’invio remoto dei dati del paziente a medici e specialisti del settore e possono permettere l’accesso ai dati grezzi. La maggior parte dei dispositivi di questo tipo `e in grado di mo-nitorare segnali come ECG, frequenza cardiaca e sua variabilit`a, frequenza respiratoria, movimento, EDA, temperatura e altro. Per l’elevato livello tec-nologico e la quantit`a di segnali rilevati, vengono dunque utilizzati in ambito clinico o nell’ambito della ricerca, hanno costi e dimensioni maggiori rispetto ai dispositivi venduti comunemente per il fitness. Di seguito sono riportati in tabelle le specifiche tecniche di interesse in questa ricerca di alcuni dispositivi e in figura 2.1, sono mostrati tre esempi che mostrano la variet`a di design e dimensioni di questi prodotti.
E4 wristband, Empatica Srl
SENSORI Accelerometro 3D, Sensore per PPG, termome-tro ottico, elettermome-trodi per EDA
COMUNICAZIONE Bluetooth LE, USB per ricarica batteria
BATTERIA Durata 20h in modalit`a streaming, 36h in modalit`a recording
MEMORIA Flash
SOFTWARE
iOS, Android per la applicazione dedicata, Ac-cesso a web-dashboard per il monitoraggio e registrazione dei dati
DESIGN Compatto, bracciale in gomma senza display Tabella 2.1: E4 Wristband, dispositivo indossabile al polso con cinturino.
Shimmer3 ECG Unit, Shimmer
COSTO $464.00
SENSORI Elettrodi con cavi
COMUNICAZIONE Bluetooth Radio-RN-42 BATTERIA Li-ion 450mAh, ricaricabile
MEMORIA Scheda microSD
SOFTWARE Consensys Software per Windows, gratuito. App per Android
DESIGN Portabile, connesso con cavi agli elettrodi
Tabella 2.2: Shimmer3, pi`u moduli con specifiche funzioni, indossabile con fascia e collegato agli elettrodi con cavi.
Biosignalplux, Plux wireless biosignals
COSTO e4.900,00 versione Professional con otto sensori e tutte le funzionalit`a del software disponibili
SENSORI
Possibilit`a di scegliere 8 dei sensori standard (ECG, BVP, EMG, ACCEL, EDA, RESP, EEG, PRESS, TEMP), possibilit`a di aggiun-gere sensori avanzati (Piattaforma di forza, goniometro)
COMUNICAZIONE Bluetooth, USB
BATTERIA Ricaricabile, durata non specificata
MEMORIA Interna da 8Gb
SOFTWARE Software gratuito Opensignals, compatibile con OSX, Windows, Linux, BITalino
Biosignalplux, Plux wireless biosignals
DESIGN Compatto e indossabile, collegato agli elettrodi con cavi
Tabella 2.3: Biosignalplux, sono disponibili varie versioni del dispositivo con diverse funzioni, viene venduto insieme ai sensori necessari al funzionamento acquistabili anche separatamente.
BioHarness 3, Zephyr
COSTO $599.95
SENSORI Elettrodi per ECG, resp, disponibilit`a GPS COMUNICAZIONE Bluetooth, USB per ricarica
BATTERIA Li-pol ricaricabile, durata di una ricarica 26h circa
MEMORIA Registra fino a 20 giorni di dati SOFTWARE
Compatibile con molte applicazioni esistenti per Andorid, possibilit`a di convertire i dati per analisi in MATLAB e di collegarsi al PC
DESIGN Dimensioni molto ridotte
Tabella 2.4: BioHarness 3, dispositivo molto compatto, in vendita anche la fascia toracica e T-shirt compatibili.
VSM Platform, Biovotion
COSTO n/d
SENSORI Sensore a riflessione ottica multiwavelength, accelerometro, sensore di temperatura
COMUNICAZIONE Bluetooth
BATTERIA n/d
MEMORIA n/d
SOFTWARE Applicazioni per smarphone e per pc
DESIGN Dimensioni ridotte
Tabella 2.5: VSM Platform, sistema composto da dispositivo indossabile su braccio, applicazione e cloud adatto sia per la ricerca che per l’assistenza medica telemetrica.
(a) E4 wristband, Empatica Srl
(b) BioRadioTM, GLNT
(c) BioHarness 3, Zephyr
Figura 2.1: Dispositivi per monitoraggio clinico BioRadioTM, GLNT
COSTO
$3.490, kit: unit`a BioRadio, ricevitore USB Bluetooh, cavi e elettrodi, software Lab Course per insegnamento e BioCapture per ricevimento dati
SENSORI
Accelerometro e giroscopio integrati, elettrodi collegati attraverso 4 o 8 canali, input ester-ni: bottone event marker, sensore di forza per presa, pulsiossimetria, piattaforma di forza COMUNICAZIONE Bluetooth Classic/LE, USB per la ricarica BATTERIA Ricaricabile, durata di una ricarica 8h, tempo
per la ricarica 3-4h
MEMORIA 4GB
SOFTWARE
Kit di sviluppo software gratuito per poter acquisire i dati in tempo reale sulle proprie applicazioni personalizzate.
BioRadioTM, GLNT
Tabella 2.6: BioRadioTM, dispositivo venduto insieme a software per analisi dati pensato per applicazioni cliniche, di ricerca o per l’insegnamento.
2.1.2
Dispositivi per lo sport e il benessere
Sono dispositivi alla portata dei consumatori che hanno accesso ai co-muni prodotti tecnologici, sono di dimensioni ridotte e hanno un design pi`u sofisticato rispetto ai dispositivi per uso clinico e sono progettati per essere indossati tramite fasce o cinturini al polso o al petto, ma presentano una minor variet`a di sensori. I segnali prelevati sono semplici ed elaborati dal software, spesso comprendente applicazioni per smartphone e interfacce in-tuitive e di semplice utilizzo. Sono progettati per un utilizzo quotidiano, talvolta di 24h su 24h e permettono di monitorare il livello di attivit`a fisica, i progressi nell’allenamento, il consumo energetico e la qualit`a del sonno. I dati ottenuti vengono solitamente salvati e restano disponibili per la con-sultazione attraverso l’utilizzo di applicazioni semplici e interattive. Nelle tabelle di seguito sono riportate specifiche tecniche di alcuni dispositivi in commercio e in figura 2.2 sono mostrati tre esempi.
Pulse Ox, Withings
COSTO e119.95
SENSORI
Sensore optoelettronico e LED verde/rosso per la misurazione di frequenza cardiaca e SpO2; accelerometro MEMS
COMUNICAZIONE Bluetooth 4.0, USB per ricarica BATTERIA Li-po integrata ricaricabile SOFTWARE
compatibile con iOS 7 e successivi (connes-sione via intenet), Android 4.0 o successivi, applicazione dedicata
DESIGN Dimensioni ridotte, indossabile con cinturino da polso o clip
Pulse Ox, Withings Tabella 2.7: Pulse Ox
Mio Alpha2
COSTO e169.95
SENSORI Cella elettroottica e LED
COMUNICAZIONE Bluetooth 4.0, USB per ricarica
BATTERIA Ricaricabile
SOFTWARE compatibile con iOS, Android, Windows, app ”Mio GO” sincronizzabile con altre applicazioni
DESIGN Orologio da polso
Tabella 2.8: Mio Alpha2
Gear fit, Samsung
COSTO e198.99
SENSORI Cardiofrequenzimetro, accelerometro, girosco-pio
COMUNICAZIONE Bluetooth 4.0
BATTERIA 210mAh
SOFTWARE Compatibile con smartphone e Tablet Andorid con Bluetooth 4
DESIGN Compatto e di piccole dimensioni, indossato al polso
Tabella 2.9: Gear fit, Samsung
Microsoft Band Smartwatch
COSTO $199.99
SENSORI
Ottico, accelerometro 3D, Giroscopio, GPS, Sensore di luce ambientale, sensore di tempera-tura corporea, sensore UV, sensore capacitivo, EDA
COMUNICAZIONE Bluetooth 4.0, magneticamente accoppiato a USB
Microsoft Band Smartwatch SOFTWARE
Compatbile con Windows Phone 8.1, iOS 7.1, Android 4.3-4.4, compatibile con varie applicazioni
DESIGN Compatto, indossato al polso
Tabella 2.10: Microsoft Band Smartwatch
Atlas Wristband
COSTO $249.00
SENSORI Accelerometro 3D, gioscopio 3D, sensore ottico COMUNICAZIONE Bluetooth, USB per carica
BATTERIA Li-po
SOFTWARE Compatibile con dispositivi iOS e Android, applicazione Atlas Wearables
DESIGN Compatto, indossabile su cinturino Tabella 2.11: Atlas Wristband
2.1.3
Dispositivi open source
Dispositivi di semplice design, spesso si presentano come kit composti da schede elettroniche e sensori dal prezzo accessibile. Il software `e solitamente open source e pu`o essere modificato dallo stesso consumatore, necessitano di elettrodi con cavi e permettono l’accesso ai dati grezzi e una qualit`a di segnali fisiologici vicina a quella dei dispositivi per il monitoraggio clinico.
• BITalino di Y biosignals: Kit di strumenti low cost per sviluppare applicazioni usando biosegnali. Il BoardKit include: 1 Hardware Bi-talino (MCU, Bluetooth, Batteria, ECG, EMG, EDA, Accelerometro, LED, Light), 3 fili per ECG/EEG, 2 fili per EDA, 5 elettrodi, 1 batteria Li-Po.
(a) Mio Alpha2
(b) Microsoft Band Smartwatch
(c) Pulse Ox, Withings
Figura 2.2: Dispositivi per lo sport e il benessere
Software: Opensignals, disponibile per OS Windows, Mac, Linux. Prezzo: e149.00 per il board Kit.
• SparkFun Single Lead Heart Rate Monitor: Scheda per il mo-nitoraggio di ECG, sono presenti i pin fondamentali per operare con Arduino o altre schede di sviluppo. Sulla scheda sono presenti anche i pin per Right Arm, Left Arm, Right Leg per connettere i propri sensori. E’ presente anche un LED che pulsa al ritmo del battito cardiaco. Per l’utilizzo sono necessari sensori e cavi per uso medico.
Prezzo: e19.95.
• Zwear: Kit modulare open source per lo sviluppo di un dispositivo indossabile per il monitoraggio di parametri fisiologici. Supporta co-difica OTA, disponibile un codice di esempio per iOS da scaricare e modificare per sviluppare la propria applicazione personalizzata. IDE ZOS integrato che permette di accedere ai file sorgente del firmware e
modificarli direttamente dall’iPhone o iPad. E’ semplice sviluppare la propria API e su GitHub `e disponibile un codice di esempio. Il firm-ware supporta anche softfirm-ware professionali per misurazione dati. Sono disponibili pi`u versioni del kit.
Sensori e componenti: flash memory 256KB + 8KB RAM, 2 RGB LED, motore per vibrazione, accelerometro 3D, GPS 12 canali opzionale, mi-cro push-botton, fotosensore, estensione FPC.
Comunicazione: Bluetooth 4.0, USB, 2 analog/digital I/O pin+ UART+ per estensioni, debug pin per lo sviluppo software.
Batteria: Li-pol ricaricabile.
Prezzo: $25.00 Standard kit (scheda+batteria+motore di vibrazione+buzzer) $50.00 Prime kit (kit standard+ cavo FPC+GPS )
$50.00 Professional kit (Standard kit+ cavo FPC+USB debugger) $75.00 Prime Professional kit (completo).
• SHIELD-EKG-EMG, Olimex: Shield per il rilevamento di para-metri fisiologici compatibile con Olimexino e Arduino, permette di vi-sualizzare i segnali ECG e EMG, caricare i dati, riconoscere movimenti e monitorare l’attivit`a. Input per elettrodi standard o attivi. Schede vendute gi`a assemblate e calibrate.
Prezzo: e19.95.
• e-Health Sensor Shield V2.0, Cooking hacks: Board compatibile con Arduino, Raspberry e Intel Galileo Pi; permette applicazioni bio-metriche e mediche utilizzando 10 sensori differenti: pulsazione, SpO2, flusso d’aria, temperatura corporea, ECG, glucometro, GSR, pressione sanguigna (sfingmomanometro), posizione (accelerometro), EMG. E’ possibile effettuare un monitoraggio in tempo reale, o il raccoglimento di dati per un’analisi successiva, permette di inviare i dati in manie-ra wireless con varie opzioni a scelta: Wi-Fi, 3G, GPRS, Bluetooth,
802.15.4 e ZigBee. Se `e necessaria una diagnosi in tempo reale per immagini, una videocamera pu`o essere collegata al modulo 3G per in-viare foto e video del paziente a un centro medico. I dati possono essere inviati al cloud per la memorizzazione o inviati a un laptop o smartpho-ne per la visualizzaziosmartpho-ne in tempo reale. Applicazioni Android o per iPhone sono state sviluppate appositamente. Sono presenti vari livelli di sicurezza per garantire la protezione dei dati.
Prezzo: e450.00 (Kit completo di tutti i sensori), e75.00 solo lo shield.
2.2
Stato dell’arte
Gli studi di ricerca per lo sviluppo di dispositivi indossabili per la mi-surazione di segnali fisiologici sono numerosi e sono principalmente orientati allo sviluppo di schede elettroniche di dimensioni ridotte, leggere, che pos-sano comunicare wireless con computer o smartphone, per i quali vengono progettate applicazioni per la visualizzazione e memorizzazione dei dati. Il lavoro di Zhang et al. [4], presenta un sistema per il monitoraggio di para-metri fisiologici mobile basato su smartphone Android. I dati fisiologici sono rilevati da sensori e inviati allo smartphone per una visualizzazione in tempo reale e per la comunicazione con un server remoto. Il front-end analogico contiene sensori, un MCU, un modulo Bluetooth, batteria Li ricaricabile e altri componenti; i sensori sono in grado di rilevare parametri fisiologici co-me ECG, PPG, segnale respiratorio e SpO2. Gli elettrodi a cerotto possono essere applicati sulle braccia per misurare ECG single-lead o al petto per misurare ECG three-lead, anche il sensore per la respirazione `e applicato al petto, mentre il segnale PPG per la SpO2 `e rilevato da un sensore fotoelet-trico su un dito. Il nucleo MCU ARM viene utilizzato per la gestione dei sensori, per il processamento del segnale e per il calcolo dei parametri fisio-logici. La batteria a Li `e ricaricabile via USB e il sistema passa in modalit`a
sleep automaticamente durante i periodi di inattivit`a. Lo smartphone ser-ve all’utente per visualizzare dati e informazioni sulle prescrizioni ma serser-ve anche per caricare i dati su un server remoto per permettere a medici di effettuare diagnosi. Il paziente pu`o caricare dati sul server e scaricarli per la visualizzazione, inoltre il server pu`o fornire un’interfaccia con un servizio di feedback. Lo smartphone effettua una connessione automatica via Bluetooth con il front-end analogico e memorizza i dati in una memoria locale. I dati ricevuti vengono visualizzati sullo schermo in tempo reale sia come forme d’onda (ECG, PPG, resp) che come numeri (HR, SpO2). I parametri del paziente possono essere memorizzati sulla SD dello smartphone o automati-camente inviati al server, per il quale occorre una registrazione per assicurare la sicurezza dei dati. I dati possono essere visualizzati sullo smartphone o dai medici, possono essere stabiliti servizi di consultazione tramite il protocollo http e i pazienti possono ricevere diagnosi mediche da professionisti in tutto il paese. Possono essere aggiunti componenti per compiti specifici. Lo schermo principale dell’applicazione consiste in cinque sezioni con diverse funzioni: visualizzazione dei dati in tempo reale, interfaccia per la registrazione dati per l’utente, gestione dei dati, consultazione, interfaccia “learn more”. Il si-stema `e efficace, ma la presenza di cavi e del sensore per PPG sul dito rende poco pratico l’utilizzo ed `e necessaria un’applicazione corretta degli elettrodi a cerotto.
Un altro progetto ha come obiettivo la creazione di un dispositivo open sour-ce per il monitoraggio di parametri fisiologici [5]: come primo passo `e stato realizzato un sistema per la registrazione di ECG e frequenza respiratoria (sito del progetto: BiosignalPI.org). Requisito fondamentale del sistema: flessibilit`a, la piattaforma deve fornire la possibilit`a di uno sviluppo modula-re di hardwamodula-re e softwamodula-re. Per il controllo `e stato scelto Raspberry PI (RPI) per il prezzo basso e per la presenza di una comunit`a attiva on-line e per la quantit`a di tutorial e shield open source. Per l’ECG `e stato scelto un
front-end integrato (ADAS1000) data la compattezza e la compatibilit`a con sistemi indossabili e di monitoraggio in casa. Protezione da defibrillazione e scarica elettrostatica sono state assicurate, come anche l’isolamento elettrico di sicurezza. E’ stata realizzata una GUI tramite Qt che per`o non rispetta le specifiche per le GUI per dispositivi medicali; il software implementato `e in grado di catturare segnali ECG o respiratorio a frequenze di campionamento selezionabili, permette di visualizzarle in tempo reale e di salvare i dati in file di testo o in European Data Format (EDF). Vari moduli per il monitorag-gio di altri parametri fisiologici possono essere aggiunti a questo dispositivo attraverso opportuni front-end o via Bluetooth, WiFi o ZigBee. La board `
e stata disegnata in due versioni: ECG a 5-8 fili o a 12 fili. Il costo finale del prototipo nella versione a 5 fili `e circa $76. Il RPI modello B utilizza-to in quesutilizza-to progetutilizza-to non `e adatto a dispositivi indossabili, ma lo `e il RPI Compute Module, pi`u compatto, perci`o negli sviluppi futuri del progetto `e prevista una miniaturizzazione del sistema in modo che possa essere parte di soluzioni personalizzate indossabili per il monitoraggio della salute. Per quanto riguarda il software, uno sviluppo futuro permetter`a di aumentare i controlli sui registri dell’ADAS e fornire pi`u opzioni di processamento del segnale, come un’analisi della variabilit`a della frequenza cardiaca.
Uno studio incentrato sull’utilizzo di elettrodi attivi [6], ha portato alla rea-lizzazione di un sistema di monitoraggio di ECG compatto e indossabile senza contatto diretto tra elettrodi e cute del paziente. Il dispositivo comprende elettrodi attivi double shielded per ECG con amplificatore ad alta impedenza, un circuito RLD per la rimozione del rumore a modo comune, un sensore di temperatura corporea e un sensore di movimento; sono presenti anche un mo-dulo di comunicazione wireless ZigBee e uno Bluetooth. Il sistema compatto `
e stato integrato su una fascia elastica per il torace ed `e stato dimostrato il monitoraggio efficace e accurato di segnale ECG con uno strato di vestiti tra elettrodi e cute. I vantaggi di questo dispositivo sono le ridotte dimensioni, il
basso consumo di potenza, facilit`a di utilizzo e indossabilit`a. Viene eseguito un filtraggio del segnale ECG rilevato dagli elettrodi, un’amplificazione di questo e un’integrazione con i segnali dei sensori di temperatura e inerziale. E’ possibile inviare i dati ricavati a un database remoto tramite il modulo Zig-Bee o a un dispositivo vicino dotato di Bluetooth; nella modalit`a di risparmio energia attivabile tramite un pulsante la comunicazione wireless viene inter-rotta e i dati sono registrati in una scheda SD per una successiva revisione e analisi. I risultati delle prove condotte hanno dimostrato che il dispositivo `
e in grado di monitorare accuratamente il segnale ECG dell’utilizzatore, la temperatura e i movimenti, con un consumo di potenza relativamente basso. Per quanto riguarda studi sulla risoluzione del segnale, sono state sviluppate due versioni di un sistema indossabile per l’acquisizione a lungo termine di ECG con identificazione del battito cardiaco ed estrazione delle caratteristi-che del segnale eletrocardiografico [7]. Gli obiettivi del design di questi due sistemi sono: basso consumo di potenza, alta risoluzione per l’acquisizione del segnale, comunicazione wireless con dispositivo mobile con Android 4.2. In entrambi i sistemi proposti il segnale `e acquisito da un front-end analogi-co e analogi-convertito in segnale digitale, il sistema pu`o operare per massimo due giorni utilizzando batterie zinco-aria PR44 da 605mAh. La prima versione comprende: tre blocchi principali che sono un sensore per biosegnale, MCU, modulo Bluetooth. Il segnale ECG `e codificato come segnale digitale, e la funzione di estrazione delle caratteristiche pu`o essere implementata sul soft-ware del dispositivo mobile. Il vantaggio di questo sistema `e la semplicit`a dell’hardware, lo svantaggio il consumo di potenza. Nella seconda versione la MCU `e sostituita da un processore di biosegnale proposto che effettua un filtraggio del segnale (filtro di decimazione e trasformata wavelet) e l’e-strazione delle caratteristiche di segnale, dopodich´e i dati sono trasmessi via Bluetooth al dispositivo mobile per la visualizzazione, inoltre i parametri della WT possono essere aggiustati dai medici stessi. Il vantaggio di questo
sistema `e il basso consumo di potenza, la comunicazione bidirezionale tra hardware e dispositivi mobili, il basso carico operazionale sul software. Tra i progetti a basso consumo di potenza `e presente un sistema indossa-bile per il monitoraggio del IHR(Istantaneous Heart Rate) e ECG in grado di comunicare con uno smartphone [8]. Il modulo comprende un processore ECG, Near Field Communication (NFC), tag IC, e accelerometro IC. Il NFC `
e utilizzato per caricare il programma di analisi dati, per l’ottimizzazione in-dividuale e caricamento dei dati dal processore ECG in cooperazione con uno smartphone. Il rate di campionamento pu`o essere impostato su 1ksamples/s per la modalit`a di processamento ECG o 128 samples/s per la modalit`a di monitoraggio IHR. Il principale contributo dello studio `e dato dalla robu-sta componente di monitoraggio dell’IHR. Nello studio `e stato utilizzato uno smartphone Android per il caricamento del programma e dei dati. E’ stata utilizzata una batteria da 35mAh, il consumo totale `e meno di 60muAh, per cui la durata del sistema `e circa 24 giorni. Il sistema proposto presenta un processore ECG a bassa potenza in grado di estrarre correttamente frequenza cardiaca in ambienti con rumore.
Kantoch et al.[9], hanno presentato un sistema per il monitoraggio e analisi di segnali fisiologici. Il dispositivo per il rilevamento pu`o essere posizionato a contatto con il corpo o integrato a vestiti; il maggior vantaggio del sistema `e la capacit`a di acquisire, processare e trasmettere wireless i dati durante attivit`a quotidiane. Il sistema include anche un protocollo di trasmissione apposito e un’interfaccia grafica web-based per l’analisi in tempo reale dei dati. L’unit`a centrale di processamento comprende un microcontrollore, Bluetooth 2.0 per l’invio di dati a un server medico remoto o a un PC o a uno smartphone, sensore ECG con elettrodi patch, sensore di temperatura e accelerometro. Il sistema `e parte di un servizio di telemedicina che permette a persone auto-rizzate l’accesso per il monitoraggio dati attraverso una GUI web-based. Il sistema `e stato validato su un gruppo di persone durante lo svolgimento di
diverse attivit`a quotidiane e ha mostrato un errore assoluto massimo del 5% rispetto a dispositivi medicali certificati. Il dispositivo `e composto da pi`u moduli che si devono indossare e la presenza di cavi e elettrodi patch pu`o risultare scomoda e necessita di attenzione nella fase di applicazione.
Sempre nell’ambito della telemedicina, `e stato sviluppato un dispositivo per il controllo di temperatura corporea, frequenza cardiaca e cadute [10]. Regi-stra attivit`a respiratoria per 24h ed `e un indicatore della postura. I dati sono inviati da una ricetrasmittente a ripetitori e questi li inviano a un computer sul quale una GUI mostra in grafici i valori registrati, con la possibilit`a di compararne diversi. In caso di emergenza il computer emette un allarme. Il sensore di temperatura `e montato su una fascia da polso a contatto con la cute e permette di ricavare la temperatura corporea ed eventuali cambiamen-ti di questa. La misurazione della frequenza cardiaca viene effettuata con la near-infrared spectroscopy tramite sensori montati su un anello per dito e collegato via cavi al circuito di elaborazione. L’accelerometro a due assi `e stato montato sulla fascia da polso e funge da sensore di impatto, mentre il microcontrollore e il modulo ZigBee si trovano sulla stessa scheda. La comu-nicazione tra l’unit`a di sensori e quella dei ricevitori `e wireless.
Per quanto riguarda l’utilizzo e l’integrazione dei segnali ricavati per ottene-re informazioni sullo stottene-ress, una ricerca pottene-resenta una piattaforma indossabile mobile in grado di monitorare parametri fisiologici collegati allo stress [11], composta da pi`u elementi: fascia toracica con sensori per frequenza cardiaca e respiratoria, fascia da polso collegata con cavi ai sensori per EDA e unit`a holster. Marker fisiologici dello stress: EDA e frequenza cardiaca. Frequenza cardiaca misurata attraverso Polar WearLink (fascia toracica con sensore). EDA misurata con sensori sulle falangi prossimali di indice e medio, modulo EMG per monitorare i movimenti del muscolo trapezio per la valutazione dei livelli di stress. Unit`a holster che contiene accelerometro 3D, GPS, unit`a con orologio real-time. Comunicazione dei dati di elettrodi node wireless
basa-ta su SimpliciTI (Texas Instruments) che presenbasa-ta episodi di fallimento in trasmissione dati a causa di mancanza di alimentazione dall’unit`a holster, `
e statoquindi creato un algoritmo per evitare un blocco definitivo della for-nitura di energia. L’elaborazione dei dati combina pi`u segnali per dare un indice del livello di stress, ma i segnali posso essere disaccoppiati e analizzati singolarmente. HRV ha la potenza predittiva maggiore, seguito dalla con-duttivit`a cutanea.
Nel campo del monitoraggio remoto di dati, Tartarisco et al. [12], hanno realizzato uno strumento per il monitoraggio dei livelli di stress del pazien-te. Nucleo dell’architettura: computer palmare (Personal Digital Assistant, PDA), raccoglie dati dalla Personal Mobile Sensing Platform (PMSP) tra-mite canali di comunicazione Bluetooth. La PDA `e in grado di integrare i segnali ricevuti e memorizzare quelli rilevanti nel proprio DataBase. La PDA effettua un’analisi provvisoria del segnale tenendo conto di dati contestuali come GPS e attivit`a motoria, e dati fisiologici come battito cardiaco, varia-zione del battito cardiaco e frequenza respiratoria. Il segnale temporaneo attiva un’analisi pi`u accurata per decidere la strategia di feedback al pazien-te. Nel caso il valore del segnale superi una soglia prestabilita, la PDA `e in grado di inviare al DB centrale i dati, per un’analisi successiva (comuni-cazione basata su WSDL). Sono utilizzati dispositivi con sisitemi operativi di alto livello, schermi ampi, touch screen, memoria interna, CPU potente, connessione WiFi/3G e Bluetooth/Zigbee, batteria a lunga durata, ergono-mici. La PDA comunica con il server con vari tipi di connessione: Basata sul tempo, di emergenza, su richiesta. La piattaforma di rilevamento mobile `
e un dispositivo indossabile disegnato per applicazioni di bio-monitoraggio. Ogni sensore rileva il segnale ed effettua un preprocessing di basso livello in tempo reale. La piattaforma integra una scheda di acquisizione ECG, una piattaforma Shimmer (Bluetooth, blocchi di trasduzione, amplificazione, e preprocessamento di segnale)su una fascia per il petto con integrato
accele-rometro 3D, energia fornita 3.6V da batteria ricaricabile. La frequenza di campionamento `e 100 Hz, conversione A/D a 12 bit. I dati sono gestiti con un software realizzato in Visual C] installato sulla PDA che raccoglie i dati ECG e dell’accelerometro e effettua sincronizzazione dei dati, memorizzazio-ne e comunicaziomemorizzazio-ne all’interfaccia. Il modulo di analisi si basa su modelli knowledge-based che integrano dati passati e presenti del paziente, e sul-la base dei risultati, il sistema di supporto di decisioni cliniche fornisce un feedback al paziente e al medico.
Capitolo 3
Il dispositivo realizzato
Il dispositivo su cui sono state effettuate le prove di testing per questo lavoro di tesi, `e stato realizzato dall’azienda Adatec srl. Lo scopo del di-spositivo realizzato `e quello di prelevare segnali fisiologici, ECG ed EDA, da una persona tramite il contatto con le dita con elettrodi metallici, elaborare il segnale in tempo reale, salvare i dati e renderli disponibili per un’analisi successiva o per un’ulteriore elaborazione in tempo reale. La peculiarit`a di questo dispositivo `e la capacit`a di verificare, a partire dai segnali misurati, la presenza di contatto corretto tra la cute del paziente e gli elettrodi, in modo da escludere la possibilit`a che si verifichino interpretazioni erronee dei segnali fisiologici, in particolare dell’ECG. Dalle prove effettuate, infatti `e stato osservato che un cattivo contatto sugli elettrodi, pu`o portare a una variazione della linea base del segnale ECG o al calcolo non corretto della frequenza cardiaca, errori che possono portare a un’interpretazione sbagliata dei segnali misurati. Di seguito verranno illustrati l’ambito dello sviluppo di questo dispositivo, il Progetto EASEL, le componenti elettroniche del dispo-sitivo (hardware) e il controllo delle parti elettroniche e un primo trattamento dei segnali registrati (firmware).
3.1
Il progetto EASEL
Il dispositivo testato in questo progetto di tesi, `e stato realizzato nell’am-bito del progetto europeo EASEL (Expressive Agents for Symbiotic Education and Learning), a cui partecipano varie Universit`a europee tra cui quella di Pisa. Il progetto ha come scopo la comprensione dell’interazione simbiotica uomo-robot, ossia come uomo e robot possano interagire influenzando cia-scuno il comportamento dell’altro su varie scale temporali. In questo tipo di interazione, ognuno dei soggetti deve essere in grado di osservare l’altro, di apprendere dal comportamento di questo e di modificare il proprio di conse-guenza. In questo scenario `e necessario dunque un robot che sia in grado di andare oltre i comuni canali di comunicazione con l’utente e sia in grado di riconoscerne le intenzioni e lo stato emotivo tramite modelli computaziona-li, attraverso un’analisi multiparametrica di gestualit`a, espressioni facciali, fattori sociali e segnali fisiologici arrivando a memorizzare le informazioni apprese circa l’interazione e a elaborare strategie comportamentali. Il fine ultimo `e quello di fornire al soggetto umano un’azione di tutoraggio basata sulla robotica, fornendo un robot che agisca da facilitatore e che coinvolga la persona in attivit`a ludiche educative. Il dispositivo descritto di seguito, potr`a essere integrato nel robot o in un dispositivo palmare collegato a esso, allo scopo di rilevare parametri fisiologici che forniscano indicazioni circa lo stato emotivo del soggetto. Perch´e l’acquisizione dei segnali abbia luogo `e sufficiente che la persona tocchi con le dita di entrambe le mani gli elettro-di della contattiera che devono essere facilmente raggiungibili; il elettro-dispositivo, provvede a rendere i segnali fisiologici prelevati leggibili e facilmente inter-pretabili, permettendo un monitoraggio in tempo reale o il salvataggio per un’analisi successiva.
3.2
Descrizione dell’hardware
La componente elettronica del dispositivo comprende una scheda e gli elettrodi collegati a questa.
3.2.1
Elettrodi per la misurazione del segnale
Gli elettrodi scelti per questo dispositivo sono formati da una sottile la-mina in Rame sovrapposta a uno strato di isolante e sono collegati tramite cavi ai pin della scheda per l’acquisizione di segnale analogico. Gli elettrodi sono tre per ECG (uno per un dito della mano sinistra, uno per un dito del-la mano destra e uno per riferimento sempre per del-la mano destra) e due per EDA (per due dita della mano sinistra) e formano una contattiera progettata per permettere il contatto di ciascun elettrodo con un solo dito del pazien-te. In figura 3.1 sono mostrati gli elettrodi utilizzati: sulla lamina in Rame sono stati praticati dei fori allo scopo di rendere pi`u irregolare possibile la superficie e ridurre il rumore elettronico dovuto alla presenza vicina di altre apparecchiature e della linea di alimentazione. Sebbene in ambito clinico e di ricerca vengano utilizzati comunemente elettrodi Ag/AgCl la cui superficie `
e ricoperta da un mezzo elettrolitico e aderiscono alla cute (vengono defini-ti wet ), nei disposidefini-tivi commerciali `e diffuso l’utilizzo di elettrodi cosiddetti dry, che non prevedono cio`e l’utilizzo di un mezzo elettrolitico per condurre il segnale tra cute e metallo, risultano cos`ı asciutti ed `e sufficiente il contatto diretto con la superficie per avere conduzione del segnale, generalmente sono realizzati in acciaio inossidabile, Si3N4, SiO2, Ag, Alluminio anodizzato, Au, Ti.
L’aspetto critico nella rilevazione di segnali `e l’accoppiamento cute-elettrodo, che pu`o essere rappresentato come una serie di resistenze in parallelo a capa-cit`a. I valori ohmici e capacitivi variano a seconda della tipologia di elettrodo e assumono un ruolo importante nel passaggio di segnale e nella
determina-Figura 3.1: Elettrodi della contattiera collegati alla scheda elettronica.
zione del rapporto segnale-rumore. Artefatti da movimento sono causati dalla frizione dell’elettrodo sulla cute e influenzano sia gli elettrodi dry che gli elettrodi wet, sebbene in misura minore questi ultimi. La componen-te resistiva dell’accoppiamento cucomponen-te-elettrodo, provoca inoltre la presenza di voltaggi relativi a rumore termico, che possono per`o essere compensati dalla componente capacitiva parallela, se sufficientemente bassa alla frequenza di interesse del segnale. In generale, gli elettrodi dry possono essere costitui-ti da un qualunque materiale condutcostitui-tivo e hanno una maggiore impedenza di contatto che per`o diminuisce in pochi minuti grazie allo strato di sudore che si forma sulla cute, rendendo la prestazione degli elettrodi da contatto paragonabile a quella di elettrodi wet e presentando un segnale sufficiente-mente stabile [13]. Gli elettrodi da contatto dimostrato maggior resistenza a interferenze dovute a campi elettrici non stazionari rispetto agli elettrodi wet anche senza schermatura, mentre per quanto riguarda gli artefatti da movimento, elettrodi dry mostrano una maggior sensibilit`a che diminuisce
nel tempo,e un’impedenza superficiale variabile che deve essere considerata nella progettazione. Passato un periodo di stabilizzazione dunque, non ci sono dati evidenti che dimostrino una peggior prestazione degli elettrodi da contatto rispetto ai wet per quanto riguarda la trasmissione di segnale, te-nendo presente l’importanza della geometria degli elettrodi [14]. La scelta del Rame come materiale per il presente sistema `e dovuta alla facilit`a nel re-perimento per un design sperimentale e alla qualit`a della conduzione ritenuta soddisfacente in fase di testing.
3.2.2
Hardware per il rilevamento di ECG
Nell’ambito della progettazione, deve essere posta particolare attenzio-ne al sistema di acquisizioattenzio-ne del segnale ECG, dal momento che possiede un elevato contenuto di informazioni importanti da mantenere. Una volta prelevato, il segnale ECG deve essere amplificato di circa un fattore 100 e filtrato per rimuovere le componenti di rumore dovute tipicamente all’accop-piamento elettrico con la rete di alimentazione o ad artefatto da movimento, eliminando dunque le componenti di rumore con frequenze superiori ai 50Hz; `
e necessaria quindi una strumentazione di amplificazione e filtraggio. Un esempio di schema circuitale per il filtraggio del segnale ECG `e presentato in figura 3.2, dove si ha un primo stadio in cui l’amplificatore differenzia-le INA321 effettua amplificazione del segnadifferenzia-le e reiezione del modo comune, un secondo stadio con filtro passa alto e integratore e un terzo stadio con filtraggio passa basso e ulteriore amplificazione. In figura `e presente anche il circuito di pilotaggio della gamba destra, in cui la tensione di riferimento viene bufferizzata, invertita e applicata all’elettrodo di riferimento per ot-tenere una migliore riduzione del rumore a modo comune. Nel dispositivo realizzato, sulla scheda `e presente un INA321 di Texas Instruments per il primo stadio di amplificazione, il cui schema elettrico `e mostrato in figura 3.3, dove sono presenti anche le componenti elettriche per il filtraggio, lo
Figura 3.2: Schema di circuito per il filtraggio di segnale ECG
schema del connettore connesso agli elettrodi e il circuito per il rilevamento di contatto(Hand Detection, HD).
Il secondo e terzo stadio di filtraggio, come il pilotaggio della gamba destra sono effettuati con i tre amplificatori operazionali interni del microcontrollore MSP430FG43 di Texas Instruments, il cui schema elettrico `e rappresentato in figura 3.4, il quale riceve una tensione di alimentazione di 3.3V ed `e col-legato a un timer esterno al quarzo che opera a circa 32KHz. In figura
Figura 3.3: Schema elettrico del circuito di acquisizione ECG e del circuito di Hand Detection
Figura 3.4: Schema elettrico del MSP430FG43
3.5 un’immagine del lato della scheda su cui sono integrate le componenti elettroniche per l’acquisizione ed elaborazione dei segnali il cui schematico `e stato mostrato sopra.
3.2.3
Hardware per Hand Detection
Il circuito per Hand Detection presente sulla scheda del dispositivo con-siste in due recon-sistenze di pull-up e pull-down dello stesso valore (R14 e R15 in figura 3.3, dove R13 indica lo spazio per una terza resistenza che `e stato lasciato libero), collegate agli estremi esterni all’alimentazione e al Ground del circuito gestite da pin di I/O del microcontrollore, e agli estremi inter-ni agli elettrodi per la mano destra (R14) e per la mano siinter-nistra(R15) per ECG collegati anche agli ingressi dell’INA321; al nodo di collegamento della R15 con l’elettrodo sinistro, viene prelevato il segnale e mandato a un ADC
Figura 3.5: Lato della scheda con le componenti elettroniche per l’acquisizione e il filtraggio dei segnali.
del microcontrollore. In base alle prove effettuate sul circuito che saranno descritte successivamente, sono stati individuati i valori del segnale di Hand Detection corrispondenti alle situazioni di mancato contatto delle dita con gli elettrodi e al contatto corretto. Quando il circuito di Hand Detection viene alimentato dal microcontrollore, il circuito di acquisizione dell’ECG deve essere disattivato a causa di disturbi sul segnale, pertanto l’accensione e spengimento dei due circuiti viene gestito dal microcontrollore.
La scelta di questo circuito `e stata effettuata successivamente allo studio di due possibili metodi di realizzazione, la differenza tra i due metodi proposti sta nel numero di resistenze utilizzate e nei loro valori: un circuito viene realizzato con tre resistenze di valori diversi, l’altro circuito `e realizzato con due resistenze dello stesso valore.
• Metodo con tre resistenze Questo circuito viene proposto in un appli-cation report di Texas Instruments (TI) disponibile all’indirizzo web: www.ti.com/lit/an/slaa486a/slaa486a.pdf , l’applicazione consigliata `e
su un kit per l’acquisizione di segnale ECG proposto da TI, qui sosti-tuito con il dispositivo in esame. Lo schema circuitale di questo metodo `
e quello di figura 3.6. I valori scelti per le tre resistenze collegate agli
Figura 3.6: Schema circuitale del metodo di hand detection con tre resistenze.
elettrodi (Pads), sono tali da risultare molto maggiori del valore della resistenza tipica del corpo umano, stimata tra i 100KΩ e i 300KΩ. In condizioni di contatto questa `e collegata ai due elettrodi e offre alla corrente un percorso a minor impedenza rispetto alle tre resistenze; la corrente dunque fluisce attraverso il corpo umano causando un aumen-to nella tensione all’elettrodo sinistro (Left Pad ), che viene rilevata e inviata a un canale dell’ADC del microcontrollore, che controlla an-che alimentazione e ground attraverso dei pin di I/O. Teoricamente il circuito di hand detection e quello di rilevamento del segnale ECG non possono essere alimentati contemporaneamente a causa di distur-bi che si presenterebbero sul segnale. Per questo motivo, nel software proposto da TI, l’accensione del circuito di hand detection avviene a intervalli regolari, dopo che il circuito per acquisizione di ECG `e stato spento, e la determinazione della presenza di contatto, avviene confron-tando il segnale acquisito all’elettrodo sinistro con dei valori soglia di tensione valutati tramite misurazioni sperimentali. Se il contatto viene riconosciuto, viene riattivato il circuito per ECG e prima della verifica successiva passa un altro intervallo di tempo, altrimenti, viene effettua-ta una verifica di coneffettua-tatto a intervalli di tempo pi`u brevi. Con questo circuito a tre resistenze, `e necessario quindi un controllo a livello del
firmware per l’attivazione e disattivazione dei circuiti di hand detection e ECG.
• Metodo con due resistenze: Questo metodo, proposto da TI in un ap-plication report disponibile all’indirizzo web:
www.ti.com/lit/an/sbaa196a/sbaa196a.pdf, propone l’applicazione con una famiglia di dispositivi per il rilevamento di ECG che hanno inte-grata la circuiteria per hand detection, anche in questo caso, la parte elettronica per il rilevamento del segnale ECG `e sostituita dal dispo-sitivo. In figura 3.7 `e schematizzato il circuito proposto, che vede due resistenze di pull-up e pull-down Rp, e la Rin che rappresenta la re-sistenza del corpo umano in caso di contatto con gli elettrodi, i nodi della figura; AVDD e AVSS sono le linee di alimentazione che nel caso in esame sono rispettivamente Vcc e ground. Con questa conformazione circuitale, al peggiorare del contatto paziente-elettrodi, l’impedenza di ingresso vista dal circuito per ECG cresce e il segnale di alimentazione diventa dominante, fino ad andare direttamente sulle linee di ingresso del front-end, segnalando il distacco completo. In questo caso, la
cor-Figura 3.7: Schema circuitale del metodo di hand detection con due resistenze.
rente creata dalle resistenze di pull-up e pull-dowon, unita alla corrente sulla Rin, si aggiunge all’offset come determinato nella formula 3.1:
Vof f set =
AV DD − AV SS 2Rp+ Rin
(3.1)
Il metodo delle due resistenze pu`o essere applicato sia in AC che in DC, con effetti leggermente diversi sul segnale: il metodo DC pu`o esse-re utilizzato facilmente ma introduce un ulterioesse-re offset sulla tensione misurata del segnale, mentre il metodo AC richiede un filtraggio digi-tale del segnale per rimuovere componenti del rumore introdotte dal circuito di eccitamento, ma permette di monitorare in maniera pi`u precisa la bont`a del contatto paziente-elettrodi, poich´e la tensione del segnale risultante segue in modo quasi esponenziale l’impedenza vista dal front-end per ECG. Il circuito di hand detection descritto, pu`o quindi, in teoria, essere alimentato contemporaneamente al circuito di misurazione dell’ECG senza introdurre eccessivo disturbo sul segnale, ma a seconda che sia utilizato in modalit`a AC o DC richiede degli accorgimenti di progettazione o elaborazione del segnale.
Nel capitolo successivo verranno descritti il protocollo e lo svolgimento delle prove effettuate sulla scheda che hanno portato all’individuazione del circuito a due resistenze come miglior scelta progettuale.
3.2.4
Hardware per il rilevamento di EDA
Il segnale EDA (o EDR, Electrodermal Response) viene amplificato da un OP2348, amplificatore operazionale di Texas Instruments alimentato con 3.3V, rappresentato in figura 3.8, dove sono presenti anche le componenti elet-triche per il filtraggio e la schematizazione del connettore per il rilevamento collegato agli elettrodi. Sulla scheda sono presenti altre componenti elettroni-che necessarie per la gestione della batteria e per la regolazione della tensione
di alimentazione dei vari componenti. Il microcontrollore MSP430FG43 [15],
Figura 3.8: Schema elettrico del OP2348 e compnenti elettriche del filtraggio
[16] oltre ad acquisire e filtrare digitalmente i segnali registrati, li invia al secondo microcontrollore presente sulla scheda: il MSP430F149 [17] di Texas Instruments, che a sua volta invia i dati al modulo XBee collegato alla sche-da elettronica. I sche-dati vengono dunque inviati in tempo reale a un modulo XBee connesso al pc via USB dove il software realizzato per il dispositivo salva i dati e permette una visualizzazione di questi in tempo reale. Riassu-mendo, l’hardware descritto presenta una contattiera collegata a una scheda elettronica sulla quale sono presenti le componenti per un filtraggio analogi-co e digitale dei segnali acquisiti, l’amplificazione degli stessi segnali perch´e raggiungano valori dell’ordine del Volt, e il loro invio, per mezzo di moduli XBee, all’applicaione presente su un computer. Il sistema realizzato viene alimentato con una batteria Li-Po sostituibile e ha mostrato un assorbimen-to di corrente pari a 6mA in condizioni di accensione e un assorbimenassorbimen-to di circa 100mA in condizioni di trasimssione dati. In figura 3.9 un’immagine del lato della scheda su cui sono integrate le componenti elettroniche per la comunicazione wireless a cui `e collegato il modulo XBee.
Figura 3.9: Lato della scheda con le componenti elettroniche per la comunicazione wireless.
3.3
Descrizione del firmware
Lo studio per questa tesi della parte di controllo dell’elettronica del dispo-sitivo, si `e focalizzato sul firmware del MSP430FG43, realizzato da Adatec srl in linguaggio C++ su IAR Embedded Workbench. Il firmware control-la control-la gestione dei registri dei pin di I/O, i canali attraverso i quali vengono ricevuti i segnali acquisiti, il timer del sistema e imposta la frequenza di cam-pionamento su 512Hz. Una volta che i segnali analogici sono stati acquisiti e campionati, vengono digitalizzati attraverso il canale dell’ADC del microcon-trollore e vengono analizzati con un algoritmo che consente un elaborazione in tempo reale del segnale. L’algoritmo sviluppato, applicato al segnale ECG, permette di individuare il complesso QRS in maniera affidabile, di effettuare un filtraggio adattivo al segnale e di individuare i picchi R dell’ECG, indi-cativi del battito cardiaco. Tramite l’algoritmo viene generato un segnale di riconoscimento dei picchi che assume i valori 0 quando non c’`e battito, 200
quando viene rilevato un picco R, e 100 quando viene attivato il circuito di Hand Detection. Inoltre viene effettuato un calcolo dell’intervallo interbatti-to, cio`e della distanza temporale tra due picchi R successivi, dato necessario per il calcolo della frequenza cardiaca. L’algoritmo applica un filtro di Kal-man al segnale acquisito per eliminare il rumore e individuare i parametri principali del segnale, confrontati con quelli calcolati da un predittore che stima il picco R successivo e la durata del complesso QRS, dopodich´e viene applicato l’algoritmo di Pan-Tompkins per individuare il complesso QRS at-tuale, e successivamente avviene l’individuazione dei picchi R. L’algoritmo si `
e dimostrato robusto e accurato in diverse prove eseguite[18].
Il firmware elabora anche il segnale EDA applicando un filtro di Kalman. Durante la fase di testing sul dispositivo, sono state individuate delle soglie per il segnale EDA e per il segnale di Hand Detection che permettono di ge-nerare un segnale ”good” con valori tra 0 e 5, indice della bont`a del contatto cute-elettrodi durante l’acquisizione dei segnali. Per non sovraccaricare il microcontrollore che elabora i segnali in tempo reale, i pacchetti di dati ven-gono inviati attraverso pin di trasmissione al secondo microcontrollore della scheda che li invia al modulo XBee. Anche i pin di ricezione del microcon-trollore vengono untilizzati, per ricevere le istruzioni inviate dal software con il quale comunica e che seguono il percorso inverso dei segnali fisiologici. A seconda delle istruzioni ricevute dal software, il firmware prepara pacchetti di dati contenenti informazioni diverse.
La determinaione del contatto con gli elettrodi per quanto riguarda il se-gnale EDA si basa sui valori che questo assume e che variano se vengono contattati entrambi gli elettrodi, se ne viene contattao solo uno o se non c’`e alcun contatto. Per quanto riguarda il segnale ECG invece, si fa utilizzo del circuito di HD precedentemente descritto. Il procedimento logico che regola il firmware per attivare e disattivare il circuito di HD `e descritto nel grafo di flusso in figura3.10: il sistema all’accensione `e in modalit`a ECG, dunque
