基于智能手機的心音監測系統的研究與設計

李傳鵬，郭興明，張文英，何彥青，代婉迪

重慶大學生物工程學院，重慶400044

1 引言

心血管疾病嚴重威脅著我國居民的身體健康，其死亡率高于其他疾病。近年來隨著我國心血管疾病的患者逐年增多，帶來的醫療負擔越來越重[1-2]。因此，對其早期的診斷和預防顯得尤其重要。心音信號作為人體最重要的生理信號之一，能夠反映心臟瓣膜活動和血液流動狀況[3-4]。它包含的生理信息特征，如心率（HR）、心臟舒張期與心臟收縮期的時限比（D/S）、第一心音和第二心音的幅值比（S1/S2），對心血管疾病的預防和診斷有重要的參考價值[5]。傳統的心音監測與分析存在操作不便，成本高，不易普及等缺點[6]，基于此，研究并設計了一種基于智能手機的心音監測系統。通過對心音的監測，能夠有效地對心音的異常作出預警，同時提取心音的特征指標（HR、D/S、S1/S2）對心臟狀態作出深入的分析評價。該系統以智能手機為平臺，具有使用方便，成本低，易于普及等優點。

2 系統的結構組成

基于智能手機的心音監測系統由三部分組成，具體框圖如圖1所示。

圖1 系統結構框圖

整個系統以智能手機節點為樞紐，將用戶和服務器端的專家連接在一起。在圖1中，心音信號測量節點通過模擬電路和數字電路將采集到心音信號經藍牙模塊進行傳輸；智能手機節點接收測量節點傳輸的數據，通過對心音數據的顯示和特征的分析監測用戶心臟狀態，用戶可以選擇存儲監測的心音數據用于回放或分析評價等；服務器端接收智能手機傳遞的數據并進行顯示，同時專家根據顯示的心音以及特征值給予分析評價，最后結果反饋給用戶。

3 系統的功能實現

3.1 心音測量節點

心音信號測量節點的電路實現如框圖2所示，其主要由信號采集模擬電路部分和數字電路部分組成。

圖2 心音測量節點框圖

如圖2所示的心音傳感器選用的是航天醫學研究所研發的一款接觸壓電式JXH-5型有源心音脈搏多用途傳感器，其頻率響應為0.05～1 500 Hz，輸出阻抗小于1 kΩ，從而大大提高了抗干擾能力，絕緣電阻大于1 000MΩ，保證了其電安全性；主控芯片選取MSP430F149單片機，該單片機具有超低功耗，適合便攜式的監測設備，同時其內部具有60 KB的FLASH空間，2 KB RAM，12位ADC，2個USART口和硬件乘法器，滿足心音采集處理的需求；藍牙模塊采用HC-06從模塊，該模塊封裝了藍牙協議，降低了開發難度，能與帶藍牙功能的手機適配，配對以后當全雙工串口使用，支持8位數據位，1位停止位，無奇偶校驗的通信格式。

心音經過JXH-5傳感器后，由振動信號轉化成為電生理信號。轉換后的電生理信號幅值低，含有大量的噪聲，為此設計了前置放大和主放大用于信號幅值的提升，設計了二階高低通濾波和50 Hz陷波用于噪聲和工頻干擾的濾除。因為心音信號的主要成份的頻率范圍主要集中在10～150 Hz之間，所以信號調理電路部分高通濾波的截止頻率設置為12.48 Hz，低通濾波的截止頻率設置為145.70 Hz，保證了心音信號的有效采集。同時，設計了電平調整電路保證了數字信號電路的采集要求，光電隔離電路保證了電路的電氣安全性。

采集到的模擬信號，經過MSP430F149內部的AD進行采樣，根據采樣定理以及心音的頻率特性，設置AD采樣的頻率是300 Hz。由于每個采樣點是12位的數據，也就是等效于每個數據占兩個字節，為了保證數據的有效傳遞，設置串口異步通信的波特率為384 000。單片機串口端與藍牙模塊連接成功以后將數據傳遞至手機測量節點。最后，為了硬件電路的穩定工作，電源模塊采用AMS1117-3.3芯片為藍牙模塊和主控芯片，提供穩定的3.3 V的工作電壓。

3.2 智能手機節點

智能手機得到迅速發展和普及，同時智能手機硬件配置尤其是CPU的性能得到極大的提升，以智能手機為便攜式的平臺具有成本低，易推廣等優點[7-9]。選用三星智能機S5660，該機搭載Android操作系統，具有800MHz運行速率的CPU和480像素×320像素的屏幕分辯率。應用程序是在Eclipse環境下采用Java語言來開發的，其整體結構框圖如圖3所示。其中數據處理與控制模塊是整個應用程序的核心，包括心音信號的預處理和心音信號的特診提取等。在數據處理模塊的基礎上實現心音的實時顯示，心音數據通過GPRS網絡進行傳輸、心音預警、存儲回放等功能。

3.2.1 數據的接收

圖3 測量節點的結構框圖

手機藍牙通過Anroid SDK封裝的API調用實現藍牙數據的接受。只有獲得適配器的情況下，手機藍牙才能進行藍牙設備的搜索、配對。應用程序通過android.bluetooth.getDefaultAdapter類來獲取本地設備的藍牙適配器，通過android.bluetooth.BluetoothDevice類來搜索藍牙設備。選擇搜索到的藍牙模塊同時根據相應服務的UUID號建立數據通道連接，連接以后獲取Bluetooth-Socket套接字接口管理數據的接收。接收的數據經過格式解析后存放于緩沖區，供后續的數據處理。

3.2.2 數據的處理

數據的處理包括去噪、S1和S2的定位、指標提取三個步驟。

（1）去噪。心音采集過程中伴隨有呼吸信號、傳感器與皮膚的摩擦等干擾，對后續的數據處理和分析會帶來誤差。因此在心音波形的繪制，心音特征的提取之前需要對心音信號進行軟件的去噪處理。選取dB6小波進行5層分解消噪方法[10-11]，該方法能有效地去除噪聲分量同時保留了有用的信號成份，提高了性噪比，同時該方法結構相對簡單，運算快，適用于實時的信號處理。將上述預處理去噪的方法封裝成一個類添加到工具包中，方便后續相關線程的處理調用。圖4顯示了去噪前后的心音在手機上的對比圖。

圖4 心音去噪前后效果對比圖

（2）S1和S2的定位。目前，對心音信號S1和S2的定位方法中常見的有：時頻特征分析、香農能量提取心音包絡法[12]、希爾伯特黃變換方法[13]和LZ復雜度法等。在上述算法中，選用LZ復雜度算法[14-15]，該算法避免了時頻特征分析方法中選用絕對參量，香農能量算法中幅值誤判，希爾伯特黃變換中插值費時等缺點，具有簡單快速的特性。為了提高算法的實時性，運用該算法前需要對心音信號進行二值化處理，設處理后的信號序列是：P=S1，S2，…，Sn，定義P的兩子序列S和Q，SQ為子序列S和Q合并的序列。SQ_minus是刪除最后一個元素后剩余的序列。算法的詳細步驟如下：

①進行初始化操作，設初始復雜度C(n)=1，S=S1，Q=S2，SQ=S1S2，R=S1。

（1）電流頻率 為實現規定深度的高質量的感應加熱，首先必須正確選擇設備的頻率。設備頻率除對實現技術要求和提高熱處理質量有很大作用外，對于充分發揮設備的效能、提高生產率、節省電能也很重要。所謂頻率的選擇，這里指的是選擇合理的頻帶或頻率范圍，并不是嚴格的具體數值。

②判斷Q∈SQ_minus與否，如果是則轉步驟③；否則轉步驟④。

③C(n)和S保持不變，Q后移一位，繼續步驟②。

④C(n)自增1，然后SQ替換為S，SQ的第一個字符作為新的Q，繼續步驟②，當Q取得序列最后一個字符循環停止；此時的C(n)表示表示不同字符串的數目，亦即序列的復雜度，最后采用歸一化的方法處理復雜度，即，計算0-1序列的復雜度，最后轉化為相對復雜度C(n)。

⑤以該段二值化序列的長度進行移動并計算，直到信號末尾，這樣就可以求得信號二值化后序列的復雜度。

心音序列二值化處理的閾值是將序列中大于零的部分取均值得到的。設心音信號的采樣率是fs，每次復雜度運算的點數為n，則復雜度的時間跨度是n/fs。算法時間跨度的選取要考慮S1和S2持續的時間，根據心音特性知道S1持續110ms左右，S2持續80m s左右，采樣頻率是300 Hz，設置采樣跨度的點數為3，則知道時間跨度為（3/300）s即為10ms，能夠較好地區分S1和S2。一例心音信號經過L-Z復雜度算法定位S1和S2的結果圖，如圖5所示。由圖可知，該算法能夠很好地區分S1和S2區域，同時可用于后續的指標提取。設定復雜度的分割閾值，信號復雜度大于閾值的序列S1區域和S2區域映射到心音信號序列中的有效成份即S1和S2。

（3）特征指標提取。步驟（2）定位了心音中S1和S2成份區域，S1區域映射到原始信號序列區域的最大值即為第一心音幅值apt1，S2區域映射到原始信號序列區域的最大值即為第二心音幅值apt2，然后依次標記S1S2位置L11，L21，L12，L22，…，L1i，L2i對應的幅值為apt11，apt21，apt12，apt22，…，apt1i，apt2i，其中i表示數據段中心動周期的數目，i≥2如此直到數據段截止。根據此可以求得三個特征參數。其中心率HR的計算如式（1）所示：

心臟舒張期與心臟收縮期的時限比D/S的計算方法如式（2）：

圖5 LZ復雜段算法分割示意圖

式（1）、（2）中，fs是采樣頻率；K表示數據段截止時的總的心動周期的數目；i表示第i個心動周期，且i≥2。

第一心音幅值與第二心音幅值比S1/S2，根據公式（3）求得：

為了驗證上述特征指標的準確性，本文采用了兩組不同人群，包括102個大學生和65個老年人。結果如表1所示，檢測允許的誤差范圍為：心率HR是±3，S1/S2是±0.2，D/S是±0.1。其中，精確的特征指標是通過重慶博精醫學信息研究所研制的“運動心力監測儀”（ECCM，專利號01256971.2，第一代產品注冊證號：渝藥管械（試）字99第220007）獲取的。

表1 特征值準確檢測率

通過以上測試可知，該算法能較好地提取特征值，滿足實際要求。最后將調試的LZ算法封裝為特征提取類添加到工具包中，供相關模塊功能的實現調用。

3.2.3 手機功能模塊

顯示模塊，首先調用工具包中的預處理去噪類對心音信號進行處理，然后將預處理后的數據添加到A rraylist數組中，最后使用draw Line的方式繪制心音波形。心音在手機上動態的顯示有兩種方式：第一種是刷屏的顯示；第二種是逐點漸變的顯示。考慮到視覺效果和心音監測的動態連續性，選擇刷屏的顯示，這樣界面比較友好，易于使用者觀察。

在實時繪制心音波形的同時，需要對心音異常給予警示，通過多線程的途徑實現上述過程。提取心音信號的特征值(S1/S2、D/S、HR)，對D/S＜1，HR＜40或者HR＞100，S1/S2＜1或者S1/S2＞3.7的情況[5]給予預警。圖6顯示了監測中的心音，特征值的狀態標識有紅色、黃色、白色三種顏色，紅色的特征值表示超出了健康監測的范圍，黃色的特征值表示在健康監測范圍內但是心臟處于亞健康狀態，白色的特征值表示心臟處于健康的范圍；對無法精確提取特診值的心音或異常的情況，特征值的狀態顯示為Null。

當用戶選擇分析評價選項按鈕的時候，通過Intent（意圖）傳遞監測時得到的特征參數均值作為分析評價的依據。其中D/S、S1/S2、HR的評價依據參見文獻[5]。如圖7顯示了分析評價的界面。

圖6 運行結果示意圖

圖7 分析評價界面示意圖

當點擊數據存儲選項按鈕的時候會進入數據存儲活動。該活動獲取系統時間作為保存數據文件的名稱，當點擊返回按鈕的時候將會停止數據的錄入，最后錄入的數據以.txt的形式保存在SDcard的文件目錄ecgData下。

當點擊心音數據回放功能按鈕的時候進入數據回放活動。該活動首先獲取心音保存文件夾的路徑，然后將該文件夾下的心音數據記錄以ListView的形式顯示出來，最后為每個ListView行選項設置Click事件，通過Intent啟動數據回放活動來進行。

當點擊數據發送按鈕的時候進入數據遠程傳輸活動。Java環境下實現基于TCP/IP協議的網絡編程需要采用Socket機制。Socket（string host，int pot）對象創建客戶端的Socket實例，客戶端通過主機地址和端口號與遠程端建立連接，然后通過Netdata類可以完成手機端數據的發送以及接受服務器端的專家分析評價結果。

3.3 心音監測中心

選用Labview設計監測中心，其提供了封裝的TCP子VI，可便捷地進行服務器網路編程。服務器端應用程序通過Internet接入GPRS網絡，數據的讀通過TCP Read.VI來實現，數據的寫通過TCP W rite.VI來實現。TCP Listen.VI對端口號進行監聽，當監聽到手機客戶端發出的請求后建立連接。連接以后接收心音數據，數據從手機客戶端發送至Labview搭建的服務器端的流程圖，如圖8所示。

圖8 連接示意圖

接收到的心音數據在心音監測中心顯示效果，如圖9所示。監測中心由數據接收發送模塊、心音顯示模塊、特征值顯示預警模塊、專家診斷模塊四部分組成。當特征值超出正常范圍時，特征值相對應的指示燈變紅色給以警示。專家診斷模塊是根據心音的波形特征結合臨床經驗知識給予診斷分析，分析評價的結果將反饋到手機上供讀者參考。

圖9 服務器端心音監測示意圖

4 結束語

隨著智能手機硬件性能的提高和軟件平臺開發的簡化，以智能手機為平臺的醫療監測技術逐步成為研究熱點。研究并設計了基于智能手機的心音監測系統，本文系統能穩定運行，具有易攜帶、易操作、易普及等優點；然而本文系統存在著續航時間短，特征指標的精確性不高，適用范圍比較局限等問題，需要后續進一步完善改進。

[1]W inkler S，Schieber M，Lück S.A new telemonitoring system intended for chronic heart failure patients using mobile telephone technology—feasibility study[J].Int J Cardiol，2011，153（1）：55-58.

[2]相建南，盧松柏.移動與可穿戴技術在心血管遠程監護的應用[J].電子科技大學學報，2010，39（S）：1-5.

[3]M aglogiannis I，Loukis E.Support vectors machine based identification of heart valve diseases using heart sounds[J].Computer M ethods and Program s in Biomedical，2009，95（1）：47-61.

[4]Li B B，Yuan Z F.Non-linear and chaos characteristics of heart sound time series[J].Proceedings of the Institution of Mechanical Engineers：Part H Journal of Engineering in Medicine，2008，222（3）：265-272.

[5]郭興明，柯明，肖守忠.基于心臟儲備新指標評價系統的設計與實現[J].中國組織工程研究與臨床康復，2009，13（22）：4295-4298.

[6]張孝貴，何為，周靜，等.基于嵌入式系統的便攜式心音分析儀的研究[J].儀器儀表學報，2007，28（2）：303-306.

[7]藍坤，張躍.基于Android的心電監護軟件系統設計與實現[J].計算機工程與設計，2013，34（8）：2951-2956.

[8]Hermawan K.Development of ECG signal interpretation software on android 2.2[C]//Proceedings of 2nd International Conference on Instrumentation，Communications，Information Technology，and Biomedical Engineering，2011：259-264.

[9]李宗瑋，孫雷.基于智能手機的網絡機器人人機交互系統[J].計算機工程與應用，2011，47（15）：64-68.

[10]趙立權，謝妮娜，鄔春明.Daubechies復小波的構造以及在電能量檢測中的應用[J].計算機工程與應用，2012，48（35）：233-237.

[11]劉學，李婷，催小東，等.基于小波變換的去噪方法[J].科技信息，2013，2（1）：189-190.

[12]周靜，楊永明，何為.心音信號的分析及其特征提取方法的研[J].中國生物醫學工程學報，2005，24（6）：685-689．

[13]許曉飛，林勇，嚴彬彬.基于希爾伯特-黃變換的心音包絡提取[J].航天醫學與醫學工程，2008，21（3）：134-136.

[14]Lem A，Ziv J.On the com plexity of finite sequences[J].IEEE Trans on Inform Theory，1976，22（1）：75-81.

[15]Kaspar F，Schuster H G.Easily calcuable measure for the complexity of spatio temproal patterns[J].Phys Rev A，197，36（1）：842-848.