可穿戴式多参数监护装置信号处理平台的设计与实现

背景：可穿戴式多参数监护装置具有生理信号检测和处理、信号特征提取和数据传输等基本功能模块,可实现对人体的无创检测、诊断。 目的：将信号处理平台运用到对时效性和精确度要求较高的可穿戴式多参数监护装置中,提高ECG信号QRS波检测的检测速度和检定准确率。 方法：提出了一种新型可穿戴式多参数监护装置信号处理平台的设计思路,应用TMS320VC5509系列DSP系统实现改进后的LADT压缩算法结合小波变换和阈值检测ECG信号中QRS波的方法。 结果与结论：采用硬件DSP的方法显著提高了QRS波检测的速度,其结果可以用于穿戴式多参数监护装置异常心电检测的实际应用。     

一种可穿戴式无线体域网系统的研究

目的实现一种可穿戴式无线体域网系统。方法该系统根据可穿戴式技术可以实现一种低生理、心理负荷甚至无负荷状态下生理参数的获取的特点,设计了人体血压、指脉、皮肤电阻、呼吸和姿态等5个体征参数采集节点,并根据蓝牙组网技术实现了5个参数的组网能力。结果该系统完成了对人体的血压、指脉、皮肤电阻、呼吸和姿态等5个生理参数的采集;然后,通过蓝牙方式将采集到人体的体征参数发送到个人数据辅助(PDA)机;最后,通过无线服务技术(GPRS)实现与远程紧急救助服务器、医疗数据库服务器、医生服务器等联网。结论可穿戴式无线体域网系统保证了对人体体征参数实时、连续的采集与监测。     

基于GPS和GPRS远程医疗监护报警系统的设计*

背景：远程医疗监护系统可以传输医疗信息,实现动态生理监护。 目的：设计一种基于GPS和GPRS的远程医疗监护报警系统。 方法：系统由中心站和多个用户机组成。运用医疗信息监测技术、移动通信技术、嵌入式技术以及GPS技术,由定位传输模块把采集终端实时采集的患者生理信息,连同患者的位置信息一起发送到GSM移动通讯网,供医生进行及时诊断和处理,实现生理参数的远程实时监测与报警。 结果与结论：该系统构建了家庭、社区、医院的三位一体远程医疗信息传输、医疗救治平台,第一时间将患者的医疗信息和位置信息传送到医疗中心,由专家协助诊断并提供救治指导和援助。该系统可用于院前急救、院外监护以及远程医疗与紧急救助,不仅适用于医院、装配在救护车里,也可以用于家庭,对慢性病患者进行有效的院外监测和跟踪。 关键词：远程医疗;移动监护;GPS定位;GPRS通信; Google地球 doi:10.3969/j.issn.1673-8225.2012.13.011     

随行生理监护系统设计及性能初步验证

为实现住院患者连续生命体征监测,研制了随行生理参数监护系统SensEcho。该系统由随行生理参数监测终端、无线组网和数据传输单元、中央监护系统三部分组成。其中随行生理参数监测终端为一件柔性背心,内嵌有呼吸感应体积描记传感器和织物心电电极,实现心电、呼吸、体位和体动等基本生理参数的穿戴式低负荷监测;无线生理信号传输单元为基于WiFi技术的组网系统,能够实现病区内多个患者的移动监护,并设计有多重数据续传和数据完整性保障机制;中央监护系统实现所有随行生理参数监测终端数据的显示和患者集中管理,设计有后台数据服务器和算法服务器,支持医疗大数据深度挖掘分析应用。为验证系统性能,我们开展了生理参数检测算法有效性和受试者可靠性测试,以及无线组网和数据传输可靠性测试。测试结果显示,系统无论在基本生理参数监测还是无线数据传输方面都能达到可靠性要求。该系统在医疗领域的应用有望开启个体化连续生命体征监护医疗新模式,为疾病诊断提供基于连续动态生理数据分析的精准信息。     

基于物联网和可穿戴技术的智能监护系统研发及其应用模式探索研究

可穿戴技术是一种低生理、心理负荷的监测技术,具有长时间连续监测的优点,代表了未来监护技术的一个发展方向。本文以穿戴式生理参数监测技术为基础,结合物联网和人工智能等技术,研发了基于物联网可穿戴技术的智能监护系统,包括可穿戴硬件、病区物联网平台、连续生理数据分析算法与软件三大部分。基于该系统,经过大量临床实践探索了连续生理数据的临床应用价值,给出了实时监护、病情评估、预测预警和康复训练四大价值方向;依托真实临床应用环境,探索了可穿戴技术在普通病房监护、心肺康复、院内-院外一体化监测等领域的应用模式。研究结果表明,本监护系统能够有效用于院内患者监护、心肺功能评估与训练以及院外患者管理。     

一种老年人移动健康监护系统的研究

目的:设计一种老年人移动监护系统,实现移动心率检测,跌倒检测,紧急情况自动电话呼叫与GPS定位,减少突发事件对老年人的健康威胁。方法:采用分层的体系结构,第一层为传感器层,用于采集并实时分析ECG信号以及加速度数据,第二层为手持终端,用于汇集各传感器数据,综合判断并实现数据远程传输、呼叫以及定位,第三层位于远程服务器,实现数据库管理,数据显示等。结果:分层的体系结构有利于系统功能的扩展,有利于传感器单元的可穿戴性。结论:基于无线传感器网络与GPRS网络的移动健康监护系统能够有效实时地对老年人的健康与安全状况进行监护,对老年人生命安全保障具有重要意义。     

3G双处理器远程心电实时监护系统的研制

目的:详细介绍基于3G双处理器远程心电实时监护系统总体设计框架,以及各个具体功能模块的设计方法。方法:综合运用3G技术、网络技术、多媒体技术等技术,以高性能TMS302VC5402芯片为核心,专用数字信号处理器BSP15处理多媒体信息,3G通信模块HC25来实现。结果:基于3G双处理器的远程心电实时监护系统可以实时接收ECG数据并进行在线自动分析、波形显示,一旦检测到病变心电信号或可疑的心电信号时,给以预警和提示;医患可以通过远程双向音视频等技术在远离医疗设施的环境中实现急救处理。结论:本系统的实现可以帮助医生实时、全面地、无地域限制地获取病人心电信息,适合于监护具有长期带病与突然发病特点的冠心病人。3G的引入更进一步加强了信息传递的实时性与便利性。     

基于TCP/IP协议的多床位远程监护系统的设计

目的：建立一个基于TCP/IP协议的多床位远程生理参数监护系统,对常年卧床的老龄患者进行生理参数的实时监测,为家庭、社区及基层医疗机构提供远程监护和及时的医疗救护。方法：在医用护理床上加入生理参数监护模块,床边配置平板电脑作为上位机和人机交互界面,上位机与监护模块之间通过RS232串口通信,构成独立的床边监护终端。利用网络交换设备将多个床边监护终端与中心监护基站相连结,分别开发客户端和服务器端程序,采用基于TCP/IP的客户端/服务端Socket网络通信协议实现生理参数数据传输与远程监护控制。并在中心监护基站上利用数据库同步技术,设计了可查询病史的电子病历。结果：各床边监护终端既可独立工作,又可接入网络,与中心监护基站建立起C/S模式的多参数生理监护局域网系统。结论：系统可以根据实际需要灵活配置,利用现有的电脑和网络设备就可以实现生理信息实时传输与远程控制,适应当前新的医学模式。不但可以实现疾病院前早期预防、早期诊断,同时可以有效降低医疗成本,提高医护人员工作效率。     

具有人体活动情景辨识的穿戴式心电监测仪的研制

针对现有远程心电(ECG)监测设备在日常工作生活动态环境中应用存在的问题,本文根据信息融合思想,采用穿戴式技术,研制出了一种新型的具有人体活动情景辨识的穿戴式ECG监测仪,它能在检测人体ECG的同时,同步检测躯体运动的加速度信号,识别出人体的活动情景信息,最后通过融合ECG、活动情景信息来判断人体心脏的健康状况。本监测仪具有监测准确、使用方便、舒适、私密性好、可长期连续使用等突出优点,十分适合日常环境下人体心脏健康的监护。     

基于WiFi技术的嵌入式病房监护系统的设计

目的:针对当前病房监护系统的缺陷,介绍了一种基于WiFi技术的嵌入式病房监护系统。方法:采用以S3C2440为核心的硬件平台和基于Linux操作系统的软件平台,利用无线局域网技术,实现对病人体温、呼吸频率和心率等生理参数的远程监测功能,及时的反应病人的身体状况。结果:经实验室检测,能实现正常通信功能,最大通信距离200米,满足一般医院需求,具有很大的实用价值。结论:能远程监控病人的生理参数,并对非正常的情况作出报警,很大程度的减少了护士的工作量,方便实用,具有良好的扩展性和广泛的应用前景。     

智能手机心电显示及与服务器通讯的程序设计

目的:近年来,手机与服务器的通讯在医学领域的研究已经成为热点,利用这种技术,医生可以通过手机上网读取医院服务器上的实时生理数据并给出正确的建议。方法:本文采用了智能手机客户端与服务器交互技术实现对数据远程访问,并在手机端实现了心电波形的动态实时显示。应用J2EE的Tomcat开发平台,建立心电数据库服务器,手机用户上网读取服务器上的心电数据。结合J2ME技术,通过软件编程使得手机用户能访问服务器并能调用数据库中的心电数据以动态心电图的形式显示在手机上。结果:成功建立了医院中心服务器,并在手机端实现了心电数据的读取和波形显示。结论:克服了传统ECG监测实时性差、效率低的缺点,对于预防和诊断心脏窦性疾病具有很大的临床应用价值。     

Smart Vest: wearable multi-parameter remote physiological monitoring system

The wearable physiological monitoring system is a washable shirt, which uses an array of sensors connected to a central processing unit with firmware for continuously monitoring physiological signals. The data collected can be correlated to produce an overall picture of the wearer's health. In this paper, we discuss the wearable physiological monitoring system called ‘Smart Vest’. The Smart Vest consists of a comfortable to wear vest with sensors integrated for monitoring physiological parameters, wearable data acquisition and processing hardware and remote monitoring station. The wearable data acquisition system is designed using microcontroller and interfaced with wireless communication and global positioning system (GPS) modules. The physiological signals monitored are electrocardiogram (ECG), photoplethysmogram (PPG), body temperature, blood pressure, galvanic skin response (GSR) and heart rate. The acquired physiological signals are sampled at 250 samples/s, digitized at 12-bit resolution and transmitted wireless to a remote physiological monitoring station along with the geo-location of the wearer. The paper describes a prototype Smart Vest system used for remote monitoring of physiological parameters and the clinical validation of the data are also presented.     

穿戴式呼吸感应体积描记用于睡眠呼吸事件检测

可穿戴式呼吸感应体积描记(背心式RIP)系统是我们根据呼吸感应体积描记技术的基本原理研发的一种可穿戴、低负荷的呼吸监测系统.在实现通气量无创测量的基础上,我们将该系统用于睡眠期呼吸事件检测,将该系统与多导睡眠图仪(PSG)对9例疑似睡眠呼吸暂停低通气综合症(SAHS)病人和7名健康男性志愿者进行同步对照检测与分析.通过对比实验,根据背心式RIP系统发生呼吸事件的特征性变化,提出了背心式RIP系统判别呼吸事件的规则.依据该规则,所有经背心式RIP系统诊断为SAHS患者的结果与PSG的诊断结果完全一致,背心式RIP系统检测呼吸事件的敏感性为97.8%,特异性为95.8%,实验结果表明背心式RIP系统能够可靠地检测出睡眠呼吸事件.由于其低生理、心理负荷特性,不需要佩带口鼻气流传感器,可用于家庭环境下、自然睡眠过程的睡眠呼吸紊乱性疾病的诊断.     

Compressive sensing scalp EEG signals: implementations and practical performance

Highly miniaturised, wearable computing and communication systems allow unobtrusive, convenient and long term monitoring of a range of physiological parameters. For long term operation from the physically smallest batteries, the average power consumption of a wearable device must be very low. It is well known that the overall power consumption of these devices can be reduced by the inclusion of low power consumption, real-time compression of the raw physiological data in the wearable device itself. Compressive sensing is a new paradigm for providing data compression: it has shown significant promise in fields such as MRI; and is potentially suitable for use in wearable computing systems as the compression process required in the wearable device has a low computational complexity. However, the practical performance very much depends on the characteristics of the signal being sensed. As such the utility of the technique cannot be extrapolated from one application to another. Long term electroencephalography (EEG) is a fundamental tool for the investigation of neurological disorders and is increasingly used in many non-medical applications, such as brain?Ccomputer interfaces. This article investigates in detail the practical performance of different implementations of the compressive sensing theory when applied to scalp EEG signals.     

一种基于织物电极的可穿戴心电采集系统的设计

本研究设计了一种高精度可穿戴心电采集系统,该系统由心电模拟前端电路、数字滤波及控制电路和系统软件三部分组成.其采用软硬件滤波来消除基线漂移、皮肤接触噪声及运动伪迹等干扰,并设计嵌入聚吡咯织物电极的心电衣来增加穿戴舒适性.经与两款同类型心电监护仪相比,结果表明:本系统准确度较高,功耗较低,且能稳定可靠的对心电进行长时间监测,并能通过蓝牙实现无线传输.     

穿戴式随行监护系统心电信号质量评价研究

穿戴式生理参数监测技术是一种新型的生理监护技术,代表未来监护技术的发展方向,但该类技术应用于临床尚有许多问题亟待解决。本文针对自主研发的穿戴式随行监护系统(SensEcho-5B)的心电信号质量评价问题开展了探索性研究。首先基于模板匹配法开发出一种心电信号质量评价算法,用于心电信号的自动、定量评价,在100名受试者(15名健康人和85名心血管疾病患者)随机抽取的100 h心电信号数据集上进行了算法性能测试。在此基础上使用SensEcho-5B与心电Holter同步采集了30名受试者(7名健康人和23名心血管疾病患者)的24 h心电数据,使用心电信号质量评价算法对两个系统同步记录的心电信号质量进行评价。算法性能测试结果:敏感度为100%,特异度为99.51%,准确率为99.99%。30名受试者的对照试验结果:SensEcho-5B所检测到的心电信号,信号质量较差时间的中位数(Q1,Q3)为8.93(0.84,32.53)min,Holter所检测到的心电信号,信号质量较差时间的中位数(Q1,Q3)为14.75(4.39,35.98)min(秩和检验P=0.133)。研究结果表明,本文提出的心电信号质量评价算法能够对穿戴式随行监护系统的心电信号质量进行有效评价;随行监护系统SensEcho-5B与对照Holter相比,心电信号质量相当。后续研究将进一步在真实临床环境中采集大样本量的随行监护生理数据,并对心电信号质量进行分析和评价,从而使监护系统的性能得到持续优化。     

Monitoring Obstructive Sleep Apnea by means of a real-time mobile system based on the automatic extraction of sets of rules through Differential Evolution

Real-time Obstructive Sleep Apnea (OSA) episode detection and monitoring are important for society in terms of an improvement in the health of the general population and of a reduction in mortality and healthcare costs. Currently, to diagnose OSA patients undergo PolySomnoGraphy (PSG), a complicated and invasive test to be performed in a specialized center involving many sensors and wires. Accordingly, each patient is required to stay in the same position throughout the duration of one night, thus restricting their movements.This paper proposes an easy, cheap, and portable approach for the monitoring of patients with OSA, which collects single-channel ElectroCardioGram (ECG) data only. It is easy to perform from the patient’s point of view because only one wearable sensor is required, so the patient is not restricted to keeping the same position all night long, and the detection and monitoring can be carried out in any place through the use of a mobile device.Our approach is based on the automatic extraction, from a database containing information about the monitored patient, of explicit knowledge in the form of a set of IF…THEN rules containing typical parameters derived from Heart Rate Variability (HRV) analysis. The extraction is carried out off-line by means of a Differential Evolution algorithm. This set of rules can then be exploited in the real-time mobile monitoring system developed at our Laboratory: the ECG data is gathered by a wearable sensor and sent to a mobile device, where it is processed in real time. Subsequently, HRV-related parameters are computed from this data, and, if their values activate some of the rules describing the occurrence of OSA, an alarm is automatically produced.This approach has been tested on a well-known literature database of OSA patients. The numerical results show its effectiveness in terms of accuracy, sensitivity, and specificity, and the achieved sets of rules evidence the user-friendliness of the approach. Furthermore, the method is compared against other well known classifiers, and its discrimination ability is shown to be higher.     

Wearable electromyography measurement system using cable-free network system on conductive fabric

OBJECTIVE: To solve the complicated wires and battery maintenance problems in the application of wearable computing for biomedical monitoring, the electromyography (EMG) measurement system using conductive fabric for power supply and electric shield for noise reduction is proposed. MATERIAL AND METHODS: The basic cable-free network system using conductive fabric, named as "TextileNet" is developed. The conductive fabric has the function of electric shield for noise reduction in EMG measurement, and it enables the precise EMG measurement with wearable system. RESULTS: The specifications of the developed prototype TextileNet system using wear with conductive fabric were communication speed of 9600bit/s and power supply of 3W for each device. The electric shield effect was evaluated for precise EMG measurement, and the shield efficacy of conductive fabric was estimated as high as that of shield room. CONCLUSIONS: TextileNet system solves both the problems of complicated wires and battery maintenance in wearable computing systems. Conductive fabric used in TextileNet system is also effective for precise EMG measurement as electric shield. The combination of TextileNet system and EMG measurement device will implement the cable-free, battery-free wearable EMG measurement system.     

随行监护系统在运动状态下的心肺生理参数测量准确性研究

本文研究随行(穿戴式)生理参数监测系统在不同运动强度下的心肺生理参数测量的准确性。使用随行生理参数监测系统SensEcho与心肺功能测试系统METALYZER 3B型(CORTEX)同步采集28名健康志愿者(17名男性和11名女性)在站立、躺下、Bruce跑台运动等多种运动状态下的心肺生理参数,利用Bland-Altman分析、相关性分析等方法,从群体和个体角度对比分析两类设备测量得到的心率和呼吸率参数。群体分析结果显示,两种设备采集的心率、呼吸率数据箱图高度一致,心率差值为(-0.407±3.380)次/分,呼吸率差值为(-0.560±7.047)次/分,差异很小,受试者各阶段心率、呼吸率Bland-Altman图显示mean±2SD之间所占比例分别为96.86%、95.29%,均大于95%;个体分析结果显示,全过程心率和呼吸率数据的相关系数均大于0.9。本研究表明在多种运动状态下,随行生理参数监测系统SensEcho能够准确测量人体心率和呼吸率等关键心肺生理参数,在各种强度的运动状态下都能保持很好的稳定性,能够满足运动状态下的连续生理信号采集和分析应用。     

基于嵌入式AI的癫痫发作监测系统实现

癫痫监测旨在防止患者在癫痫发作期间因失去意识而可能经历的事故。通过分析脑电信号来进行癫痫实时监测,从而为癫痫的诊断、治疗和评估提供相应的参考。本研究设计了一款基于嵌入式AI的癫痫发作监测系统,分为3部分:训练模块、测试模块和报警模块。其中,训练模块使用波恩数据集,采用小波包分解和一维卷积神经网络进行训练,最终模型准确率高达98.3%;测试模块使用脑电波传感器采集信号,通过蓝牙传输,经单片机处理后与训练模型比对;报警模块是将上述结果反馈至微信小程序,如若异常及时报警。该系统基于嵌入式AI,采用可穿戴式癫痫监测报警设备,具有实时监测癫痫发作的功能,能减小患者受到的伤害,保护患者安全。