论文部分内容阅读
随着我国老龄化问题的加剧,医疗资源有限,远程医疗已经成为必然趋势。在人们的生活中,智能手机随处可见,智能手机具有强大的数据处理能力和显示功能,将智能手机应用到远程医疗是目前的研究热点。本课题将心房颤动算法植入到智能心电分析软件中,在心电数据采集完成时自动分析数据,进而诊断心房颤动。本文介绍了基于Android智能手机的心电监护APP软件的设计与实现。它包括两大部分内容:心房颤动算法的实现和心电监护APP软件的设计及实现。心房颤动算法利用心房颤动发生时心率的完全不规则变化,利用心电信号的3个特征参数来实现心房颤动的诊断。在获取心电信号后,对心电信号进行R波顶点提取,获取一串RR间期序列,进而计算该RR间期序列的3个特征参数,分别为:转折点率、连续均方根差异和香农熵。通过这3个特征参数诊断心房颤动。本文使用MIT-BIH房颤数据库验证算法的准确率,得到灵敏度94.95%和特异性94.94%的结果。进一步对转折点率的数据库进行统计分析,提出改进的心房颤动算法,通过连续均方根差异和香农熵判别心房颤动,得到更高的灵敏度(96.19%)和特异性(96.27%)。最后,说明标准熵的来源和概念,联合香农熵和标准熵判别房颤,得到灵敏度96.44%和特异性96.62%的结果。智能手机心电监护APP软件主要有两大功能:24小时心电测量和24小时历史心电查看。软件通过低功耗蓝牙(BLE)与心电仪进行通讯,通过商议好的通信协议接收心电仪发送的心电数据。在接收到心电数据后,同步进行实时心电图绘制、心率计算、心电数据和心率数据存储、心房颤动检测、异常数据上传服务器、导联SD卡电池电量状态的判断。测量完成后,用户可以在历史心电功能中查看详细的历史心电图和心率变化曲线。APP软件完成后,本文在不同Android版本和分辨率的手机下测试软件的运行情况,结果表明软件具有较好的准确性和鲁棒性,具有商业化应用价值。