Imagem De Pulso Cortado

O que é e como funciona na prática

Imagem de pulso cortado, ou simplesmente pulso cortado, é uma técnica de captura e processamento de sinais de pulso arterial usando câmeras ou sensores ópticos convencionais, sem necessidade de contato direto com a pele. O princípio básico é a fotopletismografia (PPG): a luz incidida na pele reflete de volta em intensidades ligeiramente diferentes conforme o volume sanguíneo varia a cada batimento cardíaco. O software extrai esses microciclos de luz e os converte em um traçado que parece um eletrocardiograma de pulso. Não é mágica. É física simples aplicada com bastante paciencia na calibração. A maior parte dos erros que eu vejo acontecerem não vem do algoritmo em si, mas de condições ambientais mal controladas. Luz ambiente variável, movimento mínimo do sujeito, e pele com pigmentação diferente produzem sinais extremamente desiguais. Isso é algo que você percebe rapidamente quando tenta implementar isso num projeto real.

Como capturar uma imagem de pulso cortado confiável

O fluxo prático que eu uso, e que costuma dar certo, começa com a escolha do local de captação. O pulso radial (na base do polegar) é o mais comum e o que eu recomendo para iniciantes porque o vaso está superficial e o acesso é trivial. Eu já tentei usar a testa e o dorso da mão, mas o sinal fica tão instável que o trabalho de pós-processamento dobra de tempo sem ganho proporcional. Configure a câmera em modo manual se tiver essa opção. Tempo de exposição entre 1/30 e 1/60 de segundo costuma ser o ponto certo. Exposição muito longa causa borrão de movimento que destrói o sinal pulsátil. Exposição muito curta introduz ruído digital demais. Aberture feche até f/4 ou f/5.6 para garantir nitidez sem difração excessiva. Iluminação é onde a maioria das pessoas erra. Luz natural indireta, vindo de uma janela com cortina branca, funciona surpreendentemente bem. Evite luz fluorescente ou LED com flicker, porque a variação de frequência da rede elétrica (60 Hz no Brasil, 50 Hz em muitos outros lugares) aparece diretamente como artefato no sinal extraído. Se precisar de luz artificial, use LEDs de alta frequência de drive ou simplesmente apague tudo e confie na luz do dia filtrada.

Posicione o dedo ou a mão de forma que a pele fique perpendicular ao eixo da lente. Ângulos oblíquos criam sombras que variam com micro-movimentos e geram ruído que o algoritmo confunde com pulsação. Fixe a mão com algo simples — uma pilha, um livro, qualquer coisa que mantenha tudo imóvel durante os 30 a 60 segundos mínimos de gravação que eu recomendo.

Processamento do sinal

A extração em si segue estes passos: Para a implementação, um script em Python com OpenCV para aquisição e SciPy para filtragem resolve em menos de 150 linhas. Libraries como `pyppg` ou os exemplos abertos do grupo de pesquisa de PPG remoto da Universidade de Coimbra podem servir de base sólida. O tempo de processamento de um vídeo de 60 segundos em um notebook comum leva cerca de 10 a 20 segundos, dependendo da resolução. Aqui vai um caso específico que me custou duas semanas de troubleshooting: estava capturando o pulso de um sujeito com pele morena escura em um ambiente com iluminação mista (luz natural de uma janela + um LED branco barato). O sinal extraído parecia ter pulsação, mas os picos estavam irreconhecíveis e a frequência cardíaca calculada fluctuava entre 45 e 120 bpm sem motivo fisiológico.

O problema era duplo. Primeiro, o LED tinha driver de baixa qualidade que gerava flicker visível apenas para o sensor da câmera. Segundo, a pele escura refletia muita menos luz no canal verde, então o sinal pulsátil estava enterrado sob ruído de leitura do sensor. A solução foi: substituir o LED por uma fita de LEDs de alta qualidade com driver constante de corrente, e mudar a ROI para o canal vermelho, que em peles mais escuras ainda produz um relação sinal-ruído aceitável porque a absorção da hemoglobina no vermelho é diferente do verde. Combinado com aumento de ganho digital moderado (2x a 3x) e binning de píxeis adjacentes para melhorar a SNR, o traçado ficou limpo em minutos. Isso ilustra um ponto importante: não existe uma configuração universal. O que funciona para pele clara em escritório pode falhar completamente para pele escura perto de uma janela. Você precisa ajustar tanto a aquisição quanto o processamento conforme as condições.

Limitações e onde a técnica falha

Vamos ser honestos sobre as desvantagens. A imagem de pulso cortado por vídeo é significativamente menos precisa que um sensor de pulsioxímetro de dedo aprovado clinicamente. Em condições ideais, a estimativa de frequência cardíaca pode ter erro de menos de 2 bpm, mas em condições adversas — movimento, luz ruim, pele muito clara ou muito escura — o erro pode saltar para 10 a 15 bpm ou o sinal simplesmente sumir. A técnica também não mede saturação de oxigênio (SpO2) de forma confiável com câmeras comuns. Para SpO2 você precisa de dois comprimentos de onda distintos (geralmente vermelho e infravermelho) e calibração clínica. Câmeras RGB de consumo não têm essa capacidade. Alguns artigos na literatura descrevem métodos especulativos para estimativa de SpO2 com câmera, mas a precisão é muito inferior à de um equipamento médico real e não deve ser usada para decisões clínicas. Movimento é o inimigo número um. Se o sujeito mexer o braço, tossir, ou simplesmente respirar fundo de forma exagerada, o sinal é comprometido. Algoritmos de remoção de movimento existem — componentes principais, independent component analysis, modelos de regressão — mas eles adicionam complexidade e ainda assim não resolvem o problema completamente. Para aplicações que exigem estabilidade, um sensor de contato permanece sendo a escolha certa.

Se o seu objetivo é monitoramento contínuo de FC durante exercício físico, descarte a ideia. A imagem de pulso cortado funciona basicamente apenas em repouso, com o sujeito imóvel e o ambiente controlado. Para uso clínico sério, siga usando eletrocardiograma ou pulsioxímetro de contato.

Quando vale a pena usar

Aplicações onde a técnica faz sentido incluem: triagem não invasiva de frequência cardíaca em consultórios, monitoramento de relaxamento e variabilidade de frequência cardíaca (HRV) em contextos de bem-estar, pesquisa acadêmica em sinalização fisiológica remota, e protótipos de sistemas de saúde digital que precisam de um primeiro estágio de captura acessível antes de se migrar para hardware dedicado. Também é útil em situações onde o contato físico é indesejável ou impossível — pacientes queimados, isolamentos infecciosos, ou monitoramento de recém-nascidos onde aderir sensores à pele delicada é problemático. Nestes cenários específicos, a abordagem sem contato tem valor real, ainda que com as ressalvas de precisão já mencionadas.

Referências e códigos abertos

Para quem quer começar, os seguintes recursos são os mais sólidos que eu conheço: O trabalho do professor Diego López e equipe do labSIP da Universidade de Coimbra produz diversos artigos e código aberto sobre PPG remoto. O repositório deles no GitHub contém pipelines completos de pré-processamento, detecção de picos e estimação de FC. Artigos de revisão como "Remote Plethysmographic Imaging Using Ambient Light" (Wieringa et al., 2005) e trabalhos mais recentes do grupo de Min Wu na Purdue University oferecem fundamentos teóricos consistentes.

Para implementação prática rápida, o pacote Python `heartbeat` (disponível via pip) oferece funções de extração de PPG a partir de vídeos RGB com filtragem integrada e detecção de picos, reduzindo o tempo de desenvolvimento inicial para poucas horas. Não substitui a necessidade de entender o que está acontecendo nos bastidores, mas é um ponto de partida funcional. A curva de aprendizado é moderada. Com cerca de 20 horas de prática — incluindo tentativas frustradas com iluminação ruim e ajustes de parâmetro de filtro — você consegue produzir traçados de pulso cortado consistentes e reproduzíveis. O investimento de tempo é compensado pela flexibilidade que a técnica oferece para prototipagem rápida de soluções de monitoramento sem contato.