面向多场景的可穿戴心电监测与心律失常远程实时诊断装置的制作方法

本发明涉及心电监测技术领域，特别是涉及面向多场景的可穿戴心电监测与心律失常远程实时诊断装置。

背景技术：

中国患心血管病(cardiovasculardiseases，cvd)人群高达2.9亿，而且患病率和致死率呈逐年上升趋势。在心血管疾病患者中，80%以上的心血管病人并发心律失常，极易引发卒中、心脏性猝死等恶性事件。心电图（ecg）不仅是常规心血管疾病检查的有力工具，而且是重症监护室必不可少的监测设备。穿戴式动态心电设备可以在不影响人们日常工作和生活的情况下实现多种场景下心电信号自动采集和远程智能辅助疾病预测和诊断，对心脏病的预防、恶性心律失常的及时发现、射频消融术（radiofrequencycatheterablation,rfca）手术过程指导和术后监测、起搏器术后监测、抗心律失常药物效果的评估等都具有重大意义。

针对ecg信号心律失常诊断的研究成果主要包括可穿戴或便携式心电图远程采集和监测系统的开发以及心律失常的智能识别两个方面。目前的心电图心律失常诊断产品实时性有限、应用场景受限，而且针对具体患者的长期数据保存、心律失常症状自适应诊断和疾病追踪、预警等功能不够完善。心律失常的智能分类识别方法的研究成果在小样本、少类别、标准数据集或筛选的数据集上效果良好[6-8]，当面对临床大数据实时诊断时，心律失常识别的敏感性和特异性指标不高，制约了穿戴式心电设备心律失常自动诊断的临床应用。

自从1957年holter博士发明了动态ecg，ecg的发展经历了便携式心电仪、基于有线或无线网的远程监测到近些年的穿戴式智能ecg设备。日本东丽公司、nttdocomo和电报电话公司共同研制了一款生命体征监测服装，可实时监测心电等人体生命体征。2014年，华米科技推出的amazfit米动手环可检测心血管健康状况、测量心率变异性（heartratevariability，hrv）疲劳度，进行心电id身份识别。2015年，李宁联合小米公司发布了智能李宁跑鞋“烈骏”和“赤兔”，记录常规的运动指标，推送个性化训练计划，该系统利用移动互联网实现指标监测并实时给客户返回信息。同年，苹果公司推出智能手表“applewatch”，可实时监测心率等信息，并给客户返回健康状态信息。虽然基于智能可穿戴的远程心电监测系统目前已经有许多产品，但是这类产品主要是通过计算心率，进行心率变异性分析和简单的心电图特征判断，然后给出健康状态评估。比如米动手环，能对用户进行基本的健康状态监测，并根据心率进行hrv分析，但没有对心电图进行深入的分析和多种心律失常的智能辅助诊断，该产品属于健康监护级别。2017年，谷歌发布了穿戴式心电图设备，该产品完成了多导联穿戴式心电图前端的设计，没有实现针对多患者的实时信号存储、分析和自适应智能诊断和健康状况跟踪。

目前，可穿戴心电监测装置的设计方案有以下几种：

文献[1]中，采用织物电极作为多导联心电信号采集传感器，基于stm32f103完成了心电信号的采集，并将采集的数据存储到sd卡，通过sd卡将数据拷贝到pc进行后续分析。该穿戴式系统完成了可穿戴ecg信号采集，缺乏实时数据分析和智能诊断功能。由于穿戴式心电设备具有应用场景灵活、资源有限、更容易引入干扰等特点，当面对临床大数据实时诊断时，多种心律失常识别的敏感性指标不高，制约了穿戴式心电设备心律失常自动诊断的临床应用。

[1]张煜.可穿戴动态心电监护系统与心电信号处理方法研究[m].电子科技大学，2014.

文献[2]中，设计了基于stm32的前端心电信号采集装置和基于pc机和labview的心电信号处理软件平台。该装置包括信号采集、控制模块和蓝牙传输模块，虽然完成了ecg的采集和处理，采集装置和pc机之间通过蓝牙通信，不适合户外的多场合采集，而且采集模块不够小巧灵活，不具有疾病实时诊断功能。

[2]牛群.可穿戴心电监测装置设计与实现[m].哈尔滨工业大学，2016.

专利[3]中，完成了基于bmd心电采集模块、控制模块的多导联心电采集装置，完成了多导信号的采集功能，通过手机蓝牙接收该装置的信号，并对疾病进行预警。鉴于前端采集装置过多导线、装置尺寸较大，该前端采集模块穿戴不够舒适，患者活动时必须随身携带手机。而且手机存储容量有限，不能完成患者数据的长时间收集和保存，该专利具有心率检测的功能，通过心率来判断心脏异常，不具备多种心律失常疾病的判断功能，不够智能化。

[3]顾梅，张亚丽等.一种可穿戴式心电监测装置：中国，cn208524867u[p].2019-02-22.

专利[4]中，作者提出了一种可穿戴远程心电监护系统框架，穿戴前端以单片机为控制器，通过无线通信模块gprs、wifi、蓝牙或4g、5g模块将数据送至远程服务器，服务器可与智能移动终端进行通信。由于蓝牙距离有限，而gprs受基站覆盖范围的限制，目前存在大量通信死角，4g和5g价格昂贵。该专利所采用的通信方式对ecg信号的实时传输和多场景应用有一定限制。该发明对前端采集设备的具体指标，通信数据传输方式，云服务器端对心电信号的分析和诊断方法等没有具体描述。

[4]李红芳，魏迪等.一种可穿戴式远程心电监护系统：中国，cn108095718a[p].2018-06-01.

专利[5]中，该发明采用织物电极提起人体心电信号，通过信号调理、高通滤波、低通滤波和50hz陷波滤波，对信号进行而机房的，并匹配单片机进行信号采集，是对心电信号的采集前端设计。该发明对所采集的信号做了初步简单滤波处理，对采集控制前端和控制模块的通信方式没有说明，对可穿戴性和穿戴方式没有做详细说明。

[5]吴金贵.可穿戴式心电监控系统：中国，cn108618774a[p].2018-10-09.

专利[6]中，发明专利提出了一种单导联可穿戴心电信号采集装置，通过两个微控制器采集和传输心电数据，通过wifi将数据发送至服务器，提供给医生参考，实现远程数据采集。该方案适用场景有限，对信号的预处理、诊断分析没有详细说明。

[6]高学江，王安琦等.一种基于单导联的可穿戴式心电采集装置及其采集方法：中国，cn108937917a.

通过对现有技术的分析，发现现有技术具有实时性有限、应用场合受限，诊断方法智能化和针对特定患者的自适应性和个性化诊疗能力有限。由于心脏病属于慢性疾病，具有突发性和渐进性，本发明拟在实现可对患者随时随地进行心电信号采集的舒适小巧的可穿戴产品，该产品可实时显示心电波形及心率变异性分析，实时接收远程服务器端基于深层网络的心律失常诊断结果。完成对患者心脏健康状况的预测，对突发心脏疾病进行实时预警。

技术实现要素：

针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供面向多场景的可穿戴心电监测与心律失常远程实时诊断装置，能够实时对患者进行心电信号采集，该产品可实时显示心电波形及心率变异性分析结果，实时接收远程心律失常诊断的结果，完成对患者心脏健康状况的预测，对突发心脏疾病进行实时预警。

其解决的技术方案是，面向多场景的可穿戴心电监测与心律失常远程实时诊断装置，包括前端采集模块、mcu信号接收显示客户端、云服务器，前端采集模块是可穿戴，包括柔性织物电极片、信息采集模块和蓝牙发送模块，通过蓝牙从机模块将ecg数据实时发送给微处理器单元，柔性织物电极片包括柔性织物电极和导联线，信息采集模块采用bm101心电采集模块，该模块可嵌入弹性背心，蓝牙发送模块由纽扣锂电池供电，安装蓝牙从机，将信号实时发送至mcu信号接收显示客户端模块；

mcu信号接收显示客户端模块通过蓝牙接收来自信息采集模块的ecg数据，进行滤波处理和心率变异性分析，实时显示ecg波形和健康状况，并且将数据通过通信模块发送至远程云服务器，该mcu信号接收显示客户端模块具有gps定位功能，并可以接收来自云服务器的心律失常诊断结果；

mcu信号接收显示客户端模块在心电信号预处理阶段，采用小波包分解及自适应滤波技术，选择软阈值滤波，将ecg信号实时分解为9层，将小波分解的最高细节系数作为噪声，利用噪声估计阈值，去掉最最底层两层近似系数和最高层细节系数，其他高层细节系数进行软阈值滤波，之后进行重构，可实时显示滤波之后的ecg信号；

云服务器包括分布式数据库和神经网络诊断系统两部分，分布式数据库用于存储医学数据，可拓展对患者的其他生物医疗数据的存储，这里将ecg数据转换成标准的xml格式进行存储；

神经网络诊断过程分为离线训练和在线辅助诊断两部分，数据处理过程包括格式转换、心博分割和标准化，人体心跳为60-100次/分钟，因此ecg信号的采样率为512hz，根据心博信号主波p-qrs-t的分布，以r波峰为顶点，对心博进行分割，取350左右数据点，作为截取的心博信号。

由于以上技术方案的采用，本发明与现有技术相比具有如下优点；

1．患者可在体育运动、户外活动、居家养老等多种场景下穿戴该设备，手动控制是否上传数据并进行诊断，具有实时观测ecg波形、显示诊断结果和报警功能，适用于家庭、养老、社区医院和患者外出运动状态等不同场景。患者可根据自身情况选择通信模式，远程诊断平台可与患者客户端进行交互，对患者的健康状况进行实时预警，针对特定患者的诊断网络具有自学习功能，利用特定患者自身的数据对网络参数进行校正，使之更适应于患者本人；

2.远程服务器端对ecg数据进行实时分割、诊断，可将诊断报告上传医院和可穿戴终端，可实时显示ecg波形，具有对ecg进行预处理功能，小波包分解和自适应滤波策略，r波实时定位于心率计算是进行hrv分析的前提，图形化hrv分析指标显示，根据hrv分析结果对患者进行健康状况分析，提取患者的s-t间期、t波、qrs间期等重要指标，对恶行心律失常进行实时预警；

3.由于人体心电图的具有强干扰性，而且个体变异性较大，即使同一患者在不同身体状态和环境下，心电图形态特征差异也比较大，因此采用挤压激励嵌入残差模块，挤压激励模块可通过学习的方式自动捕获特征通道的权重信息，有效提升有用通道的特征并抑制对当前识别任务作用不够大的信息，残差结构可提高网络的参数调节，即最优化能力，具有较强鲁棒性和泛化能力。

附图说明

图1为本发明面向多场景的可穿戴心电监测与心律失常远程实时诊断装置的模块流程图；

图2为本发明面向多场景的可穿戴心电监测与心律失常远程实时诊断装置的信号流向图；

图3为本发明面向多场景的可穿戴心电监测与心律失常远程实时诊断装置的原理流程图；

图4为本发明面向多场景的可穿戴心电监测与心律失常远程实时诊断装置的模型分析图。

具体实施方式

有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1至附图4对实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的结构内容，均是以说明书附图为参考。

下面将参照附图描述本发明的各示例性的实施例。

面向多场景的可穿戴心电监测与心律失常远程实时诊断装置，包括前端采集模块、mcu信号接收显示模块客户端、云服务器，其特征在于，前端采集模块是可穿戴，包括柔性织物电极片、信息采集模块和蓝牙发送模块，通过蓝牙从机模块将ecg数据实时发送给微处理器单元，柔性织物电极片包括柔性织物电极和导联线，信息采集模块采用bm101心电采集模块，该模块可嵌入弹性背心，蓝牙发送模块由纽扣锂电池供电，安装蓝牙从机，将信号实时发送至mcu信号接收显示客户端模块；

mcu信号接收显示客户端模块通过蓝牙接收来自信息采集模块的ecg数据，进行滤波处理和心率变异性分析，实时显示ecg波形和健康状况，并且将数据通过通信模块发送至远程云服务器，该mcu信号接收显示客户端模块具有gps定位功能，并可以接收来自云服务器的心律失常诊断结果；mcu信号接收显示客户端模块通过一阶差分、幅值标准化、香农能量计算、平滑包络提取、hilbert变换、过零点检测和自适应回检的r波定位方法实时精准定位和心率计算，弥补bmd101在强干扰下r漏检错检的缺点；

mcu信号接收显示客户端模块在心电信号预处理阶段，采用小波包分解及自适应滤波技术，选择软阈值滤波，将ecg信号实时分解为9层，将小波分解的最高细节系数作为噪声，利用噪声估计阈值，去掉最最底层两层近似系数和最高层细节系数，其他高层细节系数进行软阈值滤波，之后进行重构，可实时显示滤波之后的ecg信号；

云服务器包括分布式数据库和神经网络诊断系统两部分，分布式数据库用于存储医学数据，可拓展对患者的其他生物医疗数据的存储，这里将ecg数据转换成标准的xml格式进行存储；

神经网络诊断过程分为离线训练和在线辅助诊断两部分，数据处理过程包括格式转换、心博分割和标准化，人体心跳为60-100次/分钟，ecg信号的采样率为512hz，根据心博信号主波p-qrs-t的分布，以r波峰为顶点，对心博进行分割，取350左右数据点，作为截取的心博信号，神经网络诊断过程的离线训练部分过程，首先对标注过的ecg大数据样本，进行数据清洗、格式转换、数据分割，根据样本格式和特征，建立se-resnet模型，该模型是构造挤压-激励（squeeze-extraction）模块，并将模块嵌入残差结构，改善深层网络调优难的问题，通过挤压-激励操作重构超平面参数，提高深层网络的非线性拟合能力，在线测试阶段，可实时接收患者的ecg数据，将二进制数据转换成十进制序列、进行心搏分割、幅度标准化，之后送入训练好的网络进行诊断，最后，将心搏心律不齐分类结果及辅助疾病分析返回mcu信号接收显示客户端模块。

信息采集模块包括bm101芯片，3.3v锂电池供电电源，电源保护芯片sy6280aac，和蓝牙从机模块，原始心电数据采样率512hz，采集前端最大功耗30ma@3.3v，蓝牙传输，可实时与mcu腕表通信，输出波特率57600hz；

mcu信号接收显示客户端模块可由16位的低功耗单片机组成，可选择低功耗stm32l051c6，外加180k以上ram缓存，包括主机蓝牙、低功耗控制器、液晶显示屏、按键控制、可充电电源模块和wifi、4g/5g、nb-iot通信模块，通信模式采用wifi优先原则，比如室内（家庭、养老机构和社区医院等）选wifi模式。室外环境时，客户可根据疾病程度和经济状况选择其他通信方式。由于nb-iot传输过程中没有4g/5g模块速度块、稳定性好，但价格便宜，客户可自由选择通信方式。如果患者病情较为严重，或者属于心脏术后监测，则建议选用4g/5g通信模式。由于嵌入式腕表具有波形显示，心率变异性（hrv）分析，及s-t间期、t波幅值等关键指标的测量和预警。患者可选择是否将数据发送至远程服务器进行多种心律失常的诊断。

在上述方案的基础上，由于人体心电图的具有强干扰性，而且个体变异性较大，即使同一患者在不同身体状态和环境下，心电图形态特征差异也比较大，因此设计具有较强鲁棒性和泛化能力的诊断模型是关键。心律失常的诊断分为训练过程和测试过程，完成包括未分类心搏在内的17种心律失常（包括正常心搏、左束支传导阻滞心搏、右束支传导阻滞心搏、房性早搏、异常房性早搏、交界性早搏、室上性早搏、房性逸搏、交界性逸搏、室性早搏、心室融合心跳、起搏融合心跳、室性逸搏、传导阻滞心搏、起搏心搏、室上性逸搏和未分类心搏，共17种）的诊断。根据心电图的形态分布特征，为了准确提取并识别各种心律失常心搏的形态分布特征，设计了深层挤压激励的残差机构神经网络，如图（4）所示。输入心电图心搏为1*350大小的样本，网络模型分别选择16、32、64通道的结构。其中，3个16通道的残差块，4个32通道残差块和4个64通道的残差块，每个残差模块都嵌入了挤压和激励模块，所以图（4）共设计了3+4+4=11个残差模块。为了更准确地提取ecg心搏信号各通道信息，每个残差（short-connect连接）都嵌入了挤压激励模块，该模块可通过学习的方式自动捕获心电心搏信号各特征通道的权重信息，有效提升有用通道的特征并抑制对当前分类识别任务作用不够大的信息。以16通道的第一组残差块（shortconnect）为例，如图4所示，为了更好地利用每个通道的上下文ecg特征信息，通过全局平均池化生成通道级统计数据，激励层采用两个全连接层（fc）实现通道缩放，缩减率取4，特征数据维度从1*16变为1*4，再回放为1*16，最后用sigmoid激活函数将数据重新缩放回挤压之前的数据维度。相当于将与输入关联的数据映射到一组通道权重，这样通道特征不局限于卷积网络的局部感受野，可以方便地理解上下文信息，给通道赋予了不同的权重；

残差结构可提高网络的参数调节能力，即最优化能力。如图（4）所示，其中，16通道的se-resnet模块一共3个，每个模块2层卷积；32通道的se-resnet模块一共4个，每个模块2层卷积；64通道的se-resnet模块一共4个，每个2层卷积。加上第一层卷积和最后一层的全连接fc，该深度模型共24层。由于输出是17种心律失常心搏的分类结果，最后一层全连接fc设置17个神经元，即17个输出。

以上所述是结合具体实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施仅局限于此；对于本发明所属及相关技术领域的技术人员来说，在基于本发明技术方案思路前提下，所作的拓展以及操作方法、数据的替换，都应当落在本发明保护范围之内。