CN115956918A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN115956918A
CN115956918A CN202211097428.3A CN202211097428A CN115956918A CN 115956918 A CN115956918 A CN 115956918A CN 202211097428 A CN202211097428 A CN 202211097428A CN 115956918 A CN115956918 A CN 115956918A
Authority
CN
China
Prior art keywords
quality evaluation
electrocardio
remote
electrocardiosignal
feature fusion
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
CN202211097428.3A
Other languages
English (en)
Inventor
王竹卿
钟磊
龙智明
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.)
Chengdu Rihe Advanced Technology Co ltd
Original Assignee
Chengdu Rihe Advanced Technology Co 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 Chengdu Rihe Advanced Technology Co ltd filed Critical Chengdu Rihe Advanced Technology Co ltd
Priority to CN202211097428.3A priority Critical patent/CN115956918A/zh
Publication of CN115956918A publication Critical patent/CN115956918A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了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，涉及远程心电监测系统技术领域，包括心电采集模块和STM32F407主控模块；所述STM32F407主控模块包括控制心电信号采集模块和心电信号质量评估算法：本发明的有益效果为：本发明综合考虑了算法复杂度和检测精度的平衡问题，创新性地提出了一个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，实现了可穿戴设备自动分析心电信号前，先对心电信号进行质量分析，过滤掉临床质量不可接受的心电信号，有效避免大量低质量数据被视为有效数据保存下来，而浪费存储资源，严重降低分析效率这一情况。

Description

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
技术领域
本发明涉及远程心电监测系统技术领域，具体为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。
背景技术
人体心电图作为心脏电活动在体表的一种综合表现，蕴涵着丰富的反映心脏节律及其电传导的生理和病理上的信息，在很大程度上可以客观地反映出心脏各个部位的生理状况，是诊断心血管疾病、评价心脏功能是否良好的重要依据之一。因此，检测病人的心电信号并对其进行分析和处理，是诊断心血管疾病的最主要也是最直接的一种方法。随着科技的发展，动态心电监护朝着可穿戴、智能化、便捷化的方向快速发展，在新的时期人们希望实现心电数据的个体化、随时、长程、连续采集，还要与移动通讯、互联网+等技术深度融合，实现数据的实时传输、智能监测和专业诊断。
但心电信号在采集过程中会受到各种噪声的影响，这些噪声给心电图的诊断和分析带来了困难。因此，无论是心电医师进行临床诊断和分析，还是用可穿戴设备自动分析心电信号之前，都需要对心电信号进行质量分析，过滤掉临床质量不可接受的心电信号。因此一套具有质量评估功能的远程心电监测系统将有效避免大量低质量数据被视为有效数据保存下来，而严重浪费临床资源这一情况，该系统在减少医师工作量和提高诊治可行度等方面具有广泛的应用前景。
心电信号质量评估，就是利用心电信号质量评估算法对心电信号进行质量等级划分。根据不同的应用有不同的分类。其中，2个质量分组的等级分类(临床可接受、临床不可接受)广泛应用于决定心电信号的质量是否可以用于临床诊断。判定为“临床可接受”的ECG信号可用于进一步的分析，而判定为“临床不可接受”的ECG信号，直接剔除，需重新采集信号进行分析。一个高性价比的具有心电信号质量评估功能的远程心电监测系统不但为保障广大民众的心血管健康提供了行之有效的手段，还有效解决了心血管病患者早筛查、早干预、持续管理及长期健康随访的难题，为智慧医疗提供了重要载体和技术手段。
目前对于心电信号质量评估方法的研究，大都只采用一些简单特征进行评估，其性能极其有限。也有研究者试图采用大量的复杂特征及分类算法来提高性能，但由于复杂度过高，往往难以在计算资源有限的移动设备上应用。如何有效的平衡算法的复杂度与检测精度就成为了一个非常重要的问题。
目前心电信号质量评估的研究还比较少，采用的方法不尽相同，但其关键都是在于能否提取到与信号质量相关的特征和分类方法的选择。与心电信号质量具有高相关性的SQI可以准确反映信号的好坏，但是目前很多SQI都是针对多导联心电信号而提出的，对单导联心电信号质量分析的研究还比较少。
心电信号本身非常微弱，十二标准导联设备采集的心电信号虽然对环境噪声抗干扰能力较强，但是操作起来复杂，且不灵活，不符合可穿戴式传感器在未来的医疗保健发展方向。
发明内容
针对现有技术的不足，本发明提供了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，解决了上述背景技术中提出的问题。
为实现以上目的，本发明通过以下技术方案予以实现：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，包括心电采集模块和STM32F407主控模块；
所述STM32F407主控模块包括控制心电信号采集模块和心电信号质量评估算法；
所述心电信号质量评估算法包括以下特征：
a)样本熵(SampEn)：
Figure BDA0003838805730000031
b)sSQI：sSQI是第三个时刻心电信号分布
Figure BDA0003838805730000032
c)pSQI：pSQI为评估功率谱分布特征
Figure BDA0003838805730000033
Q(f)表示分析窗口中心电信号功率谱
d)basSQI：basSQI表示基线漂移的相对功率
Figure BDA0003838805730000034
e)MpSQI：MpSQI表示心电波形主频功率谱分布
Figure BDA0003838805730000035
f)iSQI：iSQI为评估具有固定时间窗的RR间隔时间序列的间隔异常指数，将RR区间升序排列，选择15％值RR15和85％值RR85
Figure BDA0003838805730000036
g)bsSQI：bsSQI表示检查时域基线漂移
Figure BDA0003838805730000037
对采集到的心电信号进行计算，得到每条心电信号的上述7个信号质量指标SQIs，将其作为训练分类模型的特征，然后构建基于随机森林的分类模型。最终将分类模型部署在STM32F407上。
在本发明中进一步的，所述a)中样本熵通过度量信号中产生新模式的概率大小来衡量时间序列复杂性，新模式产生的概率越大，序列的复杂性就越大。
在本发明中进一步的，所述b)中xi是包含N个样本点的心电信号，μ是信号的均值，σ是信号的标准差。
在本发明中进一步的，所述c)中Q(f)表示分析窗口中心电信号功率谱。
在本发明中进一步的，所述g)中Rai是每个QRS心电波形峰到峰的振幅；R是QRS波群中QRS检测器的基准点，i＝1，2，3，…，N是在分析窗口内检测到的QRS波数量；Bai是每个波群中基线的峰到峰振幅。
本发明提供了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，具备以下有益效果：
本发明综合考虑了算法复杂度和检测精度的平衡问题，创新性地提出了一个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，实现了可穿戴设备自动分析心电信号前，先对心电信号进行质量分析，过滤掉临床质量不可接受的心电信号，有效避免大量低质量数据被视为有效数据保存下来，而浪费存储资源，严重降低分析效率这一情况。
同时，此系统实现了动态心电监护的可穿戴、智能化、便捷化，实现了心电数据的个体化、随时、长程、连续采集，与移动通讯等技术深度融合，实现了心电数据的实时传输、质量评估、智能监测和专业诊断。
附图说明
图1为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示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
请参阅图1，本发明的主要目的在于提出了一个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，主要由ADS1292心电采集模块和部署有基于随机森林分类模型的心电质量评估算法的STM32F407ZG主控模块组成。通过ADS1292单导联心电采集设备采集用户心电信号，利用SPI通信协议将提取的数据传输到主控芯片，然后利用相应算法提取心电信号时域、频域、非线性域特征，构建特征指标矩阵，利用以随机森林为分类器的机器学习法对心电信号进行质量分类，去除掉被标记为“临床不可接受”的数据。将“临床可接受”的数据通过WIFI发送到远程终端医生处。
1、ADS1292心电采集模块
心电采集模块是基于心电采集芯片ADS1292和STM32F407ZG主控实现心电采集功能。其工作原理大致如下：部署了心电质量评估算法的STM32F407ZG通过SPI通信协议对ADS1292进行配置寄存器、控制片选和传输数据等操作。ADS1292芯片通过电极与人体相连，通过激励产生电信，测量人体呼吸阻抗，设参考电压为2.5V，从而计算出实时的人体呼吸阻抗变化数据。
2、部署有基于随机森林分类模型的心电质量评估算法的STM32F407主控模块
本实验采用的数据是Physionet 2011年竞赛使用数据：数据库Challenge2011Training Set A中的心电数据。该数据库中包含1000例心电信号的数据，信号长度为10s，每例心电信号均为12导联同步采集，采样率为500Hz，带宽为0.05-100Hz，每个样本点16bit，分辨率为5μV。数据库中包含的1000例心电信号数据，其公开标注如下：被标注为信号质量好的数据有773例，标注为质量不好的数据有225例，标注为质量不确定的数据有2例。本实验中，对数据库中的1000例心电信号，除去质量标注不确定的2例心电信号外，将信号质量标注为质量可以接受和质量不可以接受的998例心电信号分为两个数据集，每个数据集中包含499例心电信号，分别作为本文的训练集和测试集。
我们先将上述分好的训练集、测试集进行相关特征的提取，然后将数据放入我们利用MATLAB自带的分类学习器工具箱中的Bagged Tree方法构建的随机森林分类器，得到分类结果，为得到分类准确率，我们对分类结果构建混淆矩阵，进而算得其分类准确率。经过多次实验，分类准确率最高可达92.90％，最低不低于85％。随后我们将分类模型嵌入式部署到STM32F407ZG主控中。
3、远程监测
STM32F407ZG主控模块会对采集到的心电信号进行质量评估，随后将合格的心电数据发送到云服务器上面，远程医生便能在自己电脑上对用户心电信息进行查看，达到远程监测的作用。
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一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，其特征在于：包括心电采集模块和STM32F407主控模块；
所述STM32F407主控模块包括控制心电信号采集模块和心电信号质量评估算法；
所述心电信号质量评估算法包括以下特征：
a)样本熵(SampEn)：
Figure FDA0003838805720000011
b)sSQI：sSQI是第三个时刻心电信号分布
Figure FDA0003838805720000012
c)pSQI：pSQI为评估功率谱分布特征
Figure FDA0003838805720000013
Q(f)表示分析窗口中心电信号功率谱
d)basSQI：basSQI表示基线漂移的相对功率
Figure FDA0003838805720000014
e)MpSQI：MpSQI表示心电波形主频功率谱分布
Figure FDA0003838805720000015
f)iSQI：iSQI为评估具有固定时间窗的RR间隔时间序列的间隔异常指数，将RR区间升序排列，选择15％值RR15和85％值RR85
Figure FDA0003838805720000016
g)bsSQI：bsSQI表示检查时域基线漂移
Figure FDA0003838805720000017
对采集到的心电信号进行计算，得到每条心电信号的上述7个信号质量指标SQIs，将其作为训练分类模型的特征，然后构建基于随机森林的分类模型。最终将分类模型部署在STM32F407上。
2.根据权利要求1所述的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，其特征在于：所述a)中样本熵通过度量信号中产生新模式的概率大小来衡量时间序列复杂性，新模式产生的概率越大，序列的复杂性就越大。
3.根据权利要求1所述的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，其特征在于：所述b)中xi是包含N个样本点的心电信号，μ是信号的均值，σ是信号的标准差。
4.根据权利要求1所述的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，其特征在于：所述c)中Q(f)表示分析窗口中心电信号功率谱。
5.根据权利要求1所述的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，其特征在于：所述g)中Rai是每个QRS心电波形峰到峰的振幅；R是QRS波群中QRS检测器的基准点，i＝1，2，3，…，N是在分析窗口内检测到的QRS波数量；Bai是每个波群中基线的峰到峰振幅。
6.根据权利要求1所述的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，其特征在于：所述心电信号质量评估算法是基于随机森林分类模型的心电质量评估算法。
CN202211097428.3A 2022-09-08 2022-09-08 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 Pending CN115956918A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211097428.3A CN115956918A (zh) 2022-09-08 2022-09-08 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211097428.3A CN115956918A (zh) 2022-09-08 2022-09-08 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

Publications (1)

Publication Number Publication Date
CN115956918A true CN115956918A (zh) 2023-04-14

Family

ID=87359090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211097428.3A Pending CN115956918A (zh) 2022-09-08 2022-09-08 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

Country Status (1)

Country Link
CN (1) CN115956918A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116327181A (zh) * 2023-05-30 2023-06-27 中国科学院苏州生物医学工程技术研究所 一种心脏实时无感监测综合评价方法、装置及电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116327181A (zh) * 2023-05-30 2023-06-27 中国科学院苏州生物医学工程技术研究所 一种心脏实时无感监测综合评价方法、装置及电子设备

Similar Documents

Publication Publication Date Title
EP3692904B1 (en) Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence
US11517212B2 (en) Electrocardiogram information dynamic monitoring method and dynamic monitoring system
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
CN107714023B (zh) 基于人工智能自学习的静态心电图分析方法和装置
CN109411041B (zh) 心电信息处理方法和心电工作站系统
Pecchia et al. Remote health monitoring of heart failure with data mining via CART method on HRV features
CN106815570B (zh) 一种基于动态模式识别的心电信号st-t段识别方法
CN109171712A (zh) 心房颤动识别方法、装置、设备及计算机可读存储介质
EP3698708A1 (en) Ecg information processing method and ecg workstation
CN109691994A (zh) 一种基于心电图的心率监测分析方法
CN109288515B (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
Demirel et al. Energy-efficient real-time heart monitoring on edge–fog–cloud internet of medical things
Hadiyoso et al. Arrhythmia detection based on ECG signal using Android mobile for athlete and patient
Kanna et al. Automated defective ECG signal detection using MATLAB applications
Kuzmin et al. Mobile ECG monitoring system prototype and wavelet-based arrhythmia detection
CN113288168A (zh) 一种智能可穿戴疲劳监测及预警系统
Zhang et al. Deep learning-based signal quality assessment for wearable ECGs
CN116965774A (zh) 一种术中麻醉状态监测设备
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
Adi et al. ECG-LPWAN based for Real-time monitoring Patient’s Heart Beat Status
Rashkovska et al. Clustering of heartbeats from ECG recordings obtained with wireless body sensors
CN203122371U (zh) 基于手机的心率测试、心电图诊断仪
CN114903445A (zh) 一种心脑血管疾病智能监测预警系统
Gu et al. A Novel Diagnostic Algorithm for Heart Disease in ECG Monitoring System
CN204246125U (zh) 一种心电工作站

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