论文部分内容阅读
近年来,随着全球心血管疾病发病率和死亡率的持续上升,人们愈加重视对自身健康的管理。长期持续的跟踪心脏动态情况有益于心脏疾病的预防筛查和辅助诊断,故可在非专业医疗环境下使用的个人心脏健康监护设备开始成为心脏疾病患者和亚健康人群的首选。然而,目前市场上主流的便携式心电检测设备(如智能手环等)并不具备心电信号分析以及疾病诊断预警等功能。因此,研发功能完善且适用于非医疗场合的心脏健康监护系统产品成为相关科研人员的重要研究课题。针对高发性心脏疾病——心律失常,本文以心律失常的预防和辅助诊断作为着眼点,深入研究了基于电容耦合原理的非接触心电信号测量方法和基于卷积神经网络结构的心律失常分类算法,设计了一种具有心律失常监测功能的无扰式心电信号检测系统。主要的工作内容如下:1.通过研究不同种类心电信号测量电极的阻抗模型,根据理论分析和实验验证提出了电容耦合式测量电极模型,在人体生物电信号测量技术和电容耦合原理的基础上,建立了基于电容耦合式测量电极的人体心电信号检测模型。2.根据无扰监测的应用需求,本文设计了一套完整的非接触式心电信号测量设备。此设备由电容耦合式测量电极传感器和信号预处理电路构成。基于该设备,本文在不同测试条件下对本文设计的具有极高输入阻抗的测量电极传感器进行功能验证实验。实验结果表明,该传感器可在轻薄衣物外侧提取出完整的人体心电信号。针对心电信号的特征参数,设计了一系列用于信号放大、去噪、传输的电路,具体有:信号调理电路、信号传输电路、电源电路。3.在基于卷积神经网络的心律失常分类方法的研究基础上,本文设计了一种遵循VGGNet结构的二维卷积神经网络模型。区别于常见的模型调参手段,本文以改变输入样本类型(ECG灰度图和ECG时频图)的方法得到具有更优性能的训练模型。在对8种目标心拍的分类验证实验中,该模型得到了99.78%的平均准确率,同时在其它评估指标上也都取得了不错的结果。4.本文从实际应用出发,设计实现了交互式PC应用程序,同时将性能优异的信号处理算法嵌入其中。通过无线通信方式,连接系统的心电采集设备与PC处理终端。同时利用远端服务器,搭建了具有数据分析、信息存储与管理、疾病辅助诊断等功能的云服务平台,最终实现集心电信号实时采集与心律失常分析于一体的心脏健康监护系统。通过对系统的功能验证,结果表明该系统可在不影响需求人群正常工作学习的情况下,准确可靠地测量人体心电信号,并提供心律失常的辅助性诊断意见。