Movesense-anturin soveltuvuus hengityksen tutkimiseen

Abstract

Insinöörityössä oli tavoitteena tutkia konseptitasolla, onko Suunto Oy:n kehittämä uudenlainen liikettä mittaava Movesense-anturin kiihtyvyyssensorin ja gyroskoopin tarkkuus ja luotettavuus riittävän hyvää hengityksen tutkimiseen. Projekti toteutettiin yhteistyönä HUSin Lastenklinikan kliinisen neurofysiologian osaston kanssa.

Mittaukset suoritettiin unilaboratoriossa toteutettavan laajan unitutkimuksen yhteydessä lapsipotilaille. Movesense-anturin lisäksi hengitystä tarkkailtiin nenän ilmavirtausta seuraavan painesensorin sekä vatsan ja rintakehän liikkeitä mittaavan RIP-hengitysvyön avulla. Kerätyt signaalit tallennettiin mobiililaitteeseen. Digitaalisen signaalinkäsittelyn menetelmien avulla signaalit suodatettiin, ja niiden näytteenottotaajuus muunnettiin yhteneväiseksi, jonka jälkeen ne kohdistettiin samalle aikajanalle. Data analysoitiin signaalipari kerrallaan siten, että aikaperusteiset signaalit muunnettiin ensin taajuusperusteiseksi. Sen jälkeen niille laskettiin ajan suhteen muuttuva hengitystaajuus ja taajuuden erotus. Signaalien vaiheiden synkronian määrittämiseksi signaaleille laskettiin vaihelukitusarvot sekä suoritettiin vaihelukitusarvojen tilastollinen analyysi. Tutkittavien vartalon kallistuksen laskemisen avulla pyrittiin selvittämään eri asentojen vaikutusta tuloksiin. Lopuksi keräysmenetelmien tarkkuutta pyrittiin mittaamaan laskemalla parametrikohtainen signaali-kohina-suhde.

Tulosten perusteella voi sanoa, että Movesense-anturin avulla voidaan seurata hengitystä melko luotettavalla tasolla kaikkiin muihin mittareihin verrattuna. Pienimmät erot hengitystaajuuksissa saatiin Emfit-patjasignaalin ja nenän ilmavirtauksen painesensorin kanssa. Vaihelukituksen pysyvyydestä kertova PLV-arvo oli korkea näiden samojen kahden vertailumittarin kanssa.

The aim of the thesis was to examine at concept level whether the precision and reliability of the new Movesense sensor, developed by Suunto Oy, accelerometer and gyroscope are sufficiently good for respiration research. The project was implemented in co-operation with the Department of Clinical Neurophysiology at HUS Children's Hospital.

The measurements were performed in the laboratory during polysomnography for pediatric patients. In addition to the Movesense sensor, the breath was monitored by the pressure sensor of the nasal flow and the abdominal and chest movement by using the Respiratory Inductance Plethysmogram breathing strap. The collected signals were saved to the mobile device. By means of digital signal processing methods, the signals were filtered, their sampling rate converted to convergence, and then applied to the same timeline. Data was then analyzed signal pair at a time so that time-based signals were first converted to frequency basis. After that, the respiration rate frequency and frequency difference were calculated. To determine the synchrony of the signal phases, the phase locking values were calculated for the signals and a statistical analysis of the phase lock values was performed. Calculating the inclination of the examined body was used to determine the effect of different positions on the results. Finally, the accuracy of the collection methods was measured by calculating the parameter-specific signal-to-noise-ratio.

Based on the results, it can be said that the Movesense sensor can be used to monitor respiration at a fairly reliable level compared to all other meters. The lowest differences in the respiratory frequencies were obtained by comparing the Movesense data with the Emfit signal and the nasal airflow pressure signal. The PLV value indicating the stability of the phase lock was high for the same two with reference meters.