skip to main content

TINGKATKAN KAMERA SMARTPHONE TIPE ENTRY LEVEL DAN MID RANGE UNTUK MENGHITUNG DENYUT JANTUNG DAN SATURASI OKSIGEN BERBASIS PHOTOPLETHYSMOGRAM KONTAK

*Aji Sapta Pramulen orcid  -  Departemen Teknologi Multimedia Kreatif, Politeknik Elektronika Negeri Surabaya, Indonesia
Dinda Cyberputri  -  PT. Integrasi Bisnis Eksekutif, Surabaya, Indonesia
Jauari Akhmad Nur Hasim  -  Departemen Teknologi Multimedia Kreatif, Politeknik Elektronika Negeri Surabaya, Indonesia
Ibrohim Yofid Fananda  -  Departemen Teknologi Multimedia Kreatif, Politeknik Elektronika Negeri Surabaya, Indonesia
Irma Wulandari  -  Departemen Teknologi Multimedia Kreatif, Politeknik Elektronika Negeri Surabaya, Indonesia
Fardani Annisa Damastuti  -  Departemen Teknologi Multimedia Kreatif, Politeknik Elektronika Negeri Surabaya, Indonesia
Dikirim: 30 Jan 2024; Diterbitkan: 27 Mei 2024.
Akses Terbuka Copyright (c) 2024 Transmisi: Jurnal Ilmiah Teknik Elektro under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Sari

Pemanfaatan smartphone kelas konsumen sebagai perangkat sensor medis mempunyai potensi yang sangat besar, terutama bila dilengkapi dengan sensor yang mampu melacak berbagai biosinyal, termasuk suara dan denyut nadi. Namun, karena beberapa kendala teknis yang terkait dengan kamera ponsel pintar, memastikan kepatuhan terhadap standar perangkat medis untuk pengukuran oksimetri nadi yang akurat menjadi sebuah tantangan. Makalah ini memperkenalkan aplikasi ponsel pintar baru yang dirancang untuk memperkirakan tanda-tanda vital seperti detak jantung dan tingkat SpO2. Aplikasi ini menggabungkan metode untuk meningkatkan laju pengambilan sampel kamera, sehingga meningkatkan akurasi pengukuran. Penelitian ini melibatkan pemrosesan video dari 30 subjek ujung jari lalu mengekstrak dua jenis sinyal PPG dan membandingkannya berdasarkan morfologi yang berpusat pada rata-rata ansambel dan penilaian morfologi ketukan per ketukan. Hasilnya menunjukkan bahwa waktu pemaparan yang singkat menghasilkan sinyal CPPG (photoplethysmogram kontak) SNR tinggi hingga 20 dB bila dibandingkan dengan sinyal referensi PPG (photoplethysmogram). Hasil aplikasi ini memiliki kesalahan rata-rata sebesar 1,97 saat mengukur detak jantung dan 0,87 saat mengukur saturasi oksigen. Rata-rata error menggunakan smartphone OPPO A83 adalah 2,18 per detak jantung dan 0,84 per saturasi oksigen. Smartphone Samsung A12 memiliki rata-rata skor error 1,12 untuk detak jantung dan 0,41 untuk saturasi oksigen. Temuan ini memberikan dukungan terhadap kemanjuran aplikasi ponsel cerdas yang diusulkan dalam estimasi tanda vital.

Fulltext View|Download
Kata Kunci: Photoplethysmogram; Kamera ponsel pintar kelas konsumen; Analisis morfologi

Article Metrics:

  1. . S. Sudrajat and J. Wati, “Analisis Keperawatan dalam Manajemen Nyeri dengan Intervensi Relaksasi Benson Melalui Pendekatan Model Self Care Doretha Orem di Rumah Sakit,” Jurnal Ilmu Kesehatan Indonesia (JIKSI), vol. 4, no. 2, 2023
  2. . N. R. Tusadiah, “Karakteristik Penderita yang Terpasang Alat Pacu Jantung di Pusat Jantung Terpadu RSUP Dr. Wahidin Sudirohusodo,” Universitas Hasanuddin, 2020
  3. . T. V. Siahaan, V. Suhartono, and D. A. Mayasari, “Rancang Bangun Monitoring Heart Rate dan SpO2 dengan Photoplethysmography (PPG),” Applied Industrial Engineering Journal, vol. 6, no. 2, pp. 65–73, 2022
  4. . B. D. Nababan, E. R. Widasari, and A. S. Budi, “Sistem Pendeteksi Atrial Fibrilasi berdasarkan Fitur Mean dan Median dari Interval QT menggunakan Metode Na"ive Bayes,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 4, pp. 1571–1576, 2023
  5. . I. Centonze, “A Novel Approach For Blood Pressure Prediction Using Machine Learning Techniques,” Politecnico di Torino, 2021
  6. . KEMENKES, “Perkembangan Situasi Penyakit Infeksi Emerging,” 2024
  7. . C. Machado, P. A. DeFina, Y. Machado, M. Chinchilla, and Y. Machado, “From happy or silent hypoxemia to acute respiratory syndrome in covid-19 disease,” J of Clinical Neurology and Neuroscience, Published online, vol. 6, 2020
  8. . S. Halim, G. S. San, and J. Oentoro, “Identifying factors that influence customers’ interest in buying refurbished smartphones: an Indonesian context,” Petra Christian University, 2022
  9. . X. Liu et al., “Mobilephys: Personalized mobile camera-based contactless physiological sensing,” Proc ACM Interact Mob Wearable Ubiquitous Technol, vol. 6, no. 1, pp. 1–23, 2022
  10. . D. CABALLEROS-TEJADA and D. RIVAS-LALALEO, “Prediction of Calibration Parameters of the Oxygen Saturation Estimation Equation by Optical Recording on Smartphones,” 2021
  11. . A. Hosni and M. Atef, “Remote real-time heart rate monitoring with recursive motion artifact removal using PPG signals from a smartphone camera,” Multimed Tools Appl, pp. 1–18, 2023
  12. . A. Sharma et al., “Heart rate and blood pressure measurement based on photoplethysmogram signal using fast Fourier transform,” Computers and Electrical Engineering, vol. 101, p. 108057, 2022
  13. . J. Mathew, X. Tian, C.-W. Wong, S. Ho, D. K. Milton, and M. Wu, “Remote blood oxygen estimation from videos using neural networks,” IEEE J Biomed Health Inform, 2023
  14. . J.-P. Lomaliza, H. Park, and K.-S. Moon, “Heart Rate Measurement Combining Motion and Color Information,” 멀티미디어학회논문지, vol. 23, no. 11, pp. 1388–1395, 2020
  15. . W. Karlen, J. Lim, J. M. Ansermino, G. Dumont, and C. Scheffer, “Design challenges for camera oximetry on a mobile phone,” in 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2012, pp. 2448–2451
  16. . J. S. Hoffman et al., “Smartphone camera oximetry in an induced hypoxemia study,” NPJ Digit Med, vol. 5, no. 1, p. 146, 2022
  17. . V. P. Rachim, J.-H. Baek, Y. Kim, Y. Kim, and S.-M. Park, “High Sampling Rate Smartphone-PPG via Built-in Rolling Shutter Image Sensor,” IEEE Internet Things J, vol. 10, no. 1, pp. 512–525, 2022
  18. . A. Neshitov, K. Tyapochkin, E. Smorodnikova, and P. Pravdin, “Wavelet analysis and self-similarity of photoplethysmography signals for HRV estimation and quality assessment,” Sensors, vol. 21, no. 20, p. 6798, 2021
  19. . S. Zaunseder, A. Vehkaoja, V. Fleischhauer, and C. H. Antink, “Signal-to-noise ratio is more important than sampling rate in beat-to-beat interval estimation from optical sensors,” Biomed Signal Process Control, vol. 74, p. 103538, 2022
  20. . P. Antoniou, M. Nestoros, and A. C. Polycarpou, “Calculation of Heartbeat Rate and SpO2 Parameters Using a Smartphone Camera: Analysis and Testing,” Sensors, vol. 23, no. 2, p. 737, 2023
  21. . A. Choi and H. Shin, “Photoplethysmography sampling frequency: pilot assessment of how low can we go to analyze pulse rate variability with reliability?,” Physiol Meas, vol. 38, no. 3, p. 586, 2017
  22. . D. Fujita and A. Suzuki, “Evaluation of the possible use of PPG waveform features measured at low sampling rate,” IEEE Access, vol. 7, pp. 58361–58367, 2019

Last update:

No citation recorded.

Last update: 2024-12-24 20:36:42

No citation recorded.