CN114343664A - 一种基于心率刺激-恢复趋势的心肺耐力评估方法与装置 - Google Patents

Abstract

本发明提供了一种基于心率刺激‑恢复趋势的心肺耐力评估方法与装置，用穿戴式设备采集运动测试中的心电信号，并将心电信号传输到手机APP，手机APP将接收到的心电信号发送至云端服务器，云端服务器完成包括信号滤波、R波特征检测、指标计算、心肺耐力评估在内的信号分析过程，最终将心肺耐力评估结果返回手机APP并实时显示。该装置包括心电采集模块、信号调理模块、中央控制模块、与信号调理模块、无线通信模块，穿戴方便、舒适。

Description

一种基于心率刺激-恢复趋势的心肺耐力评估方法与装置

技术领域

本发明属于心肺耐力评估领域，具体涉及一种基于心率刺激-恢复趋势的心肺耐力评估方法与装置。

背景技术

2016年，美国医学界正式将心肺耐力列为“临床生命体征”。现代医学研究证明，若心肺耐力水平较低，患心血管系统疾病的危险性显著增加，心肺耐力不佳的个体因各种原因死亡的风险比正常人高70％，因心血管疾病死亡的风险比正常人高56％。心肺耐力评估的金标准是最大摄氧量，最大摄氧量的直接测试是通过呼吸气体测定仪，直接对受试者在力竭运动中的呼吸气体进行监测，然后按照既定的标准，确定受试者的最大摄氧量。直接测试方式需要进行极量运动，要求受试者具有较强的耐受能力，不适合老、弱、病、幼等特殊人群测试，且不适合在日常生活中进行评估。目前只适用于专业运动员或者科研院校研究中，现阶段难以普及。

最大摄氧量的间接测试对受试者消耗相对较小，实施相对简单，但很多间接测试的评估结果缺乏准确性。心电信号能够综合反映人体体内生理的各种变化，并能够较为准确地描述身体机能对于运动刺激的反应，已被证实与心肺耐力水平有内在关联性。尽管近几年可穿戴式心电设备技术迅猛发展，市面上出现了很多心电监测穿戴式产品，但缺乏能够通过运动测试有效评估心肺耐力的产品。

发明内容

为解决上述问题，本发明提供了一种基于心率刺激-恢复趋势的心肺耐力评估方法与装置。通过采集用户运动测试中的心电信号，实现简单方便准确的心肺耐力评估。

为了达到上述目的，本发明提供如下技术方案：

一种基于心率刺激-恢复趋势的心肺耐力评估方法，包括如下步骤：

S1，穿戴式心电设备采集用户运动测试中的心电数据发送给手机APP，手机APP再传给云服务器；

S2，云服务器对心电数据进行滤波处理，滤除工频干扰、基线漂移以及运动干扰；

S3，对滤波后的心电信号进行R波特征识别，提取出R波特征点，从而得到RR间期；

S4，通过RR间期计算出心电信号的心率指标(HR)和心率恢复指标(HRR)，结合身体质量指数(BMI)，得出相关特征；

S5，将所提取的特征经过心肺耐力评估模型，得到相应心肺耐力评估结果；

S6，云服务器将心肺耐力评估结果传给手机APP显示。

进一步的，所述步骤S1运动测试具体包括如下子步骤：

①静息阶段：受试者静坐3分钟；

②运动阶段：受试者以每秒蹲起一次的节奏做45秒45次蹲起；

③恢复阶段：受试者静坐5分钟；

进一步的，所述步骤S2信号滤波具体包括如下子步骤：

采用Coiflets小波对心电信号进行小波阈值去噪，选取coif3小波进行8尺度的小波分解，将不同频率组成的含噪心电信号分解成不同频带的子信号；再针对干扰及噪声所在的不同频带的子信号设定阈值处理进行去噪，对含有心电信号特征波的频段给予保留，其他的频段阈值化处理进行去噪；之后再利用离散小波逆变换重构出有用心电信号。

进一步的，所述步骤S3R波特征识别具体包括如下子步骤：

采用双正交二次B样条对滤波后的心电信号进行分解，得到各尺度上的小波系数和尺度系数，确定尺度3上小波系数的正-负模极大值点，并将其它点置零，确定满足阈值条件的正-负模极大值对，然后检测正－负模极大值对之间过零点的位置，并使用(2^j-1)/2修正时移，即可定位各R波位置。

进一步的基于心率刺激-恢复趋势的心肺耐力评估方法，其特征在于，所述步骤S4心率指标(HR)包括如下2个:

①RHR：静息阶段的平均心率

②HR reserve：心率储备

所述心率恢复指标(HRR)包括如下4个：

①ΔHR1：运动后第1分钟心率恢复值

②ΔHR2：运动后第2分钟心率恢复值

③ΔHR3：运动后第3分钟心率恢复值

④HRr％：运动后心率恢复的百分比

且通过如下方式获得：

设RR间期时间序列为x(n)＝[RR₁,RR₂,…,RR_n]，其中RR_j＝γ_j+1-γ_j(1≤j≤k-1)，RR间期均值

则心率

RHR通过计算运动开始前静息阶段3分钟的平均心率获得；HR reserve通过计算运动阶段的最大心率与静息阶段的平均心率之差获得；ΔHR1通过计算运动阶段的最大心率与恢复一分钟后的心率之差获得；ΔHR2通过计算运动阶段的最大心率与恢复两分钟后的心率之差获得；ΔHR3通过计算运动阶段的最大心率与恢复三分钟后的心率之差获得；HRr％是运动结束后15S和1分钟的平均心率之差与运动结束后1分钟的平均心率的百分比，设运动结束后15S的平均心率为HRstage1，设运动后1分钟的平均心率为HR1min，则

进一步的，所述步骤S5将所提取的指标经过心肺耐力评估多元回归方程，得到相应心肺耐力评估结果。其中心肺耐力评估多元回归方程建立过程如下：计算权利要求5所述心率指标(HR)和心率恢复指标(HRR)，同时利用心肺功能遥测仪测量受试者的最大摄氧量；利用心率指标(HR)、心率恢复指标(HRR)、受试者的BMI指数与最大摄氧量，建立多元回归方程；利用最小二乘法对多元回归方程的回归系数进行求解。

进一步的，所述建立多元回归方程：

VO₂max＝A₀+A₁RHR+A₂HRreserve+A₃HRreserve+A₄ΔHR1+A₅ΔHR2+A₆ΔHR3+A₇HRr％

其中，A₀为常数项，A₁、A₂、A₃、A₄、A₅、A₆、A₇为回归系数。

进一步的，最小二乘法和高斯消元法求解方程得参数：A₀、A₁、A₂、A₃、A₄、A₅、A₆、A₇。

本发明还提供了一种基于心率刺激-恢复趋势的心肺耐力评估装置，包括：穿戴式设备、手机终端和云端服务器。

进一步的所述穿戴式设备包括：

心电采集模块：与信号调理模块连接，用于采集人体心电信号；

信号调理模块：与中央控制模块连接，用于进行信号的滤波、放大、AD转换；

中央控制模块：与信号调理模块、无线通信模块连接，用于发出指令使各模块正常工作；

无线通信模块：与中央控制模块连接，用于将心电数据传输至用户手机APP；

进一步的，所述心电采集模块包括金属干电极以及信号预处理电路，其中信号预处理电路包括右腿驱动电路，用于去除共模干扰。

进一步的，所述信号调理模块包括低通滤波器、高通滤波器、工频陷波器、信号放大电路和模数转换器，依次进行低通滤波、高通滤波、工频陷波、信号放大和AD转换。

与现有技术相比，本发明具有如下优点和有益效果：

1.本发明提取运动测试中穿戴式心电信号的心率特征、心率恢复特征以及用户的BMI指数，进行心肺耐力评估。本发明能够基于运动测试的心电信号进行简单方便准确的评估心肺耐力。

2.装置使用简单方便，穿戴较为舒适，适用于日常生活场景，采用的运动测试方法负荷较小，适用人群广。

附图说明

图1为本发明心肺耐力评估流程示意图。

图2为采集到的心肺耐力检测结果为优秀时的信号图。

图3为采集到的心肺耐力检测结果为一般时的信号图。

图4为采集到的心肺耐力检测结果为较差时的信号图。

图5为本发明一种基于心率刺激-恢复趋势的心肺耐力评估装置的结构示意图。

附图标记说明：

1、心电信号采集模块，2、信号调理模块，3、中央控制器，4、无线通信模块，5、手机终端，6、云服务器。

具体实施方式

以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

图1给出了本发明提供的一种基于心率刺激-恢复趋势的心肺耐力评估方法的流程示意图，具体包括如下步骤：

S1，穿戴式心电设备采集用户运动测试中的心电数据发送给手机APP，手机APP再传给云服务器；

S11，穿戴式心电设备如图2所示，主要包括心电信号采集模块1、信号调理模块2、中央控制器3和无线通信模块4。心电信号采集模块1与信号调理模块2连接，信号调理模块2和无线通信模块4均与微处理器3连接。心电信号采集模块1用于采集心电信号，信号调理模块2将采集到的信号进行滤波、放大、AD转换等工作；随后经中央控制器模块3控制通过无线通信模块4通过蓝牙将心电信号发送至用户手机客户端5，手机客户端再通过4G把数据发送给云服务器6，云服务器6完成心肺耐力评估并将结果。

S11，运动测试具体包括如下子步骤：

①静息阶段：受试者静坐3分钟；

②②运动阶段：受试者以每秒蹲起一次的节奏做45秒45次蹲起；

③恢复阶段：受试者静坐5分钟；

S2，云服务器对心电数据进行滤波处理，滤除工频干扰、基线漂移以及运动干扰。采用Coiflets小波对心电信号进行小波阈值去噪，选取coif3小波进行8尺度的小波分解，将不同频率组成的含噪心电信号分解成不同频带的子信号；再针对干扰及噪声所在的不同频带的子信号设定阈值处理进行去噪，对含有心电信号特征波的频段给予保留，其他的频段阈值化处理进行去噪；之后再利用离散小波逆变换重构出有用心电信号。

S3，对滤波后的心电信号进行R波特征识别，提取出R波特征点，从而得到RR间期。采用双正交二次B样条对滤波后的心电信号进行分解，得到各尺度上的小波系数和尺度系数，确定尺度3上小波系数的正-负模极大值点，并将其它点置零，确定满足阈值条件的正-负模极大值对，然后检测正－负模极大值对之间过零点的位置，并使用(2^j-1)/2修正时移，即可定位各R波位置。

S4，通过R-R间期计算出心电信号的心率特征，结合身体质量指数(BMI)，得出相关特征。所述步骤S4心率指标(HR)心率指标(HR)包括如下2个:

①RHR：静息阶段的平均心率

②HR reserve：心率储备

所述心率恢复指标(HRR)包括如下4个：

①ΔHR1：运动后第1分钟心率恢复值

②ΔHR2：运动后第2分钟心率恢复值

③ΔHR3：运动后第3分钟心率恢复值

④HRr％：运动后心率恢复的百分比

且通过如下方式获得：

设RR间期时间序列为x(n)＝[RR₁,RR₂,…,RR_n]，其中RR_j＝γ_j+1-γ_j(1≤j≤k-1)，RR间期均值

则心率

RHR通过计算运动开始前静息阶段3分钟的平均心率获得；HR reserve通过计算运动阶段的最大心率与静息阶段的平均心率之差获得；ΔHR1通过计算运动阶段的最大心率与恢复一分钟后的心率之差获得；ΔHR2通过计算运动阶段的最大心率与恢复两分钟后的心率之差获得；ΔHR3通过计算运动阶段的最大心率与恢复三分钟后的心率之差获得；HRr％是运动结束后15S和1分钟的平均心率之差与运动结束后1分钟的平均心率的百分比，设运动结束后15S的平均心率为HRstage1，设运动后1分钟的平均心率为HR1min，则

S5，将所提取的指标经过心肺耐力评估多元回归方程，得到相应心肺耐力评估结果。

其中心肺耐力评估多元回归方程建立过程如下：计算心率指标(HR)和心率恢复指标(HRR)，同时利用心肺功能遥测仪测量受试者的最大摄氧量；利用心率指标(HR)、心率恢复指标(HRR)、受试者的BMI指数与最大摄氧量，建立多元回归方程；利用最小二乘法对多元回归方程的回归系数进行求解。

进一步的，所述建立多元回归方程：

VO₂max＝A₀+A₁RHR+A₂HRreserve+A₃HRreserve+A₄ΔHR1+A₅ΔHR2+A₆ΔHR3+A₇HRr％

其中，A₀为常数项，A₁、A₂、A₃、A₄、A₅、A₆、A₇为回归系数。

进一步的，最小二乘法和高斯消元法求解方程得参数：A₀、A₁、A₂、A₃、A₄、A₅、A₆、A₇。

S6，云服务器将心肺耐力评估结果传给手机APP显示。图2-图4中显示的6分半钟的信号均源于为本发明装置分别采集的三段信号，相应的心肺耐力检测结果分别为优秀、一般和较差。

本例提供了一种能够实现本例方法的基于心率刺激-恢复趋势的心肺耐力评估装置，如图5所示，包括：穿戴式心电设备、手机终端和云服务器，穿戴式心电设备用于实现采集运动测试中的心电信号，发送给手机终端的功能，手机终端用于接收穿戴式心电设备的发来的数据，以及接收并显示云服务器的算法结果，云服务器用于心电信号分析和心肺耐力评估。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于心率刺激-恢复趋势的心肺耐力评估方法，其特征在于，包括如下步骤：

S1，穿戴式心电设备采集用户运动测试中的心电数据发送给手机APP，手机APP再传给云服务器；

S2，云服务器对心电数据进行滤波处理，滤除工频干扰、基线漂移以及运动干扰；

S3，对滤波后的心电信号进行R波特征识别，提取出R波特征点，从而得到RR间期；

S4，通过RR间期计算出心电信号的心率指标HR和心率恢复指标HRR，结合身体质量指数BMI，得出相关特征；

S5，将所提取的特征经过心肺耐力评估模型，得到相应心肺耐力评估结果；

S6，云服务器将心肺耐力评估结果传给手机APP显示。

2.根据权利要求1所述的基于心率刺激-恢复趋势的心肺耐力评估方法，其特征在于，所述步骤S1运动测试具体包括如下子步骤：

①静息阶段：受试者静坐3分钟；

②运动阶段：受试者以每秒蹲起一次的节奏做45秒45次蹲起；

③恢复阶段：受试者静坐5分钟。

3.根据权利要求1所述的基于心率刺激-恢复趋势的心肺耐力评估方法，其特征在于，所述步骤S2心电信号滤波处理具体包括如下子步骤：

采用Coiflets小波对心电信号进行小波阈值去噪，选取coif3小波进行8尺度的小波分解，将不同频率组成的含噪心电信号分解成不同频带的子信号；再针对干扰及噪声所在的不同频带的子信号设定阈值处理进行去噪，对含有心电信号特征波的频段给予保留，其他的频段阈值化处理进行去噪；之后再利用离散小波逆变换重构出有用心电信号。

4.根据权利要求1所述的基于心率刺激-恢复趋势的心肺耐力评估方法，其特征在于，所述步骤S3R波特征识别具体包括如下子步骤：

采用双正交二次B样条对滤波后的心电信号进行分解，得到各尺度上的小波系数和尺度系数，确定尺度3上小波系数的正-负模极大值点，并将其它点置零，确定满足阈值条件的正-负模极大值对，然后检测正－负模极大值对之间过零点的位置，并使用(2^j-1)/2修正时移，即可定位各R波位置。

5.根据权利要求1所述的基于心率刺激-恢复趋势的心肺耐力评估方法，其特征在于，所述步骤S4心率指标HR包括如下2个:

①RHR：静息阶段的平均心率

②HR reserve：心率储备

所述心率恢复指标HRR包括如下4个：

①ΔHR1：运动后第1分钟心率恢复值

②ΔHR2：运动后第2分钟心率恢复值

③ΔHR3：运动后第3分钟心率恢复值

④HRr％：运动后心率恢复的百分比

且通过如下方式获得：

设RR间期时间序列为x(n)＝[RR₁,RR₂,…,RR_n]，其中RR_j＝γ_j+1-γ_j(1≤j≤k-1)，RR间期均值

则心率

RHR通过计算运动开始前静息阶段3分钟的平均心率获得；HR reserve通过计算运动阶段的最大心率与静息阶段的平均心率之差获得；ΔHR1通过计算运动阶段的最大心率与恢复一分钟后的心率之差获得；ΔHR2通过计算运动阶段的最大心率与恢复两分钟后的心率之差获得；ΔHR3通过计算运动阶段的最大心率与恢复三分钟后的心率之差获得；HRr％是运动结束后15S和1分钟的平均心率之差与运动结束后1分钟的平均心率的百分比，设运动结束后15S的平均心率为HRstage1，设运动后1分钟的平均心率为HR1min，则

6.根据权利要求1所述的基于心率刺激-恢复趋势的心肺耐力评估方法，其特征在于，所述步骤S5将所提取的指标经过心肺耐力评估多元回归方程，得到相应心肺耐力评估结果；

其中心肺耐力评估多元回归方程建立过程如下：计算权利要求5所述心率指标HR和心率恢复指标HRR，同时利用心肺功能遥测仪测量受试者的最大摄氧量；利用心率指标HR、心率恢复指标HRR、受试者的BMI指数与最大摄氧量，建立多元回归方程；利用最小二乘法对多元回归方程的回归系数进行求解；

进一步的，所述建立多元回归方程：

VO₂max＝A₀+A₁RHR+A₂HR reserve+A₃HR reserve+A₄ΔHR1+A₅ΔHR2+A₆ΔHR3+A₇HRr％

其中，A₀为常数项，A₁、A₂、A₃、A₄、A₅、A₆、A₇为回归系数；

进一步的，最小二乘法和高斯消元法求解方程得参数：A₀、A₁、A₂、A₃、A₄、A₅、A₆、A₇。

7.一种基于心率刺激-恢复趋势的心肺耐力评估装置，其特征在于，包括：穿戴式设备、手机终端和云端服务器。

8.根据权利要求7所述的基于心率刺激-恢复趋势的心肺耐力评估装置，其特征在于，所述穿戴式设备包括：

心电采集模块：与信号调理模块连接，用于采集人体心电信号；

信号调理模块：与中央控制模块连接，用于进行信号的滤波、放大、AD转换；

中央控制模块：与信号调理模块、无线通信模块连接，用于发出指令使各模块正常工作；

无线通信模块：与中央控制模块连接，用于将心电数据传输至用户手机APP。

9.根据权利要求8所述的基于心率刺激-恢复趋势的心肺耐力评估装置，其特征在于，所述心电采集模块包括金属干电极以及信号预处理电路，其中信号预处理电路包括右腿驱动电路，用于去除共模干扰。

10.根据权利要求8所述的基于心率刺激-恢复趋势的心肺耐力评估装置，其特征在于，所述信号调理模块包括低通滤波器、高通滤波器、工频陷波器、信号放大电路和模数转换器，依次进行低通滤波、高通滤波、工频陷波、信号放大和AD转换。

Images