CN116271376B - 一种便携式生命支持系统 - Google Patents

Abstract

本发明实施例公开了一种便携式生命支持系统，包括：中央处理模块、多参数监护模块、机械通气模块、输液模块和触摸显示模块；所述中央处理模块包括：心电呼吸信号滤波模块，用于对心电及呼吸信号进行干扰抑制；心电呼吸波形校正模块，用于对电及呼吸信号的波形进行校正。本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：一是系统功能完备，能够全面解决战场、野外、灾后等恶劣环境中对患者开展应急监测救治的需求；二是采用两种方式对心电呼吸监测结果进行校正，其中第一种方式主要用于滤除周期性干扰信号，第二种方式主要用于对存在缺失或错误的波形进行校正，从而处理后的结果可以更加准确的反映患者实际身体状态。

Description

一种便携式生命支持系统

技术领域

本发明涉及医疗器械技术领域，具体涉及一种便携式生命支持系统。

背景技术

便携式生命支持系统能够在战场、野外、灾后等恶劣环境中为患者提供基础的应急监测救治功能，例如提供心电、血氧、血压等监测，以及呼吸、输液等功能。例如，中国专利CN202110682162.8公开了一种野外应急救治用便携式通用生命支持系统，CN202210766611.1公开了一种智能生命支持一体机，并具体公开了便携式生命支持系统的结构。

然而，现有的便携式生命支持系统依然存在以下缺陷：一是设备因便携性设计需求，集成度非常高，单台设备内部通常会存在多种电磁电路信号和机电结构，导致各子模块之间的信号相互干扰；二是设备运行环境恶劣，特别是在战场、灾后救援等应用环境中，不仅外部空间环境中电磁干信号扰严重，而且设备往往在担架、车辆等运输途中使用，严重的颠簸、震动会给设备运行产生严重影响，严重时甚至会导致测量部件失效(例如搬动身体时产生的偶发性动作，或患者在车辆上产生的周期性晃动，都会导致心电监测传感器与身体之间的电接触性能改变从而引起测量数据错误、患者身体及呼吸器官受到挤压变形导致呼吸测量数据产生改变等)。上述缺陷会对患者心电和呼吸的监测结果产生严重影响，严重时监测结果甚至会出现错误或丢失。现有技术中传统的信号滤波或除噪方法，无法有效解决上述技术问题。

发明内容

本发明提供了一种便携式生命支持系统，用于解决背景技术中所记载的便携式生命支持系统使用环境中存在干扰，会对心电和呼吸的监测结果产生严重影响的问题。

本发明提供了一种便携式生命支持系统，包括：包括中央处理模块、多参数监护模块、机械通气模块、输液模块和触摸显示模块，其中，所述中央处理模块用于根据用户操作指令，对所述多参数监护模块、机械通气模块、输液模块发出控制指令，并接收反馈信息；所述多参数监护模块用于根据所述中央处理模块发出的控制指令，获取患者身体状态参数，并发送至所述中央处理模块；所述机械通气模块用于根据所述中央处理模块发出的控制指令，获取患者呼吸状态参数，辅助患者进行呼吸，并将所述患者呼吸状态参数发送至所述中央处理模块；所述输液模块用于根据所述中央处理模块发出的控制指令，实现不同速度的液体注入控制；所述触摸显示模块用于获取用户输入信息，发送至所述中央处理模块，以及接收所述中央处理模块发出的信息，并进行显示。

进一步，所述中央处理模块包括：心电呼吸信号滤波模块，用于对心电及呼吸信号进行干扰抑制；心电呼吸波形校正模块，用于对心电及呼吸信号的波形进行校正；其中，所述中央处理模块接收所述多参数监护模块发送的患者身体状态参数后，将所述患者身体状态参数中的心电及呼吸信号先送入所述心电呼吸信号滤波模块进行干扰抑制，再送入所述心电呼吸波形校正模块进行波形校正，最后送入所述触摸显示模块进行显示。

进一步，所述心电呼吸信号滤波模块包括：干扰信号确认模块，用于对周期干扰心电呼吸信号进行频谱结构分析，确定干扰信号频率区域；干扰频率区域确认模块，用于对原始心电呼吸信号进行频谱结构分析，确定心电呼吸信号的频率区域；自适应滤波器构建模块，用于基于所述胸外周期干扰信号频率区域、所述心电呼吸信号的频率区域，构建自适应滤波器；初步滤波模块，用于获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；干扰频率获取模块，用于根据初步滤波后的心电呼吸信号，确定周期性外部干扰频率，并设定频率阈值；数据重建模块，用于基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；心电呼吸信号获取模块，用于将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电呼吸信号。

进一步，所述自适应滤波器构建模块构建的自适应滤波器为有限长单位冲激响应滤波器，根据公式：获得初步滤波后的心电呼吸信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，r个抽头的输入信号、h(r)为第r级抽头数、y(n)为滤波器的输出序列，为初步滤波后的心电呼吸信号。

进一步，所述数据重建模块的运行步骤包括：利用最小均方滤波算法重建周期干扰信号模型；通过所述周期干扰信号模型对大于所述频率阈值的周期性信号进行周期干扰信号重建。

进一步，所述心电呼吸信号获取模块的运行步骤包括：获得重建的周期干扰信号，其中，所述周期干扰信号为通过周期干扰信号的同相和正交分量和进行重建；根据受周期干扰心电呼吸信号、所述重建的周期干扰信号，获得原始心电呼吸信号；根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号；调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电呼吸信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。

进一步，所述心电呼吸波形校正模块包括：波形检测模块，用于检测心电呼吸波形是否存在缺失或错误；波形校正模块，用于对存在缺失或错误的心电呼吸波形进行校正。

进一步，所述波形校正模块包括：最小自然波形确定模块，用于根据已接收的数据，确定存在缺失或错误的数据的最小自然波形周期T1和波形数值；波形补充替换模块，用于根据确定的最小自然波形周期T1和波形数值，对存在缺失或错误的数据进行补充或替换。

进一步，所述波形补充替换模块的运行步骤包括：确定存在缺失或错误的数据对应的最小自然波形起始点t1、终止点t2和持续时间T2；拟合生成存在缺失或错误数据的持续时间T2内的拟合波形；根据拟合波形的数值，对存在缺失或错误的数据进行替换。

进一步，所述拟合生成存在缺失或错误数据的持续时间内的拟合波形的方法包括：将起点为t1、终点为t2的n个最小自然波形的时间长度拉伸为T2，生成拟合波形；其中，当t1＞t2时，n＝T2％T1+(t2-t1)/T1+1；当t1≤t2时，n＝T2％T1+(t2-t1)/T1；其中，％表示整除求余运算，T2％T1表示时间T2中最多包含几个完整的T1周期。

本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：一是系统功能完备，能够全面解决战场、野外、灾后等恶劣环境中对患者开展应急监测救治的需求；二是采用两种方式对心电呼吸监测结果进行校正，其中第一种方式主要用于滤除周期性干扰信号，第二种方式主要用于对存在缺失或错误的波形进行校正，从而处理后的结果可以更加准确的反映患者实际身体状态。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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1中提供的一种便携式生命支持系统的整体结构示意图；

图2为本发明实施例1中提供的一种便携式生命支持系统的中央处理模块的整体结构示意图；

图3为本发明实施例1中提供的一种便携式生命支持系统的心电呼吸信号滤波模块的整体结构示意图；

图4为本发明实施例1中提供的一种便携式生命支持系统的心电呼吸波形校正模块的整体结构示意图；

图5为本发明实施例1中提供的一种波形示意图；

图6为本发明实施例1中提供的另一种波形示意图；

图7为本发明实施例1中提供的另一种波形示意图；

图8为本发明实施例1中提供的另一种波形示意图。

具体实施方式

本发明实施例提供了一种便携式生命支持系统，用于解决背景技术中所记载的便携式生命支持系统使用环境中存在干扰，会对心电和呼吸的监测结果产生严重影响的问题。

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。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的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。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

实施例一

本实施例提供一种便携式生命支持系统，如图1所示，所述便携式生命支持系统包括主要包括中央处理模块1、多参数监护模块2、机械通气模块3、输液模块4和触摸显示模块5，其中，所述中央处理模1块用于根据用户操作指令，对所述多参数监护模块2、机械通气模块3、输液模块4发出控制指令，并接收反馈信息；所述多参数监护模块2用于根据所述中央处理模块1发出的控制指令，获取患者身体状态参数，并发送至所述中央处理模块1；具体的，所述多参数监护模块2具有12导联波形、血压，血氧饱和度，呼吸，体温，脉搏，心率等参数的监测功能；所述机械通气模块3用于根据所述中央处理模块1发出的控制指令，获取患者呼吸状态参数，辅助患者进行呼吸，并将所述患者呼吸状态参数发送至所述中央处理模块1；具体的，所述机械通气模块3可通过对呼吸频率，潮气量等参数的控制，完成压力、容量辅助/控制通气，同步间歇指令通气、持续气道正压通气和窒息通气模式，可读取EtCO2数据和显示波形；所述输液模块4用于根据所述中央处理模块1发出的控制指令，实现不同速度的液体注入控制；所述触摸显示模块5用于获取用户输入信息，发送至所述中央处理模块1，以及接收所述中央处理模块1发出的信息，并进行显示；具体的，可以显示如上模块监测获得的及中央处理模块1运算生成的所有实时数据、曲线、图标、参数设置等。

具体的，如图1所示，所述便携式生命支持系统还可包括：电源管理模块6，用于对所述系统进行电源管理以及为各模块供电；数据传输模块，用于实现所述系统和外部其他系统的网络连通和信息交换，例如传输患者心电、输液、呼吸等实时数据；飞梭模块8，用于作为所述触摸显示模块5的触摸输入功能的替代或备份，供用户进行输入操作。此外，所述系统还具有报警功能，包括技术报警与生理报警、能显示当前报警、最近报警、历史报警等；具有系统参数设置功能，可设置时间，网络IP，通讯控制，背光控制等；具有数据存储与查询功能，可存储和查询患者信息、实时数据、报警信息等。

具体的，所述中央处理模块1作为主控模块，是整个系统的控制中枢；所述多参数监护模块2、机械通气模块3、输液模块4作为下位模块，自身具备独立运行能力，可以通过标准接口及通信协议，与所述中央处理模块1进行通信，获得运行参数后，独立运行并事实向所述中央处理模块1发送表征本模块某些运行状态和/或某些测量结果值的数据包。所述所述中央处理模块1可以根据用户输入的参数设置，按照各下位模块的标准接口及通信协议，对各下位模块的工作状态进行配置，并接收各下位发出的上行数据包。所述中央处理模块1可以采用嵌入式系统架构，例如STM32等，具有处理器、存储器及总线结构，当然也可以采用其他的控制系统结构。

具体的，所述多参数监护模块2用于根据所述中央处理模块1发出的控制指令，获取患者身体状态参数，并发送至所述中央处理模块1。通常，所述多参数监护模块2可根据中央处理模块1的不同控制指令，以不同的数据包格式、不同的频率向中央处理模块1发送数据包，此处以心电监护数据为例，示例性的介绍多参数监护模块2在接收某控制指令后生成并上传的一个实时监测数据的心电数据格式。所述心电数据的数据段为14字节，其中每个字节已经预先定义了其含义，例如字节2为心电通道I的波形的低8位。具体详见下表。

对于如上心电监护数据，假设其发送频率为500Hz，则所述多参数监护模块2每2毫秒向主控模块发送一次数据包，所述中央处理模块1通过对该数据包进行解析和展示，按照相同的频率通过触摸显示模块5在屏幕上对展示内容进行刷新，通过在坐标系上按照上述时间和数值描点，即可展示出相应多个心电通道及呼吸波形的实时形态，供医护人员查看。本发明中所述的数据包、数据、数据值、信号、波形是所述多参数监护模块2生成数据(特别是心电数据和呼吸数据)面向不同阶段、不同关注内容而提出的不同名称，其实质具有等价性。例如对于数据包中某个通道的一个时间点的监测值称为数据，其具体数值称为数据值，某个通道在时间线上的多个连续数据或数据值称为信号，将该信号通过屏幕坐标系展示出来则称为波形。

在本实施例的一个具体实施方式中，如图2所示，所述中央处理模块1包括：心电呼吸信号滤波模块11，用于对心电及呼吸信号进行干扰抑制；心电呼吸波形校正模块12，用于对心电及呼吸信号的波形进行校正；其中，所述中央处理模块1接收所述多参数监护模块2发送的患者身体状态参数后，将所述患者身体状态参数中的心电及呼吸信号先送入所述心电呼吸信号滤波模块11进行电磁干扰和周期性干扰的抑制，再送入所述心电呼吸波形校正模块12进行波形校正，最后送入所述触摸显示模块5进行显示。

具体的，所述多参数监护模块2监测获得的患者心电及呼吸信号可能包括多类干扰，第一类是设备件及外部空间中产生的电磁干扰，通常会使监测获取的波形产生相对于患者真实值产生随机扰动；第二类是周期性干扰，例如医护人员对患者进行CPR(心肺复苏)时，会周期性按压患者胸口及进行人工呼吸，再例如患者通过担架或车辆运输时，抬担架人员的步伐、车辆的晃动等都具有一定的周期性，这都将引起患者身体产生同频的周期性晃动，进而会对患者心电及呼吸信号产生周期性干扰；第三类是其他影响更为剧烈的非周期性干扰，例如医护人员搬动患者身体、担架或车辆在运输过程中产生的颠簸等引起的测量错误等。针对上述三类干扰，现有技术的任意一种滤波方法均不能同时有效解决上述三类干扰造成的影响，因此需要采用不同的方法进行信号滤波和波形校正。在本实施方式中，通过心电呼吸信号滤波模块11滤除第一类、第二类干扰，通过心电呼吸波形校正模块12校正第三类干扰对波形造成的影响。通过上述两种方法共同作用，使得最终呈现给医护人员的心电和呼吸波形最接近患者实际的身体状态。

在本实施例的一个具体实施方式中，如图3所示，所述心电呼吸信号滤波模块包括：干扰信号确认模块111，用于对周期干扰心电呼吸信号进行频谱结构分析，确定干扰信号频率区域；干扰频率区域确认模块112，用于对原始心电呼吸信号进行频谱结构分析，确定心电呼吸信号的频率区域；自适应滤波器构建模块113，用于基于所述胸外周期干扰信号频率区域、所述心电呼吸信号的频率区域，构建自适应滤波器；初步滤波模块114，用于获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；干扰频率获取模块115，用于根据初步滤波后的心电呼吸信号，确定周期性外部干扰频率，并设定频率阈值；数据重建模块116，用于基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；心电呼吸信号获取模块117，用于将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电呼吸信号。

具体的，对周期性干扰心电呼吸信号(包括呼吸信号，以下相同)进行获取，并将获取的周期性干扰心电呼吸信号进行平滑处理，并对周期性干扰心电呼吸信号平衡处理后的频谱结构进行分析，获取周期性干扰的信号频率分布，确定胸外周期性干扰信号频率区域，一般情况下胸外周期性干扰信号分布于低频带。随后，对原始心电呼吸信号进行频谱结构分析，确定心电呼吸信号的频率区域。进一步，基于所述胸外周期性干扰信号频率区域以及所述心电呼吸信号的频率区域，进而针对干扰信号频率区域设计自适应滤波器。通过获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波。其中，自适应滤波器为现有技术中通过自适应算法改变滤波器结构和参数的滤波器。随后，根据初步滤波后的心电呼吸信号，确定胸外周期干扰信号的周期性外部干扰频率，并设定频率阈值。根据常见周期性外部干扰，设定阈值，过滤掉异常捕获的外部周期性干扰源，只针对影响较大的周期性信号进行数据重建，通过获取大于所述频率阈值的周期性信号完成数据重建，即对大于所述频率阈值的周期性信号进行重建。进一步，由于在运动状态下，会产生基线漂移及电极相对运动而产生运动轨迹等噪音干扰，而且动作越剧烈干扰噪音越明显。最后，将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电呼吸信号。通过对比实验，通过对归一化最小均方算法中的初始状态权重、权重系数及增益系数进行调整，进而有效重建原始心电呼吸信号，从而获取完成滤波后的心电呼吸信号。通过抗干扰滤波算法，对心电呼吸信号进行修正，进而确保急救设备在恶劣外部环境产生的信号干扰的影响下，仍然能够准确获取伤者的心电呼吸信号。

在本实施例的一个具体实施方式中，所述自适应滤波器构建模块构建的自适应滤波器为有限长单位冲激响应滤波器，根据公式：获得初步滤波后的心电呼吸信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，r个抽头的输入信号、h(r)为第r级抽头数、y(n)为滤波器的输出序列，为初步滤波后的心电呼吸信号。

具体的，由于胸外按压、车辆晃动等周期性干扰对原始心电呼吸信号的干扰信号分布在低频带上，而原始心电呼吸信号则分布在高频区域。基于这一发现，因此可以将原始心电呼吸信号在低频带上的主频分量近似为胸外按压、车辆晃动等周期性干扰信号的基频。通过设计一个自适应滤波器对原始心电呼吸信号进行初步滤波，以便获取按压、晃动等周期性干扰的按压、晃动频率信号，所述自适应滤波器为有限长单位冲激响应滤波器，根据上述公式对周期干扰信号进行滤波获得初步滤波后的心电呼吸信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，r个抽头的输入信号、h(r)为第r级抽头数(单位脉冲响应)、y(n)为滤波器的输出序列即初步滤波后的心电呼吸信号。根据初步滤波后的电信号y(n)，获得周期干扰最大值，确定周期干扰瞬时点，其中周期干扰瞬时点为初步滤波信号中的谷值点。随后，根据初步滤波后的电信号中的周期干扰瞬时点，进而确定周期干扰的周期，即获取相邻周期干扰瞬时点的时间间隔。最后，基于所述周期干扰周期对心电呼吸信号进行周期频率计算，确定所述周期性外部干扰频率。

在本实施例的一个具体实施方式中，所述数据重建模块的运行步骤包括：利用最小均方滤波算法重建周期干扰信号模型；通过所述周期干扰信号模型对大于所述频率阈值的周期性信号进行周期干扰信号重建。

具体的，在获取了周期干扰瞬时点和周期干扰频率之后，利用最小均方滤波算法重建周期干扰信号模型，进而求取无干扰的心电呼吸信号。由于心电呼吸信号即无干扰心电呼吸信号是通过去除重建的周期干扰信号后获取的。因此，通过对周期干扰信号进行重建，进而获得心电呼吸信号即无干扰心电呼吸信号。利用最小均方滤波算法重建周期干扰信号模型，基于获取的周期干扰信号相位，通过所述周期干扰信号模型对大于所述频率阈值的周期性信号进行周期干扰信号重建。

在本实施例的一个具体实施方式中，所述通过所述周期干扰信号模型对大于所述频率阈值的周期性信号进行周期干扰信号重建的步骤包括：获得历史案例集，其中，所述历史案例集包括标准心电波形、干扰心电信号；基于周期干扰信号模型，利用所述干扰心电信号，获得原始心电信号；利用原始心电信号，获得重建心电波形；利用所述标准心电波形、所述重建心电波形进行拟合，计算拟合损失值；根据所述拟合损失值对所述周期干扰信号模型进行优化。

具体的，获取历史胸部周期干扰的历史案例集合，其中，所述历史案例集包括标准心电波形、干扰心电信号，其中标准心电波形为滤波后获取的无干扰心电波形，干扰心电信号为存在干扰的心电波形。进一步，基于周期干扰信号模型，利用所述干扰心电信号，获得原始心电信号，即利用构建的周期干扰信号模型，对干扰心电信号进行处理获取原始心电信号。进一步，利用获取的原始心电信号，获得重建心电波形。最后，利用所述标准心电波形、所述重建心电波形进行拟合，获取二者波形的差异信号，如峰值差异等进而获取计算拟合损失值。最后，利用拟合损失值对所述周期干扰信号模型进行补偿优化，如根据峰值损失对周期干扰信号模型的输出进行补偿等。从而实现获取更为准确的心电波形输出结果。

在本实施例的一个具体实施方式中，所述心电呼吸信号获取模块的运行步骤包括：获得重建的周期干扰信号，其中，所述周期干扰信号为通过周期干扰信号的同相和正交分量和进行重建；根据受周期干扰心电呼吸信号、所述重建的周期干扰信号，获得原始心电呼吸信号。

具体的，获取重建的周期干扰信号，其中，所述周期干扰信号为周期干扰信号模型通过周期干扰信号的同相和正交分量进行重建。由于心电呼吸信号即无干扰心电呼吸信号是通过去除重建的周期干扰信号后获取的。因此，通过对周期干扰信号进行重建，进而获得心电呼吸信号即无干扰心电呼吸信号。从而实现根据受周期干扰心电呼吸信号、所述重建的周期干扰信号，进而获得原始心电呼吸信号。

在本实施例的一个具体实施方式中，所述心电呼吸信号滤波模11块的运行步骤还包括：根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号；调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电呼吸信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。

具体的，根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号，经过干扰相消系统并由自适应算法调节归一化最小均方算法的权重系数。例如医护人员在进行胸部按压操作、车辆周期性晃动时，会产生基线漂移及电极相对运动而产生运动轨迹等噪音干扰，而且患者身体动作越剧烈干扰噪音越明显。通过调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电呼吸信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。

在本实施例的一个具体实施方式中，所述心电呼吸信号滤波模11块的运行步骤还包括：获得相关影响信息，所述相关影响信息包括肌肉运动信息、电极运动信息；利用所述肌肉运动信息、电极运动信息分别进行干扰记录分析，确定频谱结构干扰特征；基于所述频谱结构干扰特征，与周期性外部干扰频率进行波形耦合、波形解耦拟合，获得波形影响特征；利用所述波形影响特征、所述周期性外部干扰频率进行滤波，重建原始心电信号。

具体的，获取相关影响信息，所述相关影响信息包括肌肉运动信息、电极运动信息。其中肌肉运动信息为患者在收到周期干扰时肌肉的运动信息，电极运动信息为电极在周期性干扰过程中产生的移动信息。获取所述肌肉运动信息、电极运动信息分别进行干扰记录分析，进而确定频谱结构干扰特征，获取运动信息的具体干扰频谱。进一步，基于所述频谱结构干扰特征，与周期性外部干扰频率进行波形耦合、波形解耦拟合，获得波形影响特征。最后，利用波形影响特征、所述周期性外部干扰频率进行滤波，重建原始心电信号。实现了对肉运动信息、电极运动信息产生干扰信号的滤波，提高了心电信号获取的准确性。在本实施例的一个具体实施方式中，如图4所示，所述心电呼吸波形校正模块12包括：波形检测模块121，用于检测心电呼吸波形是否存在缺失或错误；波形校正模块122，用于对存在缺失或错误的心电呼吸波形进行校正。

具体的，所述波形检测模块121判断检测数据是否有缺失或错误的方法为：判断数据是否明显偏离正常值，例如：血氧数据短时间内等于或接近0，可判定为血氧监测模块脱落；再例如，呼吸频率短时间内超过100，可判定为震动干扰引发的测量错误；再例如，心电数据中心电通道I、心电通道II、心电通道V1的波形实时值短时间(例如0.1-5秒)内持续为0，或者出现异常尖峰等。如图5所示，是主控模块获得的某个通道的正常波形(图示仅为示意波形)，该波形通常会呈现出明显的周期性特性，且其峰值和归零值具有稳定性。如图6所示，在时间T2范围内，该波形出现了明显的异常，具体包括：前半部分丧失周期性，中间部分出现尖峰，后半部分数值归零，则可据此认为该时间范围内数据有缺失或错误。

在本实施例的一个具体实施方式中，如图4所示，所述波形校正模块122包括：最小自然波形确定模块1221，用于根据已接收的数据，确定存在缺失或错误的数据的最小自然波形周期T1和波形数值；波形补充替换模块1222，用于根据确定的最小自然波形周期T1和波形数值，对存在缺失或错误的数据进行补充或替换。

具体的，所述心电呼吸信号滤波模块11将所述心电呼吸数据(例如以500Hz的频率)持续向中央处理模块1发送，这些数据通常包括各心电通道的实时电信号波形的采集电压、呼吸数据中实时呼吸压力波形数据等。针对这些周期性实时数据，首先要确定存在缺失或错误的数据的最小自然波形周期T1和该波形对应的数据点的数值。如图5所示，是主控模块接收并解析某个通道的数据后生成的正常波形，可以采用最高值法、过零法等方法，确定该正常波形的周期时间T1，即认为该周期时间T1内对应的波形为最小自然波形，以及该周期时间T1内对应波形中包含的数据点的数量(假设该通道采用频率为500Hz，则数据点数量为500乘以T1)及各数据点的数值。然后，利用上述数据，对存在缺失或错误的数据进行补充或替换。

在本实施例的一个具体实施方式中，所述波形补充替换模块1222的运行步骤包括：确定存在缺失或错误的数据对应的最小自然波形起始点t1、终止点t2和持续时间T2；拟合生成存在缺失或错误数据的持续时间T2内的拟合波形；根据拟合波形的数值，对存在缺失或错误的数据进行替换。

具体的，由于存在缺失或错误的数据的波形并非一个完整的波形周期T1，如图6所示，所述存在缺失或错误的数据的波形于前一个波形的t1时刻错误，直至最后一个波形的t2时刻恢复。因此，需要对T2时间段内的波形进行拟合，拟合后的波形应当满足以下要求：一是拟合波形的周期和波形和前后正确波形尽量保持一致；二是拟合波形的前、后端部能够与正确波形的结合处平滑连接过渡。作为一种较为简单的波形拟合方法，如图7所示，直接在T2时间内排列一个或若干个周期为T1的最小自然波形，并做好前后的波形平滑连接，即可实现波形拟合。如图7所示，理想中的拟合波形如图中虚线示意波形。(本实施例中定义的t1、t2为相对于一个周期T1内的相对时间，而非绝对时间。示例性的，如图6所示，假设T1＝1秒，则t1约为0.75秒，t2约为0.25秒。)

在本实施例的一个具体实施方式中，所述拟合生成存在缺失或错误数据的持续时间内的拟合波形的方法包括：将起点为t1、终点为t2的n个最小自然波形的时间长度拉伸为T2，生成拟合波形；其中，当t1＞t2时，n＝T2％T1+(t2-t1)/T1+1；当t1≤t2时，n＝T2％T1+(t2-t1)/T1。其中，％表示整除求余运算，T2％T1表示时间T2中最多包含几个完整的T1周期。

具体的，在进行波形拟合时，除了考虑上文提出的两方面要求外，还应当考虑到，实际的波形与患者身体状态相关，因而周期T1的时间长度并不能始终保持一致，也有可能随着时间流逝而产生细微变化，例如心跳频率会缓慢变化，这就导致前文中提出的“直接在T2时间内排列一个或若干个周期为T1的最小自然波形”可能面临无法实现的窘境。如图8所示，由于T2时间段内不能紧密排列合适数量的最小自然波形，导致出现了△t时间的缝隙无法填充满(该△t也有可能是负值，其绝对值小于T1)。为解决这一问题，可以采用先求取T1时间内适宜的最小自然波形数量n(n可能为自然数，也可能包含小数)，然后将该n个最小自然波形的时间长度拉伸为T2，从而生成拟合波形的方式，将所述△t时间段充填满，即可解决上述窘境问题。其中，％表示整除求余运算，T2％T1的计算结果为整数，表示时间T2中最多包含几个完整的T1周期的波形。所述“拉伸”可以采用一次或二次插值法，即根据拉伸前后的数据点的位置对应关系及数据点的数值，通过插值法确定拉伸后各个数据点的数据值。

本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：一是系统功能完备，能够全面解决战场、野外、灾后等恶劣环境中对患者开展应急监测救治的需求；二是采用两种方式对心电呼吸监测结果进行校正，其中第一种方式主要用于滤除周期性干扰信号，第二种方式主要用于对存在缺失或错误的波形进行校正，从而处理后的结果可以更加准确的反映患者实际身体状态。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。本说明书和附图仅仅是本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明意图包括这些改动和变型在内。

Claims (8)

1.一种便携式生命支持系统，其特征在于，包括：包括中央处理模块、多参数监护模块、机械通气模块、输液模块和触摸显示模块，其中，

所述中央处理模块用于根据用户操作指令，对所述多参数监护模块、机械通气模块、输液模块发出控制指令，并接收反馈信息；

所述多参数监护模块用于根据所述中央处理模块发出的控制指令，获取患者身体状态参数，并发送至所述中央处理模块；

所述机械通气模块用于根据所述中央处理模块发出的控制指令，获取患者呼吸状态参数，辅助患者进行呼吸，并将所述患者呼吸状态参数发送至所述中央处理模块；

所述输液模块用于根据所述中央处理模块发出的控制指令，实现不同速度的液体注入控制；

所述触摸显示模块用于获取用户输入信息，发送至所述中央处理模块，以及接收所述中央处理模块发出的信息，并进行显示；

其中，所述中央处理模块包括：

心电呼吸信号滤波模块，用于对心电及呼吸信号进行干扰抑制；

心电呼吸波形校正模块，用于对心电及呼吸信号的波形进行校正；

其中，所述中央处理模块接收所述多参数监护模块发送的患者身体状态参数后，将所述患者身体状态参数中的心电及呼吸信号先送入所述心电呼吸信号滤波模块进行干扰抑制，再送入所述心电呼吸波形校正模块进行波形校正，最后送入所述触摸显示模块进行显示；

其中，所述心电呼吸信号滤波模块包括：

干扰信号确认模块，用于对周期干扰心电呼吸信号进行频谱结构分析，确定胸外周期干扰信号频率区域；

干扰频率区域确认模块，用于对原始心电呼吸信号进行频谱结构分析，确定心电呼吸信号的频率区域；

自适应滤波器构建模块，用于基于所述胸外周期干扰信号频率区域、所述心电呼吸信号的频率区域，构建自适应滤波器；

初步滤波模块，用于获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；

干扰频率获取模块，用于根据初步滤波后的心电呼吸信号，确定周期性外部干扰频率，并设定频率阈值；

数据重建模块，用于基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；

心电呼吸信号获取模块，用于将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电呼吸信号。

2.根据权利要求1所述的便携式生命支持系统，其特征在于，所述自适应滤波器构建模块构建的自适应滤波器为有限长单位冲激响应滤波器，根据公式：

获得初步滤波后的心电呼吸信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，h(r)为第r级抽头数、y(n)为滤波器的输出序列，为初步滤波后的心电呼吸信号。

3.根据权利要求2所述的便携式生命支持系统，其特征在于，所述数据重建模块的运行步骤包括：

利用最小均方滤波算法重建周期干扰信号模型；

通过所述周期干扰信号模型对大于所述频率阈值的周期性信号进行周期干扰信号重建。

4.根据权利要求2所述的便携式生命支持系统，其特征在于，所述心电呼吸信号获取模块的运行步骤包括：

获得重建的周期干扰信号，其中，所述周期干扰信号为通过周期干扰信号的同相和正交分量和进行重建；

根据受周期干扰心电呼吸信号、所述重建的周期干扰信号，获得原始心电呼吸信号；

根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号；

调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电呼吸信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。

5.根据权利要求2所述的便携式生命支持系统，其特征在于，所述心电呼吸波形校正模块包括：

波形检测模块，用于检测心电呼吸波形是否存在缺失或错误；

波形校正模块，用于对存在缺失或错误的心电呼吸波形进行校正。

6.根据权利要求5所述的便携式生命支持系统，其特征在于，所述波形校正模块包括：

最小自然波形确定模块，用于根据已接收的数据，确定存在缺失或错误的数据的最小自然波形周期T1和波形数值；

波形补充替换模块，用于根据确定的最小自然波形周期T1和波形数值，对存在缺失或错误的数据进行补充或替换。

7.根据权利要求6所述的便携式生命支持系统，其特征在于，所述波形补充替换模块的运行步骤包括：

确定存在缺失或错误的数据对应的最小自然波形起始点t1、终止点t2和持续时间T2；

拟合生成存在缺失或错误数据的持续时间T2内的拟合波形；

根据拟合波形的数值，对存在缺失或错误的数据进行替换。

8.根据权利要求7所述的便携式生命支持系统，其特征在于，所述拟合生成存在缺失或错误数据的持续时间内的拟合波形的方法包括：

将起点为t1、终点为t2的n个最小自然波形的时间长度拉伸为T2，生成拟合波形；

其中，当t1＞t2时，n＝T2％T1+(t2-t1)/T1+1；当t1≤t2时，n＝T2％T1+(t2-t1)/T1；其中，％表示整除求余运算，T2％T1表示时间T2中最多包含几个完整的T1周期。