ABSTRACT
Background: Cardiac monitoring for children with heart disease still employs common clinical techniques that require visits to hospital either in an ambulatory or inpatient setting. Frequent cardiac monitoring, such as heart rate monitoring, can limit children's physical activity and quality of life. The main objective of this study is to evaluate the performance of a textile-based device (SKIIN) in measuring heart rate (HR) in different tasks: lying down, sitting, standing, exercising, and cooling down. Methods: Twenty participants including healthy children and children with heart disease were included in this study. The difference between the HRs recorded by the SKIIN was compared with a reference electrocardiogram collection by normalized root mean squared error. Participants completed a questionnaire on their experience wearing the textile device with additional parental feedback on the textile device collected. Results: Participants had the median age of 14 years (range: 10-17 years), with body mass index 23.1 ± 3.8 kg/m2 and body surface area 1.70 ± 0.25 m2. The HR recorded by SKIIN and reference system significantly changes between tasks (P < 0.001), while not significantly different from each other (P > 0.05). The normalized root mean squared error was 3.8% ± 3.0% and 3.6% ± 3.7% for healthy and the heart disease groups, respectively. All participants found the textile device non-irritating and easy to wear. Conclusions: This study provides proof of concept that HR can be robustly and conveniently monitored by smart textiles, with similar accuracy to standard-of-care devices.
Contexte: Encore aujourd'hui, la surveillance cardiaque chez les enfants atteints de cardiopathie repose sur des techniques cliniques courantes qui doivent être réalisées à l'hôpital, en soins ambulatoires ou en contexte d'hospitalisation. Chez les enfants, la surveillance cardiaque répétée, comme c'est le cas pour la fréquence cardiaque (FC), peut limiter leurs activités physiques et leur qualité de vie. La présente étude évalue principalement la performance d'un dispositif textile (SKIIN) dans la mesure de la FC pendant différentes tâches : en position couchée, en position assise, en position debout, pendant l'activité physique et pendant le retour au calme. Méthodologie: Vingt participants, y compris des enfants en santé et des enfants présentant une cardiopathie, ont été inclus dans l'étude. La différence entre la FC enregistrée par le dispositif SKIIN et la FC mesurée par une électrocardiographie (ECG) de référence a été comparée à l'aide de la racine de l'erreur quadratique moyenne normalisée (REQMN). Les participants ont rempli un questionnaire sur leur expérience avec le dispositif textile, et les commentaires des parents sur ce dispositif ont été recueillis. Résultats: Les participants avaient un âge médian de 14 ans [10-17 ans], un indice de masse corporelle de 23,1 ± 3,8 kg/m2 et une surface corporelle de 1,70 ± 0,25 m2. La FC enregistrée par le système SKIIN et le système de référence variait significativement d'une tâche à l'autre (p < 0,001), mais il n'y avait pas de différence significative entre les deux systèmes (p > 0,05). La REQMN était de 3,8 ± 3,0 % pour le groupe en santé et de 3,6 ± 3,7 % pour le groupe présentant une cardiopathie. Tous les participants ont trouvé que le dispositif textile ne causait pas d'irritation et qu'il était facile à porter. Conclusions: Cette étude démontre que les textiles intelligents permettent de surveiller la FC de façon fiable et pratique, avec une exactitude semblable à celle des dispositifs de référence.
ABSTRACT
Objective.In this paper, we propose a new tensor decomposition to extract event-related potentials (ERP) by adding a physiologically meaningful constraint to the Tucker decomposition.Approach.We analyze the performance of the proposed model and compare it with Tucker decomposition by synthesizing a dataset. The simulated dataset is generated using a 12th-order autoregressive model in combination with independent component analysis (ICA) on real no-task electroencephalogram (EEG) recordings. The dataset is manipulated to contain the P300 ERP component and to cover different SNR conditions, ranging from 0 to -30 dB, to simulate the presence of the P300 component in extremely noisy recordings. Furthermore, in order to assess the practicality of the proposed methodology in real-world scenarios, we utilized the brain-computer interface (BCI) competition III-dataset II.Main results.Our primary results demonstrate the superior performance of our approach compared to conventional methods commonly employed for single-trial estimation. Additionally, our method outperformed both Tucker decomposition and non-negative Tucker decomposition in the synthesized dataset. Furthermore, the results obtained from real-world data exhibited meaningful performance and provided insightful interpretations for the extracted P300 component.Significance.The findings suggest that the proposed decomposition is eminently capable of extracting the target P300 component's waveform, including latency and amplitude as well as its spatial location, using single-trial EEG recordings.
