CN113812933A - 基于可穿戴式设备的急性心肌梗死实时预警系统 - Google Patents
基于可穿戴式设备的急性心肌梗死实时预警系统 Download PDFInfo
- Publication number
- CN113812933A CN113812933A CN202111112556.6A CN202111112556A CN113812933A CN 113812933 A CN113812933 A CN 113812933A CN 202111112556 A CN202111112556 A CN 202111112556A CN 113812933 A CN113812933 A CN 113812933A
- Authority
- CN
- China
- Prior art keywords
- myocardial infarction
- acute myocardial
- electroencephalogram
- real
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010000891 acute myocardial infarction Diseases 0.000 title claims abstract description 61
- 230000036772 blood pressure Effects 0.000 claims abstract description 38
- 230000036760 body temperature Effects 0.000 claims abstract description 34
- 230000036387 respiratory rate Effects 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 6
- 230000036391 respiratory frequency Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 208000003443 Unconsciousness Diseases 0.000 claims description 3
- 210000001061 forehead Anatomy 0.000 claims description 3
- 230000010255 response to auditory stimulus Effects 0.000 claims description 3
- 230000026416 response to pain Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000001154 acute effect Effects 0.000 abstract description 3
- 230000000747 cardiac effect Effects 0.000 abstract description 3
- 208000010125 myocardial infarction Diseases 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
- A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Psychology (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Business, Economics & Management (AREA)
- Critical Care (AREA)
- Emergency Management (AREA)
- Emergency Medicine (AREA)
- Nursing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种基于可穿戴式设备的急性心肌梗死实时预警系统，包括：可穿戴式设备、移动终端，分别与可穿戴式设备、移动终端通信连接的云端数据处理模块；可穿戴式设备用于监测血压、体温、呼吸频率、心率和脑电；云端数据处理模块用于实时计算生理参数分值和意识状态分值，并计算实时动态急性心肌梗死评分，确定急性心肌梗死危险级别；移动终端用于实时显示急性心肌梗死危险级别，选择预警方式进行预警。本发明对于具有急性心肌梗死的高危人群提供了实时动态预警，防止急性心脏事件突发状况时不能及时就医，降低急性心肌梗死病死率。
Description
技术领域
本发明涉及可穿戴式设备技术领域，具体涉及一种基于可穿戴式设备的急性心肌梗死实时预警系统。
背景技术
世界卫生组织调查研究显示，全世界每年死于心肌梗死的人约有63.5万,且每34秒就有一个人发生冠状动脉事件。急性心肌梗死患者从开始出现心绞痛到引发致命的室性心律失常，再到最终的心源性猝死，疾病发展迅速，死亡率居高不下。
随着小型电子设备、智能手机和通信技术的进步，临床对高质量医学数据需求也在不断提高，这些都促进了可穿戴设备的爆炸式增长。可穿戴设备廉价便携、简单舒适，可在医院或实验室外进行连续动态的健康监测，适用于日常健康管理及医疗资源有限的应用场景，为医疗不良事件预警提供了新的解决方案。但是，目前的可穿戴式设备对于急性心肌梗死的预警主要是采集患者的长时间心电信号后，再将数据上传至云端，由云端算法进行分析后给出报告，不能实现急性心肌梗死的实时病情严重程度评估和预警。这在一定程度上不能及时预警急性心肌梗死或者心源性猝死的死亡风险。
发明内容
针对现有技术存在的不足，本发明提出一种基于可穿戴式设备的急性心肌梗死实时预警系统，以解决现有技术中存在的不能及时预警急性心肌梗死或者心源性猝死的技术问题。
本发明采用的技术方案是一种基于可穿戴式设备的急性心肌梗死实时预警系统，包括：可穿戴式设备、云端数据处理模块、移动终端，云端数据处理模块分别与可穿戴式设备、移动终端通信连接；
可穿戴式设备用于监测血压、体温、呼吸频率、心率和脑电，得到监测数据；
云端数据处理模块用于根据监测到的血压、体温、呼吸频率、心率和脑电信号，计算生理参数分值和意识状态分值，再根据生理参数分值和意识状态分值计算实时动态急性心肌梗死评分，还用于根据实时动态急性心肌梗死评分确定急性心肌梗死危险级别；
移动终端用于实时显示急性心肌梗死危险级别，还用于根据急性心肌梗死危险级别选择预警方式进行预警。
进一步的，可穿戴式设备包括生理数据监测模块、数据有效性判断模块；
生理数据监测模块用于监测血压、体温、呼吸频率、心率和脑电；
数据有效性判断模块用于对血压、体温、呼吸频率、心率和脑电数据进行有效性分析。
进一步的，生理数据监测模块包括脑电数据单元，血压数据单元，体温数据单元，呼吸频率数据单元和心率数据单元，分别用于采集脑电、血压、体温、呼吸频率和心率。
进一步的，可穿戴式设备为带有1个脑电传感器和2个集成芯片的头盔，每个集成芯片中集成有1个体温传感器、1个血压传感器、1个呼吸频率传感器和1个心率传感器；2个集成芯片分别置于左耳和右耳所在位置处，脑电传感器置于前额所在位置处。
进一步的，云端数据处理模块包括生理数据计算模块、意识状态计算模块；
生理数据计算模块用于根据监测到的有效的血压、体温、呼吸频率、心率数据进行阈值判断，还用于根据阈值判断结果计算生理参数分值；
进一步的，意识状态计算模块包括意识状态识别模型单元、意识状态分值输出单元；
意识状态识别模型单元用于使用意识状态识别模型对脑电信号进行识别分类；
意识状态分值输出单元用于根据分类结果计算意识状态分值。
进一步的，意识状态识别模型采用卷积长短时记忆神经网络训练得到。
进一步的，卷积长短时记忆神经网络的训练过程包括：
建立脑电数据库，包括意识清醒、对疼痛有反应、对声音有反应和无意识四种状态下的脑电信号；
对脑电信号采用傅里叶变换，通过频谱差异提取脑电的δ，θ，α和β波，并将提取出的四个波组成脑电特征矩阵图谱；
根据脑电特征矩阵图谱，使用卷积长短时记忆神经网络构建意识状态识别模型。
进一步的，急性心肌梗死危险级别包括低危、中危、高危。
进一步的，当急性心肌梗死危险级别为中危时，移动终端发出振动；当急性心肌梗死危险级别为高危时，移动终端自动拨打120并发出警报声。
由上述技术方案可知，本发明的有益技术效果如下：
可穿戴式设备集成了体温传感器、血压传感器、呼吸频率传感器、心率传感器，以及脑电传感器，能够实现对体温数据、血压数据、呼吸频率数据、心率数据和脑电数据的连续监测以及有效性分析；云端数据处理模块中部署有卷积长短时记忆模型，能对患者进行意识状态判断，从而实时动态计算急性心肌梗死评分，实现为用户实时提供急性心肌梗死和动态预警和危险分级的功能。对于具有急性心肌梗死的高危人群提供了实时动态预警，防止急性心脏事件突发状况时不能及时就医的情况，降低急性心肌梗死病死率，同时其具有较高的实用性和便捷性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例的实时预警系统框图；
图2为本发明实施例的可穿戴式设备的结构示意图；
图3为本发明实施例的实时预警系统工作流程图；
图4为本发明实施例的意识状态识别模型结构示意图；
附图标记：
1-传感器集成芯片所在位置处，2-脑电传感器所在位置处。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例
本实施例提供了一种基于可穿戴式设备的急性心肌梗死实时预警系统，包括可穿戴式设备、云端数据处理模块、移动终端，云端数据处理模块分别与可穿戴式设备、移动终端通信连接。可穿戴式设备中设有生理数据监测模块、数据有效性判断模块。如图1所示，具体如下：
生理数据监测模块11，包括：脑电数据单元111，血压数据单元112，体温数据单元113，呼吸频率数据单元114，心率数据单元115。脑电数据单元111用于采集脑电数据；血压数据单元112用于采集血压数据，得到收缩压数据；体温数据单元113用于采集体温数据；呼吸频率数据单元114用于采集呼吸频率数据；心率数据单元115用于采集心率数据对应的心动周期数据，心动周期数据是心率传感器根据心跳周期的情况而得到的关于每分钟的心跳次数和两次心跳周期的间隙时间数据。在具体的实施方式中，如图2所示，可穿戴式设备为带有1个脑电传感器和2个集成芯片的智能头盔，每个集成芯片中集成有1个体温传感器、1个血压传感器、1个呼吸频率传感器和1个心率传感器。2个集成芯片分别置于左耳和右耳处，如图2中的1所指位置处，脑电传感器置于前额，如图2中的2所指位置处。在实际应用中，本实施例的技术方案可以实现在不同的可穿戴式设备中，只需要该可穿戴式设备装配有脑电传感器、体温传感器、血压传感器、呼吸频率传感器和心率传感器即可。优选采用的是可穿戴式智能透气头盔。
数据有效性判断模块12，通过使用实时判断单元121对采集到的脑电数据、血压数据、体温数据、呼吸频率数据和心率数据进行有效性分析，以保证数据的真实可用。在具体的实施方式中，数据有效性判断模块集成于可穿戴式设备中。
生理数据计算模块13，包括：阈值判断单元131，对采集到的血压数据、体温数据、呼吸频率数据和心率数据进行阈值判断。生理数据分值输出单元132，根据血压数据、体温数据、呼吸频率数据和心率数据所处阈值区间，输出对应阈值范围的分数。在具体的实施方式中，生理数据计算模块部署于云端中。
意识状态计算模块14，包括：意识状态识别模型单元141，对脑电信号进行识别分类；意识状态分值输出单元142，判定当前脑电数据对应的意识状态，将分类的结果进行打分。在具体的实施方式中，意识状态计算模块部署于云端中。
动态心肌梗死计算模块15，包括：动态急性心肌梗死评分计算单元151，根据计算公式计算急性心肌梗死得分。划分预警等级单元152，将得分划分为三个阶段，并输出对应的急性心肌梗死风险等级。
心梗危险等级显示模块16，包括：危险等级显示单元161，在移动端显示当前心梗危险等级程度，心梗危险等级程度包括低危，中危或高危；报警单元162，急性心肌梗死风险等级为中危时，控制手机振动；为高危时，控制手机发出警报并拨打120。
以下对实施例1工作原理进行详细说明：
如图3所示，预警系统按以下流程进行工作：
步骤S1，连续监测血压数据、体温数据、呼吸频率数据和心率数据，根据血压数据、体温数据、呼吸频率数据和心率数据进行阈值判断，根据阈值判断结果计算生理参数分值。
子步骤S11，使用将可穿戴式设备中的血压传感器、体温传感器、呼吸频率传感器和心率传感器，连续监测人体的血压数据、体温数据、呼吸频率数据和心率数据。
子步骤S12，使用数据有效性判断模块对测量得到的血压数据、体温数据、呼吸频率数据和心率数据进行数据有效性分析，消除数据的噪声干扰，得到有效的血压数据、体温数据、呼吸频率数据和心率数据。有效性分析的方法采用现有技术中任意一种可实现的方式进行，比如数据清洗。
子步骤S13，使用阈值判断单元对有效的血压数据、体温数据、呼吸频率数据和心率数据进行阈值判断，使用生理数据分值输出单元根据阈值判断结果计算生理参数分值。
对于各项监测到的生理数据，阈值判断和生理参数分值的计算方式如下：
在上述计算方式中，HR为当前监测到的心率数值，单位为次/分；BP为当前监测到的血压中的收缩压数值，单位mmHg；R为当前监测到的呼吸频率，单位为次/分；T为当前监测到的温度，单位为℃。
步骤S2，监测人体的脑电数据，将脑电数据输入意识状态识别模型，识别人体的意识状态，计算意识状态分值。
子步骤S21，监测人体脑电数据。
子步骤S22，将脑电数据输入意识状态识别模型，识别人体的意识状态；
在具体的实施方式中，意识状态识别模型选用四级卷积长短时记忆神经网络，意识状态识别模型的构建过程具体如下：
子步骤S221，建立脑电数据库，包括意识清醒、对疼痛有反应、对声音有反应和无意识四种状态下的脑电信号。
子步骤S222，对脑电信号采用傅里叶变换，通过频谱差异提取脑电的δ，θ，α和β波，并将提取出的四个波组成4×n(n为单位时间内采集到的脑电波的点数)的脑电特征矩阵图谱；
子步骤S223，根据脑电特征矩阵图谱，使用卷积长短时记忆神经网络构建意识状态识别模型。具体的，令”*”表示卷积运算符,”o”即空心小圆圈表示矩阵对应元素相乘，即Hadamard乘积。卷积长短时记忆神经网络是将传统长短时记忆神经网络中input-to-state和state-to-state部分由前馈式计算替换成卷积的形式，卷积长短时记忆神经网络可以表示为:
在上式中，X1,…,Xt为输入,C1,…,Ct为细胞状态，H1,…,Ht为隐藏状态，it,ft,ot,Ct分别表示卷积长短时记忆模型的et时刻的输入门、记忆门、输出门和核心门对应的状态量,这些量均为3D张量,且最后两个维度为空间维度(行和列)。o是Sigmoid函数，Wxi、Wxf、Wxo、Wxe分别代表输入门、记忆门输出门和核心门对应的权重转移矩阵，Whi,Whf,Whno,Whc分别代表输入门、记忆门输出门和核心门在t-1时刻隐藏层变量ht-i对应的权重转移矩阵，bi,br,bo,be分别代表输入门、记忆门输出门和核心门对应的偏置向量。
子步骤S224，采用softmax函数计算卷积长短时记忆神经网络中每个神经元出现的概率，具体来说可以表示为：
Vi表示神经元中的第i个元素，j表示向量的维度。取softmax函数输出值中最大概率的神经元。
子步骤S225，将脑电特征矩阵图谱输入卷积长短时记忆神经网络后，输入全连接层进行四分类，识别出监测到的脑电信号对应到的意识状态，来训练出最优模型。
在训练的过程中，使用批量归一化对卷积长短时记忆神经网络进行训练，从而加速神经网络深度的训练，得到意识状态识别模型，其结构如图4所示。意识状态识别模型在构建好后，装载于意识状态识别模型单元中，在使用时可以直接调用。
子步骤S23，根据意识状态识别结果计算意识状态分值。
在具体的实施方式中，设意识状态表示为Y，若意识状态识别为清楚(警觉)，则意识状态输出为0分；若意识状态为对声音有反应，则意识状态输出为1分；若意识状态为对疼痛有反应，则意识状态输出为2分；若意识状态为无反应，则意识状态输出为3分。
步骤S3，根据生理参数分值和意识状态分值计算实时动态急性心肌梗死评分，根据评分确定急性心肌梗死危险级别
云端数据处理模块根据生理参数分值和意识状态分值，进行实时动态急性心肌梗死评分S的计算，并确定S对应的当前急性心肌梗死危险程度。S计算方式如下：
S＝HR+BP+R+T+Y。
若S∈[0,2]，则当前为心肌梗死低危；若S∈[3,4]，则当前为显示心肌梗死中危；若S∈[5,14]，则当前为显示心肌梗死高危。
步骤S4，移动终端实时显示急性心肌梗死危险级别，并根据急性心肌梗死危险级别选择预警方式进行预警。
在具体的实施方式中，移动终端与云端数据处理模块使用无线方式通信连接，通过APP实时显示急性心肌梗死危险级别。移动终端的形式不限，比如手机、平板电脑。
若实时得到的结果为中危，移动终端发出振动，若实时得到的结果为高危，移动终端自动拨打120并发出警报声。
本实施例提供的技术方案，可穿戴式设备集成了体温传感器、血压传感器、呼吸频率传感器和心率传感器，脑电传感器，不仅能够实现对体温数据、血压数据、呼吸频率数据和心率数据的连续监测以及处理，同时对患者进行脑电信号监测，输入卷积长短时记忆神经网络进行意识状态判断，实时动态计算急性心肌梗死评分，从而实现为用户实时提供急性心肌梗死和动态预警和危险分级的功能。对于具有急性心肌梗死的高危人群提供了实时动态预警，防止急性心脏事件突发状况时不能及时就医的情况，降低急性心肌梗死病死率，同时其具有较高的实用性和便捷性。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，包括：可穿戴式设备、云端数据处理模块、移动终端，所述云端数据处理模块分别与可穿戴式设备、移动终端通信连接；
所述可穿戴式设备用于监测血压、体温、呼吸频率、心率和脑电，得到监测数据；
所述云端数据处理模块用于根据监测到的血压、体温、呼吸频率、心率和脑电信号，计算生理参数分值和意识状态分值，再根据生理参数分值和意识状态分值计算实时动态急性心肌梗死评分，还用于根据实时动态急性心肌梗死评分确定急性心肌梗死危险级别；
所述移动终端用于实时显示急性心肌梗死危险级别，还用于根据急性心肌梗死危险级别选择预警方式进行预警。
2.根据权利要求1所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述可穿戴式设备包括生理数据监测模块、数据有效性判断模块；
所述生理数据监测模块用于监测血压、体温、呼吸频率、心率和脑电；
所述数据有效性判断模块用于对血压、体温、呼吸频率、心率和脑电数据进行有效性分析。
3.根据权利要求2所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述生理数据监测模块包括脑电数据单元，血压数据单元，体温数据单元，呼吸频率数据单元和心率数据单元，分别用于采集脑电、血压、体温、呼吸频率和心率。
4.根据权利要求1所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述可穿戴式设备为带有1个脑电传感器和2个集成芯片的头盔，每个集成芯片中集成有1个体温传感器、1个血压传感器、1个呼吸频率传感器和1个心率传感器；2个集成芯片分别置于左耳和右耳所在位置处，脑电传感器置于前额所在位置处。
5.根据权利要求1所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述云端数据处理模块包括生理数据计算模块、意识状态计算模块；
所述生理数据计算模块用于根据监测到的有效的血压、体温、呼吸频率、心率数据进行阈值判断，还用于根据阈值判断结果计算生理参数分值；
所述意识状态计算模块用于根据有效的脑电数据，使用意识状态识别模型对脑电信号进行识别分类，还用于根据识别分类结果计算意识状态分值。
6.根据权利要求5所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述意识状态计算模块包括意识状态识别模型单元、意识状态分值输出单元；
所述意识状态识别模型单元用于使用意识状态识别模型对脑电信号进行识别分类；
所述意识状态分值输出单元用于根据分类结果计算意识状态分值。
7.根据权利要求5所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述意识状态识别模型采用卷积长短时记忆神经网络训练得到。
8.根据权利要求7所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述卷积长短时记忆神经网络的训练过程包括：
建立脑电数据库，包括意识清醒、对疼痛有反应、对声音有反应和无意识四种状态下的脑电信号；
对脑电信号采用傅里叶变换，通过频谱差异提取脑电的δ，θ，α和β波，并将提取出的四个波组成脑电特征矩阵图谱；
根据脑电特征矩阵图谱，使用卷积长短时记忆神经网络构建意识状态识别模型。
9.根据权利要求1所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，所述急性心肌梗死危险级别包括低危、中危、高危。
10.根据权利要求9所述的基于可穿戴式设备的急性心肌梗死实时预警系统，其特征在于，当急性心肌梗死危险级别为中危时，移动终端发出振动；当急性心肌梗死危险级别为高危时，移动终端自动拨打120并发出警报声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111112556.6A CN113812933A (zh) | 2021-09-18 | 2021-09-18 | 基于可穿戴式设备的急性心肌梗死实时预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111112556.6A CN113812933A (zh) | 2021-09-18 | 2021-09-18 | 基于可穿戴式设备的急性心肌梗死实时预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113812933A true CN113812933A (zh) | 2021-12-21 |
Family
ID=78915146
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111112556.6A Pending CN113812933A (zh) | 2021-09-18 | 2021-09-18 | 基于可穿戴式设备的急性心肌梗死实时预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113812933A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114569077A (zh) * | 2022-02-28 | 2022-06-03 | 深圳市澈影医生集团有限公司 | 一种基于移动终端的心肌梗死检测系统及方法 |
| CN116098595A (zh) * | 2023-01-16 | 2023-05-12 | 广东海纳医疗科技有限公司 | 一种心源性及脑源性猝死监测预防系统和方法 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002041771A1 (en) * | 2000-11-27 | 2002-05-30 | Modco Inc. | Apparatus and method for monitoring blood pressure and another physiological parameter |
| US20100262377A1 (en) * | 2007-05-15 | 2010-10-14 | Aircraft Medical (Barcelona) SL | Emg and eeg signal separation method and apparatus |
| CN104665788A (zh) * | 2015-01-26 | 2015-06-03 | 周常安 | 穿戴式生理检测装置 |
| CN104688250A (zh) * | 2015-03-16 | 2015-06-10 | 深圳大学 | 用于精神紧张判断及心脏性猝死的预警方法及预警系统 |
| CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的系统和方法 |
| CN107961007A (zh) * | 2018-01-05 | 2018-04-27 | 重庆邮电大学 | 一种结合卷积神经网络和长短时记忆网络的脑电识别方法 |
| CN108304823A (zh) * | 2018-02-24 | 2018-07-20 | 重庆邮电大学 | 一种基于双卷积cnn和长短时记忆网络的表情识别方法 |
| CN110309797A (zh) * | 2019-07-05 | 2019-10-08 | 齐鲁工业大学 | 融合CNN-BiLSTM模型和概率协作的运动想象识别方法及系统 |
| CN111202501A (zh) * | 2020-01-16 | 2020-05-29 | 苏州铭凌信息科技有限公司 | 一种头戴式一体化测试仪 |
| CN111248875A (zh) * | 2020-01-20 | 2020-06-09 | 上海市浦东新区公利医院(第二军医大学附属公利医院) | 术后患者病情预警监护方法及系统 |
| WO2020151075A1 (zh) * | 2019-01-23 | 2020-07-30 | 五邑大学 | 一种基于cnn-lstm深度学习模型的驾驶疲劳识别方法 |
| CN111728601A (zh) * | 2020-06-30 | 2020-10-02 | 深兰人工智能芯片研究院（江苏）有限公司 | 穿戴式监测系统 |
| CN112244878A (zh) * | 2020-08-31 | 2021-01-22 | 北京工业大学 | 用并联型多模块cnn和lstm识别关键频带图像序列的方法 |
| CN112244875A (zh) * | 2020-11-10 | 2021-01-22 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种基于脑电与深度学习的精神分裂症探测方法 |
| CN112489789A (zh) * | 2020-11-25 | 2021-03-12 | 上海市同仁医院 | 一种用于心血管疾病风险评估的分层管理系统及方法 |
| CN112932502A (zh) * | 2021-02-02 | 2021-06-11 | 杭州电子科技大学 | 结合互信息通道选择与混合神经网络的脑电情感识别方法 |
| CN112957014A (zh) * | 2021-02-07 | 2021-06-15 | 广州大学 | 一种基于脑电波与神经网络的疼痛检测定位方法及系统 |
-
2021
- 2021-09-18 CN CN202111112556.6A patent/CN113812933A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002041771A1 (en) * | 2000-11-27 | 2002-05-30 | Modco Inc. | Apparatus and method for monitoring blood pressure and another physiological parameter |
| US20100262377A1 (en) * | 2007-05-15 | 2010-10-14 | Aircraft Medical (Barcelona) SL | Emg and eeg signal separation method and apparatus |
| CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的系统和方法 |
| CN104665788A (zh) * | 2015-01-26 | 2015-06-03 | 周常安 | 穿戴式生理检测装置 |
| CN104688250A (zh) * | 2015-03-16 | 2015-06-10 | 深圳大学 | 用于精神紧张判断及心脏性猝死的预警方法及预警系统 |
| CN107961007A (zh) * | 2018-01-05 | 2018-04-27 | 重庆邮电大学 | 一种结合卷积神经网络和长短时记忆网络的脑电识别方法 |
| CN108304823A (zh) * | 2018-02-24 | 2018-07-20 | 重庆邮电大学 | 一种基于双卷积cnn和长短时记忆网络的表情识别方法 |
| WO2020151075A1 (zh) * | 2019-01-23 | 2020-07-30 | 五邑大学 | 一种基于cnn-lstm深度学习模型的驾驶疲劳识别方法 |
| CN110309797A (zh) * | 2019-07-05 | 2019-10-08 | 齐鲁工业大学 | 融合CNN-BiLSTM模型和概率协作的运动想象识别方法及系统 |
| CN111202501A (zh) * | 2020-01-16 | 2020-05-29 | 苏州铭凌信息科技有限公司 | 一种头戴式一体化测试仪 |
| CN111248875A (zh) * | 2020-01-20 | 2020-06-09 | 上海市浦东新区公利医院(第二军医大学附属公利医院) | 术后患者病情预警监护方法及系统 |
| CN111728601A (zh) * | 2020-06-30 | 2020-10-02 | 深兰人工智能芯片研究院（江苏）有限公司 | 穿戴式监测系统 |
| CN112244878A (zh) * | 2020-08-31 | 2021-01-22 | 北京工业大学 | 用并联型多模块cnn和lstm识别关键频带图像序列的方法 |
| CN112244875A (zh) * | 2020-11-10 | 2021-01-22 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种基于脑电与深度学习的精神分裂症探测方法 |
| CN112790774A (zh) * | 2020-11-10 | 2021-05-14 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种原始脑电深度学习分类方法和应用 |
| CN112489789A (zh) * | 2020-11-25 | 2021-03-12 | 上海市同仁医院 | 一种用于心血管疾病风险评估的分层管理系统及方法 |
| CN112932502A (zh) * | 2021-02-02 | 2021-06-11 | 杭州电子科技大学 | 结合互信息通道选择与混合神经网络的脑电情感识别方法 |
| CN112957014A (zh) * | 2021-02-07 | 2021-06-15 | 广州大学 | 一种基于脑电波与神经网络的疼痛检测定位方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114569077A (zh) * | 2022-02-28 | 2022-06-03 | 深圳市澈影医生集团有限公司 | 一种基于移动终端的心肌梗死检测系统及方法 |
| CN116098595A (zh) * | 2023-01-16 | 2023-05-12 | 广东海纳医疗科技有限公司 | 一种心源性及脑源性猝死监测预防系统和方法 |
| CN116098595B (zh) * | 2023-01-16 | 2023-09-05 | 广东海纳医疗科技有限公司 | 一种心源性及脑源性猝死监测预防系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3698707B1 (en) | Electrocardiogram information dynamic monitoring system, computer program and computer readable storage medium | |
| US10485471B2 (en) | System and method for identifying ictal states in a patient | |
| Venkatesan et al. | Mobile cloud computing for ECG telemonitoring and real-time coronary heart disease risk detection | |
| WO2020119245A1 (zh) | 一种基于可穿戴手环的情绪识别系统及方法 | |
| US9107586B2 (en) | Fitness monitoring | |
| US9801553B2 (en) | System, method, and computer program product for the real-time mobile evaluation of physiological stress | |
| US20210275109A1 (en) | System and method for diagnosing and notification regarding the onset of a stroke | |
| CN109009017B (zh) | 一种智能健康监测系统及其数据处理方法 | |
| Kantoch et al. | Monitoring activities of daily living based on wearable wireless body sensor network | |
| CN107742534A (zh) | 患者存活性预测系统 | |
| CN109998522A (zh) | 一种基于穿戴式动态心电的运动负荷检测装置及方法 | |
| TW201725559A (zh) | 一種評估心跳停止發生可能的穿戴式裝置及其方法 | |
| CN113812933A (zh) | 基于可穿戴式设备的急性心肌梗死实时预警系统 | |
| Zhao et al. | An IoT-based wearable system using accelerometers and machine learning for fetal movement monitoring | |
| CN113288168A (zh) | 一种智能可穿戴疲劳监测及预警系统 | |
| Sundaravadivel et al. | i-sad: An edge-intelligent iot-based wearable for substance abuse detection | |
| Alfarhan et al. | Wireless heart abnormality monitoring kit based on Raspberry Pi | |
| CN117083015A (zh) | 一种用于确定人的脑卒中风险的系统和方法 | |
| Sun et al. | An overview of aiomt applications | |
| CN116602644B (zh) | 血管信号采集系统、人体特征监测系统 | |
| Sung et al. | Trust function for multi-physiological signals fusion | |
| Wang et al. | Daily Epileptic Seizure Detection Algorithm Based on Multi-modal Physiological Signals | |
| Dong et al. | Soft multi-functional electronic skin for continuous eye motion monitoring | |
| Sowmya et al. | Feature Extraction and Classification Techniques for Analysis Stress Using EEG Signals with Web Application | |
| Kumar et al. | Reliable Smartphone Based Wireless Healthcare Monitoring System For Post Operative Heart Surgery Patients On Driving Conditions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211221 |