Análise de marcadores biométricos e sinais vitais através de visão artificial: Ritmo Cardíaco

A monitorização de sinais vitais, nomeadamente da frequência cardíaca, é essencial em contexto clínico, especialmente no período pós-cirúrgico. A dependência de equipamentos médicos tradicionais e de acompanhamento presencial pode trazer desafios logísticos e riscos acrescidos, tanto para o paciente como para os serviços de saúde. Este projeto teve como objetivo estudar o potencial da fotopletismografia remota (rPPG), uma técnica não invasiva, que não requer contacto físico e que, através de visão artificial, permite estimar biossinais – em particular, componentes do ritmo cardíaco – recorrendo apenas a câmaras RGB comuns.

Com recurso à rPPG-Toolbox, foram testados vários modelos supervisionados e não supervisionados em diferentes conjuntos de dados – PURE, UBFC-rPPG e COHFACE –, tendo-se avaliado o seu desempenho na estimativa da frequência cardíaca com métricas como MAE, RMSE, MAPE e correlação de Pearson. De forma paralela, foi desenvolvido um pequeno dataset privado com vídeos de baixa qualidade, simulando condições mais próximas da realidade da maioria da população.

Os resultados demonstraram que os modelos supervisionados apresentam desempenho elevado em testes intra-dataset. Em contrapartida, a generalização para outros dados (inter-dataset) continua a ser um desafio, especialmente em datasets mais ruidosos como o COHFACE. Já entre os modelos não supervisionados, apesar de resultados ligeiramente inferiores, o método POS (cuja base matemática assenta num plano ortogonal ao tom de pele) destacou-se pela sua robustez.

Este estudo destaca o potencial da rPPG como ferramenta de monitorização remota de biossinais e explora a sua eventual utilização em contexto médico.