随着社会的发展和全球人口老龄化的趋势越发严重,心肺慢病已成为威胁老龄化人群健康的头等病因,同时,心肺慢病不断呈现年轻化发病趋势。伴随医学科技的发展以及人民健康意识的提高,现代医疗模式更主张实现对“健康人”的生命体征信息动态健康监测管理,提倡“预防重于治疗”,关注治“未病”,让病人得到个体化、动态的医疗服务。心电、心率、脉搏、血氧饱和度、呼吸、体温、血压等这些人体基本的生理参数与疾病的防治密切相关。从技术手段上来说,除了医院专业的医疗设备可以实现对人体健康状态监测外,便捷、灵活的穿戴式生理参数监测系统为个性化实时的生理参数监测提供了技术支撑平台。现代医疗模式的转变,对医疗级穿戴式微型化、智能化设备提出了更高的要求,穿戴式生理参数监测采用微型化、智能化、高精度的各种传感器采集人体的生理参数,实现对人体健康生理参数无创连续的实时监测,是实现全面健康和个性化医疗较为有效的新型医疗监护模式。然而,具备微型化、低功耗、高精度的穿戴式系统感知技术的研究目前仍然是穿戴式医疗研究的难点之一。全面深入地开展穿戴式医疗感知技术的相关研究对于个性化疾病的诊断和治疗、解决健康管理、养老服务、慢病管理和看病难等问题都具有非常重要的意义。本文以“感知”为切入点,根据穿戴式生理参数监测系统感知技术环节存在的关键问题,主要针对脉搏、心率传感器感知材料制备及传感性能测试、面向心肺慢病管理的穿戴式生理参数监测系统、穿戴式心电信号的信息融合分类算法等几个方面进行了深入的研究,具体包含以下内容:(1)多金属盐酸盐/二维氧化石墨烯(polyoxometalate/two dimensional graphene nanosheets,简称POM/2D GNs)柔性穿戴式脉搏、心率传感器感知电极材料制备及传感性能研究。本文制备了POM/2D GNs复合材料,并对该材料进行X射线衍射(X-Ray Diffraction,简称XRD)、透射电镜(Transmission electron microscope,简称TEM)、X射线能谱分析(Energy dispersive X-ray spectroscopy,简称EDS)表征及电化学性能测试。构建了基于POM/2D GNs的水滴监测传感器模型,利用放置和移除水滴的方式对该传感装置的响应能力进行测试,结果表明,测量到的ΔADC值可以很好地响应水滴放置和移除POM/2D GNs传感器时的压力信号变化。为探索POM/2D GNs传感器在人体脉搏、心率监测领域的应用潜力,我们设计了一种柔性脉搏传感器装置模型,并将其固定于手腕脉搏处,进行连续15秒的脉搏监测记录。结果表明,基于POM/2D GNs的传感器对外部脉冲很敏感,监测结果与PPG技术监测到的脉搏波结果基本一致。因此,POM/2D GNs被证实可用于穿戴式医疗系统用来实现对人体脉搏、心率等生命体征参数的监测。这项工作为柔性穿戴式心电、脉搏传感器的制备开辟了新的途径。(2)2D GNs/ZnS:Mn2+/POM力致发光柔性穿戴式脉搏、心电传感器感知电极材料制备及传感性能研究。在POM/2D GNs脉搏传感器感知材料的基础上,本文进一步制备了2D GNs/ZnS:Mn2+/POM复合材料,并对该材料进行XRD、TEM、PL(光致发光)、ML(力致发光)和电化学性能表征。结果表明,该材料具有压力控制发光性能,ML强度和压力值在一定范围内呈线性关系。由于具有高导电性能的2D GNs和POM的引入,2D GNs/ZnS:Mn2~+/POM电极具备对外界的刺激响应敏感和高导电特性。构建了2D GNs/ZnS:Mn2+/POM传感器装置模型,并对脉搏、心电信号进行监测,实验结果表明,该复合材料可以作为脉搏、心电传感器感知电极用于穿戴式脉搏、心率的监测。本文的研究进一步丰富了穿戴式柔性脉搏、心率传感器感知电极材料的制备方法,对柔性石墨烯基材料作为心电、脉搏传感器的新应用提供了一定的借鉴价值。(3)面向心肺慢病管理的穿戴式生理参数监测系统。本文设计的穿戴式心肺慢病生理参数监测系统充分结合了传统的心电监护设备的技术优势,以低功耗、小型化和兼顾生理信号测量的准确性为目标,选取ADS1292、AFE4400、STM32等低功耗模拟前端和芯片方案,设计了集3导联的心电信号采集和血氧饱和度监测模块为一体的穿戴式心肺慢病监测系统,经验证,该系统能有效地采集到心电和血氧饱和度信号。同时利用该系统对本文制备的石墨烯基感知材料POM/2D GNs进行了心电信号的采集验证。(4)深度卷积神经网络(Deep Convolutional Neural Network,简称DCNN)的心律失常分类算法研究。通过对前端采集到的心电信号中获取有用的信息辅助临床医生的诊断具有重要意义,也是智能穿戴设备系统的核心和关键感知技术之一。本文提出了一种基于深度卷积神经网络的心律失常分类算法,生成具有患者特异性的深层结构自动心拍分类模型,提出方法的优点包括减少了前期的心电信号噪声处理、单独的特征提取等步骤。提出模型对MIT-BIH心律失常数据库四类心拍识别的平均准确率为96.79%,平均特效度为97.85%,综合性能评价指标达95.98%。(5)卷积神经网络+长短时记忆网络+注意力机制(Convolutional Neural Network+Long Short-Term Memory+Attention,简称CLSTMA)组合神经网络模型的心律失常分类算法研究。本文在深度卷积神经网络的基础上进一步提出了CLSTMA组合神经网络模型。经过20轮次的训练和调参过程,生成具有患者特异性的深层结构自动心拍分类模型,提出方法减少了前期的心电信号噪声处理、单独的特征提取等步骤的同时,进一步增强了模型的泛化能力。提出的模型对MIT-BIH心律失常数据库四类心拍识别验证结果表明,模型的综合性能评价指标达96.86%,以室性早博为例,模型的准确率达到96.70%,特效度达到98.22%,与已有文献进行比较,该模型的整体性能优于文献报道的模型性能。综上,论文的研究成果进一步拓展和丰富了穿戴式医疗感知技术方面的研究,从感知技术层面上为心肺慢病监测系统乃至利用其他柔性穿戴技术实现对人体健康体征信息的采集、疾病的预防和诊断提供了理论基础和技术支持。