CN114903445A - 一种心脑血管疾病智能监测预警系统 - Google Patents
一种心脑血管疾病智能监测预警系统 Download PDFInfo
- Publication number
- CN114903445A CN114903445A CN202210284755.3A CN202210284755A CN114903445A CN 114903445 A CN114903445 A CN 114903445A CN 202210284755 A CN202210284755 A CN 202210284755A CN 114903445 A CN114903445 A CN 114903445A
- Authority
- CN
- China
- Prior art keywords
- module
- early warning
- cardiovascular
- signal
- intelligent
- 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.)
- Withdrawn
Links
- 208000024172 Cardiovascular disease Diseases 0.000 title claims abstract description 45
- 208000026106 cerebrovascular disease Diseases 0.000 title claims abstract description 44
- 230000002526 effect on cardiovascular system Effects 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 210000000707 wrist Anatomy 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 9
- 230000036541 health Effects 0.000 claims description 9
- 230000036772 blood pressure Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 238000012821 model calculation Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 201000010099 disease Diseases 0.000 abstract description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 23
- 238000003745 diagnosis Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 abstract description 4
- 210000004556 brain Anatomy 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 239000002245 particle Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 208000011775 arteriosclerosis disease Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 206010003210 Arteriosclerosis Diseases 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 2
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 206010006578 Bundle-Branch Block Diseases 0.000 description 1
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000002861 ventricular Effects 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
-
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/256—Wearable electrodes, e.g. having straps or bands
-
- 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
- A61B5/389—Electromyography [EMG]
-
- 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
-
- 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
- A61B5/681—Wristwatch-type devices
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种心脑血管疾病智能监测预警系统,包括:佩戴装置、采集模块、传输模块、智能终端模块和显示模块;所述佩戴装置佩戴在被检测者手腕部,所述采集模块、传输模块和显示模块均设置在佩戴装置上;所述采集模块用于采集被检测者的生理信号;所述传输模块用于将所述生理信号传输到所述智能终端模块,还用于将所述智能终端模块的数据传输到所述显示模块;所述智能终端模块用于处理所述生理信号;所述显示模块,用于进行心脑血管疾病风险预警并显示预测到的心脑血管疾病结果。本发明根据多种生理信号的输出结果,进行实时疾病预诊断,进行心脑血管疾病风险预警,为心、脑功能的评估和心脑血管疾病的诊断提供更加准确的参考。
Description
技术领域
本发明属于健康医疗监测技术领域,特别是涉及一种心脑血管疾病智 能监测预警系统。
背景技术
心脑血管疾病已经成为一种非常普遍的疾病,严重威胁着人类的健康, 智能化、个性化的医疗诊断方式拥有巨大的发展前景。未来,能够融合多 生理参数的可穿戴健康监护设备将成为数字化移动医疗的主力军。
专利号为201510873447.4的发明专利提出了一种基于多通道柔性融 合的生理信号检测系统,解决了多通道二元检测存在的冲突性信息融合问 题,以及专利号为201680078461.8的发明专利提出了一种生理参数信号融 合处理方法、装置及系统,解决了多种生理参数间的联合判断机制,这两 项专利主要是针对医生在多生理信号联合诊断的过程中,为医生诊断提供 辅助决策方案,但是没有提供实时的疾病诊断和预警结果。
发明内容
本发明的目的是提供一种心脑血管疾病智能监测预警系统,以解决上 述现有技术存在的问题。
为实现上述目的,本发明提供了一种心脑血管疾病智能监测预警系统, 包括:佩戴装置、采集模块、传输模块、智能终端模块和显示模块;
所述佩戴装置佩戴在被检测者手腕部和头部,所述采集模块、传输模 块和显示模块均设置在佩戴装置上;
所述采集模块用于采集被检测者的生理信号;
所述传输模块用于将所述生理信号传输到所述智能终端模块,还用于 将所述智能终端模块的数据传输到所述显示模块;
所述智能终端模块用于对所述生理信号进行分类处理;
所述显示模块用于对分类处理后的所述生理信号进行心脑血管疾病风 险预警并显示预测到的心脑血管疾病结果。
可选的,所述生理信号包括脉搏波、血压波、心电图、脑电图。
可选的,所述传输模块采用无线通讯技术与所述智能终端模块连接。
可选的,所述智能终端模块包括信号智能预处理单元、特征提取单元、 模型计算单元;
所述信号智能预处理单元用于对所述生理信号进行预处理;
所述特征提取单元用于基于滑动窗口,获得每个生理信号的特征数据;
所述模型计算单元用于构建预警模型,使用所述预警模型对每个生理 信号的特征数据进行计算,输出分类结果。
可选的,对所述生理信号进行预处理的过程包括,
所述信号智能预处理单元包括第一处理模块和第二处理模块;所述第 一处理模块去除所述生理信号中的低质量不可信信号;所述第二处理模块 对所述生理信号中的高质量可信信号进行信号处理;所述第二处理模块, 包括去基线漂移模块、去工频干扰模块和去高频干扰模块;所述去基线漂 移模块,对所述生理信号中的高质量可信信号去除基线漂移,得到去除基 线漂移的生理信号;所述去工频干扰模块,对去除基线漂移的所述生理信 号去除工频干扰,得到去除工频干扰的信号;所述去高频干扰模块,对去 除工频干扰的所述生理信号去除高频噪声干扰,得到去除高频噪声干扰的 信号,作为进行特征提取的输入信号。
可选的,所述预警模型为基于深度学习的卷积神经网络构建的。
可选的,所述显示模块通过设置被检测者的电子健康档案进行心脑血 管疾病风险预警。
可选的,所述预警的结果分为三个等级。
本发明的技术效果为:
本发明提供的一种心脑血管疾病智能监测预警系统,可调整腕带绑带 松紧,设备体积小,使用的导电织物电极,材质柔软,与人体皮肤贴合性 好,大大减少传统设备对皮肤的不适,为设备长期佩戴和监测提供了极大 的方便与舒适,并且具有较强抗干扰能力、能够长时间稳定测量;能同步 采集心电、脉搏、血压、脑电等多路重要生理信号。心电、脉搏、血压、 脑电等多生理信号精度与专业设备同步采集比对,能提供更准确、丰富的 疾病判断依据。与现有的可穿戴设备相比,本发明同步采集到的生理信号 准确度更高;采用滑动窗口进行生理信号提取的性能更稳定,通过粒子群 算法提高生理信号监测的实时性,在智能终端模块中根据多种生理信号的 输出结果,进行实时疾病预诊断,进行心脑血管疾病风险预警,为心、脑 功能的评估和心脑血管疾病的诊断提供更加准确的参考。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请 的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。 在附图中:
图1为本发明实施例中的一种心脑血管疾病智能监测预警系统的结构 示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的 特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可 执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序, 但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本发明提供了一种心脑血管疾病智能监测预警系统,包 括:佩戴装置、采集模块、传输模块、智能终端模块和显示模块;
佩戴装置佩戴在被检测者手腕部和头部,采集模块、传输模块和显示 模块均设置在佩戴装置上;
采集模块用于采集被检测者的生理信号;生理信号包括脉搏波、血压 波、心电图、脑电图。
采集模块通过采集终端采集被检测者的生理信号,采集终端有三个单 元组成。
1.心电采集单元,心电信号连续采集和识别。心电采集装置包括金属 电极和两个导电织物电极,两个导电织物电极与金属电极构成心电信号采 集的三个电极。
2.无创脉搏波和无创血压测量单元。采用光电脉搏血氧传感器,分别 接收红光和红外光两束光经过受试者手指的反射光强度,采用光电容积法 进行脉搏波的采集,得到两路不同的脉搏波波形。
3.脑电采集单元,脑电测量是在头部位置放置电极,将微弱的脑电信 号精确获取,经脑电图仪等脑电设备,将脑电信号采集、放大、处理并记 录其波形。
传输模块用于将生理信号传输到智能终端模块;传输模块采用无线通 讯技术与智能终端模块连接,实现生理信号采集模块与智能终端模块的实 时通讯。传输模块还用于通过无线通讯技术,将智能终端模块的数据传输 到显示模块。
智能终端模块用于分析处理生理信号,判断被检测者是否有心血管疾 病风险,进行疾病风险预警;
智能终端模块包括信号智能预处理单元、特征提取单元、模型计算单 元:
信号智能预处理单元用于对所述生理信号进行预处理的过程包括,
所述信号智能预处理单元包括第一处理模块和第二处理模块;
所述第一处理模块去除所述生理信号中的低质量不可信信号;具体地, 以心电信号为例,若心电信号幅值变化超过设定阈值,则心电信号为低质 量不可信信号,否则判断基线漂移程度:若基线漂移程度未超过设定阈值, 则心电信号为高质量可信信号,否则心电信号为低质量不可信信号。
所述第二处理模块对所述生理信号中的高质量可信信号进行信号处 理;所述第二处理模块,包括去基线漂移模块、去工频干扰模块和去高频 干扰模块;所述去基线漂移模块,对所述生理信号中的高质量可信信号去 除基线漂移,得到去除基线漂移的生理信号;所述去工频干扰模块,对去 除基线漂移的所述生理信号去除工频干扰,得到去除工频干扰的信号;所 述去高频干扰模块,对去除工频干扰的所述生理信号去除高频噪声干扰,得到去除高频噪声干扰的信号,作为进行特征提取的输入信号。
特征提取单元用于基于滑动窗口,获得每个生理信号的特征数据:
对心电信号特征数据的提取,通过建立模型
d(n)=resp(n)+bcg(n)+ad(n),其中resp(n)表示呼吸分量,bcg(n)表示心电 信号,ad(n)表示额外噪声。由于呼吸频率比脉搏频率低,resp(n)可以通过 高通滤波器去除,本发明使用带通滤波器来消除高频噪声。过滤后的数据 表示为:d'(n)=BPF(m(n))=bcg(n)+ad'(n)。通常情况下,能量峰值周期性地 出现在bcg(n)中。因此,能量峰值可以进行心跳检测和脉率估测。由于d'(n) 的振幅受外界因素干扰大,因此本发明使用短时能量而不是d'(n)的振幅来 定位能量峰值。因为观察到的心电信号中两个连续峰的时间间隔约为0.2 秒
本发明使用0.3秒(30个样本)长的滑动窗口来获得短时能量,额外 的0.1秒提供了一个余量确保在窗口内可以观察到至少一个能量峰值。窗 口每次前进0.01秒(1个样本),产生新的能量值。窗口数据可表示为: wd(n)=w(n)m'(sn+s)。其中,wds(i),s=0,1,...,W-1表示窗口和分段数据,s是 分段编号,i是分段内的样本编号。N是窗口容量,值为30,w(n)是窗口 函数。分段i中的能量表示为:然后根据上式的结果定位能量峰值,从而检测心电信号特征数据,与与心电信号相似,对脉搏波信号 采用同样的方法提取特征数据。
对心电信号提取的特征数据包含R波波峰、qrs起始点、qrs结束点。
对脉搏波提取的特征数据包含脉搏波的起始点、收缩期最高压力点, 主动脉扩张降压点、左心室舒张期开始点、反潮波起点、反潮波最高压力 点。
滑动窗口是两台主机间传送数据时的缓冲区。窗口尺寸表示可能缓冲 的数据量,通过粒子群优化算法进行生理信号的迭代。
粒子x通过迭代更新自己的速度和位置:
式中:Xxd和Vxd分别为粒子x的飞行位置和速度;为粒子 x迄今为止搜索到的最好位置;gbest为整个粒子迄今为止搜索到的最好位 置;G为迭代次数;ω为惯性权重;c1和c2为学习因子;r1和r2为0~1 之间的随机数。
模型计算单元用于构建预警模型,使用预警模型对每个生理信号的特 征数据进行计算,输出分类结果。
将获得的心电信号和脉搏率信号的特征数据分别输入到深度学习的卷 积神经网络中进行卷积运算;在全连接层中进行信息汇总,获得分类结果。
本实施例中,根据心电信号对心律失常进行疾病分类,设计适当参数 及深度的卷积神经网络,将含有正常心跳和心律失常(束支传导阻滞、房 性早搏、室性早搏等)的心电信号训练数据,划分为卷积神经网络模型的 训练集和测试集,随机选取部分样本作为训练集,其余作为测试集进行有 监督训练,利用深度学习进行特征学习并分类,当准确率达到预期时停止 训练,获得分类结果。根据脉搏波信号对动脉硬化进行疾病分类,设计卷 积神经网络模型对正常脉搏波信号和动脉硬化脉搏波信号进行动脉硬化疾 病的分类训练,获得分类结果。最终,将疾病分类和诊断结果作为实时监 测数据反馈给显示模块。
显示模块,用于显示预测到的心脑血管疾病结果。
显示模块中储存有被检测者的电子健康档案,所述电子健康档案的基 本内容主要由被检测者的基本信息和医疗卫生服务记录两部分组成。而被 检测者的电子健康档案从逻辑上包括基础信息数据库、疾病分析统计数据 库、疾病预测预警库三个子逻辑库。基础信息数据库是后两者的信息存储 源库。它将疾病按ICD编码进行分类,使数据标准化,存放在数据库中。 疾病分析统计数据库是一个以基本信息数据库为基础的数据管理与分析系 统,通过基础数据库和疾病分析统计数据库的结合使用,根据需要随时调 出、归纳疾病知识体系,计算统计结果,同时为疾病预测预警库获取高质、 完整研究资源,进而取得深入的预测预警。
基础信息数据库包括以下几点:
(1)病种多,覆盖心脑血管疾病确诊的所有病种。
(2)采用ICD10编码,精确描述,科学分类。
(3)记载内容涵盖面宽、数据衔接性好,满足深度挖掘要求。
(4)每个心脑血管疾病逻辑数据库可逐日、周、月、季、年与基础逻 辑数据库进行比对。
(5)收集、更新、查找数据方便。
(6)强大的数据管理能力。
(7)数据存储和交互的规范化。
疾病统计分析数据库:
通过疾病统计分析数据库可以从宏观层面把握被检测者心脑血管疾病 的历史走势和经验值,获得与心脑血管疾病相关的多角度信息。如:被检 测者某种类型心脑血管疾病在某历史时间段内与其他疾病的关联并发特 征。
疾病统计分析数据库包括以下结构模块与对应功能:
(1)疾病走势分析。
被检测者的某种心脑血管疾病在未来一段时间的日发病走势可以自动 汇总计算,可以进一步精确到小时单位。
疾病预警数据库主要是根据被检测者历史数据、实时监测数据或未来 的预测数据与预警条件进行比照,对符合对应条件的情况发出预测结果。 ICD10中心脑血管疾病被细分很多种,这是因为每种类型的心脑血管疾病 的原因和它们在不同人群中的分布不同,其预防及治疗方案各异。因此, 有必要弄清各种类型的具体发病情况及其对总体发病趋势的贡献如何。要 做到这一点,必须依靠新的数据库才能完成。
显示模块中还设置有预警等级分类表,根据心脑血管疾病预警等级分 类表,对分类后的心脑血管疾病进行预警等级甄别:
依据预测结果的数据,将心脑血管疾病结果预警等级分为三级,其中 危险程度最高的是“危险”等级,被检测者的预测结果已经达到第三阈值, 需要及时到医院就医,不然面临得心脑血管疾病的风险。第二阈值内的预 测结果被标记为“预警”,被检测者需要通过调整合理的生活起居。第一 阈值内被标记为“安全”,对被检测者没有安全影响,不需作预警与操作。 表1给出了心脑血管疾病预警等级:
表1
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并 不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内, 可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本 申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种心脑血管疾病智能监测预警系统,其特征在于,包括:
佩戴装置、采集模块、传输模块、智能终端模块和显示模块;
所述佩戴装置佩戴在被检测者手腕部和头部,所述采集模块、传输模块和显示模块均设置在佩戴装置上;
所述采集模块用于采集被检测者的生理信号;
所述传输模块用于将所述生理信号传输到所述智能终端模块,还用于将所述智能终端模块的数据传输到所述显示模块;
所述智能终端模块用于对所述生理信号进行分类处理;
所述显示模块用于对分类处理后的所述生理信号进行心脑血管疾病风险预警并显示预测到的心脑血管疾病结果。
2.根据权利要求1所述的心脑血管疾病智能监测预警系统,其特征在于,所述生理信号包括脉搏波、血压波、心电图、脑电图。
3.根据权利要求1所述的心脑血管疾病智能监测预警系统,其特征在于,所述传输模块采用无线通讯技术与所述智能终端模块连接。
4.根据权利要求1所述的心脑血管疾病智能监测预警系统,其特征在于,所述智能终端模块包括信号智能预处理单元、特征提取单元、模型计算单元;
所述信号智能预处理单元用于对所述生理信号进行预处理;
所述特征提取单元用于基于滑动窗口,获得每个生理信号的特征数据;
所述模型计算单元用于构建预警模型,使用所述预警模型对每个生理信号的特征数据进行计算,输出分类结果。
5.根据权利要求4所述的心脑血管疾病智能监测预警系统,其特征在于,对所述生理信号进行预处理的过程包括,
所述信号智能预处理单元包括第一处理模块和第二处理模块;所述第一处理模块去除所述生理信号中的低质量不可信信号;所述第二处理模块对所述生理信号中的高质量可信信号进行信号处理;所述第二处理模块,包括去基线漂移模块、去工频干扰模块和去高频干扰模块;所述去基线漂移模块,对所述生理信号中的高质量可信信号去除基线漂移,得到去除基线漂移的生理信号;所述去工频干扰模块,对去除基线漂移的所述生理信号去除工频干扰,得到去除工频干扰的信号;所述去高频干扰模块,对去除工频干扰的所述生理信号去除高频噪声干扰,得到去除高频噪声干扰的信号,作为进行特征提取的输入信号。
6.根据权利要求4所述的心脑血管疾病智能监测预警系统,其特征在于,所述预警模型为基于深度学习的卷积神经网络构建的。
7.根据权利要求1所述的心脑血管疾病智能监测预警系统,其特征在于,所述显示模块通过设置被检测者的电子健康档案进行心脑血管疾病风险预警。
8.根据权利要求7所述的心脑血管疾病智能监测预警系统,其特征在于,所述预警的结果分为三个等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210284755.3A CN114903445A (zh) | 2022-03-22 | 2022-03-22 | 一种心脑血管疾病智能监测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210284755.3A CN114903445A (zh) | 2022-03-22 | 2022-03-22 | 一种心脑血管疾病智能监测预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114903445A true CN114903445A (zh) | 2022-08-16 |
Family
ID=82763716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210284755.3A Withdrawn CN114903445A (zh) | 2022-03-22 | 2022-03-22 | 一种心脑血管疾病智能监测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114903445A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116211298A (zh) * | 2023-01-16 | 2023-06-06 | 杭州沃维医疗科技有限公司 | 一种集成血液氧含量与电信号采集的系统、方法及传感器 |
-
2022
- 2022-03-22 CN CN202210284755.3A patent/CN114903445A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116211298A (zh) * | 2023-01-16 | 2023-06-06 | 杭州沃维医疗科技有限公司 | 一种集成血液氧含量与电信号采集的系统、方法及传感器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109157202B (zh) | 一种基于多生理信号深度融合的心血管疾病预警系统 | |
JP6567728B2 (ja) | 患者の生存性を予測する方法 | |
CN109620262B (zh) | 一种基于可穿戴手环的情绪识别系统及方法 | |
EP3698707B1 (en) | Electrocardiogram information dynamic monitoring system, computer program and computer readable storage medium | |
Jin et al. | Predicting cardiovascular disease from real-time electrocardiographic monitoring: An adaptive machine learning approach on a cell phone | |
CN107951485A (zh) | 基于人工智能自学习的动态心电图分析方法和装置 | |
US20110137189A1 (en) | Physiological signal sensing system without time and place contraint and its method | |
CN113317794B (zh) | 一种生命体征分析方法与系统 | |
CN112057059A (zh) | 基于多模态生理数据的心理压力智能采集测试分析系统 | |
CN111317446B (zh) | 基于人体肌肉表面电信号的睡眠结构自动分析方法 | |
CN109620209B (zh) | 一种动态心电、呼吸和运动监测系统和方法 | |
CN109288515A (zh) | 基于穿戴式心电信号中早搏信号的周期性监测方法及装置 | |
CN114648040A (zh) | 生命体征多生理信号提取、融合分析方法 | |
Pinge et al. | A comparative study between ECG-based and PPG-based heart rate monitors for stress detection | |
CN114903445A (zh) | 一种心脑血管疾病智能监测预警系统 | |
CN105852847A (zh) | 一种心脏及生命体征监护分析系统 | |
CN115956918A (zh) | 一种具有基于多特征融合的心电信号质量评估功能的远程心电监测系统 | |
Pflugradt et al. | Improved signal quality indication for photoplethysmographic signals incorporating motion artifact detection | |
Rohan et al. | Classification of cardiac arrhythmia diseases from obstructive sleep apnea signals using decision tree classifier | |
CN109907745A (zh) | 连续心率血压心电监测仪 | |
Orjuela-Cañón et al. | Onset and peak detection over pulse wave using supervised SOM network | |
CN118078270B (zh) | 基于ecg、ppg信号的心电运动监测系统及运动状态评估方法 | |
Jeong et al. | Real-time monitoring of ubiquitous wearable ECG sensor node for healthcare application | |
Bonfanti et al. | Implementation of an iot node for biomedical applications | |
CN117297564A (zh) | 一种基于心电光电压力脉搏信号的穿戴式脉诊手环系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220816 |