Точный анализатор ЭКГ на Edge Impulse и Arduino Nano 33 BLE Sense

Компоненты и материалы

• Arduino Nano 33 BLE Sense — 1 шт.
• SparkFun Single Lead Heart Rate Monitor (AD8232) — 1 шт.
• OLED-дисплей 0,96″ 128×64 — 1 шт.
• Электроды ЭКГ (накладные, 3 шт.), перемычки, паяльница

Проблема и решение

В развивающихся странах нехватка медицинского оборудования и специалистов приводит к высокой смертности от внезапных сердечных приступов. Проект создает портативный автономный анализатор ЭКГ, работающий без облака (TinyML на устройстве). Модель классифицирует ритм на три класса: Норма, Фибрилляция предсердий, Блокада 1-й степени. Размер модели ~15 КБ, латентность минимальна.

Архитектура решения

1. Снятие ЭКГ через AD8232 (усилитель с фильтрами).
2. Генерация синтетических данных для патологий в MATLAB Signal Builder (редактирование P-R интервала, R-R интервалов).
3. Новый подход к фичам: из исходного ЭКГ выделяются две производные волны — R-R интервал и P-R интервал. При нормальном ритме они постоянны (100 и 50). При фибрилляции R-R скачет → -100 за цикл. При блокаде 1-й степени P-R > 200 мс → -50 за цикл. Это подняло точность с <23% до >90%.
4. Обучение в Edge Impulse Studio: окно 3000 мс, шаг 2999 мс, спектральные признаки (без фильтра), NN-классификатор (40 эпох, lr=0.005), K-means аномалия на RMS интервалов. Точность теста ~97%.
5. Деплой как Arduino Library + интеграция пользовательского кода декодирования ЭКГ (библиотека ECG_Analyzer).

Аппаратная часть

Подключение по Fritzing-схеме: AD8232 → A0 Nano 33 BLE, LO+/LO- → D2/D3 (детект отвода электродов). OLED — I2C (SDA/SCL). Электроды накладываются на RA, LA, LL (правая/левая рука, левая нога).

Программный процесс

1. В библиотеке ECG_Analyzer установить SIMULATION = 0 для реального сенсора (1 — для симуляции из массивов).
2. Раскомментировать нужный буфер данных (Normal / AFib / AVBlock).
3. Собрать датасет в Edge Impulse: записать данные под тремя метками (Normal, Atrial fibrillation, First-Degree Heart Block) через edge-impulse-daemon --frequency 202.
4. Создать Impulse, обучить, задеплоить как Arduino Library.
5. Добавить сгенерированную библиотеку и ECG_Analyzer (с GitHub) в Arduino IDE.
6. Загрузить итоговый скетч ECGAnalyzer.ino (модифицированный пример continuous inference).

Результат

Готовое устройство в компактном корпусе показывает на OLED класс ритма в реальном времени. Точность на тестовой выборке ~97%. Проект открыт: GitHub репозиторий (скетч, библиотека, MATLAB-скрипты, Signal Builder модель).