Date of Award

9-2023

Document Type

Thesis

Degree Name

Master of Science in Electrical Engineering (MSEE)

Department

Electrical and Communication Engineering

First Advisor

Mohamed Atef Abdelaal

Abstract

Millions of people worldwide struggle from high blood pressure, often known as hypertension, and it is a major health concern that can lead to serious cardiovascular diseases, including heart attacks and many other consequences. Blood pressure monitoring that is reliable and accurate is crucial to the detection and management of hypertension. Although invasive techniques, such as arterial catheterization, are considered to be the most accurate means of evaluating blood pressure, they can be painful, time-consuming and carry a risk of complications.
This thesis presents the development of a real time non-invasive blood pressure monitoring system based on commercially available microcontroller unit and dual-sited photoplethysmography (PPG) sensors. The system collects PPG signals from two different body sites using two PPG sensors, which are then processed using MATLAB to extract five-time domain features that have a relationship to blood pressure. Using the extracted features, two regression models were built: a linear regression model and a neural network (NN) model to estimate blood pressure values.
The experimental results show that the proposed system can estimate blood pressure values with high precision. The models were evaluated on 15 healthy volunteers. The linear regression model had a mean absolute error (MAE) and standard deviation (SD) of 5.86 ± 1.70 mmHg for SBP and 5.97 ± 4.2 mmHg for DBP, while the NN model had a MAE±SD 0.29 ± 4.49 mmHg for SBP and 0.5 ± 2.4 mmHg for DBP. The proposed dual PPG site ANN model exhibited superior performance and robustness in real-time tests compared to the linear regression and classical ANN single-site PPG models.
The proposed system has several advantages in contrast to existing non-invasive blood pressure monitoring techniques. The system's accuracy and endurance are increased by using dual-sited PPG sensors because this allowed us to accurately extract an important feature from the two acquired PPG signals which is pulse wave velocity (PWV) that has a strong correlation to blood pressure. In addition, the implemented algorithm was able to reduce the effects of motion artifacts and physiological variations which was a major factor that affected the system’s accuracy and reliability; however, the microcontroller unit makes the system suitable for use in a clinical setting by enabling real-time processing and display of blood pressure measurements. Furthermore, the use of machine learning algorithms, such as the NN model, allows for the development of personalized blood pressure monitoring systems that can adapt to individual physiological characteristics.
In conclusion the use of dual-sited PPG sensors and microcontroller unit with linear regression and neural networks in the proposed non-invasive blood pressure monitoring system exhibit promising results for accurate and reliable blood pressure measurement. Future research can examine the system's integration with mobile devices and wearable devices for example (fitness tracking watches) for creation of individualized monitoring systems for hypertension patients.

Arabic Abstract


استشعار تخطيط التحجم الضوئي ثناني الموقع لمراقبة ضغط الدم بشكل مستمر وغير جراحي باستخدام الشبكة العصبية الاصطناعية

يعاني ملايين الأشخاص في جميع أنحاء العالم من ارتفاع ضغط الدم، وهو مصدر قلق صحي كبير يمكن أن يؤدي إلى أمراض القلب والأوعية الدموية الخطيرة، بما في ذلك النوبات القلبية والعديد من العواقب الأخرى. تعتبر مراقبة ضغط الدم الموثوقة والدقيقة أمراً بالغ الأهمية للكشف عن ارتفاع ضغط الدم وإدارته، على الرغم من أن التقنيات المتبعة مثل القسطرة الشريانية، تعتبر أكثر الوسائل دقة لتقييم ضغط الدم، إلا أنها قد تكون مؤلمة وتستغرق وقتاً طويلاً وتتسبب في ارتفاع ضغط الدم. خطر حدوث مضاعفات.
تقدم هذه الأطروحة تطوير نظام مراقبة ضغط الدم غير الجراحي في الوقت الفعلي استناداً إلى وحدة متحكم دقيقة متاحة تجارياً ومستشعرات مخطط التحجم الضتوئي (PPG) مزدوج الموقع، حيت يقوم النظام بجمع إشارات PPG من موقعين مختلفين من الجسم باستخدام مستشعرين PPG، والتي يتم معالجتها بعد ذلك باستخدام MATLAB لاستخراج ميزات النطاق الزمني الخمس التي لها علاقة بضغط الدم، ثم باستخدام الميزات المستخرجة، تم بناء نمونجين للانحدار: نموذج الانحدار الخطي ونموذج الشبكة العصبية (NN) لتقدير قيم ضغط الدم.
أظهرت النتائج التجريبية أن النظام المقترح يمكنه تقدير قيم ضغط الدم بدقة عالية، وقد تم تقييم النماذج على 15 متطوعاً سليماً، وكان لنموذج الانحدار الخطي متوسط الخطأ المطلق (MAE) والانحراف المعياري (SD) من (5.86 ±1.70) مم زئبق لـSBP و5.97 ± 4.2 مم زئبق لـDPB، بينما كان طراز NN يحتوي على MAE±SD 0.29 ± 4.49 مم زئبق لـ SBPو0.5 ± 2.4 لـDBP. أظهر نموذج ANN لموقع PPG المزدوج المقترح أداءً وقوة فائقين في اختبارات الوقت الفعلي مقارنة بالانحدار الخطي ونماذج PPG الكلاسيكية لموقع واحد ‎ANN.
يتمتع النظام المقترح بالعديد من المزايا على عكس تقنيات مراقبة ضغط الدم الحالية، ويتم زيادة دقة النظام وقدرته على التحمل باستخدام مستشعرات PPG مزدوجة الموقع لأن هذا سمح لنا باستخراج ميزة مهمة بدقة من إشارات PPG المكتسبة وهي سرعة موجة النبض (PWV) التي لها ارتباط قوي بضغط الدم. بالإضافة إلى أن الخوارزمية المنفذة كانت قادرة على تقليل آثار حركة المريض والتغيرات الفسيولوجية التي كانت عاملاً رئيسياً يؤثر على دقة النظام وموثوقيته؛ ومع ذلك فإن وحدة التحكم الدقيق تجعل النظام مناسباً للاستخدام في بيئة سريرية من خلال تمكين المعالجة في الوقت الفعلي وعرض قياسات ضغط الدم. علاوة على ذلك، فإن استخدام خوارزميات التعلم الآلي، مثل نموذج NN، يسمح بتطوير أنظمة مراقبة ضغط الدم الشخصية التي يمكن أن تتكيف مع الخصائص الفسيولوجية الفردية.
في الختام، فإن استخدام مستشعرات PPG مزدوجة الموقع ووحدة تحكم دقيقة مع الانحدار الخطي والشبكات العصبية في نظام مراقبة ضغط الدم غير الغازي المقترح يظهر نتائج واعدة لقياس ضغط الدم بشكل دقيق وموثوق. يمكن للبحث المستقبلي فحص تكامل النظام مع الأجهزة المحمولة والأجهزة القابلة للارتداء على سبيل المثال (ساعات تتبع اللياقة البدنية) لإنشاء أنظمة مراقبة فردية لمرضى ارتفاع ضغط الدم.

Download

Included in

Engineering Commons

COinS