홀터 심전도 검사의 실시간 오류 알림 시스템

Ⅰ. 서 론

심전도(ECG; electrocardiographic) 검사는 심장의 활동으로 인해 발생하는 전력 신호를 생체 표면에서 두 점 간의 전위차로 검출하여 기록한 파형을 분석하는 방법으로 심장 검사의 가장 기본이 되는 검사다. 그 중 홀터(Holter) 심전도 검사는 부정맥을 판단하는 대표적인 심전도 검사 중의 하나로 두근거림과 가슴 통증, 가슴 압박감 등 일상생활을 하면서 간헐적으로 경험할 수 있는 증상에 대해 부정맥 및 기타 심장 관련 질병들과의 관련성을 파악하고 증상들의 발생 주기와 정도 등을 기반으로 향후 검사나 치료의 방향을 결정하는 검사다. 부정맥은 언제 발생할지 예측하기가 어렵기 때문에 단시간의 심전도 검사에서는 문제가 발생하지 않는 경우가 많다. 그러므로 일반적인 홀터 심전도 검사는 환자의 흉부에 5~7개의 센서를 부착하고 센서들과 연결된 심전도 검사(기록)기기를 허리에 착용 후 24시간 또는 48시간 동안의 심장 활동 상태를 기록하면서 연속적인 심전도의 변화를 관찰한다[1].

이러한 홀터 심전도 검사를 진행하는 환자들은 센서 및 기기가 흉부와 허리에 부착된 채로 24시간 또는 48시간을 유지해야 하기 때문에 활동성에 많은 제약을 받게 되고, 기기에 물기가 닿지 않도록 주의해야 하며 전자파가 많이 발생하는 제품을 피해야 하는 불편함이 있다. 이 중에서 특히 환자들의 다양한 운동성 및 직업적 특성으로 인해 몸에 부착된 센서나 기기가 떨어져서 심전도 신호가 제대로 기록되지 않아 오류가 발생하는 경우가 많다. 해당 상황이 발생하면 홀터 심전도 기기에서 탐지하고 있는 심장의 미세한 전극 파형들에 잡음과 간섭이 발생하여 해당 파형들에 대한 분석이 불가하여 검사의 실효성이 떨어지게 된다[2]. 기존의 홀터 심전도 검사는 해당 문제 상황들이 기기가 반납된 이후(즉 24 또는 48시간 이후)에 검사자에 의해 인지되고, 기록된 신호들에 잡음과 간섭이 심한 경우에는 재검사가 진행되어 환자와 검사자 모두 비효율적인 시간 소모가 발생하게 된다.

그러므로 본 논문에서는 이러한 문제점을 해결하기 위해 심전도 검사 기기 자체에서 신호의 품질을 평가(SQA; signal quality assessment)하여 센서나 기기가 떨어진 오류 상황을 탐지하고 오류 상황에 대한 알림을 통신 기술을 통해 환자의 기기에게 전송하여 센서 또는 기기의 재부착을 요청함으로써 검사의 효율성을 높이는 방법을 제안하고자 한다. 제안하는 방법의 성능 평가를 위해 아두이노를 기반으로 홀터 심전도 테스트 기기를 구성하였으며 스마트폰과의 연결을 통해 알림 시스템을 구현하였다.

본 논문의 구성으로는 2장에서 기존 홀터 심전도 검사의 오류 상황을 탐지하기 위한 기존 연구들을 소개하고, 3장에서 제안하는 방법을 기술하고자 한다. 4장에서는 실험을 통한 성능 평가 결과를 제시하고, 5장에서 결론 및 향후 연구에 관하여 기술하고자 한다.

Ⅱ. 관련 연구

심전도 검사를 진행하는 환자들의 다양한 운동성 등으로 측정되는 심전도 신호의 품질이 저하되는 문제가 발생할 수 있기 때문에 SQA를 수행하여 검사 및 자원 활용의 효율성을 증가시키고자 하는 연구들이 진행되었다. Satija의 연구[2]에서는 측정되는 심전도 데이터를 저장하였다가 분석하는 것이 아니라 실시간으로 센서에서 SQA 기기로 데이터를 전송하고, SQA 기기에서 신호 품질을 즉각적으로 평가하여 유효한 데이터만 검사자에게 전달하는 아키텍처를 제시하였다. Liu의 연구[3]에서는 입을 수 있는 심전도 측정기기를 통해 수집한 데이터를 실시간으로 스마트폰으로 전송하여 스마트폰에서 SQA를 수행하는 시스템을 제시하였다.

또한 심전도 검사를 포함하여 헬스케어 모니터링 시스템을 제시하는 연구들도 다양하게 진행되었다. Yang의 연구[4]와 Wan의 연구[5]에서는 모바일 어플리케이션의 관여 없이 센서에서 측정된 ECG 데이터가 Wi-Fi를 통해 바로 IoT(Internet of Things) 클라우드로 전달되어 웹을 통해 모니터링 될 수 있는 시스템을 제안하였다. Lee의 연구[6]와 Hooshmand의 연구[7]에서는 측정된 ECG 신호들을 압축하여 데이터 전송량을 줄이는 방법을 제안하였다. Gilbert의 연구[8]에서는 단대 단 홈 헬스케어 모니터링 시스템을 제안하여 집에서 센서로 수집된 데이터가 IoT 게이트웨이를 통해 가장 가까운 의료 센터로 전송될 수 있도록 전송 경로를 설정하는 방법을 기술하였다. Steele의 연구[9]에서는 헬스케어 모니터링을 위한 스마트폰과 센서들의 사용 예들을 리뷰하면서 대역폭 요구사항의 중요성을 제시하였다. Pathinarupothi의 연구[10]에서는 센서 데이터를 클라우드로 보낼 때 대역폭과 에너지 낭비가 발생할 수 있기 때문에 스마트폰 등을 통해 엣지 시스템을 구축하여 수집되는 데이터들의 선처리를 담당하게 하였고, 우선순위에 따라서 QoS(Quality of Service)를 고려한 네트워크 자원 할당 방법도 함께 제시하였다. Wu의 연구[11]에서는 IoT 센서 네트워크의 가용 커버리지를 넓히기 위하여 LoRA (long range)와 BLE를 활용한 하이브리드 라우터 및 IoT 게이트웨이 아키텍처를 제시하였고 케이스 스터디를 통해 제안하는 아키텍처를 검증하였다. Jang의 연구[12]에서는 IoT 센서를 기반으로 영상과 소리 탐지를 통해 원격으로 상황을 판단하여 위험 현상에 대처할 수 있는 독거노인 케어 플랫폼을 제안하였다. Lee의 연구[13]에서는 라즈베리 파이를 활용하여 온도, 습도, 가스누출 감지 등의 센서 정보를 수집해서 서버 기반으로 운영할 수 있는 독거노인 모니터링 시스템을 제안하였다.

위에서 설명한 바와 같이 기존의 연구들은 대부분 센서에서 수집된 데이터들이 게이트웨이 역할을 하는 스마트폰과 같은 기기를 통해서, 또는 네트워크와 직접적으로 연결되어 클라우드와 통신하는 아키텍처를 가정하였다. 해당 아키텍처에서는 센서에서 발생하는 데이터의 SQA나 이상 탐지와 같은 처리가 게이트웨이나 서버에서 수행된다. 이를 위해서 센서와 심전도 기기는 측정되는 모든 데이터를 게이트웨이나 네트워크에 전송해야 하는데, 이는 전력 및 네트워크 자원 활용 이슈를 발생시킬 수 있다. 그러므로 본 논문에서는 심전도 기기 자체에서 SQA를 수행하여 전력 및 네트워크 자원 활용도를 높이고, 오류 상황 발생 시 환자에게 알림을 제공하여 센서 또는 기기의 재부착을 요청함에 따라 심전도 검사의 효율성을 높이고자 한다.

Ⅲ. 홀터 심전도 검사의 실시간 오류 알림 시스템

3-1 시스템 구성

본 논문에서는 제안하는 홀터 심전도 검사의 실시간 오류 알림 시스템은 그림 1과 같이 심전도를 측정하는 센서들이 케이블로 연결된 심전도 기기와, 알림을 수신할 수 있는 환자의 기기로 구성된다. 기존 홀터 심전도 검사에서 사용되는 심전도 기기는 센서 데이터를 측정하여 저장소에 저장하는 역할을 수행했는데, 본 논문에서의 심전도 기기는 여기에 가벼운 컴퓨팅이 가능한 프로세서가 탑재되어야 한다. 본 논문에서는 이를 위해 그림 2(a)와 같이 Coretex M4F 프로세서가 탑재되어 있고 BT(Bluetooth) 5 및 BLE(BT Low Energy)를 지원하는 Arduino Nano 33 BLE 모델[14]을 가정하였고, 그림 2(b)와 같이 센서로 측정된 데이터를 케이블을 통해 수집하고 모니터링하기 위해 SparkFun Single Lead Heart Rate Monitor[15]를 사용하였다. 또한 Heart Rate Monitor는 Arduino와 연결하여 센서의 데이터를 전송하고, 이 데이터에 대한 처리를 Arduino에서 수행하도록 한다. 알림을 수신할 수 있는 환자의 기기의 경우 본 논문에서 설정한 심전도 기기와 BT 또는 BLE를 통해 통신을 수행해야 하기 때문에 이를 지원하는 안드로이드 스마트 폰으로 가정하였다. 즉 본 논문에서는 SQA를 심전도 기기 자체에서 수행하고, 이에 대한 알림을 스마트 폰이 수신하기 때문에 기존 연구들에서와 같이 서버나 게이트웨이가 존재하지 않는다. 향후 부정맥 탐지 등과 같이 많은 양의 데이터를 기반으로 상대적으로 복잡한 처리가 필요한 데이터 분석이 요구될 경우 서버 아키텍처도 고려할 예정이다.

Fig. 1.

System configuration

Fig. 2.

ECG machine configuration

3-2 심전도 측정 및 SQA

심전도를 측정하기 위해 측정 센서들을 그림 3과 같이 RA(Right Arm), LA(Left Arm), 그리고 LL(Left Leg)에 부착한다. 부착 위치는 그림 3(a) 또는 3(b) 모두 가능한데, 본 논문에서는 그림 3(a)와 같이 부착하여 심전도 데이터를 측정하였다. 본 논문에서는 심전도 기기 자체에서 SQA를 수행하여 측정되고 있는 신호를 acceptable과 unacceptable로 분류하고자 한다. 이를 위해 정상 심전도 신호와 비정상 심전도 신호를 비교하여 컴퓨팅 능력이 높지 않은 심전도 기기 내에서 가볍게 수행할 수 있는 SQA 방법을 활용하고자 한다. 그림 4는 심전도 센서를 통해 측정된 정상 심전도 신호를 나타낸다.

Fig. 3.

ECG sensor placement

Fig. 4.

Normal ECG signal

그림 4의 정상 심전도 신호에서 주기적으로 나타나는 피크 신호를 R 파형이라고 하고, R 파형 사이의 간격을 RR interval이라고 한다. 검사자가 환자에게 센서와 심전도 기기를 착용시켰을 때에는 정상적인 심전도 신호가 측정될 것이고, 일정한 RR interval이 측정될 것이지만 환자의 움직임 등으로 인해 센서가 떨어지거나 움직였을 경우에는 RR interval이 측정이 되지 않거나 불규칙적으로 나타날 것이다. 예를 들어 그림 5(a)과 5(b)는 각각 LA 위치와 RA 위치에 부착된 센서가 환자의 운동으로 인해 일부 떨어졌을 경우 측정되는 비정상 심전도 신호의 파형을 보여준다. 이러한 비정상 심전도 신호의 경우 RR interval을 확인하기가 어렵다. 이러한 비정상 심전도 신호를 탐지하기 위하여 본 논문에서는 심전도가 측정될 때마다 RR interval의 평균을 계산하여 저장하고 있다가, 현재 측정된 심전도의 RR interval이 저장된 RR interval 값과 일정 비율 (a%) 이상의 차이가 있다면 해당 값을 이용 및 저장하지 않고, 그때부터 일정 시간 (b분) 동안 다시 RR interval이 저장된 값과 a% 내로 수렴하지 않는다면 SQA 결과를 unacceptable이라고 판단하게 된다. 여기서 사용되는 a와 b값은 시스템의 요구사항에 따라 설정될 수 있다. 예를 들어 a와 b를 작게 설정하면 민감한 변화도 감지할 수 있지만 unacceptable의 확률이 높아져서 환자에게 불편함을 줄 수 있고, 반대로 크게 설정하면 큰 변화에 대해서만 반응하여 잘못 부착된 상황을 환자에게 늦게 알리게 될 수 있다.

Fig. 5.

Abnormal ECG signal: (a) LA (b) RA

본 연구에서 제안하는 시스템은 심전도 기기 자체에서 SQA를 수행하기 때문에 SQA를 통과한 신호들만 저장소에 저장하여 내부 저장소 자원을 효율적으로 사용할 수 있으며 검사 시간이 끝난 후 검사자가 검사할 때에 판독해야 할 신호의 양도 줄어들게 된다. 또한 서버에서의 데이터 처리를 위한 아키텍처로 확장된다면 게이트웨이를 거칠 때[2], 또는 직접 네트워크에 연결될 때[3] 전송되는 데이터의 양이 줄어들게 된다. 즉, 게이트웨이나 서버에서 SQA를 수행하는 기존 방법들에 비해 데이터 송신 전력과 사용되는 네트워크 자원의 양이 줄어드는 효과를 가져올 수 있다.

본 논문에서는 심전도 기기의 컴퓨팅 능력을 고려하여 RR interval을 기준으로 가벼운 SQA 방법을 적용하였지만, 향후 연구에서는 기계학습과 같이 개선된 알고리즘을 심전도 기기에 적용하여 저전력으로 정확한 SQA를 제공할 수 있는 연구를 진행할 예정이다.

3-3 오류 알림 방법

제안하는 시스템에서는 심전도 기기에서의 SQA 결과가 unacceptable로 결정이 되면 현재 상황을 오류 상황이라 판단하고 환자에게 알림을 전송하게 된다. 위에서 서술한 바와 같이 Arduino Nano 33 BLE 모델을 심전도 기기로 가정하였기 때문에 오류 알림을 위해 BLE를 사용하여 사용자의 스마트폰으로 알림 메시지를 전송하게 된다. 만약 심전도 기기에서 BLE를 지원하지 않고 Wi-Fi나 LoRa 등과 같이 다른 통신 기술을 지원한다면 해당 통신 기술을 통해 알림 메시지를 전달할 수 있으며[11], 심전도 기기에서 지원하는 통신 기술이 없다면 진동이나 LED 반짝임 등의 대체 방법을 사용하여 환자에게 오류 상황을 알려줄 수 있다.

BLE를 사용하여 사용자의 스마트폰으로 알림 메시지를 전송하는 방법으로는 심전도 기기를 스캔하고 메시지를 수신하기 위한 어플리케이션이 필요하다. 검사자가 속한 병원 어플리케이션에서 해당 기능을 지원하는 것이 가장 확장성이 큰 방법이고, nRF Connect와 같은 기존 상용 어플리케이션을 활용할 수도 있으며[16] 해당 알림을 위한 새로운 어플리케이션을 개발하여 사용할 수도 있다. 본 연구에서는 그림 6과 같이 ECGErrorNoti라는 어플리케이션을 개발하여 심전도 기기로부터 BLE를 통해 알림 메시지를 수신할 수 있도록 구현하였다. 제안하는 시스템에서는 현재 어느 위치의 센서에서 오류 상황이 발생했는지도 함께 전송하여 환자의 즉각적인 대처가 가능하도록 하였다.

Fig. 6.

Notification message through a smartphone application

본 논문에서의 오류 알림은 환자의 활동성으로 인해 센서가 비정상적으로 부착된 경우를 판단하는 방법으로 활용되지만 향후 연구에서는 필요한 경우 환자의 현재 심전도 정보를 의료진에게 전달하는 용도로도 활용할 예정이다.

Ⅳ. 성능 평가

본 장에서는 심전도 기기에서 SQA를 수행하고 환자에게 알림을 주는 제안하는 방법과 게이트웨이에서 SQA를 수행하는 방법[2] 및 서버에서 SQA를 수행하는 방법[3]의 성능 평가를 진행하고자 한다. 공정한 비교를 위해서 SQA의 방법은 동일하다고 가정하고, 심전도 기기는 BLE를 사용해서 사용자 기기 및 게이트웨이와 통신하며 게이트웨이는 Wi-Fi를 사용해서 서버와 통신하는 것을 가정하였다. 또한 3-2에서 설명한 RR interval 차이의 threshold값인 a는 20으로 설정하였다.

표 1은 1시간의 검사 중 약 10분 동안 빠른 걸음으로 걷기 또는 달리기를 수행했을 경우 심전도 기기에 저장된 데이터의 사이즈를 나타낸다. 실험을 수행하는 사람은 알림이 오더라도 센서를 재부착하지 않는 것을 가정하였고 10번의 실험 결과를 통해 평균값을 나타내었다. 표 1의 제안하는 방법(Proposed Scheme (a, b))에서 a는 걷기(W) 또는 달리기(R)를 나타내며 b는 3-2에서 설명한 바와 같이 RR interval 차이가 a보다 클 때부터 unacceptable을 판단하기까지의 시간을 의미한다. 기존 방법(Conventional Scheme)의 경우 심전도 기기에서 SQA가 수행되지 않기 때문에 모든 데이터가 기기 저장소에 저장이 되는데 이 때 19.356MB가 사용됨을 알 수 있다. 제안하는 방법의 경우 b 값이 커질수록 둔감하게 unacceptable을 판단하기 때문에 저장되는 데이터의 양도 커짐을 확인할 수 있었다. W과 R을 비교했을 때, W에서는 b가 2와 5일 때 각각 1.6%, 0.9% 저장 효율이 증가한 것을 확인하였는데 이는 센서가 거의 정상적으로 부착되고 있는 것으로 해석될 수 있다. 반면 R에서는 b가 2와 5일 때 각각 13%, 8.3%의 저장 효율이 증가한 것을 확인할 수 있었다. 이를 통해 운동성이 높은 환자일수록 제안하는 방법을 통해 저장 효율을 높일 수 있음을 확인하였다.

Table 1.

Size of the stored data in the ECG machine

표 2는 1시간의 검사 중 약 10분 동안 달리기를 수행했을 경우 오류 알림 메시지를 전송할 때까지의 네트워크 사용 시간을 보여준다. 제안하는 방법의 경우 심전도 기기 자체에서 SQA를 수행하기 때문에 알림 메시지 전송 시에만 네트워크를 사용하여 가장 낮은 네트워크 사용 시간을 갖는다. 기존 방법 1(Convention Scheme 1)의 경우 게이트웨이에서 SQA를 수행하기 때문에 심전도 기기에서 게이트웨이로 측정된 데이터를 보낼 때, 그리고 게이트웨이에서 사용자 기기로 알림 메시지를 보낼 때 네트워크가 사용된다. 그러므로 제안하는 방법과 비교하여 데이터 전송으로 인한 네트워크 사용 시간의 차이가 있음을 확인할 수 있다. 기존 방법 2(Conventional Scheme 2)의 경우 기존 방법 1과 비교하여 더 긴 네트워크 사용 시간을 갖는데 이는 게이트 웨이에서 서버로 데이터를 전송하는 과정이 필요하기 때문이다. BLE가 아니라 높은 속도를 지원하는 통신 기술을 사용하게 되면 전체적으로 네트워크 사용 시간이 줄 수 있지만, 다수의 기기들이 센서 정보를 수집하고 공유하는 IoT 환경을 고려했을 때 네트워크 사용 시간을 최소화할 수 있는 제안하는 방법의 효과가 더 커질 수 있음을 예측할 수 있다.

Table 2.

Network usage time until the error notification

Ⅴ. 결론

본 논문에서는 홀터 심전도 검사 중 심전도 측정 기기 자체에서 SQA를 수행하여 오류 상황을 탐지하고, 해당 오류에 대한 알림을 환자에게 전송하여 센서 재부착을 요청할 수 있는 실시간 오류 알림 시스템을 제안하였다. Arduino Nano 33 BLE 모델과 케이블 및 심전도 센서를 통해 심전도 기기를 구성하였으며 안드로이드 어플리케이션과 연결하여 알림 시스템을 구축하였다. 성능 분석을 통해 제안하는 방법이 기존 방법들과 비교하여 심전도 기기의 물리적인 저장소를 효율적으로 사용할 수 있으며, 오류 알림 메시지를 수신하기까지의 네트워크 사용 시간이 적다는 것을 확인할 수 있었다. 향후 연구에서는 기계 학습을 적용하여 SQA 방법을 개선할 예정이며 실제 환자들의 데이터를 활용하여 학습 모델의 최적화를 진행할 예정이다.

Acknowledgments

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2020R1G1A1100493).

References

• H. L. Kennedy, “The Evolution of Ambulatory ECG Monitoring,” Progress in Cardiovascular Diseases, Vol. 56, No. 2, pp. 127-132, Sept-Oct. 2013. [https://doi.org/10.1016/j.pcad.2013.08.005]
• U. Satija, B. Ramkumar, and M. S. Manikandan, “Real-Time Signal Quality-Aware ECG Telemetry System for IoT-Based Health Care Monitoring, IEEE Internet of Things Journal, Vol. 4, No. 3, pp. 815-823, June 2017. [https://doi.org/10.1109/JIOT.2017.2670022]
• C. Liu, X. Zhang, L. Zhao, F. Liu, X. Chen, Y. Yao, and J. Li, “Signal Quality Assessment and Lightweight QRS Detection for Wearable ECG SmartVest System, IEEE Internet of Things Journal, Vol. 6, No. 2, pp. 1363-1374, June 2018. [https://doi.org/10.1109/JIOT.2018.2844090]
• Z. Yang, Q. Zhou, L. Lei, K. Zheng, and W. Xiang, “An IoT-cloud Based Wearable ECG Monitoring System for Smart Healthcare, Journal of Medical Systems, Vol. 40, No. 286, pp. 1-11, Oct. 2016. [https://doi.org/10.1007/s10916-016-0644-9]
• J. Wan, M. A. A.0 H. A-awlaqi, M. Li, M. O’Grady, X. Gu, J. Wang, and N. Cao, “Wearable IoT Enabled Rea-Time Health Monitoring System, EURASIP Journal on Wireless Communications and Networking, Vol. 298, pp. 1-10, Dec. 2018. [https://doi.org/10.1186/s13638-018-1308-x]
• S. Lee, J. Kim, and M. Lee, “A real-time ECG data compression and transmission algorithm for an E-health device,” IEEE Trans. Biomed. Eng., Vol. 58, No. 9, pp. 2448–2455, Sep. 2011. [https://doi.org/10.1109/TBME.2011.2156794]
• M. Hooshmand, D. Zordan, D. Del Testa, E. Grisan, and M. Rossi, “Boosting the battery life of wearables for health monitoring through the compression of biosignals,” IEEE Internet Things Journal, Vol. 4, No. 5, pp. 1647–1662, Oct. 2017. [https://doi.org/10.1109/JIOT.2017.2689164]
• B. K. Gilbert et al., “System architecture and implementation of a wireless-based home health care monitoring system intended for use in a medical center environment,” Amer. J. Biomed. Eng., Vol. 5, No. 4, pp. 116–129, 2015.
• R. Steele and A. Lo, “Telehealth and ubiquitous computing for bandwidth-constrained rural and remote areas,” Pers. Ubiquitous Comput., Vol. 17, No. 3, pp. 533–543, Mar. 2013. [https://doi.org/10.1007/s00779-012-0506-5]
• R. K. Pathinarupothi, P. Durga, and E. S. Rangan, “IoT-Based Smart Edge for Global Health: Remote Monitoring With Severity Detection and Alerts Transmission,” IEEE Internet of Things Journal, Vol. 6, No. 2, pp. 2449-2462, April 2019. [https://doi.org/10.1109/JIOT.2018.2870068]
• F. Wu, C. Qiu, T. Wu, and M. R. Yuce, “Edge-Based Hybrid System Implementation for Long-Range Safety and Healthcare IoT Applications,” IEEE Internet of Things Journal, Vol. 8, No. 12, pp. 9970-9980, June 2021. [https://doi.org/10.1109/JIOT.2021.3050445]
• H. Jang, S. Kim, and Y. Park, “SilverLinker: IoT Sensor-based Alone Elderly Care Platform,” Journal of Digital Contents Society, Vol. 19, No. 11, pp. 2235-2245, Nov. 2018. [https://doi.org/10.9728/dcs.2018.19.11.2235]
• S. Lee, J. Lee, and J. Kim, “Monitoring System for the Elderly Living Alone Using the RaspberryPi Sensor,” Journal of Digital Contents Society, Vol. 18, No. 8, pp. 1661-1669, Dec. 2018.
• Arduino.cc. Arduino Nano 33 BLE [Internet]. Available: https://store.arduino.cc/usa/nano-33-ble
• Sparkfun. Sparkfun Single Lead Heart Rate Monitor [Internet]. Available: https://www.sparkfun.com/products/12650
• Nordic Semiconductor. nRF Connect for Mobile [Internet]. Available: https://www.nordicsemi.com/Products/Development-tools/nrf-connect-for-mobile