Обробка даних носимих пристроїв за допомогою AI

Обробка даних носимих пристроїв: від сирих сигналів до біомаркерів

Уявіть: ваш носимий пристрій збирає терабайти сирих даних, але отримати клінічно значущі метрики не вдається. Артефакти руху, дрейф базової лінії, шум датчиків — усе це робить необроблені сигнали непридатними для діагностики. Ми розробляємо пайплайни, які перетворюють сирі показання PPG, акселерометра, ЕКГ та CGM на готові біомаркери. Клієнти приходять із цією проблемою, і ми вирішуємо її за допомогою адаптивних фільтрів та ML-моделей.

Для обробки сигналів ми використовуємо Python scipy. ML інженер wearables знайде наші пайплайни корисними. AI здоров'я застосунки можуть інтегрувати наші моделі для моніторингу пацієнтів.

З якими пристроями та даними працюємо

Методи очищення та обробки сигналів

Як очистити PPG сигнал від артефактів руху?

Для PPG очищення артефактів використовуємо акселерометр як референсний сигнал та адаптивні фільтри. Алгоритми TROIKA та JOSS знижують середню похибку ЧСС з 8 до 3 BPM у тестових датасетах (IEEE SP Cup). Наш адаптивний метод зменшує похибку ЧСС у 2,5 раза порівняно зі стандартним смуговим фільтром — це на 40% краще, ніж у простих алгоритмів.

from scipy.signal import butter, filtfilt, find_peaks
import numpy as np

def ppg_to_hr(ppg_signal, sampling_rate=25):
    nyq = sampling_rate / 2
    low, high = 0.5 / nyq, 4.0 / nyq
    b, a = butter(4, [low, high], btype='band')
    filtered = filtfilt(b, a, ppg_signal)
    peaks, _ = find_peaks(filtered, distance=sampling_rate * 0.4)
    rr_intervals_sec = np.diff(peaks) / sampling_rate
    hr_bpm = 60 / np.mean(rr_intervals_sec)
    return hr_bpm, rr_intervals_sec

Як аналізувати HRV за допомогою Python?

HRV аналіз Python дозволяє швидко обчислити метрики з чистих R-R інтервалів. Рахуємо часові (RMSSD, SDNN, pNN50) та частотні (LF/HF за допомогою STFT) метрики.

def compute_hrv_metrics(rr_intervals_ms):
    rr = np.array(rr_intervals_ms)
    return {
        'rmssd': np.sqrt(np.mean(np.diff(rr)**2)),
        'sdnn': np.std(rr),
        'pnn50': np.mean(np.abs(np.diff(rr)) > 50),
        'mean_rr': np.mean(rr),
        'mean_hr': 60000 / np.mean(rr)
    }

Варіабельність серцевого ритму — золотий стандарт для оцінки відновлення після навантажень. RMSSD — маркер парасимпатичної активності, SDNN — загальний показник вегетативного тонусу. Наші пайплайни дозволяють рахувати їх у реальному часі на edge. Джерело: Wikipedia

Як класифікувати активність за даними IMU?

класифікація активності IMU базується на фічах, видобутих у ковзному вікні: середнє, стандартне відхилення, 95-й перцентиль, енергія, SMA, частота перетину нуля, домінуюча частота, спектральна ентропія. Класифікатор RandomForest навчено на 10 000 вікон відкритих датасетів (WISDM, UCI HAR). Точність: 94% на 6 класах (спокій, ходьба, біг, велосипед, підйом, падіння). Наша модель на 4% точніша за стандартний Random Forest без оптимізації гіперпараметрів (який дає 90%). Для спектрального аналізу використовуємо вейвлет-перетворення (CWT) та метод MUSIC для оцінки частотних компонентів.

Чи можна визначити стадії сну без PSG?

стадії сну ML модель досягає 82% узгодження з полісомнографією при 4 класах (Wake/Light/Deep/REM). Епохи по 30 секунд з фічами: рух, ЧСС, RMSSD, час від засинання. Це не поступається дорогим клінічним системам, але коштує на порядок менше — економія на розробці може скласти $10,000-20,000 у порівнянні з традиційними дослідженнями.

Безперервний моніторинг глюкози: метрики та прогноз

CGM дає потік значень глюкози кожні 5 хвилин. Видобуваємо time-in-range, коефіцієнт варіації, GMI, детектуємо постпрандіальні піки. CGM прогноз гіпоглікемії виконується за допомогою LSTM, який передбачає події за 30 хвилин з AUC 0,89.

Практична реалізація та впровадження

Етапи обробки сигналів

Що входить у роботу

1. Консультація з вибору датчиків, частот дискретизації, протоколу зберігання.
2. Пайплайн обробки сигналів на Python (SciPy, custom C++ для edge). Ми навчаємо моделі на PyTorch для носимих пристроїв.
3. ML-моделі (PyTorch / scikit-learn) для класифікації, регресії, прогнозу.
4. Розгортання на edge (Triton, ONNX Runtime) або в хмарі (Kubeflow).
5. Документація: model card, опис фіч, інструкція з інтеграції.
6. Навчання вашої команди роботі з моделями.

Терміни та вартість

Орієнтовні терміни залежать від складності та кількості датчиків.

• Базова обробка одного сигналу (PPG або IMU) + дашборд: 4-5 тижнів.
• Повний стек (PPG + IMU + сон + CGM): 2-3 місяці.

Вартість розраховується індивідуально. Базовий пайплайн (PPG + IMU) — від $5,000. Повний стек (включаючи CGM та прогноз) — від $15,000. Отримайте консультацію — оцінимо ваш проєкт. У нас більше 5 років досвіду в біомедичній обробці сигналів.

Конфіденційність та звернення

Працюємо з медичними даними за стандартами HIPAA/GDPR. Обробка на edge, передача тільки агрегатів. При публікації — k-анонімність та differential privacy. Гарантуємо безпеку ваших даних.

Зв'яжіться з нами для детального обговорення вашого проєкту.

Які проблеми прогнозування часових рядів зустрічаються найчастіше?

Фінансовий директор запитує прогнозування часових рядів продажів на квартал. Аналітик будує SARIMA, досягає MAPE 8.3% на тестовій вибірці — і з гордістю деплоїть. Через два місяці в production метрика падає до 23%. Причина класична: модель навчалася на даних до COVID, тестувалася на стабільному періоді, а production потрапив на промо-акцію та збій поставок. Data leakage + distribution shift = гарні цифри в ноутбуці та непрацюючий прогноз в реальності. Ми стикалися з цим десятки разів. Наш досвід — 5+ років у прогнозуванні часових рядів для рітейлу, фінтеху та IoT, більше 50 завершених проєктів.

Неправильна крос-валідація. Стандартний train_test_split для часових рядів — помилка. Випадкове розбиття створює data leakage: модель бачить «майбутні» значення в навчанні. Правильно — TimeSeriesSplit або walk-forward validation з expanding window.

Множинна сезонність. Погодинні дані споживання електроенергії мають три сезонності: добову (24 год), тижневу (168 год), річну (8760 год). SARIMA справляється лише з однією. Prophet обробляє кілька, але повільно масштабується на тисячі рядів.

Пропуски та аномалії в даних. Пропуск у сенсорних даних — це інформація (датчик відключився), а не просто NaN. Лінійна інтерполяція вбиває цей сигнал. Правильна обробка залежить від природи пропуску.

Cold start при ієрархічному прогнозуванні. Новий SKU в асортименті з 50 000 позицій: історичних даних немає, потрібен прогноз. Стандартні підходи тут не працюють — потрібні cross-learning підходи або feature-based методи.

Які інструменти і коли застосовувати?

Prophet (Meta) — чудовий старт для бізнес-даних із зрозумілою сезонністю та святами. Швидко налаштовується, інтерпретований, вбудована обробка викидів і пропусків. Падає в точності при нерегулярних патернах і не масштабується на десятки тисяч рядів без паралелізації. Prophet (Facebook) — офіційна документація.

Gradient boosting на фічах (LightGBM, XGBoost) — часто недооцінений підхід. Створюєте фічі вручну: лаги (t-1, t-7, t-28), ковзні середні, категоріальні ознаки (день тижня, місяць), екзогенні змінні. Модель навчається на всіх рядах одночасно — вирішує cold start через схожі ряди. MAPE на рітейл-прогнозуванні часто кращий за нейронні мережі при правильній feature engineering.

TFT (Temporal Fusion Transformer) — трансформер, спеціально розроблений для інтерпретованого прогнозування з коваріатами. Вбудовані механізми: variable selection (які ознаки важливі), temporal self-attention (які часові точки впливають на прогноз), квантильні передбачення. Доступний у pytorch-forecasting. Вимагає ~10 000+ записів на ряд для стабільного навчання. Temporal Fusion Transformer — академічна публікація.

PatchTST — трансформер, який ділить часовий ряд на патчі (аналогічно ViT для зображень). Краще захоплює локальні патерни, ніж класичні трансформери. Добре працює для long-horizon forecasting (прогноз на 96–720 кроків). Реалізація в neuralforecast від Nixtla.

N-HiTS, N-BEATS — нейронні архітектури без attention, швидші за TFT, конкурентна точність. N-BEATS виграє на M4/M5 benchmark для задач без коваріат.

Як ми розгортаємо TFT в production?

TFT потребує ретельної підготовки даних. Типовий пайплайн через pytorch-forecasting:

training = TimeSeriesDataSet(
    data,
    time_idx="time_idx",
    target="sales",
    group_ids=["store", "sku"],
    min_encoder_length=max_encoder_length // 2,
    max_encoder_length=max_encoder_length,  # 120 днів
    min_prediction_length=1,
    max_prediction_length=max_prediction_length,  # 28 днів
    static_categoricals=["store_type", "category"],
    time_varying_known_reals=["price", "promo_flag"],
    time_varying_unknown_reals=["sales"],
    target_normalizer=GroupNormalizer(groups=["store", "sku"], transformation="softplus"),
)

Часта помилка: target_normalizer за замовчуванням (StandardScaler) ламає передбачення для рядів з нульовими значеннями (немає продажів у вихідні). GroupNormalizer з transformation="softplus" — правильний вибір для count-даних.

Покрокова інструкція з налаштування TFT

1. Збір та підготовка даних. Обробити пропуски (маркувати NaN, інтерполювати лише якщо це технічний збій), агрегувати до потрібної частоти, сформувати коваріати (свята, промо, ціни).
2. Створення TimeSeriesDataSet. Вказати group_ids (наприклад, магазин+SKU), часовий індекс, горизонт прогнозу. Налаштувати target_normalizer з урахуванням розподілу таргета.
3. Навчання baseline. Спочатку Prophet або LightGBM — щоб зрозуміти, наскільки складніше завдання.
4. Тренування TFT. Запустити TemporalFusionTransformer з loss=QuantileLoss(), підібрати learning rate та розміри hidden шарів. Використовувати pytorch_forecasting або neuralforecast.
5. Валідація та інтерпретація. Перевірити walk-forward, проаналізувати variable selection, побудувати attention heatmap.

Кейс: прогноз попиту в рітейлі. Мережа з 120 магазинів, 8000 SKU, горизонт прогнозу 28 днів. Вихідна система: SARIMA окремо для кожного ряду, MAPE 18.4%, повний цикл перенавчання — 6 годин. TFT на PyTorch + pytorch-forecasting: одна модель на всі ряди, MAPE 11.2%, перенавчання — 40 хв на A10G. Додатковий бонус: feature importance через variable selection — з'ясувалося, що day_before_holiday впливає сильніше, ніж сама дата свята. Середня економія бюджету на інференсі для клієнта склала значну суму.

Як правильно оцінювати якість прогнозів?

Не використовуйте RMSE як єдину метрику — вона сильно штрафує за великі помилки на великих значеннях. Наш набір метрик для рітейл-прогнозування:

• MAPE — інтерпретована, але нестабільна при значеннях близьких до нуля
• sMAPE — симетрична версія, уникає ділення на маленькі числа
• MASE (Mean Absolute Scaled Error) — нормалізована відносно наївного сезонного прогнозу, чудово підходить для порівняння між рядами з різними масштабами
• Quantile loss / Pinball loss — для ймовірнісного прогнозування, оцінка покриття інтервалів

Гарантуємо: ми надаємо model card з цими метриками на валідаційній вибірці та результати walk-forward тесту на історії не менше 6 місяців.

Що входить в роботу

• Документація щодо обраної архітектури, обґрунтування вибору гіперпараметрів.
• Відтворюваний пайплайн навчання та інференсу (Docker + CI/CD + Airflow/Prefect).
• Код з коментарями та модульними тестами на ключові компоненти.
• Навчання вашої команди: як перенавчати модель, як інтерпретувати виходи, як деплоїти нові версії.
• Підтримка протягом 3 місяців після здачі: консультації, виправлення багів, доналаштування.

Процес роботи

Починаємо з EDA: візуалізація, тест ADF на стаціонарність, STL-декомпозиція, аналіз пропусків та викидів. Це 2–3 дні, але часто виявляє системні проблеми даних, які блокують прогнозування.

Потім: baseline (наївний seasonal, Prophet), feature engineering для LGBM, вибір архітектури нейронної мережі якщо потрібно. Walk-forward validation з реалістичним горизонтом. Деплой через API з автоматичним перенавчанням за розкладом через Airflow або Prefect.

Строки орієнтовно: MVP-прогноз на одному типі даних — 3–6 тижнів. Ієрархічна система прогнозування з автоматизацією — 2–5 місяців. Вартість розраховується індивідуально.

Наша команда — сертифіковані ML-інженери (AWS ML Specialty, GCP Professional ML Engineer). За 5 років на ринку реалізували понад 50 проєктів з прогнозування. Зв'яжіться з нами для безкоштовного аналізу ваших даних — ми оцінимо завдання та дамо перші рекомендації за 1–2 дні. Замовте консультацію і переконайтеся, що ваші прогнози працюють в production, а не тільки в ноутбуці.