CN111031905A - 用于检测心脏异常的ecg和pcg监视系统 - Google Patents

用于检测心脏异常的ecg和pcg监视系统 Download PDF

Info

Publication number
CN111031905A
CN111031905A CN201880038070.2A CN201880038070A CN111031905A CN 111031905 A CN111031905 A CN 111031905A CN 201880038070 A CN201880038070 A CN 201880038070A CN 111031905 A CN111031905 A CN 111031905A
Authority
CN
China
Prior art keywords
pcg
signal
ecg
segment
peak
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
Application number
CN201880038070.2A
Other languages
English (en)
Inventor
蓝桂芬
黄振忠
刘嘉欣
潘志德
叶俊良
陈瑞耀
王恩厚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanyang Polytechnic
Singapore Health Services Pte Ltd
Original Assignee
Nanyang Polytechnic
Singapore Health Services Pte Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanyang Polytechnic, Singapore Health Services Pte Ltd filed Critical Nanyang Polytechnic
Publication of CN111031905A publication Critical patent/CN111031905A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/02—Stethoscopes
    • A61B7/04—Electric stethoscopes
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/07—Home care
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0204—Operational features of power management
    • A61B2560/0214—Operational features of power management of power generation or supply
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0204—Acoustic sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/16—Details of sensor housings or probes; Details of structural supports for sensors
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/332—Portable devices specially adapted therefor
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Cardiology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明涉及一种经移动装置连续监视心脏活动的系统和方法，和基于心电图(ECG)和心音图(PCG)上的读数检测心脏异常的算法。该系统包括集成ECG和PCG设备，其包括：壳体，其具有顶部和底部，壳体的底部包括从底表面的边缘延伸至形成声腔的底部的顶端处的开口的锥形表面；容纳在顶部中的电源；音频接收器，其被布置为密封开口，以获得PCG信号；多个干式传感器，其被布置在底表面，以获得ECG信号；处理单元，其由电源供电，并且能够以通信方式连接至音频接收器和所述多个干式传感器，其中，壳体的底部适应性地被构造为在对象上产生紧密贴合，以防止音频接收器接收来自声腔外部的声学噪声。

Description

用于检测心脏异常的ECG和PCG监视系统
技术领域
本发明涉及一种用于经由移动装置连续监视心脏活动的系统和方法，以及基于心电图(ECG)和心音图(PCG)上的读数检测心脏异常的算法。
背景技术
心脏衰竭是全球盛行的公共健康问题，对整体医疗成本构成巨大负担。至少有500万美国人患有心脏衰竭，仅在美国每年就诊断出大约55万例新病例。事实上，心脏病占全世界死亡人数的30％，在未来几年内，心脏病将继续是全世界发病率和死亡率的主要原因。在详细记录病史后评估心脏系统的第一步是体检。心脏听诊或听心音是心脏体检的核心。心脏听诊为患者评估提供了重要的初始线索，并为进一步的诊断测试提供了指导。
听心音是诊断心脏病的心脏体检的核心。有经验的医生可以通过使用听诊器对异常心脏进行诊断。
心音是由来自心脏不同腔的振动产生的。主要的正常心音是S1和S2心音。S3心音有时是无害的，但也可能是由疾病引起的病理性的。S4心音几乎都是病理性的。心音可能是复杂的，只有有经验的医生才能通过其强度、音高、位置、质量和心博周期的计时来区分它们。
发明内容
根据本发明的实施例提供的一种系统和方法，以上问题和其他问题都得到了解决，并在现有技术中取得了进步。根据本公开的系统和方法的实施例的第一优点是可远程监视疑似心脏病的患者。这意味着不需要患者住院进行健康监视。根据本公开的系统和方法的实施例的第二优点是可连续监视心脏状况，以接收异常心音信号。重要的是，心脏病的发生是不规则的或偶发的。因此，对有心脏病风险的患者进行长时间的监视是有利的。根据本发明的系统和方法的实施例的第三优点是，该系统通过向具有心脏病早期线索或迹象的患者的医生强调来改进预诊断。
本公开的第一方面描述了一种集成心电图(ECG)和心音图(PCG)设备。该设备包括：壳体，其具有顶部和底部，壳体的底部包括从底表面的边缘延伸至形成声腔的底部的顶端处的开口的锥形表面；容纳在顶部中的电源；音频接收器，其被布置为密封开口，以获得PCG信号；多个干式传感器，其被布置在底表面，以获得ECG信号；处理单元，其由电源供电，并且能够以通信方式连接至音频接收器和所述多个干式传感器，其中，壳体的底部适应性地被构造为在对象上产生紧密贴合，以防止音频接收器接收来自声腔外部的声学噪声。
在本公开的第一方面的实施例中，音频接收器是覆盖20Hz～20kHz频率的驻极体麦克风。。
在本公开的第一方面的实施例中，所述设备还包括被布置在壳体的顶部并且与所述多个干式传感器之一并联的另一干式传感器。
在本公开的第一方面的实施例中，所述设备还包括位于壳体的侧表面上的一对附着环。
在本公开的第一方面的实施例中，所述设备还包括用于激励处理单元的触摸传感器。触摸传感器是基于皮肤电阻的传感器。
在本公开的第一方面的实施例中，所述处理单元包括：处理器、存储器、收发器以及存储在存储器上并且可由处理器执行的指令，所述指令用于：从干式传感器和音频接收器接收信号，并且在存储器中存储来自干式传感器的信号作为ECG信号和来自音频接收器的信号作为PCG信号；经收发器接收连接请求，并且作为响应，尝试连接至请求器；以及当与请求器的成功连接时，将存储在存储器上的ECG信号和PCG信号发送至请求器。
在本公开的第一方面的实施例中，处理单元包括：处理器、存储器、收发器以及存储在存储器上并且可由处理器执行的指令，所述指令用于：从触摸传感器接收信号，并且作为响应，开始分别从干式传感器和音频接收器收集ECG信号和PCG信号；从干式传感器和音频接收器接收信号，并且在存储器中存储来自干式传感器的信号作为ECG信号和来自音频接收器的信号作为PCG信号；经收发器接收连接请求，并且作为响应，尝试连接至请求器；以及当与请求器成功连接时，将存储在存储器上的ECG和PCG信号发送至请求器。
本公开的第二方面描述了一种心脏监视系统，包括：根据以上关于本公开的第一方面描述的集合ECG和PCG设备；以及处理单元，其包括处理器、存储器和存储在存储器上并且可由处理器执行的指令，所述指令用于：从集成ECG和PCG设备接收信号；将低通滤波器应用于ECG信号和PCG信号中的每一个；处理经滤波的ECG信号，以获得起点(SP)和终点(EP)；选择经滤波的PCG信号的SP和EP之间的区和分析所选择的区的PCG离散信号，以确定第一区段、第二区段、第三区段和第四区段。
在本公开的第二方面的实施例中，用于处理滤波的ECG信号以获得起点(SP)和终点(EP)的指令包括用于执行以下操作的指令：将小波分解应用于经滤波的ECG信号，并且将除选择的级值(例如第5级值；该值取决于采样频率)以外的所有系数归零；应用小波重构以再合成信号；通过取平方值的绝对值确定ECG信号的R峰；第一R峰值和第二R峰值向左移位预定范围；以及分配移位的第一R峰为SP，以及分配移位的第二R峰为EP。
在本公开的第二方面的实施例中，用于分析所选择的区的PCG离散信号以确定第一区段、第二区段、第三区段和第四区段的指令包括用于执行以下操作的指令：将小波分解应用于经滤波的ECG信号，并且将除选择的级值以外的所有系数归零；应用小波重构以再合成信号；通过取平方值的绝对值确定PCG信号的S峰；以及基于PCG信号的所检测的S峰识别包括第一心音(S1)和第二心音(S2)的心博周期的第一区段、第二区段、第三区段和第四区段。
在本公开的第二方面的实施例中，基于PCG信号的S峰识别包括第一心音(S1)和第二心音(S2)的心博周期的第一区段、第二区段、第三区段和第四区段的指令包括用于执行以下操作的指令：识别从第一S峰的-50ms至第一S峰的+50ms的第一区段，第一区段含第一心音(S1)；识别从第二S峰的-30ms至第二S峰的+30ms的第三区段，第三区段含第二心音(S2)；识别从第一S峰的+50ms至第二S峰的-30ms的第二区段；以及识别从第二S峰的+30ms至所选择的区的终点的第四区段。
在本公开的第二方面的实施例中，所述处理单元还包括用于执行以下操作的指令：基于第二区段和第四区段确定心音异常；以及响应于确定心音异常归类为异常。
在本公开的第二方面的实施例中，基于第二区段确定心音异常的指令包括用于执行以下操作的指令：从第二区段计算频率和能量；
将频率和能量与预定阈值相比；以及响应于频率和能量高于预定阈值，归类为异常。
在本公开的第二方面的实施例中，基于第四区段确定心音异常的指令包括用于执行以下操作的指令：从第四区段计算频率和能量；将频率和能量与预定阈值相比；以及响应于频率和能量高于预定阈值，归类为异常。
附图说明
以下具体实施方式中描述了根据本发明的上述和其它特征和优点，并在以下附图中示出：
图1示出了根据本公开的系统架构；
图2示出了根据本公开的设备的示例性设计的各透视图；
图3示出了根据本公开的设备的示例性设计的剖视图；
图4示出了根据本公开的设备的仰视图的如图3所示的线A-A之间的剖视图；
图5示出了根据本公开的设备的仰视图；
图6示出了根据本公开的设备的俯视图；
图7示出了根据本公开的设备的右侧视图；
图8示出了在根据本公开的设备中实现的用于ECG信号获取的示例性电子电路设计；
图9示出了连接至根据本公开的设备的点3的具有干式传感器的ECG波形；
图10示出了连接至根据本公开的设备的点3的没有干式传感器的ECG波形；
图11示出了在根据本公开的设备中实现的用于触摸传感器的示例性电子电路设计；
图12示出了根据本公开的设备的处理单元中的组件的框图；
图13示出了根据本公开的实施例的执行处理的移动装置或云服务器中的处理系统的示例；
图14示出了确定心音的听诊器的位置；
图15示出了根据本公开的被放置在用户的胸部上的设备的一种可能的位置；
图16示出了根据本公开的针对信号处理获得的示例波形；
图17.1示出了根据本公开的S1、S2和杂音识别的流程图；
图17.2至图17.4示出了图17.1所示的流程图的各放大图；以及
图18示出了通过云服务器执行以针对每个患者处理ECG和PCG信号的处理流程。
具体实施方式
本发明涉及一种经由移动装置连续监视心脏活动的系统和方法，和基于心电图(ECG)和心音图(PCG)上的读数检测心脏异常的算法。
心音的一些异常偶尔或不规则地出现。因此，在诊断期间，医生可能无法捕捉或听到。使用听诊器进行的诊断过程是在人的胸部的不同位置进行的，以识别或分类不同的心音(S1、S2、S3或S4)。这个过程很难自动化。此外，因为需要经验丰富的医生来听心音，所以没有监视心音的装置。
这些挑战不仅阻碍了诊断，而且也阻碍了远程或在家监视心脏病患者的远程健康部署。这继而又加重了医疗体系的负担，因为每年都有许多人因心脏相关疾病而住院检查。
本公开提供了一种设备，其被构造为连续获取和监视心音；并使用心音处理和分类心脏状况。
该设备相对较小(约为普通听诊器的大小)，使用方便，性价比高，因此可放在家中或方便患者或用户的任何地方。
简言之，该设备结合听诊器和ECG功能二者，同时压缩成一个小型可佩戴装置供用户使用。ECG基本上提供了准确确定心音(如果有的话，S1、S2和S3/S4)的计时信息。因此，心音测量可以在胸部的任何一个位置进行(与医生通常所做的多个特定位置相反)。这使得被称为S3(智能听诊器)的装置可以在家中使用，而无需任何特殊培训或知识。
该设备设计为用户/患者佩戴，允许连续监视，以便即使是非常规或偶发出现也能够接收异常心音信号。
该设备通过向医生强调有心脏病早期线索或迹象的患者，提高了预诊断的能力。采集的心音和ECG数据也将被传输并存储在云服务器上，以便使用机器学习进行数据分析。因为这可以对患者的心脏状况进行预诊断分类，所以非常有用。异常心音段的PCG数据将突出显示，供医生检查。
图1示出了实现该设备的系统100的架构。设备110是以可通信方式连接至移动装置120的可穿戴装置。响应于从设备110接收数据，移动装置120中的数据将被上传到云服务器130，在云服务器130中，数据将被存储在数据库131中，并且随后使用机器学习132来清理、分析和归类。医生可以在云服务器130上查看结果。任何对异常情况的标记都将会向医生发送通知。在这种情况下，医生可以提前安排与患者面谈，以便进一步检查。系统100还包括安装在患者的移动装置120上的应用。该应用包括在设备110、移动装置120和云服务器130之间接收和发送数据的指令。下面将描述有关应用程序的更多详细信息。
第三心音(S3)可能是心脏衰竭的最早线索。它预示着非心脏手术中并发症的高风险。该设备110被设计为心脏病的一线早期检测。由于易于使用，它可以部署在家庭和医疗中心。
虽然可能有一些高端设备可以取代听诊器，但在许多农村地区，这种设备并不可得。此外，特别是在儿科，不建议使用X射线来显示胸腔堵塞，因此听诊器用于检查仍然是首选。更进一步说，只有训练有素、经验丰富的医生才能通过用听诊器对异常心脏进行诊断。因此，设备110的优点在于，不需要看医生就可以实现心脏病的早期检测。这继而又解放了医生去执行其他医疗服务。此外，该设备110还可应用于除辅助心脏诊断之外的许多应用，例如检测肺异常、肌肉退化、人的生命体征等。
系统100能够通过移动装置连续监视心脏的电和机械活动；在云中存储数据；以及在云服务器上可执行的检测心脏异常的算法。
设备110能够同时从心脏获取心电图(ECG)和心音图(PCG)，并且可以被构造为用于连续监视(例如在家监视)的可穿戴装置或用于远程会诊140(例如远程医疗)的数字听诊器。PCG采集基于无隔膜设计，ECG采集基于干电极。这些都集成到一个手持构造中，其可以被放置或佩戴在胸部，靠近心脏。由于该算法能够补偿由于胸部上的位置变化引起的心音变化，因此采集的PCG信号不依赖于装置的位置，利用ECG作为参考信号，可以正确识别PCG的S1和S2。这使得算法能够识别S3和/或S4(如果存在)。
移动应用安装在移动装置120上以显示从设备110获取并在云服务器130中处理的数据。移动应用程序可基于Android、Windows 10或iOS平台。移动应用还能够将信号上传到数据云服务器130以进行存储和/或处理。此外，该移动应用允许临床医生和/或个人通过访问存储在云服务器130中的数据来远程查看ECG和PCG。
由云服务器130执行的算法被构造为检测心脏异常。该算法能够识别ECG信号，并区分心音以进行有效处理。此外，该算法能够自学习来检测和确定个体的基线，并在检测到异常时激活警报。如果被监视者需要立即就医，可激活警报，以便在需要立即进行干预时提醒护理人员、临床医生或指定个人。
设备110包括集成ECG和PCG感测平台，该平台具有嵌入式电子设备，用于实现对个人的连续监视。设备110还包括网络接口420，以便与移动装置120可通信地连接。图2示出了设备外部的各透视图，即(a)俯视图、(b)右侧视图和(c)仰视图。图3示出了设备110的剖视图。图4示出了设备仰视图中所示的线A-A之间的剖视图。图5示出了设备110的仰视图。图6示出了设备110的俯视图。图7示出了设备110的右侧视图。设备110包括具有底部310和顶部320的壳体。底部310包括用于采集PCG的无隔膜听诊器设计111和声腔112。顶部320包括电池和处理单元，用于处理从麦克风和干电极接收的信号。
无隔膜听诊器设计111接收心音不需要振动介质。声腔112被设计成用于电子设备的壳体，并且能够使用麦克风113放大心音以用于采集(即，转换为电信号)。声腔112在胸部周围形成紧密贴合，并隔离环境噪声以实现高质量的PCG信号采集。此外，通过去除隔膜，这种设计能够消除隔膜在运动时摩擦衬衫或皮肤产生的噪声。声腔112的设计是为了确保驻极体振膜麦克风完全隔离，以免于接收任何其他声学噪声。麦克风113在紧密贴合的声腔112顶部的开口312处被隔离，使得能够从腔内产生振动。在本说明中，麦克风113是能够将声音转换为电信号的音频接收器。音频接收器可包括将电信号转换为数字信号的模数转换器。
声腔112渐缩到23°到25°之间(底部310的底面311与开口312之间)的最佳角度B，以满足噪声隔离和各种身体类型的需要，形成从麦克风到皮肤C的最小距离约为7mm到9mm的间隙。具体地说，在底部310的底表面311与形成声腔112的开口312之间提供锥形表面313。更具体地说，底面311具有内边缘311a和外边缘311b。锥形表面313从内边缘311a延伸到形成声腔112的开口312的边缘。优选地，声腔112是锥形。麦克风113被容纳在开口312中并密封开口312。在声腔112内，除了由麦克风113完全密封的开口112之外，没有看到其它腔，以确保噪声隔离。这一特性也有助于最小化麦克风113接收由运动伪影引起的噪声。
在表面311的边缘设置三个干电极451-453以获得ECG。三个干电极451-453在表面311的边缘上彼此均匀地分开布置。使用时，干电极451-453与对象皮肤接触。本领域技术人员应该认识到，在不脱离本公开的情况下，其他类型的干式传感器可用于采集ECG信号。在本说明中，干电极可与干式传感器互换。使用干式传感器采集ECG信号，使装置可穿戴。这些干式传感器的配置，再加上图8所示的电子电路设计，是特别设计以能够在较小的面积内采集高质量的ECG信号。
为了进一步增强ECG信号，使用用于获取ECG信号的干式传感器451至453以及在顶部320的侧表面上设置的额外的干式传感器520将能够显著地提高信号质量。具体地，如图8所示，干式传感器520与干式传感器453并联。图9和图10示出了当使用相同的设置时具有和不具有接触干式传感器520的情况下获得的不同结果。当干式传感器520与对象接触时，如图9所示的信号的幅值比如图10所示的干式传感器520未与对象接触时的幅值大。为了说明的，对象将其手指与干式传感器520接触以提供ECG采集的参考电位的稳定性。此外，具有干式传感器连接的设置能够获得独特的P波、QRS复合波和T波(图9中圈出的区段)并且与图10中圈出的区段所示的不具有干式传感器连接的设置相比并且具有更好的信噪比(SNR)。简言之，在具有干式传感器520的情况下，观察到从干式传感器451至453获得的ECG数据具有更好的信噪比，因此，与不使用干式传感器520相比，峰更明显。干式传感器520为ECG采集的参考电位提供了稳定性，从而提高了ECG信号的质量。
可在设备的侧表面上设置两个连接环441和442，用于将设备110捆绑到对象上。
壳体的顶部320包括电池460和用于处理从麦克风和干电极接收的信号的处理单元420。顶部320还包括触摸传感器510，用于在需要时激活设备110。
触摸传感器510是基于皮肤电阻的传感器。为该设备设计的该触控传感器的示例性使用是为了用户激活开始记录ECG和PCG信号。这种传感器设计的独特之处在于利用皮肤电阻产生逻辑级的变化来触发动作。该传感器无运动部件，并且当用户不触碰时消耗零功率。它是一种被动设计，电路工作原理是检测由于人体皮肤的存在而导致的电阻的变化。图11示出了根据本公开的触摸传感器的示例性电子电路设计。
另一干电极520设置在顶部320的侧表面上。如上所述，干电极520提供从干电极451至453获得的更好的SNR ECG数据。
图12示出了示例性处理单元420的框图。处理单元420可以接收和发送数据，执行软件应用。处理单元420包括处理器421、存储器422、收发器423和输入/输出端口424。
处理器421是处理器、微处理器、微控制器、应用专用集成电路、数字信号处理器(DSP)、可编程逻辑电路或执行指令以根据本发明执行处理的其他数据处理装置。处理器421能够执行存储在存储器422中的各种应用。
存储器422可包括只读存储器(ROM)、随机存取存储器(RAM)、电可擦除可编程ROM(EEPROM)、闪存卡或通常用于计算机的任何存储器。
收发器423连接至天线，天线被构造为通过无线电通信信道发送输出数据和接收输入数据。无线电通信信道可为数字无线电通信信道，诸如WiFi、Bluetooth、RFID、NFC、DSRC、WiMax、CDMA、3G/4G(或蜂窝通信的未来变体)、GSM或任何其他未来的无线通信接口。简言之，为了能够与移动装置120通信地连接，需要收发器423。
可以将一个或多个输入/输出(I/O)端口424可被构造为允许处理器421与各种I/O装置通信并控制各种I/O装置。可以经由I/O端口424连接至处理单元420的外围装置包括图8和图11所示的电路、USB存储装置、SD卡或用于向处理单元420发送信息或从处理单元420接收信息的其他存储装置。除了更新存储在存储器422上的应用程序或经由收发器423将新应用程序安装到存储器上之外，用户还可以选择经由I/O端口424通过诸如USB的用户接口在存储器422上安装新应用或更新应用。
可以向处理单元420提供模数转换器(ADC)425，以将来自触摸传感器510、麦克风113和干式传感器451至453和520的模拟信号转换为数字信号。ADC 425可连接至I/O端口424之一。可替换地，ADC可集成到I/O端口424而不脱离本公开。
本领域技术人员将认识到，处理单元420中可包括其他特征。此外，处理单元420中的组件可以被执行类似功能的其他组件替换。简而言之，如图12所示的处理单元420被认为仅仅是说明性的和非限制性的。
根据本公开的实施例，可由处理单元420的处理器执行的指令被存储在存储器422中。本领域技术人员将认识到，在不脱离本公开的情况下，指令可以作为硬件、固件或软件来存储和/或执行。
所有电路和处理单元420由直接或间接安置在顶部320内的电池460供电。处理单元420被布置在电池460和麦克风113之间，使得图8和图11所示的干式传感器、触摸传感器、麦克风和电路能够高效地连接到处理单元420。
存储在存储器422上可由处理器执行的指令包括：
1、从触摸传感器510接收信号，并且作为响应，分别从干电极和麦克风开始收集ECG和PCG；
2、从干电极和麦克风接收信号，并且将来自干电极的信号作为ECG信号存储在存储器中，并将来自音频接收器的信号作为PCG信号存储在存储器中；
3、接收请求以经由收发器连接，并且作为响应，尝试连接至请求器；以及
4、与请求器成功连接后，将存储器上的ECG和PCG信号发送给请求器。
图13示出了在移动装置120的处理系统1300或作为云服务器130执行的计算系统1300上运行的处理系统1300或虚拟机的示例。具体地说，处理系统1300表示移动装置120中的处理系统或作为云服务器130执行的计算系统，该云服务器130执行指令以执行根据本公开的实施例在下面描述的处理。本领域技术人员将认识到，在不脱离本发明的情况下，指令可以作为硬件、固件或软件来存储和/或执行。此外，本领域技术人员将认识到，每个处理系统的确切配置可以不同，并且根据本发明执行处理的处理系统的确切配置可不同，并且图13所示的处理系统1300仅作为示例提供。
处理系统1300包括处理器1310、无线电收发器1320、图像俘获装置1330、显示器1340、键区1350、存储器1360、蓝牙模块1370、近场通信(NFC)模块1380和I/O装置1390。
无线电收发器1320、图像俘获装置1330、显示器1340、键区1350、存储器1360、蓝牙模块1370、NFC模块1380、I/O装置1390和任何数量的其它外围装置连接至处理器1310，以与处理器1310交换数据，用于处理器1310执行的应用中。
无线电收发机1320连接至天线，其被构造为通过无线电通信信道发送输出语音和数据信号以及接收输入语音和数据信号。无线电通信信道可为数字无线电通信信道，诸如WiFi、Bluetooth、RFID、NFC、DSRC、WiMax、CDMA、3G/4G(或蜂窝通信的未来变体)、GSM或任何其他未来的无线通信接口。
图像俘获装置1330是能够捕获静止和/或运动图像的任何装置(如互补金属氧化物半导体(CMOS)或电荷耦合传感器(CCD)型相机)。显示器1340从处理器1310接收显示数据并在屏幕上显示图像以供用户观看。显示器1340可为液晶显示器(LCD)或有机发光二极管(OLED)显示器。键区1350接收用户输入并将输入发送到处理器1310。在一些实施例中，显示器1340可以是用作键区以接收用户输入的触摸敏感表面。
存储器1360是向处理器1310发送和从处理器1310接收数据以将数据存储到存储器的装置。存储器1360可包括非易失性存储器，诸如只读存储器(ROM)，其存储所需的指令和数据以操作处理系统1300的各种子系统并在启动时引导系统。本领域技术人员将认识到，可以使用任意数量的存储器来执行该功能。存储器1360还可包括易失性存储器，诸如随机存取存储器(RAM)，其存储处理器1310执行用于处理(诸如提供根据本发明的系统所需的处理)的软件指令所需的指令和数据。本领域技术人员将认识到，任何类型的存储器都可用作易失性存储器，并且所使用的确切类型留给本领域技术人员作为设计选择。
蓝牙模块1370是允许处理系统1300基于蓝牙技术标准与诸如处理单元420的另一类似装置建立通信的模块。NFC模块1380是这样的模块，允许处理单元1310与另一类似的装置(如处理单元420)通过将它们靠在一起或通过使这些装置接近来建立无线电通信的模块。
可连接到处理器1310的其它外围装置包括全球定位系统(GPS)和其它定位收发器。
处理器1310是处理器、微处理器或处理器和微处理器的任何组合，其执行根据本公开的执行处理的指令。处理器能够执行存储在存储器1360中的各种应用程序。这些应用程序可经由具有触摸敏感表面的显示器1340或直接从键区1350接收用户的输入。存储在存储器1360中的一些可由处理器1310执行的应用是为UNIX、Android、IOS、Windows、Blackberry或其他平台开发的应用。
所开发的算法能够自动确定心音S1和S2，并且使得设备110能够在不需要知道其在胸部的位置的情况下被使用。
听诊器的使用需要了解听诊器在胸部的位置，如图14所示。获取心音的每个位置将产生不同的信号，如波形1420和1430所示。例如，心脏的基部1411用于获取在右胸骨缘第二肋间室听到的主动脉半月瓣和在左胸骨缘第二肋间室听到的肺半月瓣的声音；心脏尖部1412用于获取与锁骨中心线一致的第五肋间室心尖上方听到的nitral瓣的声音，以及通常在第五肋间室的右胸骨缘听到的三尖瓣的声音(变化包括第五肋间室中的胸骨上方或左胸骨缘上方空间)。简言之，如1420所示，将听诊器放置在心脏基部1411会产生S2比S1占优势的心音；而如1430所示，将听诊器放置在心脏尖部1412会产生S1比S2占优势的心音。
为本公开开发的算法能够使用ECG作为参考信号来识别心音S1和S2，而不考虑在胸部采集的位置。图15示出了设备110开始捆绑到对象的胸部。图16示出了为信号处理而获取的示例波形，其中设备被捆绑到如图15所示的对象上。如图16所示，S1和S2的标识还将标记4个区(标记为1、2、3和4)，这些区将用于确定是否发生心音异常。在这些区中的每个区中识别心音的正确性对于诊断可能无症状或事件触发的心脏异常是至关重要的。
图17示出了处理ECG和PCG的算法1700的概述。如图17所示，第一阶段1710是提取特定患者的PCG和ECG数据并应用低通滤波器。第二阶段1720是分析ECG数据以根据两个连续的峰来确定起点和终点。在第3阶段中，选择与ECG数据的所确定的起点和终点相对应的经滤波的PCG数据的区，并相应地标记相关的峰。在第四阶段1740中，分析数据并向相关移动装置发送警报，以警告异常心脏信号。
图18示出了处理ECG和PCG的算法的处理流程300。处理1800开始于步骤1805，从信号被捕获并被存储在其中的数据库131中读取离散信号。将对每个ECG和PCG信号应用相应的低通滤波器(如图17.4中的1711和1712所示)，以去除噪声。在将提取的数据用于组合以识别心音异常(如来自PCG的收缩期杂音和舒张期杂音)之前，这些信号中的每一个都被分别处理，如下所示。
在步骤1810中，处理1800对滤波的ECG信号进行处理。特别地，对经滤波的ECG信号应用高达选定级别的小波分解(如图17.3中的1721所示)。所选级取决于被应用于对ECG信号进行采样的所选的采样频率。在图17.3所示的示例中，所选级是第5级。具体地说，使用诸如Symlets 4小波的小波对经滤波的ECG信号进行高达5级的小波分解(如图17.3中的1721所示)。只取第5级值，其余值归零。通过仅取第5级值分析系数并将所有其他级的系数归零，使用Symlets 4小波进行小波重构(如图17.3中的1722所示)以再合成信号。通过取平方值的绝对值并识别信号中的峰，将检测到ECG的R峰(如图17中的1723所示)。然后将ECG的两个R-R峰之间的区段左移50ms到150ms的范围，以确保在捕获第一ECG峰之前获得PCG数据(如图17.3中的1724所示)。例如，如图17所示，ECG的两个R-R峰左移50ms。具体地，起点定义为峰(i)-50ms，终点(EP)定义为峰(i+1)-50ms，i＝1、2、3、…、n。简而言之，经滤波的ECG信号按以下顺序处理：
1、对经滤波的ECG信号进行小波分解，并将除所选级值(在图17.3所示的示例中，所选级为第5级)以外的所有系数归零；
2、应用小波重构再合成信号；
3、取平方值的绝对值，确定ECG信号的R峰；
4、将第一R峰值和第二R峰值向左移动50ms；和
5、将第一移位R峰值指定为SP，将第二移位R峰值指定为EP。
在步骤1815中，处理1800选择经滤波的PCG信号的SP和EP之间的区，并分析选择的区的PCG离散信号(如图17.2中的1731所示)。在分析选择的区的PCG离散信号时，对经滤波的PCG信号的选择的区进行小波分解。所选级取决于应用于对PCG信号进行采样的所选采样频率。在如图17.2所示的示例中，所选级是第5级。具体地说，使用诸如Daubechies 4小波的小波对选择的区的PCG离散信号进行高达5级的小波分解(如图17.2中的1732所示)。通过仅取第5级分析系数并将所有其他级的系数归零，使用Daubechies 4小波进行小波重构以再合成信号(如图17.2中的1733所示)。通过取平方值的绝对值并识别信号中的峰，从而检测PCG的S峰(如图17.2中的1734所示)。简言之，滤波后的PCG信号按以下顺序处理：
1、对经滤波的PCG信号进行小波分解，并将除所选级值(在图17.2所示的示例中，所选级为第5级)以外的所有系数归零；
2、应用小波重构再合成信号；和
3、通过取平方值的绝对值来确定PCG信号的S峰。在确定PCG信号的S峰之后，如下文所述标记和识别各个区段1610-1640。
典型的S1持续时间在70ms～150ms之间，典型的S2持续时间在60ms～120ms之间，峰区段的起点(SP)和终点(EP)可针对每个对象相应调整。作为示例，1735中所示，每个区段1610-1640调整为具有与峰相关的以下持续时间。
区段1的SP＝峰(1)–50msec
区段1的EP＝峰(1)+50msec
区段3的SP＝峰(2)–30msec
区段3的EP＝峰(2)+30msec
区段2的SP＝峰(1)+50msec
区段2的EP＝峰(2)-30msec
区段4的SP＝峰(2)+30msec
区段4的EP＝选择的区的EP
基于ECG中检测的R峰，取落于其后的PCG的第一S峰作为S1峰，并且取第二S峰作为S2峰。这就是ECG的QRS区段怎样用于确定S1峰和S2峰的位置。具体地说，图16中的第一区段1610涉及第一峰(第一区段含第一心音(S1))，图16中的第三区段1630涉及第二峰(第三区段含第二心音(S2))，图16中的第二区段1620涉及S1与S2之间的区，图16中的第四区段1640涉及S2与选择的区的终点之间的区。
在步骤1820中，处理1800按照以下方式分析第二区段和第四区段中的杂音(如图17.4中的1741所示)。
为了确定心音异常，如收缩期杂音，计算S1和S2之间(图16所示的第二区段1620)的信号的频率和能量。如果信号的频率和能量超过预定阈值，则将其归类为异常，并且处理1800进行到步骤1820，并向相关移动装置发送通知，以提醒相关患者和/或医生进行进一步分析。
为了确定心音异常，如舒张期杂音，计算S2后(图16所示第四区段1640)的信号的频率和能量。如果信号的频率和能量超过预定阈值，则将其归类为异常，并且处理1800进行到步骤1820，并向相关移动装置发送通知，以提醒相关患者和/或医生进行进一步分析。
可以为每个患者确定基线，以确定如上所述的预定阈值。例如，在预定的时间段内获得静息ECG和PCG的测量。该测量将形成基线，并且在步骤1820中确定异常时，将高于基线一定百分比的阈值作为预定阈值。例如，确定收缩期杂音的第二区段1620的预定阈值可高于第二区段1620的基线20％；而确定舒张期杂音的第四段1640的预定阈值可高于第四区段1640的基线20％。本领域技术人员将认识到，可以在不脱离本发明的情况下实现设置阈值的其他方法。在步骤1820检测到心音异常(即对第二区段1620和/或第四区段1640内的心音异常进行分类)之后，可以提供附加步骤。例如，如果检测到杂音，将向用户显示警报(如图17.4中的1742所示)。如果用户请求检查杂音区段(如图17.4中的1743所示)，处理1800显示杂音区段波形(如图17.4中的1744所示)。
处理1800在步骤1820之后结束。这个过程会重复，直到针对每个患者的所有峰都得到处理。处理1800可以在移动装置120或云服务器130上执行。如果由云服务器130执行，则如上所述关于警告和显示杂音区段波形的附加步骤将被发送到医生的移动装置120。例如，将向相关移动装置120发送警报。
本公开中公开的系统100能够对心脏的电和机械活动进行连续监测，以检测可能是事件触发或无症状的心脏异常。
与现有的数字听诊器(例如3MTM
Figure BDA0002308448570000171
Thinklab One等)或ECG可佩戴装置(例如Spyder、Holter等)相比，系统100能够同时采集ECG和PCG，用于整体评估心脏功能。作为系统100的一部分而被开发的算法允许将我们的装置能够用作可佩戴装置，其中对心音S1和S2的识别不依赖于装置位置。
简言之，该系统包括：
a、被设计为优化对PCG的采集的声腔，其中几乎没有噪声伪影或不存在噪声伪影；
b、使用频率为20Hz～20kHz的驻极体麦克风，设备110能够直接从个体采集PCG；
c、使用干式传感器在小的面积内采集ECG，可通过外部配置的触摸板提高信号质量；以及
d、设计电子器件，以消除环境噪声并对数据进行数字处理，以便无线传输到移动装置。
在一个实施例中，软件可以使用所开发的算法来处理信号，并直接呈现评估结果。具体地，处理1800可以提供为移动装置上的应用，以便患者或医生能够实时地直接读取PCG和ECG信号。在另一实施例中，移动装置上的应用允许患者或医生从云服务器130下载评估结果并将其呈现给用户。
如图1所示，设备、移动装置上的应用以及云服务器上的算法的示例性集成将在检测到心脏异常时启用远程会诊、连续监视和医务人员警报。
云服务器执行的算法将使数据能够被远程处理，并且降低移动装置120的功耗。机器学习算法将能够提供对个人的连续评估，并制定个人基线，以便在存在与这些基线的重大偏差时临床医生和护理人员将被提醒。此外，还可以建立人群基线，并且这些人群基线的个体ECG和PCG的变化也可以用于触发对预先指定的人的警报。
工业应用
系统100可供临床医生连续监视无症状心脏异常患者的ECG和PCG。这类似于Holter监视，其仅监测ECG，而根据本公开的系统110同时监测ECG和PCG以获得更好的医疗诊断。此外，临床医生还可以使用该系统进行远程临床评估(如远程医疗)，并提供对心脏异常的有效评估。
在生活方式应用中，个人可以使用设备110来监视其ECG和PCG以进行健康评估。在家庭设置中，看护者可以使用设备110监视其家人的ECG和PCG，并在发生心脏异常时得到警报。
以上是根据本公开的基于ECG和PCG读数的监视心脏的系统和方法的示例性实施例的描述。可以预见，本领域技术人员能够并且将基于本公开设计替代系统和方法。

Claims (15)

1.一种集成心电图(ECG)和心音图(PCG)设备，包括：
壳体，其具有顶部和底部，所述壳体的底部包括从底表面的边缘延伸至形成声腔的所述底部的顶端处的开口的锥形表面；
电源，其被容纳在所述顶部中；
音频接收器，其被布置为密封所述开口，以获得PCG信号；
多个干式传感器，其被布置在所述底表面，以获得ECG信号；
处理单元，其由所述电源供电，并且能够以通信方式连接至所述音频接收器和所述多个干式传感器，其中，所述壳体的底部适应性地被构造为在对象上产生紧密贴合，以防止所述音频接收器接收来自所述声腔的外部的声学噪声。
2.根据权利要求1所述的集成ECG和PCG设备，其中，所述音频接收器是覆盖20Hz～20kHz频率的驻极体麦克风。
3.根据权利要求1所述的集成ECG和PCG设备，还包括另一干式传感器，其被布置在所述壳体的顶部并且与所述多个干式传感器之一并联。
4.根据权利要求1所述的集成ECG和PCG设备，还包括位于所述壳体的侧表面上的一对附着环。
5.根据权利要求1所述的集成ECG和PCG设备，还包括用于激励所述处理单元的触摸传感器。
6.根据权利要求5所述的集成ECG和PCG设备，其中，所述触摸传感器是基于皮肤电阻的传感器。
7.根据权利要求1所述的集成ECG和PCG设备，其中，所述处理单元包括：处理器、存储器、收发器、模数转换器以及存储在所述存储器上并且可由所述处理器执行的指令，所述指令用于：
从所述干式传感器和所述音频接收器接收信号，并且在所述存储器中存储来自所述干式传感器的信号作为ECG信号和来自所述音频接收器的信号作为PCG信号；
经所述收发器接收连接请求，并且作为响应，尝试连接至请求器；以及
当与所述请求器的成功连接时，将存储在所述存储器上的ECG信号和PCG信号发送至所述请求器。
8.根据权利要求5所述的集成ECG和PCG设备，其中，所述处理单元包括：处理器、存储器、收发器、模数转换器以及存储在所述存储器上并且可由所述处理器执行的指令，所述指令用于：
从所述触摸传感器接收信号，并且作为响应，开始分别从所述干式传感器和所述音频接收器收集ECG信号和PCG信号；
从所述干式传感器和所述音频接收器接收信号，并且在所述存储器中存储来自所述干式传感器的信号作为ECG信号和来自所述音频接收器的信号作为PCG信号；
经所述收发器接收连接请求，并且作为响应，尝试连接至请求器；以及
当与所述请求器成功连接时，将存储在所述存储器上的ECG信号和PCG信号发送至所述请求器。
9.一种心脏监视系统，包括：
根据权利要求1-8中的任一项所述的集成ECG和PCG设备；
处理单元，其包括处理器、存储器和存储在所述存储器上并且可由所述处理器执行的指令，所述指令用于：
从所述集成ECG和PCG设备接收信号；
将低通滤波器应用于ECG信号和PCG信号中的每一个；
处理经滤波的ECG信号，以获得起点(SP)和终点(EP)；
选择经滤波的PCG信号的SP和EP之间的区并分析所选择的区的PCG离散信号，以确定第一区段、第二区段、第三区段和第四区段。
10.根据权利要求9所述的心脏监视系统，其中，用于处理经滤波的ECG信号以获得起点(SP)和终点(EP)的指令包括用于执行以下操作的指令：
将小波分解应用于经滤波的ECG信号，并且将除选择的级值以外的所有系数归零；
应用小波重构以再合成所述信号；
通过取平方值的绝对值确定ECG信号的R峰；
第一R峰值和第二R峰值向左移位预定范围；以及
分配移位的第一R峰为SP，并且分配移位的第二R峰为EP。
11.根据权利要求10所述的心脏监视系统，其中，用于分析所选择的区的PCG离散信号以确定第一区段、第二区段、第三区段和第四区段的指令包括用于执行以下操作的指令：
将小波分解应用于经滤波的ECG信号，并且将除选择的级值以外的所有系数归零；
应用小波重构以再合成所述信号；
通过取平方值的绝对值确定PCG信号的S峰；以及
基于PCG信号的所检测的S峰识别包括第一心音(S1)和第二心音(S2)的心博周期的第一区段、第二区段、第三区段和第四区段。
12.根据权利要求11所述的心脏监视系统，其中，基于PCG信号的S峰识别包括第一心音(S1)和第二心音(S2)的心博周期的所述第一区段、所述第二区段、所述第三区段和所述第四区段的指令包括用于执行以下操作的指令：
识别从第一S峰的-50ms至第一S峰的+50ms的所述第一区段，所述第一区段含第一心音(S1)；
识别从第二S峰的-30ms至第二S峰的+30ms的所述第三区段3，所述第三区段含第二心音(S2)；
识别从第一S峰的+50ms至第二S峰的-30ms的所述第二区段；以及
识别从第二S峰的+30ms至所选择的区的终点的所述第四区段。
13.根据权利要求12所述的心脏监视系统，还包括用于执行以下操作的指令：
基于所述第二区段确定心音异常；
基于所述第四区段确定心音异常；以及
响应于确定心音异常，归类为异常。
14.根据权利要求13所述的心脏监视系统，其中，基于所述第二区段确定心音异常的指令包括用于执行以下操作的指令：
从所述第二区段计算频率和能量；
将频率和能量与预定阈值相比；以及
响应于频率和能量高于预定阈值，归类为异常。
15.根据权利要求13所述的心脏监视系统，其中，基于所述第四区段确定心音异常的指令包括用于执行以下操作的指令：
从所述第四区段计算频率和能量；
将频率和能量与预定阈值相比；以及
响应于频率和能量高于预定阈值，归类为异常。
CN201880038070.2A 2017-04-07 2018-04-06 用于检测心脏异常的ecg和pcg监视系统 Pending CN111031905A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10201702899P 2017-04-07
SG10201702899P 2017-04-07
PCT/SG2018/050176 WO2018186807A1 (en) 2017-04-07 2018-04-06 Ecg and pcg monitoring system for detection of heart anomaly

Publications (1)

Publication Number Publication Date
CN111031905A true CN111031905A (zh) 2020-04-17

Family

ID=63712605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880038070.2A Pending CN111031905A (zh) 2017-04-07 2018-04-06 用于检测心脏异常的ecg和pcg监视系统

Country Status (6)

Country Link
US (1) US20200046241A1 (zh)
EP (1) EP3606418A4 (zh)
CN (1) CN111031905A (zh)
AU (1) AU2018249904A1 (zh)
SG (1) SG11201909350TA (zh)
WO (1) WO2018186807A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023134253A1 (zh) * 2022-01-11 2023-07-20 吴先洪 一种对心音信号的预测方法及智能心音和心电测量仪

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022032041A1 (en) * 2020-08-05 2022-02-10 Ausculsciences, Inc. Medical decision support system
US11284827B2 (en) 2017-10-21 2022-03-29 Ausculsciences, Inc. Medical decision support system
US11534615B2 (en) * 2018-04-26 2022-12-27 West Affum Holdings Dac Wearable Cardioverter Defibrillator (WCD) system logging events and broadcasting state changes and system status information to external clients
WO2020000268A1 (zh) * 2018-06-27 2020-01-02 深圳市大耳马科技有限公司 心脏生理参数测量方法、设备、终端及计算机存储介质
JP6547054B1 (ja) * 2018-11-15 2019-07-17 Ａｍｉ株式会社 医療機器及びプログラム
US20210000356A1 (en) * 2019-07-02 2021-01-07 Tata Consultancy Services Limited Method and system for screening and monitoring of cardiac diseases
US20240032885A1 (en) * 2020-08-25 2024-02-01 Nec Corporation Lung sound analysis system
US20220330872A1 (en) * 2021-04-16 2022-10-20 Atsens Co., Ltd. Bio-signal measuring apparatus for detecting abnormal signal section in electrocardiogram data by using heart sound data related to electrocardiogram data, and bio-signal measuring method

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH021217A (ja) * 1988-04-20 1990-01-05 Koorin Denshi Kk 心疾患検出装置
CN2233224Y (zh) * 1995-06-14 1996-08-21 哈尔滨工程大学 无创性综合心电心音分析仪
US20050245834A1 (en) * 2003-12-01 2005-11-03 Martin Baumer Electrical and audio anatomy-signal sensor system
US20060009697A1 (en) * 2004-04-07 2006-01-12 Triage Wireless, Inc. Wireless, internet-based system for measuring vital signs from a plurality of patients in a hospital or medical clinic
CN1883378A (zh) * 2006-06-30 2006-12-27 上海博维康讯信息科技发展有限公司 一种无线健康监护系统
CN200977155Y (zh) * 2006-09-19 2007-11-21 焦秉立 多功能无线便携式医疗监护仪
WO2008031030A2 (en) * 2006-09-07 2008-03-13 Optical Sensors Incorporated Improved impedance cardiography system and method
US20080077026A1 (en) * 2006-09-07 2008-03-27 Triage Wireless, Inc. Hand-held vital signs monitor
CN101518439A (zh) * 2009-03-24 2009-09-02 重庆大学 一种基于心音和心电的心脏功能检测系统
CN201755228U (zh) * 2010-06-01 2011-03-09 李文彩 无线心电心音一体机
CN102048587A (zh) * 2011-01-28 2011-05-11 浙江好络维医疗技术有限公司 便携式无线心电心音呼吸音采集显示和存储装置
CN102271589A (zh) * 2008-12-30 2011-12-07 皇家飞利浦电子股份有限公司 用于处理心音信号的方法和系统
CN103479429A (zh) * 2013-08-29 2014-01-01 无锡慧思顿科技有限公司 一种基于心音和心电的心脏综合检测设备
CN105054961A (zh) * 2015-08-21 2015-11-18 桂林电子科技大学 一种便携式心电与心音信号采集设备
CN105105762A (zh) * 2015-09-22 2015-12-02 赖大坤 一种多参数自动预警和快速定位响应的遥测监护方法及系统
CN106333658A (zh) * 2016-09-12 2017-01-18 吉林大学 一种光电容积脉搏波检测仪及检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040032957A1 (en) * 2002-08-14 2004-02-19 Mansy Hansen A. Sensors and sensor assemblies for monitoring biological sounds and electric potentials
US20140364755A1 (en) * 2011-12-28 2014-12-11 University Of Tsukuba Diagnostic apparatus

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH021217A (ja) * 1988-04-20 1990-01-05 Koorin Denshi Kk 心疾患検出装置
CN2233224Y (zh) * 1995-06-14 1996-08-21 哈尔滨工程大学 无创性综合心电心音分析仪
US20050245834A1 (en) * 2003-12-01 2005-11-03 Martin Baumer Electrical and audio anatomy-signal sensor system
US20060009697A1 (en) * 2004-04-07 2006-01-12 Triage Wireless, Inc. Wireless, internet-based system for measuring vital signs from a plurality of patients in a hospital or medical clinic
CN1883378A (zh) * 2006-06-30 2006-12-27 上海博维康讯信息科技发展有限公司 一种无线健康监护系统
WO2008031030A2 (en) * 2006-09-07 2008-03-13 Optical Sensors Incorporated Improved impedance cardiography system and method
US20080077026A1 (en) * 2006-09-07 2008-03-27 Triage Wireless, Inc. Hand-held vital signs monitor
CN200977155Y (zh) * 2006-09-19 2007-11-21 焦秉立 多功能无线便携式医疗监护仪
CN102271589A (zh) * 2008-12-30 2011-12-07 皇家飞利浦电子股份有限公司 用于处理心音信号的方法和系统
CN101518439A (zh) * 2009-03-24 2009-09-02 重庆大学 一种基于心音和心电的心脏功能检测系统
CN201755228U (zh) * 2010-06-01 2011-03-09 李文彩 无线心电心音一体机
CN102048587A (zh) * 2011-01-28 2011-05-11 浙江好络维医疗技术有限公司 便携式无线心电心音呼吸音采集显示和存储装置
CN103479429A (zh) * 2013-08-29 2014-01-01 无锡慧思顿科技有限公司 一种基于心音和心电的心脏综合检测设备
CN105054961A (zh) * 2015-08-21 2015-11-18 桂林电子科技大学 一种便携式心电与心音信号采集设备
CN105105762A (zh) * 2015-09-22 2015-12-02 赖大坤 一种多参数自动预警和快速定位响应的遥测监护方法及系统
CN106333658A (zh) * 2016-09-12 2017-01-18 吉林大学 一种光电容积脉搏波检测仪及检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SEYEDEH ZAHRA FATEMIAN: "A Wavelet-based Approach to Electrocardiogram (ECG)", 《UNIVERSITY OF TORONTO THESIS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023134253A1 (zh) * 2022-01-11 2023-07-20 吴先洪 一种对心音信号的预测方法及智能心音和心电测量仪

Also Published As

Publication number Publication date
EP3606418A1 (en) 2020-02-12
SG11201909350TA (en) 2019-11-28
AU2018249904A1 (en) 2019-10-31
WO2018186807A1 (en) 2018-10-11
US20200046241A1 (en) 2020-02-13
EP3606418A4 (en) 2020-12-16

Similar Documents

Publication Publication Date Title
CN111031905A (zh) 用于检测心脏异常的ecg和pcg监视系统
JP7022729B2 (ja) ウェアラブルデバイス
US20220265202A1 (en) Multifactorial telehealth care pregnancy and birth monitoring
JP2019141704A (ja) 生理パラメータをモニタリングするデバイス
RU2517583C2 (ru) Способ и устройство анализа баллистокардиографических сигналов
Jin et al. Predicting cardiovascular disease from real-time electrocardiographic monitoring: An adaptive machine learning approach on a cell phone
Hadjem et al. An ECG monitoring system for prediction of cardiac anomalies using WBAN
US20100249541A1 (en) Methods and Apparatus for Processing Physiological Data Acquired from an Ambulatory Physiological Monitoring Unit
KR101030311B1 (ko) 휴대형 생체신호 통합감지장치 및 이를 이용한 원격지의료정보 서비스 시스템과 방법
Bouzid et al. Remote and wearable ECG devices with diagnostic abilities in adults: A state-of-the-science scoping review
EA034268B1 (ru) Системы и способы для предотвращения желудочно-кишечного расстройства
Chowdhury et al. Machine learning in wearable biomedical systems
KR20160107390A (ko) 심전도 신호 측정장치
TWI581760B (zh) 異常心跳訊號檢測方法及其電子裝置
KR20130075933A (ko) 모바일 응급환자 모니터링 시스템
CN106137245A (zh) 一种参考多种心电测量仪信号分析的听诊方法
JP2006061416A (ja) 生体電位検知システム
US10952625B2 (en) Apparatus, methods and computer programs for analyzing heartbeat signals
Low et al. IoT-enabled heart monitoring device with signal de-noising and segmentation using discrete wavelet transform
US20220409130A1 (en) Wearable stethoscope and its related monitoring system
CN116322504A (zh) 用于监测、表征和评估用户咳嗽的系统、方法、便携式设备、计算机设备和计算机程序
Khooyooz et al. Fabrication of a Low-Cost Real-Time Mobile ECG System for Health Monitoring
US20230058011A1 (en) Method apparatus and system of wearable synchronized multiple vital health sensors and data processing and applications
Paralič et al. The application development for measuring and evaluating ECG data for home health care using smart clothes
US20220125367A1 (en) Screening cardiac conditions using cardiac vibrational energy spectral heat maps

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
CB03 Change of inventor or designer information

Inventor after: Lan Guifen

Inventor after: Huang Zhenzhong

Inventor after: Liu Jiaxin

Inventor after: Pan Zhide

Inventor after: Ye Junliang

Inventor after: Chen Ruiyao

Inventor after: Wang Enhou

Inventor after: Zhou Jinghua

Inventor before: Lan Guifen

Inventor before: Huang Zhenzhong

Inventor before: Liu Jiaxin

Inventor before: Pan Zhide

Inventor before: Ye Junliang

Inventor before: Chen Ruiyao

Inventor before: Wang Enhou

CB03 Change of inventor or designer information
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200417

WD01 Invention patent application deemed withdrawn after publication