CN115670901A - 心肺复苏动作规范辅助方法、装置及佩戴设备 - Google Patents

Abstract

本发明公开一种心肺复苏动作规范辅助方法、装置及佩戴设备。其中心肺复苏动作规范辅助方法，适用于心肺复苏施救者佩戴的设备，包括：获取设备运动的多源原始数据；对所述多源原始数据进行数据融合并对融合后的数据进行特征提取，获取样本数据；利用样本数据中的测试样本对已训练的决策树模型进行测试，基于测试结果对决策树模型的模型参数进行微调校正；基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，以指导施救者执行心肺复苏时的操作规范。本发明可以对施救者执行的心肺复苏操作进行质量实时监测，以保证提供规范的心肺复苏。

Description

心肺复苏动作规范辅助方法、装置及佩戴设备

技术领域

本发明涉及医疗器械技术领域，尤其涉及一种心肺复苏动作规范辅助方法、装置及佩戴设备。

背景技术

心搏骤停一旦发生，如得不到立刻及时地抢救复苏，4～6min后会造成患者脑和其他人体重要器官组织的不可逆的损害，因此心搏骤停后的心肺复苏必须在现场立即进行。

心肺复苏作为紧急抢救的基本应急措施，对于大多数非医学专业救助者及部分医务人员而言，持续给予标准化心肺复苏救治(按压频率100-120次/分钟，按压深度5-6厘米)存在着一定的困难。这主要由于在紧急情况下，施救者对于按压频率与按压深度敏感性不足，即意识不到按压动作已变形或按压有效性降低的问题，从而无法提供标准规范的心肺复苏。

发明内容

本发明提供一种心肺复苏动作规范辅助方法、装置及佩戴设备，用以克服上述技术问题，可以对施救者执行的心肺复苏操作进行质量实时监测，以保证提供标准规范的心肺复苏。

本发明提供的一种心肺复苏动作规范辅助方法，适用于心肺复苏施救者佩戴的设备，包括：

获取设备运动的多源原始数据；

对所述多源原始数据进行数据融合并对融合后的数据进行特征提取，获取样本数据；

利用样本数据中的测试样本对已训练的决策树模型进行测试，基于测试结果对决策树模型的模型参数进行微调校正；

基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，以指导施救者执行心肺复苏时的操作规范。

本发明还提供一种具有心肺复苏动作规范辅助功能的装置，适用于心肺复苏施救者佩戴的设备，包括：

数据采集模块，用于获取设备运动的多源原始数据；

数据处理模块，用于对所述多源原始数据进行数据融合并对融合后的数据进行特征提取，获取样本数据；利用样本数据中的测试样本对已训练的决策树模型进行测试，基于测试结果对决策树模型的模型参数进行微调校正；基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，以指导施救者执行心肺复苏时的操作规范。

本发明还提供一种佩戴设备，用于施救者执行心肺复苏操作时佩戴，其特征在于，包括：信息反馈装置和用于将信息反馈装置佩戴在施救者手腕的佩戴连接装置，其中，信息反馈装置启动时可执行上述的心肺复苏动作规范辅助方法。

本发明还提供一种佩戴设备，用于施救者执行心肺复苏操作时佩戴，其特征在于，包括：信息反馈装置和用于将信息反馈装置佩戴在施救者手腕的佩戴连接装置，其中，信息反馈装置包括：

数据采集模块，用于采集佩戴设备的原始运动数据；

预处理模块，用于对原始运动数据进行预处理，获得预处理数据；

校正模块，用于对预处理数据中的加速度值进行补偿校正；

积分及滤波模块，用于对校正后的加速度值进行积分获得速度，对速度滤波后再次积分获得位移，并对获得的位移进行滤波；

峰值确定模块，用于根据滤波后的运动轴的位移确定运动周期及峰/谷位置；

按压深度计算模块，用于根据峰/谷位置确定按压深度。

本发明通过对设备运动的多源原始数据进行数据融合可以尽可能多地保留原始数据的特征，从而能够提高智能决策结果的准确性；通过决策树算法模型能在相对短的时间内数据进行处理，提高了数据处理的实时性，从而保证心肺复苏施救者的操作得到及时准确的反馈，提升施救成功率。而且佩戴设备成本低，主要器件均由市面广泛使用的通用物料制造，可以批量生产并给有心脏病风险患者以及急救科医务人员佩戴，可用来在没有专业医学知识的广大群众中普及心肺复苏按压手法；设备可以在身体没有异常的情况下实时监测佩戴者心率异常情况；而当需要进行心肺复苏按压的时候由按压实施者佩戴进行按压指导，并且实时监测按压实施者的心率数据从而来反馈按压实施者的体力情况，保证施救的有效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种心肺复苏动作规范辅助方法的流程图；

图2为本发明提供的一种心肺复苏动作规范辅助方法实际应用例的流程图；

图3为本发明实施例提供的一种具有心肺复苏动作规范辅助功能的装置的结构示意图；

图4为本发明实施例提供的一种佩戴设备结构示意图；

图5为图4中信息反馈装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例中对于心脏复苏辅助可穿戴设备所采集的位移、体温、心率、心脏复苏频率等数据，基于多源数据融合(Multi-source Data Fusion，简称MDF)与决策树(Decision Tree,简称DT)的智能数据分析处理方法，实现心脏复苏的质量实时监测，对施救者执行心脏复苏操作提出及时的调整意见。

该设备中采用的算法主要流程包括：首先对心脏复苏辅助可穿戴设备所采集的数据进行预处理，便于后续的数据分析；然后采用数据融合方法进行多源数据融合，进一步采用小波变换方法进行数据特征提取，并将数据样本按一定比例划分为测试样本和训练样本；将训练样本作为决策树算法的输入，实现DT模型的训练；用测试样本对训练好的DT模型进行测试，微调校正DT模型相关参数；最终基于校正好的DT模型对采集的按压数据进行处理，并输出施救者心脏复苏的质量的评估结果。

为使本发明的技术方案更加清楚，以下结合附图对本发明的实施例进行详细说明。

图1为本发明实施例提供的一种心肺复苏动作规范辅助方法的流程图，该方法的实施主体可以为心肺复苏施救者佩戴的设备，如图1所示，本实施例的方法包括：

步骤101、获取设备运动的多源原始数据；

设备可佩戴在施救人员的手腕上，当施救人员对被施救人员进行心肺复苏按压操作时，会带动设备进行上下移动，其移动频率及深度可反映出施救人员执行心肺复苏按压动作的频率和深度，因此，设备可通过设备内嵌的惯性测量单元(Inertial MeasurementUnit，简称IMU)对设备运动的三轴角速率以及三轴加速度进行测量。

多源原始数据为来自不同数据源的产生的数据，如加速度计采集三轴加速度，陀螺仪采集三轴角速度等，即多源原始数据包括惯性测量单元采集的加速度、角速度等原始数据。为便于计算，可以将采集的角速度数据转换成四元数表示，四元数是物体姿态角的复数表示，相比传统的欧拉角有降低运算次数的优势。

步骤102、对所述多源原始数据进行数据融合并对融合后的数据进行特征提取，获取样本数据。

采用对采集的原始数据进行融合可以尽可能多地保留原始数据的特征，从而能够提高智能决策结果的准确性。利用四元数表示的角速度数据与加速度数据进行融合，即用角速度对加速度进行补偿，获得的加速度数据相比单一加速度要精准很多。通过三轴加速度计采集获得的加速度值通过积分得到速度，再积分得到位移，通过运动轴如Z轴的位移计算出运动周期，再做简单差分即可得到峰/谷的位置，而峰均值和谷均值的差可以作为按压深度，通过上述计算可以得到按压深度。峰均值为一段时间内的峰值的均值，谷均值为一段时间内的谷值的均值。实践中，如果仅仅采用加速度计采集加速度数值进行计算得到按压深度，经过长时间积累后，得到的按压深度存在较大累计漂移误差，而通过数据融合可以实现用设备运动的角速度对加速度进行补偿以降低漂移，有利于Z轴与重心重合，即补偿后的加速度数据相当于传感器一直垂直放置，Z轴和重心g重合，从而提高检测结果的准确度。

采集的原始数据中可能存在各种偶然因素引起的异常值，为避免这些因素带来的误差，一般在数据融合前，还要对多源原始数据的每一来源原始数据进行包括归一化处理和/或异常值处理的数据预处理，从而对多源原始数据进行数据融合，具体为：对数据预处理后的多源数据进行数据融合。

在实际应用中，为便于数据处理，一般采用离散小波变换方法对融合后的数据进行特征提取。小波分析是分析处理信号的一种技术，把小波分析运用到时间序列上，可以较好地从原信号序列中分解出趋势项、周期项和随机项，通过小波变换可以进行特征提取。而且采用小波变换还相当于使用了带通滤波器，信号频率被限制在一定范围内，得到的结果也是该频域段内的时间分量，且经过参数作用后，频域内每个频带不重叠。

步骤103、利用样本数据中的测试样本对已训练的决策树模型进行测试，基于测试结果对决策树模型的模型参数进行微调校正。

上述步骤102中完成特征提取后得到的样本数据分成训练样本和测试样本两部分，训练样本作为决策树算法的输入，完成决策树模型的训练，测试样本对训练好的决策树模型进行测试，微调校正决策树模型相关参数。其中，决策树模型采用的算法为CART(Classification and Regression Tree)算法，其采用基尼指数最小化准则，进行特征选择。采用决策树模型能在相对短的时间内对大型数据源得出可行且效果良好的结果，便于数据处理的实时性。对于心肺复苏操作按压质量出现问题时需要及时发现并调整纠正，所以对设备检测的按压数据需要及时准确地进行反馈，本实施例中，通过采用训练优化决策树模型可以实现对检测的数据快速及时进行处理并输出结果。

步骤104、基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，以指导施救者执行心肺复苏时的操作规范。

基于微调校正后的决策树模型可以根据实时输入采集的检测值的特征更加快速准确地计算出对应的按压数据，即准确地对按压频率及按压深度进行质量监测，基于质量监测可以指导施救者执行心肺复苏时的动作规范。

具体来说，基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，包括：基于微调校正后的决策树模型计算心肺复苏的按压频率及按压深度；判断按压频率和按压深度是否在预设的阈值范围内；若在预设的阈值范围内，则将按压频率和按压深度显示在设备的显示屏上；若不在预设的阈值范围内，则可以显示按压异常，或者驱动其他装置进行报警。当通过大量样本对决策树模型进行训练并校正后，可以用于对运动传感器采集的数据进行实时处理预测输出按压频率及按压深度。

在实际应用中，施救者在实施心肺复苏操作过程中，可能出现疲劳或其他异常情况，通过检测施救者的心率可以监测这种情况，因此，为实现监测该情况的出现，设备上还配置了采集施救者的心率数据的装置，若施救者的心率异常，则可以语音或文字显示提示更换其他施救者执行心肺复苏操作。

本发明实施例通过对设备运动的多源原始数据进行数据融合可以尽可能多地保留原始数据的特征，从而能够提高智能决策结果的准确性；通过决策树算法模型能在相对短的时间内数据进行处理，提高了数据处理的实时性，从而保证心肺复苏施救者的操作得到及时准确的反馈，提升施救成功率。

图2为本发明提供的一种心肺复苏动作规范辅助方法实际应用例的流程图，如图2所示，当设备启动时，蜂鸣器通过循环播放“滴滴滴”有节拍的声音以提供施救者按压节拍匹配；同时，设备读取内嵌的运动传感器采集的原始数据，并基于上述实施例中的算法计算按压频率和按压深度，若得到的按压频率和按压深度符合标准，即预先设置的相应阈值范围，则将相应的数据进行统计并显示在设备的显示屏上，若不符合标准则驱动设备的震动马达提示，并在屏幕上显示异常；在施救者心肺复苏过程中，设备读取内嵌的心率传感器采集的按压过程中施救者的心率数据，若出现心率异常，如心率太高或者有效率太低等，则可能是施救者疲劳或其他原因导致的其不再适合继续执行心肺复苏操作，需要更换其他人员，同时驱动蜂鸣器播放语音信号或者特定报警信号，以及震动马达震动提示换人操作。

图3为本发明实施例提供的一种具有心肺复苏动作规范辅助功能的装置的结构示意图，如图3所示，本实施例的装置可以为心肺复苏施救者佩戴的设备的一部分，其包括：数据采集模块10和数据处理模块20，其中数据采集模块10，用于获取设备运动的多源原始数据；数据处理模块20，用于对所述多源原始数据进行数据融合并对融合后的数据进行特征提取，获取样本数据；利用样本数据中的测试样本对已训练的决策树模型进行测试，基于测试结果对决策树模型的模型参数进行微调校正；基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，以指导施救者执行心肺复苏时的操作规范。

在实际应用中，数据采集模块10，还用于采集获取施救者的心率数据；数据处理模块20，还用于当确定施救者的心率异常时，提示更换其他施救者执行心肺复苏操作。

本实施例的装置可以执行上述方法实施例中的操作步骤，其工作原理的达到的技术效果类似，在此不再赘述。

图4为本发明实施例提供的一种佩戴设备结构示意图，图5为图4中信息反馈装置的结构示意图，如图4和图5所示，佩戴设备主要包括信息反馈装置100和用于将信息反馈装置佩戴在施救者手腕的佩戴连接装置200，其中，信息反馈装置启动时可执行上述的心肺复苏动作规范辅助方法实施例中的操作步骤。信息反馈装置100的外观可以为手表样式，内部配置有MCU主控单元和分别与MCU主控单元连接的运动传感器、心率传感器、蜂鸣器、震动马达和显示屏。其中运动传感器，用于采集设备的运动数据，如可以采集设备加速度以及角速度数据，根据这些数据可以使用特定算法解析到设备运动状态以及空间位置信息；心率传感器，用于采集施救者的心率数据；蜂鸣器，用于指示施救者按压的节奏，其通过间隔一定时间发出短促的声音用来指示用户按压节奏；震动马达，用于通过震动方式反馈按压是否规范；显示屏，用于显示心肺复苏的操作信息，所述操作信息包括按压深度、按压频率、持续按压时间及按压有效率；MCU主控单元，用于根据运动传感器和心率传感器采集的数据进行计算并驱动蜂鸣器、震动马达和显示屏工作以执行心肺复苏操作的质量监控。

该佩戴设备采用纽扣电池或锂电池供电，锂电池供电可配合充电电路实现USB接口充电。

该佩戴设备主要用于施救者执行心肺复苏操作时佩戴，因为当施救者的体力下降到一定程度后按压动作会变形从而无法达到有效的施救效果，通过监测施救者的心率可以保证施救的有效性。当然，在平时也可由一般人或者病患者佩戴以进行心率监测。当设备佩戴在患者身上时，心率传感器，还可以采集患者的心率；蜂鸣器，还用于发出报警信号；MCU主控单元，还用于监测到患者的心率异常时，驱动蜂鸣器发出报警信号。

本实施例中的佩戴设备可用于执行上述图1或图2所示实施例的流程方法步骤，其达到的技术效果类似，不再赘述。另外，本实施例的佩戴设备成本低，主要器件均由市面广泛使用的通用物料制造，可以批量生产并给有心脏病风险患者以及急救科医务人员佩戴，可用来在没有专业医学知识的广大群众中普及心肺复苏按压手法；设备可以在身体没有异常的情况下实时监测佩戴者心率异常情况；而当需要进行心肺复苏按压的时候由按压实施者佩戴进行按压指导，并且实时监测按压实施者的心率数据从而来反馈按压实施者的体力情况，保证施救的有效性。

在另一实施例中，上述佩戴设备中的信息反馈装置可以包括：数据采集模块，用于采集佩戴设备的原始运动数据；预处理模块，用于对原始运动数据进行预处理，获得预处理数据；校正模块，用于对预处理数据中的加速度值进行补偿校正；积分及滤波模块，用于对校正后的加速度值进行积分获得速度，对速度再次积分获得位移，并对获得的速度和位移进行滤波；峰值确定模块，用于根据滤波后的运动轴如Z轴的位移确定运动周期及峰/谷位置；按压深度计算模块，用于根据峰/谷位置确定按压深度。

本实施例中，数据预处理可以采用上述实施例中的归一化处理和/或异常值处理，对加速度值的补偿校正可以采用上述的数据融合方法。获得补偿后的加速度可以直接计算获得位移，进而获得按压深度，也可以通过一些如上述实施例中的模型算法进行预测计算按压深度。

在实际应用中，由于按压深度难以测量，而且存在测量不准确的问题，通过本实施例也可以较为准确地对心肺复苏操作中的按压深度进行检测。

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。

Claims (13)

1.一种心肺复苏动作规范辅助方法，适用于心肺复苏施救者佩戴的设备，其特征在于，包括：

获取设备运动的多源原始数据；

对所述多源原始数据进行数据融合并对融合后的数据进行特征提取，获取样本数据；

利用样本数据中的测试样本对已训练的决策树模型进行测试，基于测试结果对决策树模型的模型参数进行微调校正；

基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，以指导施救者执行心肺复苏时的操作规范。

2.根据权利要求1所述的方法，其特征在于，对所述多源原始数据进行数据融合之前，还包括：

对多源原始数据的每一来源原始数据进行包括归一化处理和/或异常值处理的数据预处理；

相应地，对所述多源原始数据进行数据融合，具体为：

对数据预处理后的多源数据进行数据融合。

3.根据权利要求1所述的方法，其特征在于，对融合后的数据进行特征提取，具体为：

采用离散小波变换方法对融合后的数据进行特征提取。

4.根据权利要求1所述的方法，其特征在于，利用样本数据中的测试样本对已训练的决策树模型进行测试之前，还包括：

利用样本数据中的训练样本对决策树模型进行训练，获取已训练的决策树模型。

5.根据权利要求1所述的方法，其特征在于，所述决策树模型采用的算法为CART算法。

6.根据权利要求1-5中任一项所述的方法，其特征在于，基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，包括：

基于微调校正后的决策树模型计算心肺复苏的按压频率及按压深度；

判断按压频率和按压深度是否在预设的阈值范围内；

若在预设的阈值范围内，则将按压频率和按压深度显示在设备的显示屏上。

7.根据权利要求1所述的方法，其特征在于，还包括：

获取施救者的心率数据；

若施救者的心率异常，则提示更换其他施救者执行心肺复苏操作。

8.一种具有心肺复苏动作规范辅助功能的装置，适用于心肺复苏施救者佩戴的设备，其特征在于，包括：

数据采集模块，用于获取设备运动的多源原始数据；

数据处理模块，用于对所述多源原始数据进行数据融合并对融合后的数据进行特征提取，获取样本数据；利用样本数据中的测试样本对已训练的决策树模型进行测试，基于测试结果对决策树模型的模型参数进行微调校正；基于微调校正后的决策树模型对心肺复苏的按压频率及按压深度进行质量监测，以指导施救者执行心肺复苏时的操作规范。

9.根据权利要求8所述的装置，数据采集模块，还用于采集获取施救者的心率数据；

所述数据处理模块，还用于当确定施救者的心率异常时，提示更换其他施救者执行心肺复苏操作。

10.一种佩戴设备，用于施救者执行心肺复苏操作时佩戴，其特征在于，包括：信息反馈装置和用于将信息反馈装置佩戴在施救者手腕的佩戴连接装置，其中，信息反馈装置启动时可执行如权利要求1-7中任一项所述的心肺复苏动作规范辅助方法。

11.根据权利要求10所述的佩戴设备，其特征在于，所述信息反馈装置包括：MCU主控单元和分别与MCU主控单元连接的运动传感器、心率传感器、蜂鸣器、震动马达和显示屏，

运动传感器，用于采集设备的运动数据；

心率传感器，用于采集施救者的心率数据；

蜂鸣器，用于指示施救者按压的节奏；

震动马达，用于通过震动方式反馈按压是否规范；

显示屏，用于显示心肺复苏的操作信息，所述操作信息包括按压深度、按压频率、持续按压时间及按压有效率；

MCU主控单元，用于根据运动传感器和心率传感器采集的数据进行计算并驱动蜂鸣器、震动马达和显示屏工作以执行心肺复苏操作的质量监控。

12.根据权利要求11所述的佩戴设备，其特征在于，当设备佩戴在患者身上时，所述心率传感器，还用于采集患者的心率；所述蜂鸣器，还用于发出报警信号；MCU主控单元，还用于监测到患者的心率异常时，驱动蜂鸣器发出报警信号。

13.一种佩戴设备，用于施救者执行心肺复苏操作时佩戴，其特征在于，包括：信息反馈装置和用于将信息反馈装置佩戴在施救者手腕的佩戴连接装置，其中，信息反馈装置包括：

数据采集模块，用于采集佩戴设备的原始运动数据；

预处理模块，用于对原始运动数据进行预处理，获得预处理数据；

校正模块，用于对预处理数据中的加速度值进行补偿校正；

积分及滤波模块，用于对校正后的加速度值进行积分获得速度，对速度滤波后再次积分获得位移，并对获得的位移进行滤波；

峰值确定模块，用于根据滤波后的运动轴的位移确定运动周期及峰/谷位置；

按压深度计算模块，用于根据峰/谷位置确定按压深度。

Images