Aplicação de fotopletismografia remota embarcada para a estimação de frequência cardíaca e saturação periférica de oxigênio

Abstract

A aferição remota e em tempo real de sinais vitais mostra-se fundamental para o monitoramento contínuo em cenários que exigem distanciamento, como no acompanhamento de pacientes em repouso ou durante períodos de pandemia. Este trabalho propõe um sistema integrado para estimar a frequência cardíaca e a saturação periférica de oxigênio (SpO₂), combinando fotopletismografia (PPG) e magnificação de vídeo euleriana (EVM). Utiliza-se a placa Nvidia Jetson Nano 4GB e a câmera Raspberry Pi Cam 2 Noir, com processamento de imagem em C++ e transmissão dos dados em tempo real via Python para um servidor local. Inicialmente, a detecção facial delimita como região de interesse (ROI) uma área da testa, onde o EVM realça variações sutis de cor associadas à pulsação sanguínea. Na sequência, etapas de pré-processamento — remoção de tendência, aplicação da janela de Hamming e Transformada de Fourier — isolam as frequências dominantes relacionadas aos batimentos cardíacos e à oxigenação. Em comparação às medições de um oxímetro de pulso, a estimativa de SpO₂ apresentou erro médio de -4,33%. Para a frequência cardíaca, o erro médio foi de -2,39 bpm. Desafios como movimentos do usuário, perda da ROI e limitações na integração de modelos avançados (YOLOv10 e YOLOv8) afetaram a consistência das medições. Estratégias como redução do número de quadros analisados e restrição da área de interesse auxiliam no controle dessas variáveis, porém evidenciam a necessidade de métodos robustos de estabilização de imagem e detecção facial. Em suma, o sistema demonstra potencial para aplicações não invasivas de monitoramento contínuo, desde que futuras melhorias na estabilidade e precisão sejam implementadas para garantir maior confiabilidade dos dados obtidos.