{"id":16071,"date":"2026-06-22T14:27:06","date_gmt":"2026-06-22T14:27:06","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/shuhao-que\/"},"modified":"2026-06-22T14:27:13","modified_gmt":"2026-06-22T14:27:13","slug":"shuhao-que","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/shuhao-que\/","title":{"rendered":"Shuhao Que"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":7,"featured_media":16072,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-16071","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"naam_van_het_proefschift":"Speckle Vibrometry","samenvatting":"Het monitoren van vitale functies is cruciaal in een ziekenhuisomgeving. Bijvoorbeeld op de algemene afdeling, maar ook in andere disciplines zoals de intensive care of de slaapgeneeskunde, om een juiste diagnose te stellen. Het monitoren van deze vitale functies (bijv. hartslag, ademhalingsfrequentie) gebeurt momenteel met bedrade sensoren. Dit is echter hinderlijk en kan de resultaten be\u00efnvloeden. Daarom is het doel van ons werk het ontwikkelen van een contactloze meettechnologie, Speckle Vibrometry (SV), voor de continue monitoring van hartslag en ademhalingsfrequentie in een klinische omgeving. Ons werk dient ook als eerste presentatie van menselijke klinische studies voor SV.\n\nSV is een contactloze sensortechnologie die gebruikmaakt van het secundaire laserspeckle-effect. Een typische SV-opstelling bestaat uit een laserbron en een camera die gedefocusseerd is op de laserspot. Met behulp van beeldverwerkingstechnieken volgt SV de algehele beweging van individuele speckles om minieme hartbewegingen te meten, zelfs door textiellagen heen. Het verschilt van laser speckle contrast imaging (SCI) en laser speckle plethysmography (SPG), die beide een zichtbare huid en een gefocuste camera vereisen. SCI gebruikt de algehele vervaging van het specklepatroon dat op biologisch weefsel wordt gevormd om de bloedstroom te meten, terwijl SPG de gemiddelde intensiteit van het laserspecklepatroon op de menselijke vinger gebruikt om hartslagen te meten. In vergelijking is SV een aantrekkelijke optie tussen de bestaande contactloze technologie\u00ebn (bijv. camera-fotoplethysmografie) omdat het zeer gevoelig is voor minieme bewegingen en geen zichtbare huid vereist (het werkt dus op meerdere lagen dekens).\n\nIn dit werk onderzoeken we het gebruik van SV voor hartslag- en ademhalingsfrequentiemonitoring op een intensive care-afdeling om een solide basis te leggen voor toekomstig werk dat zich verdiept in de praktische grootschalige implementatie van SV in ziekenhuizen, evenals de haalbaarheidsstudie van pulse transit time monitoring. Pulse transit time is een andere potentieel waardevolle cardiorespiratoire parameter voor klinische diagnose. Het is aangetoond dat het veranderingen in de bloeddruk en ademhalingsinspanning aangeeft, en het is gekoppeld aan obstructieve slaapapneu. Pulse transit time wordt conventioneel gemeten als de tijd die de pulsgolf nodig heeft om van de aortaklep naar een perifere locatie (bijv. de vingertop) te reizen. Onderzoek heeft ook gebruikgemaakt van twee arteri\u00eble locaties (bijv. tussen de halsslagader en de dijbeenslagader). Bestaande technieken om de pulse transit time te berekenen zijn gebaseerd op nauwkeurige hartmetingen, d.w.z. duidelijke en zichtbare hartpieken. In lijn met dezelfde aanname hebben we ons in dit werk gericht op het extraheren van hoogwaardige hartmetingen uit SV op een intensive care-afdeling als stap naar toekomstig onderzoek naar pulse transit time.\n\nConcreet stellen we oplossingen voor die twee uitdagingen aanpakken: de apparaatopstelling van SV en de succesvolle extractie van hart- en ademhalingsbewegingen, hartslag en ademhalingsfrequentie door middel van algoritme-ontwikkeling. Onze oplossingen werden getest onder twee scenario's: een slaapscenario in een laboratoriumgecontroleerde omgeving en een gesedeerd\/slaapscenario op een intensive care-afdeling. Er zijn innovatieve algoritmen voorgesteld om rekening te houden met de praktische uitdagingen die aanwezig zijn in een dergelijke echte klinische setting, wat een cruciale stap is in de overgang van SV van het laboratorium naar de echte klinische wereld. Hoewel onze huidige resultaten geen sluitend antwoord kunnen geven op de vraag of SV al dan niet kan worden gebruikt om de pulse transit time op een stand-alone manier te meten, toont dit proefschrift aan dat SV in staat is om de momentane hartslag te meten, wat dient als een solide eerste stap. Om de wetenschappelijke bijdragen van dit proefschrift uitgebreid te presenteren, hebben we ons werk in zes hoofdstukken georganiseerd, die hieronder elk worden samengevat.\n\nIn hoofdstuk 2 bespreken we de huidige gouden standaard metingen van hartslag, ademhalingsfrequentie en pulse transit time. Daarnaast presenteren we op contact gebaseerde alternatieven die deze vitale functies op een draadloze manier meten. Vervolgens introduceren we bestaande contactloze sensormodaliteiten voor vitale functies, zoals op camera gebaseerde, op radar gebaseerde, thermografische en SV-systemen in bestaande werken. Om de nieuwheid van het in dit werk ontwikkelde SV-systeem te benadrukken, beschrijven we de experimentele opstelling in detail en vergelijken we deze met zowel eerdere SV-implementaties als andere besproken contactloze sensormodaliteiten.\n\nIn hoofdstuk 3 presenteren we een proof of concept om de levensvatbaarheid te beoordelen van het gebruik van SV voor het monitoren van de gemiddelde hartslag in situaties waarin de menselijke proefpersoon in bed rust. We hebben een beeldverwerkingspijplijn ontwikkeld om gemiddelde hartslagen te extraheren uit SV-video-opnamen en deze vergeleken met ECG. De eerste stap was het extraheren van de verplaatsingen tussen opeenvolgende SV-videoframes op basis van een sub-pixel beeldregistratiemethode uit de bestaande literatuur. Vervolgens stelden we een algoritme voor om verplaatsingen langs de x-as en y-as van het beeldvlak samen te voegen, om een eenkanaals SV-meting af te leiden en om de impact van camera-oppervlak-ori\u00ebntatie te verwijderen. Voor piekdetectie hebben we een vereenvoudigde op Hilbert gebaseerde methode ge\u00efmplementeerd die was ontworpen om de aortaklep-openingspieken (AO) uit seismocardiogramsignalen te extraheren. Resultaten laten zien dat onze methoden kunnen worden gebruikt om de gemiddelde hartslag te extraheren uit vensters van 1 minuut van het thoracale gebied van de menselijke proefpersoon onder verschillende scenario's van textieldekking, waaronder lakenovertrekken (8, 32 en 64 mm dikte), pluizige dekens (8, 32 en 64 mm dikte) en dekbedden (32 en 64 mm dikte). Uit dit hoofdstuk concluderen we dat onze SV-opstelling werkt en dat SV minieme hartbewegingen kan detecteren zonder zichtbaarheid van de huid. Dit resultaat opende de mogelijkheid om SV een stap verder te brengen naar een langere meetduur en verschillende anatomische locaties die zwakkere hartpulsen hebben dan het thoracale gebied.\n\nIn hoofdstuk 4 zijn we met SV overgegaan van gemiddelde hartslagmeting naar momentane hartslagmonitoring. In tegenstelling tot de eerdere studie genoemd in hoofdstuk 3, hebben we de duur van elke unieke meting verlengd van 1 minuut naar 5 minuten. Belangrijker nog, er werden nieuwe anatomische locaties opgenomen om verschillende rustposities aan te pakken. Ons experimentele protocol omvatte drie rustposities. Voor de rugligging werd \u00e9\u00e9n laserbron op het borstbeen gericht. Voor de zij- en buikligging waren de anatomische locaties respectievelijk de linkerbovenarm en het linkerschouderblad. Voor de vergelijking van de momentane hartslag hebben we de op Hilbert gebaseerde methode verbeterd door een adaptief drempelschema op te nemen en een piekuitalijningsalgoritme voorgesteld om elke AO-piek uit de SV-meting te matchen met de bijbehorende R-piek van het ECG. In een laboratoriumgecontroleerde omgeving toonden onze resultaten het vermogen van SV aan om momentane hartslagen te extraheren van verschillende anatomische locaties met verschillende rustposities, ongeacht de geteste textieldekkingsscenario's.\n\nIn hoofdstuk 5 hebben we SV verplaatst van een laboratoriumgecontroleerde omgeving naar een intensive care-afdeling, d.w.z. van gezonde vrijwilligers naar echte pati\u00ebnten. Naast het thoracale gebied hebben we de nek opgenomen als extra meetlocatie omdat dit een uitdagende plek is en dus kan worden gebruikt als technische studie van SV. Belangrijker nog, de halsslagader in de nek is een arteri\u00eble locatie voor toekomstig onderzoek naar het gebruik van SV voor op twee arteri\u00eble locaties gebaseerde pulse transit time monitoring. De praktische uitdagingen die aanwezig zijn op een intensive care-afdeling werden aangepakt, waaronder vari\u00ebrende omgevingslichtomstandigheden en diverse cardiorespiratoire golfvormen van de pati\u00ebnten. Voor de eerste uitdaging stelden we een nieuw bewegingsextractie-algoritme voor dat is gebaseerd op meerdere interessegebieden (multi-ROI). We definieerden twee signaalkwaliteitsindexwaarden om de beste 4 van de 16 ROI's te selecteren en voerden hoofdcomponentenanalyse uit om tijdens de uitvoering \u00e9\u00e9n enkele bewegingsmeting af te leiden (d.w.z. over elk glijdend venster van 10 seconden). Deze multi-ROI-methode bleek robuust tegen sensorruis en presteerde beter dan de methode die is gebaseerd op \u00e9\u00e9n interessegebied, d.w.z. het volledige videoframe. Gegeven een sensorruisvrije hartbewegingsmeting, gebruikten we vervolgens de discrete eerste integraal om met succes het gemoduleerde ademhalingsbewegingssignaal te extraheren. Voor de tweede uitdaging stelden we een semi-geautomatiseerd piekdetectie-algoritme voor dat was gebaseerd op golfvormmatching. Het enige handmatige deel was de constructie van het golfvomsjabloon voor elke pati\u00ebnt. Dit nieuwe piekdetectie-algoritme maakte een nauwkeurigere labeling van de AO-pieken mogelijk in vergelijking met de op Hilbert gebaseerde methode, wat een goede basis bood voor toekomstige inspanningen op het gebied van pulse transit time-berekening.\n\nTen slotte geven we in hoofdstuk 6 een algemene discussie over de wetenschappelijke bijdragen, sterke punten, beperkingen en toekomstige richtingen van dit proefschrift. Ten eerste concluderen we de vooruitgang die met dit proefschrift is geboekt op het gebied van het gebruik van SV om met succes zowel hart- als ademhalingsbewegingen te meten, en vervolgens de extractie van de momentane hartslag en ademhalingsfrequentie in een klinische setting. Ten tweede onderzoeken we de huidige beperkingen, waaronder de gevoeligheid voor lichaamsbeweging en de behoefte aan nauwkeurige optische uitlijning. Vervolgens schetsen we mogelijke oplossingen via sensorfusie en algoritmische verbetering. Toekomstige onderzoeksrichtingen leggen de nadruk op het uitbreiden van SV naar langdurige en ambulante monitoring, het verkennen van de integratie ervan met andere modaliteiten voor pulse transit time-schatting, en het onderzoeken van de mogelijke toepassing ervan bij MRI-cardiac gating. Over het geheel genomen schetst dit hoofdstuk de resterende stappen die nodig zijn om SV te laten evolueren naar een robuust, zelfstandig instrument voor monitoring van meerdere vitale functies.","summary":"Monitoring vital signs is crucial in a hospital setting. For example, in the general ward, but also in other disciplines, such as critical care or sleep, to make a proper diagnosis. The monitoring of such vital signs (e.g., heart rate, respiration rate) is done with wired sensors. However, this is obtrusive and may interfere with the results. Therefore, the purpose of our work is to develop a contactless sensing technology, Speckle Vibrometry (SV), for the continuous monitoring of heart rate and respiration rate in a clinical setting. Our work also serves as the first to present human clinical studies for SV.\n\nSV is a contactless sensing technology that exploits the secondary laser speckle effect. A typical SV setup consists of a laser source and a camera that is defocused at the laser spot. Using imaging processing techniques, SV tracks the overall movement of individual speckles to measure minute cardiac motions even through layers of textiles. It differs from laser speckle contrast imaging (SCI) and laser speckle plethysmography (SPG), which both require visible skin and a focused camera. SCI uses the overall blurring of the speckle pattern formed on biological tissue to measure blood flow, whereas SPG uses the mean intensity of the laser speckle pattern formed on the human finger to measure cardiac pulses. By comparison, SV is an attractive option among the existing contactless technologies (e.g., camera photoplethysmography) because it is highly sensitive to minute motions and does not require visible skin (i.e., it works on multiple layers of blankets).\n\nIn this work, we investigate the use of SV for heart rate and respiration rate monitoring in an intensive care unit to lay a solid foundation for future work delving into the practical large-scale implementation of SV in hospitals, as well as the feasibility study of pulse transit time monitoring. Pulse transit time is another potentially valuable cardiorespiratory parameter for clinical diagnosis. It has been shown to indicate blood pressure changes, respiratory effort, and is linked to obstructive sleep apnea. Pulse transit time is conventionally measured as the time it takes for the pulse wave to travel from the aortic valve to a peripheral site (e.g., the fingertip). Research has also utilized two arterial sites (e.g., between the carotid and femoral pulses). Existing techniques to compute pulse transit time are based on accurate cardiac measurements, i.e., clear and visible cardiac peaks. Following the same assumption, in this work, we focused on extracting high-quality cardiac measurements from SV in an intensive care unit as a step toward future investigations into pulse transit time.\n\nSpecifically, we propose solutions that tackle two challenges: the device setup of SV and the successful extraction of cardiac and respiratory motions, heart rate, and respiration rate through algorithm development. Our solutions were conditioned under two scenarios: a sleep scenario in a laboratory-controlled environment and a sedated\/sleep scenario in an intensive care unit. Innovative algorithms have been proposed to take into account the practical challenges present in such a real clinical setting, which is a crucial step in transitioning SV from the lab to the real clinical world. Although our current results cannot provide a conclusive answer to whether or not SV can be used to measure pulse transit time in a stand-alone manner, this thesis work shows that SV is able to measure instantaneous heart rate, serving as a solid first step. To comprehensively present the scientific contributions of this thesis, we organize our work into six chapters, each summarized below.\n\nIn Chapter 2, we review current gold-standard measurements of heart rate, respiration rate, and pulse transit time. In addition, we present contact-based alternatives that measure these vital signs in a wireless manner. We then introduce existing contactless vital sign sensing modalities, such as camera-based, radar-based, thermographic, and SV systems in existing works. To highlight the novelty of the SV system developed in this work, we describe its experimental setup in detail and compare it with both prior SV implementations and other contactless sensing modalities discussed.\n\nIn Chapter 3, we present a proof of concept to assess the viability of employing SV for monitoring average heart rate in situations where the human subject remains at rest in bed. We developed an image processing pipeline to extract average heart rates from SV video recordings and compared them with ECG. The first step was extracting the displacements between consecutive SV video frames based on a sub-pixel image registration method from existing literature. We then proposed an algorithm to merge displacements along the x-axis and y-axis of the image plane, to derive a single-channel SV measurement as well as to remove the impact of camera-to-surface orientation. For peak detection, we implemented a simplified Hilbert-based method that was designed to extract the aortic valve opening (AO) peaks from Seismocardiogram signals. Results show that our methods can be used to extract average heart rate from 1-minute windows from the human subject\u2019s thoracic area under different textile coverage scenarios, including bedsheet covers (8, 32, and 64 mm of thickness), furry blankets (8, 32, and 64 mm of thickness), and comforters (32, and 64 mm of thickness). From this chapter, we conclude that our SV setup works and SV can detect minute cardiac motions without skin visibility. This result opened the possibility of moving SV one step further towards a longer measurement duration and different anatomical locations that have weaker cardiac pulses than the thoracic area.\n\nIn Chapter 4, we proceeded with SV from average heart rate measurement to instantaneous heart rate monitoring. In contrast to the previous study mentioned in Chapter 3, we increased the duration of each unique measurement from 1 minute to 5 minutes. Most importantly, new anatomical locations were included to tackle different resting positions. Our experimental protocol included three resting positions. For the supine position, one laser source was illuminated on the sternum. For the lateral and prone positions, the anatomical locations were the upper left arm and upper left scapular, respectively. For instantaneous heart rate comparison, we improved the Hilbert-based method by incorporating an adaptive thresholding scheme and proposed a peak alignment algorithm to match each AO-peak from SV measurement to their corresponding R-peak from ECG. In a laboratory-controlled environment, our results demonstrated SV\u2019s capability of extracting instantaneous heart rates from various anatomical locations with different resting positions regardless of the textile coverage scenarios tested.\n\nIn Chapter 5, we moved SV from a laboratory-controlled environment to an intensive care unit, i.e., from healthy volunteers to real patients. Apart from the thoracic area, we included the neck as the additional measurement location because it is a challenging spot and thus can be used as a technical study of SV. More importantly, the carotid on the neck is an arterial site for future investigations into using SV for two arterial site-based pulse transit time monitoring. The practical challenges present in an intensive care unit were addressed, including variant ambient lighting conditions and diverse cardiorespiratory waveforms of the patients. For the first challenge, We proposed a new motion extraction algorithm that is based on multiple regions of interest (multi-ROI). We defined two signal quality index values to select the best 4 ROIs out of 16 and performed principal component analysis to derive one single motion measurement at run-time (i.e., over each 10-second sliding window). This multi-ROI method proved to be robust against the sensor noise and outperformed the method that is based on one region of interest, i.e., the full video frame. Given a sensor-noise-free cardiac motion measurement, we then utilized the discrete first-integral to successfully extract the modulated respiratory motion signal. For the second challenge, we proposed a semi-automated peak detection algorithm that was based on waveform matching. The only manual part was the construction of the waveform template for each patient. This new peak detection algorithm enabled more precise labeling of the AO peaks compared with the Hilbert-based method, which provided a good foundation for future endeavors into pulse transit time calculation.\n\nFinally, in Chapter 6, we provide a general discussion of the scientific contributions, strengths, limitations, and future directions of this thesis. First, we conclude the advancement achieved by this thesis in terms of using SV to successfully measure both cardiac and respiratory motions, and subsequently the extraction of instantaneous heart rate and respiration rate in a clinical setting. Second, we examine current limitations, including sensitivity to body motion and the need for precise optical alignment. Subsequently, we outline potential solutions through sensor fusion and algorithmic enhancement. Future research directions emphasize extending SV to long-term and ambulatory monitoring, exploring its integration with other modalities for pulse transit time estimation, and investigating its potential application in MRI cardiac gating. Overall, this chapter delineates the remaining steps required for SV to evolve into a robust, stand-alone tool for multi-vital-sign monitoring.","auteur":"Shuhao Que","auteur_slug":"shuhao-que","publicatiedatum":"30 oktober 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/shuhaoque?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/77ce8deb-f5aa-4e08-aa95-a31b37d92f0c\/optimized","url_epub":"","ordernummer":"19196","isbn":"978-90-386-6735-5","doi_nummer":"","naam_universiteit":"TU Eindhoven","afbeeldingen":16073,"naam_student:":"","binnenwerk":"","universiteit":"TU Eindhoven","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16071","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=16071"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16071\/revisions"}],"predecessor-version":[{"id":16074,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16071\/revisions\/16074"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/16072"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=16071"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=16071"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}