Kardio-respiratoristen signaalien analyysi ihmisen rytmisen liikkeen yhteydessä

Tämä väitöstutkimus keskittyy sydämen ja hengityselimistön fysiologisten signaalien analysointiin liikehäiriöisessä datassa. Sydämellä ja hengityselimistöllä on keskeinen rooli yleisen terveydentilan ja hyvinvoinnin ylläpitämisessä, minkä vuoksi niihin liittyvien fysiologisten signaalien analysointi tuottaa tärkeää tietoa. Kuitenkin tosielämän tilanteissa, kuten jokapäiväisessä arkielämässä ja fyysisen aktiivisuuden suorituksissa, kehon liike aiheuttaa mitattuihin signaaleihin vääristymiä, jotka vaikuttavat niiden analysoinnin tarkkuuteen ja luotettavuuteen.

Tämän tutkimuksen tavoitteena on tunnistaa liikehäiriöitä ja kehittää menetelmiä vaimentamaan niiden vaikutusta sydämen ja hengityselimistön signaalien analysoinnissa ja tulkinnassa kontrolloimattomissa olosuhteissa. Työssä keskitytään erityisesti sykevaihtelun (HRV) analyyseihin ja laskemaan luotettavasti erilaisia keskeisiä parametreja fysiologisista signaaleista todellisissa käyttötilanteissa.

Tutkimuksessa pyritään yhdistämään ymmärrystä signaalien analysoinnin teknologiasta ja käytännön tilanteissa esiintyvistä fysiologisista ilmiöistä. Terveiltä aikuisilta mitataan kehon liikkeen kiihtyvyystietoa sekä EKG- ja hengityssignaalit heidän osallistuessaan erilaisiin fyysisiin aktiviteetteihin. Kerätyille signaaleille tehdään taajuus- ja aika-alueen analyysejä ja sovelletaan koneoppimista tulosten tulkinnassa.

Tutkimustulokset osoittavat, että liikehäiriöt vaikuttavat merkittävästi sykesignaaleihin pseudorytmisten liikuntaharjoitusten, kuten juoksu ja pyöräily, aikana. Sykevaihtelun spektrianalyysi yhdistettynä kehosta mitattuihin kiihtyvyyssignaaleihin mahdollistaa näiden vaikutusten tunnistamisen ja kvantifioinnin. Työssä kehitetty virheenkorjaukseen perustuva ratkaisu vähentää liikehäiriöiden häiritsevää vaikutusta HRV-spektrin analyysissä, mikä parantaa tarkkuutta ja luotettavuutta.

Lisäksi työssä tutkitaan valittujen fysiologisten markkerien analysointia liikuntaa sisältävissä kontrolloimattomissa olosuhteissa. Spektraalisen tiedon fuusiota sovelletaan hengitysrytmin luotettavaan arvioimiseen päivittäisten toimien aikana, ja HRV-parametreja käytetään ylemmän hengityskynnyksen (VT2) määräämiseen maksimirasitustestin aikana. Nämä markkerit antavat tärkeää tietoa sydämen ja hengityselimistön toiminnasta arkielämän tilanteissa.

Työssä kehitetyt teknologiset ratkaisut tarkentavat sydämen ja hengityselimistön fysiologisten signaalien tulkintaa arkielämän tilanteissa, tarjoamalla ratkaisuja liikehäiriöiden tunnistamiseen ja vähentämiseen analyysisovelluksissa. Tulokset hyödyttävät sekä urheilufysiologeja että terveysteknologisten tuotteiden käyttäjiä luomalla pohjaa entistä luotettavammille ja tarkemmille menetelmille arvioida sydämen ja hengityselimistön fyysistä kuntoa.