面向健康物聯網的非接觸式連續心電監測系統*

顧東袁,傅曉婕,楊東勇,李志中,盧 瑾

(1.浙江工業大學信息工程學院,杭州 310023;2.浙江長征職業技術學院計算機與信息技術系,杭州 310023)

人口老齡化給醫療保健系統帶來挑戰,采用電子信息技術的發展成果,研發人體生理參數監測系統,實現無創、易用、實時的遠程健康監測服務,成為當前的研究熱點[1-2]。醫院中先進的醫療設備可以提供生理參數檢查的準確結果,但設備價格昂貴,有些設備,如心電監護儀、Holter儀等,測量時需在人體皮膚上粘貼帶有導電膏的濕電極,易引起皮膚不適,使用不便。家庭健康監測系統廣泛采用非接觸式的監測技術,設備使用簡便,對被監測者干擾少。

人體正常生理指標是衡量健康與否的重要標準,包括了心率、呼吸率、體溫和血壓等。心率是心臟單位時間內跳動的次數,心率能反映人體生理健康狀況,是臨床醫學檢測指標。心沖擊(Ballistocardioram,BCG)信號反映了心臟搏動和大動脈血液循環等對人體產生的作用力。通過BCG信號可以提取心率(HR)、呼吸率(BR)等參數,可用于無接觸心電檢測[3]。BCG信號一般以非接觸式采集,雖然其精度和波形特征不如標準的心電圖(Electrocardiogram,ECG)[4],但長期連續的BCG信號對于醫學診斷具有重要參考作用。BCG信號的采集已有壓力傳感器、加速度傳感器、雷達波傳感器、織物電極等多種手段[5-7]。一種應變力與輸出電荷成正比的柔性聚偏氟乙烯(Polyvinylidene fluoride,PVDF)壓電薄膜傳感器,因兼具柔軟、輕便、高壓電系數和高頻響帶寬等優點,近年在人體生理信號檢測中得到應用[8-10]。Paalasmaa J等人把PVDF傳感器制成檢測帶、鋪設在床上,對測試者進行整晚的BCG信號采集,重點研究了從中準確提取心率、呼吸率等指標,實現的監測系統以藍牙通信方式將采集的數據傳送給智能手機,處理和計算后向用戶呈現心率、呼吸率等數據[9]。目前研究文獻報道的監測系統大多采用單機模式或主從機模式[5,9,11-12]。單機模式的監測系統中,傳感器采集的信號通過USB、串口等方式傳送到計算機機,由計算機完成信號處理及參數提取工作。主從模式的監測系統中,現場檢測主機采集的信號一般以藍牙通信方式發送給智能手機,經智能手機中轉后傳輸到遠端服務器上,智能手機或遠端服務器完成數據處理。上述兩種監測系統不同程度地存在使用不便、數據存儲容量少和數據共享受限等問題。

本文采用PVDF傳感器和物聯網技術,設計實現了一套非接觸式的連續心電監測系統,采集被測者臥床休息或睡眠期間的BCG信號等,實時提取出心率、呼吸率等參數,通過WIFI將參數上傳云端監測系統,生理數據供監測者查看,也可共享給第三方。所研發的健康監測系統適用于家庭、養老院等場合,傳感器與人體不直接接觸,數據采集過程也不需要被監測者操作。

1 心電監測系統的設計

1.1 監測系統的總體構架

本文研發的心電監測系統主要由檢測床墊、健康物聯網云平臺(簡稱“健康云”)、用戶終端和第三方數據平臺組成,總體構架如圖1所示。檢測床墊集成有PVDF壓電薄膜傳感器和檢測主機,檢測主機對采集的信號進行處理并實時提取出心率、呼吸率參數,通過WIFI無線通信方式上報數據。健康云接收和存儲心電數據,通過安全認證與鑒權后對外共享數據。用戶終端主要功能是檢測主機WIFI網絡的配置和實時、歷史監測數據的查看;第三方數據平臺主要指社區、醫療和健康咨詢機構等,通過監測數據的共享,實現數據整合、大數據與智能分析等。

圖1 監測系統的總體結構框架

1.2 檢測床墊設計

檢測床墊主要由床墊本體、PVDF壓電薄膜傳感器和現場檢測主機組成。根據項目要求,檢測床墊是帶有健康磁條的床墊,床墊本體由床套、健康磁條、乳膠墊層、EPE橋架和棕墊組成。PVDF壓電薄膜傳感器為五層結構,如圖2所示,中間一層是PVDF薄膜,薄膜上下為電極層,為了避免電極發生物理和化學損傷,在兩電極外表面加了厚度小于0.2 mm的透明保護膜。電極引出采用雙排金屬端子,確保焊接導線后不改變其壓電性能,電極接線采用帶屏蔽層的導線。現場檢測主機主要完成信號采集和處理、將心電數據通過WIFI方式上傳等功能。

圖2 PVDF壓電薄膜傳感器

1.3 傳感器在床墊中的集成方法

在檢測床墊中,PVDF壓電薄膜傳感器安裝于床墊內、位于人臥床時人心臟的下方。因PVDF壓電薄膜傳感器的物理形狀、在床墊中安裝位置等,都直接影響傳感器的有效受力情況,從而影響輸出信號的質量,本文針對圖2所示的4種不同外形傳感器(1號、2號、3號和4號)和傳感器在床墊各層間的安裝位置進行了實驗測試。實驗中,用示波器顯示心跳、呼吸信號波形,對比傳感器輸出的波形及特征,確定傳感器在床墊中的最佳位置。4種傳感器尺寸表1所示,傳感器在床墊中不同層間的安裝位置如圖3所示。

表1 傳感器形狀和尺寸信息表

圖3 傳感器在床墊中的位置示意圖

不同外形傳感器的對比實驗表明:對于呼吸信號,2號和4號傳感器在波形特征和幅值強度上,均好于1號和3號傳感器;對于心跳波信號,1號、2號和4號傳感器所測得到的信號幅值有所不同,但BCG信號中體現心臟收縮的I、J、K波和呼吸的特征明顯。因此,確定采用4號傳感器。PVDF傳感器在床墊各層間放置位置對比實驗表明:呼吸波的波形特征都較明顯,僅幅值有差異;對于心跳波形,傳感器安裝在EPE橋架與棕墊間的波形效果較好。系統完成集成后,進行了呼吸和心跳波的實際測量,結果如圖4所示,實測的信號特征及幅值都較為理想。

圖4 集成后檢測床墊所測的呼吸和心跳波形

1.4 現場檢測主機硬件設計

現場檢測主機的硬件框架如圖5所示,主要由信號采集和主控及通信兩部分組成。

圖5 現場檢測主機硬件框架

1.4.1 信號采集電路設計

信號采集電路主要實現壓電薄膜傳感器輸出的電荷信號到電壓信號轉換及ADC采樣,電路如圖6所示。由于PVDF壓電薄膜輸出的是極微弱的電荷信號,設計了高輸入阻抗的電壓放大器作前置處理電路,再進行ADC采樣[13]。由集成運放OPA2336、反饋電容Cf和大電阻Rf組成前置電路,將微弱的電荷信號變成具有高信噪比的電壓信號。采用TI公司的ADS1292集成模擬前端芯片,對轉換后的電壓信號進行模數轉換和增益放大,信號采集參數可通過ADS1292內部寄存器進行靈活設置,采集的24位數據以SPI方式發送給主控MCU。為保證采集信號的完整性和增強抗干擾能力,設計了同向比例放大器,產生1/2Vcc偏置電壓,與傳感器轉換后的電壓共同作為ADS1292通道2的輸入。ADS1292通道1預留為ECG信號采集。

1.4.2 主控及通信電路設計

主控MCU承擔著BCG信號的濾波、實時心率、呼吸率的提取計算等。因BCG信號為浮點數據,運算量大且實時性要求高,檢測主機MCU選用ST公司的STM32F427微處理器,工作頻率達180MHz,且內置硬件FPU單元、支持DSP多種指令集,保證信號濾波、提取等算法快速運行。為滿足采集模塊高頻率發送數據和設備斷網狀態下仍具備數據存儲能力,采用winbond公司的W25Q256FV芯片設計了外部Flash存儲器。無線通信模塊主要負責將處理后的數據以TCP方式發送給云端,選用了上海慶科公司的EMW3165通信模組,以串口方式與主控MCU通信。電源部分采用超低壓差的LDO芯片TPS73230,并進行有效的模數隔離,盡量減少電源噪聲對模擬前端芯片所產生的干擾。

圖6 信號采集電路圖

2 信號預處理及心率、呼吸率提取方法

對PVDF壓電薄膜傳感器采集的人體生理信號的預處理、實時提取心率和呼吸率等參數,都在現場檢測主機中實現,減少WIFI發送的數據量和頻次。

2.1 信號預處理

相關研究表明:人體呼吸頻率都在1 Hz以下,頻譜能量集中在0.1 Hz～0.5 Hz之間;心跳頻率在1 Hz～40 Hz之間,頻譜能量集中在1 Hz～10 Hz之間[14]。因BCG信號易受工頻、肌電及電子元件高頻噪聲等干擾,本文采用Hamming窗FIR濾波器分別針對呼吸和心跳相應頻段進行軟件濾波。采用截止頻率為20 Hz的低通濾波器對采集的信號進行去噪聲濾波,心跳信號的提取采用1 Hz～20 Hz帶通濾波器,呼吸信號的提取采用1 Hz的低通濾波器。

實際系統中,需考慮人在床墊上的體動或起床離開等情況。根據發生體動或離床時信號波動幅值的特點,通過在一段時間內(設定為5 s間隔)統計信號超過閾值的次數,實現人的體動、離床/在床狀態判斷。在體動或離床期間,不對心率、呼吸率進行提取計算。

2.2 心率提取方法設計與實現

BCG信號中最明顯的是心臟收縮時產生的IJK波,其中J波幅值最大,所以通過計算兩個相鄰的J-J間隔,可以得到一次心動的周期,計算每分鐘的心跳數。閾值法是常用的J波檢測方法,算法結構簡單、實時性好[15]。本文采用改進的自適應差分閾值法定位J波峰點,并結合不應期原理,對多檢、漏檢進行糾正,提高J波的檢測準確率,具體實現過程如下:

①初始J波檢測閾值

通過自學習方法設定初始J波閾值。選取預處理后的BCG信號(10 s),使用差分法尋找極值點。為了提高差分效果,減少前后點的誤差,使用隔點進行差分計算,差分算子為:

D(i)=f(i+1)-f(i-1)

式中:D(i)是BCG信號i點的前后幅值差分值,f(i+1)是BCG信號i點后一點的幅值,f(i-1)是BCG信號i點前一點的幅值。

根據計算得到的極大值和極小值集合,舍棄集合中最大最小值后取算術平均,得到該段BCG信號中波峰均值peak_avg和波谷均值trough_avg,初始閾值定義為:

TH=0.65×(peak_avg-trough_avg)

式中:0.65為經驗值,經反復實驗后得到。

②J波峰點檢測

利用上述閾值,對BCG數據點進行判斷,通過求取極大值大于設定閾值來定位J波峰點位置。

③偽J波峰點的移除

人體正常的心率不可能超過150次/min,所以每個J波相鄰的間距不小于400 ms,若在該間距內存在多個J波峰點,則需要移除多檢的J波峰點。

④遺漏J波峰點的補充

人體正常的心率不可能低于30次/min,若出現兩個J波峰點的間距大于2 s,則可認為這兩點之間存在J波漏檢情況,通過尋找這兩個J波峰點之間的極大值點作為新J波峰點。

⑤閾值更新

閾值設定過高或過低會增大J波峰點的誤檢率,同時在BCG信號連續監測過程中,其幅值及形態也會有所變化。所以在連續檢測出5個J波峰點后,用滑動窗口法對閾值進行動態更新,新閾值計算如下:

TH=0.7TH′+0.3×(Win_TH×0.65)

式中:TH為最新的閾值;TH′為前一次的閾值;Win_TH為窗口內波形計算所的閾值,窗口大小為連續的5個J波峰點的間距;0.7和0.3為經驗值,經反復實驗后得到。

經過上述步驟,提取出J波峰點,得到J-J的間隔時間,計算出心率。其中J波峰點檢測實現偽代碼如下:

算法:J波峰點檢測

2.3 呼吸率提取方法設計與實現

呼吸信號經預處理并消除基線漂移干擾之后,呼吸波近似為正弦曲線,圍繞0點上下波動。本文先通過最小二乘法曲線擬合來消除基線漂移,采用與心率算法中類似的自適應差分閾值法進行呼吸波峰點的檢測,對峰點的多檢和漏檢情況,加入了峰點的間隔時間(正常人呼吸不超過30次/分)和兩個呼吸波峰點間必有2個過零點的判斷條件。在正確檢測出5個峰點后進行閾值的更新。

3 監測系統軟件設計

現場主機的軟件基于實時操作系統FreeRTOS內核開發,實現信號采集、信號預處理和心率、呼吸率實時提取及WIFI數據發送等功能。

監測系統上位機采用了云端+APP終端的模式,與通常PC上位機同時負責數據接收、計算、存儲和展示不同,云端軟件系統只負責數據接收和存儲,APP終端軟件負責數據展示。

云端軟件系統實現與現場檢測主機的互聯、通過網絡接收現場檢測主機所采集和處理的數據并存儲,并以API接口方式提供數據共享。設計了關系型數據庫、NOSQL數據庫和文本數據庫三者結合的數據存儲方案,BCG信號序列型數據和提取的心率、呼吸率數值型數據分別存入文本庫和MongoDB中,并打上數據標簽,由Elastic Search分布式索引系統完成數據檢索;數據接收使用Redis高速緩存,緩解短時間內系統的數據處理壓力;云端軟件基于Spring Boot開發,采用Spring Cloud微服務化架構和Docker容器化部署。

APP終端軟件采用原生與H5混合開發模式、以Android Studio為工具研發。APP終端以HTTP方式從云端監測系統中獲取歷史監測數據,以MQTT訂閱消息服務獲取實時監測數據。APP上顯示被監測對象實時和歷史的監測心電信息情況,如圖7所示。

圖7 手機APP顯示界面

4 心電監測系統測試結果

為了檢驗所研發的非接觸式連續心電監測系統的功能和性能,進行了實物測試驗證。在測試實驗前先征得被測試人員同意,測試過程不損傷被測者人體。

4.1 生理信號采集測試

實驗時,被測者平躺于檢測床墊上,共對身體健康的4人進行實驗測試,其中男女各2名。為了檢驗所研發的監測系統的性能,選用深圳邁瑞公司的UMEC6醫療級多參數監護儀進行同步測試,實驗現場如圖8所示。選取了靜息狀態下100組數據取平均取整,實測數據如表2所示。實驗結果表明,本文研發的監測系統,心率、呼吸率監測數據與醫療級儀器的數據基本一致,滿足長期健康監測應用中對數據準確度的要求。

圖8 監測系統測試實驗環境

表2 實驗數據結果對比表

4.2 心率、呼吸率提取結果

為提取心率和呼吸率參數,將預處理后BCG信號和心跳、呼吸信號的峰值點繪圖,如圖9所示。結果表明:心跳和呼吸的波形清晰且起伏明顯,尤其在心跳波的J波峰點定位中,能準確判斷出多檢和漏檢的情況。

圖9 信號處理及波形峰值點定位

為進一步驗證本文所設計算法在心率計算上的準確性,選取了4名身體健康的實驗對象,平躺于檢測床墊進行連續監測,同時將現場檢測主機設計中預留的ECG通道進行同步采集。選取其中10 min的監測數據,對心率提取中J波多檢、漏檢情況與ECG的R波進行了對比統計。實驗統計結果如表3所示,與標準ECG檢測方式相比,對J波峰點的準確定位能達到97%以上,對正常人靜息心率檢測誤差基本控制在3次/min以內。

表3 BCG信號中J波檢測統計結果

5 結論

本文設計實現了一套連續、實時的心電監測系統,基于STM32F427 MCU研制了現場檢測主機硬件裝置,并與PVDF壓電薄膜傳感器組合集成于床墊中,以非接觸方式采集人體生理信號;設計自適應差分閾值法,提取人體心率、呼吸率參數,監測數據通過WIFI實時上傳到云端系統,進行存儲和共享;用戶通過手機APP等終端查看實時或歷史監測記錄。研發的系統經過實物測試實驗,所測參數的準確度與醫療專用設備所測結果基本一致,滿足家庭監測等應用要求。本系統基于物聯網和云平臺等技術研發,具有非接觸檢測、對被測人無干擾、使用簡單方便、遠程監測、擴展性好等特點。本文完成了監測系統的硬件和軟件設計與實現,并進行了功能與性能驗證試驗,但要形成一個先進的實際產品,在硬件與軟件、信號處理等方面,還需要進一步優化。