Algoritmi di data loss correction per segnali di frequenza cardiaca acquisiti con sensoristica indossabile

Dal segnale di frequenza cardiaca è possibile analizzare la variabilità della frequenza cardiaca (HRV) che riflette l’attività del sistema nervoso autonomo fornendo informazioni sulle condizioni fisiologiche dell’individuo. A questo proposito, è possibile studiare la HRV con diversi metodi analitici, usando misurazioni nel dominio del tempo, della frequenza e non lineari. I segnali di frequenza cardiaca possono essere affetti da disturbi di natura tecnica, nonché data loss o artefatti da movimento, o fisiologica come battiti ectopici. Questi rumori e interferenze potrebbero nascondere parametri essenziali che possono rilevare il rischio cardiaco e una non affidabile interpretazione visiva del segnale. Pertanto, la correzione degli artefatti attraverso algoritmi è importantissima per calcolare indici di HRV validi. Sono stati analizzati i principali algoritmi di correzione e gli effetti che questi hanno sul contenuto informativo fisiologico del segnale di frequenza cardiaca, in altre parole come la correzione di artefatti agisce sugli indici estraibili dal segnale di frequenza cardiaca. L’obbiettivo dello studio è quello di implementare un algoritmo di correzione per segnali di frequenza cardiaca al fine di rendere affidabili le analisi effettuate sul segnale stesso. In particolare, è stato implementato un algoritmo per ricostruire il segnale di frequenza cardiaca di uno sportivo in fase di resting in cui viene simulato il data loss, nonché la perdita di dati nel segnale acquisito. La sostituzione del data loss viene fatta con un segnale stocastico ipotizzando che questo abbia una distribuzione normale, ovvero caratterizzato dal suo valor medio e dalla deviazione standard mediate nella porzione di segnale prima e dopo il data loss. Per validare l’algoritmo vengono confrontati degli indici calcolati sul segnale senza data loss e sul segnale corretto. I risultati ottenuti mostrano che i valori degli indici calcolati nei due segnali sono simili. Si può, quindi, concludere che l’algoritmo implementato effettua una correzione del data loss in maniera affidabile.