关于心电图移动设备启用的高质量.docx
- 文档编号:12915108
- 上传时间:2023-04-22
- 格式:DOCX
- 页数:8
- 大小:154.84KB
关于心电图移动设备启用的高质量.docx
《关于心电图移动设备启用的高质量.docx》由会员分享,可在线阅读,更多相关《关于心电图移动设备启用的高质量.docx(8页珍藏版)》请在冰豆网上搜索。
关于心电图移动设备启用的高质量
关于心电图移动设备启用的高质量、低能耗、小尺寸系统单芯片(SoC)解决方案
——王振波,张文峰,罗安
摘要—心电图被广泛用于监视和诊断心脏病患者的状况,但仍然昂贵且复杂—在医学领域内存在局限性。
本文推荐一款个人心电图移动设备:
单通道,低能耗,小型的结合专用集成电路的特殊移动设备。
首先,我们证明了从CardioChip的无限装备中连接到食指的数据显示是与基于凝胶的心电图研究甚似(相关=98.6%),我们下一步提出基于CardioChip的R-峰值检测算法,能够达到中位数的敏感性为大于0.98,的中位数的精度为1。
最后,我们提出一种基于CardioChip的呼吸速率算法和显示它是基于呼吸的呼吸装置比更准确。
引言
数十年来,心电图已被广泛应用于诊断心律失常和缺血性心脏病等的临床应用
(1)也用于评估自主神经系统(ANS)的状态即通过测量连续心跳时间之间的变化幅度(心率变异性,HRV)。
研究表明HRV与心脏病有着重要的相关性
(2)(3)(4)(5)其他的生理信息,如呼吸信号,也可来源于ECG信号。
传统呼吸测量技术如肺活量,呼吸秒激发和容积描记法是比较复杂的,而心电图推导呼吸法(EDR)是一个简单,经济高效的解决方案。
一个世纪以前[7]研制了第一台心电图装置。
随着计算机和微电子技术的问世,心电图技术已大大提高。
现代心电图设备通常记录达12个不同频道,并直接向计算机通过有线连接传送数据。
相比之下,单通道、便携式心电系统提供有价值的信息,不仅显著的降低了成本、提高可用性。
而且这种装置在消费者市场非常畅销。
例如,欧姆龙医疗保健公司销售的单通道独立便携式心电监护仪的费用大约300美元左右(时效要求)(8)然而,这样的设备使用起来相对较为困难,不够灵活,而且只局限于短小的录音记录。
随着移动技术的突进,能直观健康监测的移动设备简单和创新的解决方案正满足市场的需求,基于这一理念,我们开发了CardioChip—一个经济有效,单信号通道的专用集成电路,用于电生理信号的采集,和特别是对心电信号进行了优化。
A.用户手持CardioChip启动器如图1,红色圆圈表示CardioChip,和两个蓝色的圆圈表示两个银/氯化银传感器。
CardioChip和Biopac的实验安装程序对比如图2。
CardioChip的数据显示在笔记本电脑上,而Biopac的数据显示在监视器上。
测试项目显示的是用户手持CardioChip启动器并将手腕置于EL503吸电极两侧的数据(如1图位置)。
基于肺解剖学雷帕特(Intercure,Inc)呼吸装置用来呼吸速率算法进行了比较。
传感器带需被拴在上腹。
B.CardioChip信号的质量
一个健康的女性实验者被要求直立放松坐在某个位置,双手稳定的放在桌子上休息。
用医用胶将EL503(Biopac系统公司)吸电极置于两只手如图1位置食指接触CardioChip启动器与两个银/氯化银传感器.为了模拟正常使用条件,医用胶不用于Ag/AglCl传感器或食指中。
然后CardioChip启动器和Biopac同时记录心电数据。
实验者在开头敲三次左手腕和并记录尾音。
这种人为现象被用于在脱机分析过程中CardioChip和Biopac的数据同步化。
如图2显示了实验的设置。
35Hz数字低通滤波器应用于CardioChip数据以匹配的Biopac硬件的频率响应。
Biopac数据也被重新取样以匹配CardioChip的采样率。
预处理后,数据被转换成电压范围。
然后计算出相关系数和功率谱密度的Biopac和CardioChip的数据。
此外需计算平方级光谱相干。
C、心率和呼吸率计算方法
心率和呼吸率的计算基于一种实时的R峰值检测算法。
R波与心室收缩相关,是在心电信号中的最大挠度。
为了检测出实时R峰、高频噪声第一次通过应用数字低通滤波器的信号被删除。
结果发现高振幅噪声引起的过度震动动或实时的劣质传感器接触等带来的这些数据不会被列入R峰分析的范围内。
每个新的检测出的峰值,然后对比心电图基线:
如果峰值大于某一阈值,它被标记为潜在的R峰值;如果之前的R-峰值和当前潜在的R峰之间的持续时间超过某一阈值,据正式报道为R峰。
上述阈值基于之前的数据都被被优化过了,而且,在该算法中动态更新了,让后基于两个最新的R峰时间间隔计算出实时心率。
呼吸率的计算,最新的60秒R峰点进行插值来产生一个新的信号的指数,重新取样到8赫兹。
呼吸速率是然后按照重新取样信号的功率谱来计算。
呼吸速率是每10秒更新。
D、R峰值检测和呼吸速率计算的验证
选取十个自愿受试无心脏病史的志愿者(7女3男年龄在(27.2±7.3岁左右)且自愿参与R峰值的检测和呼吸速率算法,数据记录是在一个普通的办公室里,要求所有志愿者心平气和的坐在椅子上,每天记录五次:
休息(早上);上下跳十次后(早上);休息(下午);拉伸十倍后(下午);上下跳十次后(下午)。
每个记录从60到90秒持续时间不等。
数据记录在4至16天,全根据志愿者情况来定。
列出每个志愿者呼吸的次数,作为"真正的"呼吸速率(RRT)。
为了收集心电图数据,受试者需被要求把食指轻轻按压在两个CardioChip启动器的传感器上。
在没有水或导电胶的情况下。
进行R峰实时检测,和呼吸率在60秒之后心电图数据收集(本文使用的是Rpeak检测和呼吸速率演算法),同时志愿者腹部应穿上雷帕特传感器带。
总的来说,我们记录了445个环节。
使用自定义EEGLAB[12]图3所示的插件。
每个环节的每个R峰是手动识别就标记为"true"高峰。
然后处理了每个R峰值的环节。
。
图3:
自定义EEGLAB界面,用于手动标记峰。
蓝色绘制原始ECG信号,每个水平的红线指示一个高峰。
算法:
R峰检测算法,存在于集合中"真正的"峰(在48毫秒内"真实的"峰)被定义为TP(真阳性)。
R峰检测算法集合中不存在的"真实"的山峰被定义为假阳性。
最后,用这种法"真正的"高峰均未检出,该算法被定义为假阴性。
R峰检测灵敏度和精度计算方法如下:
每个环节的灵敏度和精度都得进行计算。
且计算每种情况准确度和精密度的平均值。
为了估算呼吸速率算法,我们计算了每个环节的三套呼吸速率值:
雷帕特呼吸速率值(RRR),CardioChip-based呼吸速率值(RRC)和"true"呼吸速率值(RRT)。
均方根误差(RMSE)和相关系数计算了RRC和RRR及相对性RRT。
Ⅲ.结果
A,CardioChip准确度的验证
预处理CardioChip和Biopac数据追踪是叠加的(大约35秒)如图4。
CardioChipR峰比BiopacR峰的振幅稍大,可能与在25Hz到55Hz范围CardioChip滤波后信号的大频率响应有关(如图5)。
总体而言,在整个数据集的相关系数是0.986。
预处理CardioChip的功率谱密度和预处理Biopac数据显示在图5,在3赫兹到35赫兹范围内,平方级光谱相干大于或等于98.7。
图4:
预处理CardioChip4:
(蓝色)和Biopac(红色)数据叠加在(顶部)35秒;(下图)4秒内详细突出3次心跳。
图5:
半对数图CardioChip的功率谱密度(实体)和Biopac(虚线)数据叠加:
超过0到65赫兹。
B.R峰值检测算法验证
中等精度和灵敏度,根据记录条件,如图表1中列出。
请注意,所有条件的中值灵敏度值始终是因为大多数的灵敏度是1,从这一次我们看到同一天在不同条件下的灵敏度和精度两级R的峰值检测算法是高效、稳定的。
与其他R峰值检测算法的比较,如表一:
在五个不同情况下中位数R的峰值检测的灵敏度和精确度。
中值的标准偏差灵敏度和精度都显示在圆括号中。
情景峰值的平均数灵敏度精确度冷静(上午)890.986(0.002)1(0.009跳跃后(上午)890.981(0.002)1(0.012)
冷静(下午)890.986(0.002)1(0.009)
拉伸后(下午)890.988(0.002)1(0.010)
跳跃后(下午)890.988(0.013)1(0.015)
如图6:
规格化直方图显示了呼吸率和(左)CardioChip-based呼吸速率的差异报告;(右)雷帕特呼吸率。
每分钟呼吸次数(BPM)的均方根误差(RMSE)列在左上角。
CardioChip-based算法。
例如:
由巨型电子的情感算法达到了最高的灵敏度和精度分别为97.1和99.8[13]。
请注意,这一比较法仅仅是定性性质,若作为一个适当的比较法可能需要一个普通的心电数据库。
C.呼吸速率算法验证
图6:
规格化直方图显示了RRC降低了RRT,RRR降低了RRT,还包括RMSE。
CardioChip-based的相关性算法报告和RRT为0.929,并且雷帕特和RRT两者之间的相关性为0.861。
从图6,我们可以看到我们的算法的结果准确地反映真实的呼吸速率值的50%,剩余的结果的35%是在1BPM内。
雷帕特结果仅准确地反映真实的呼吸速率值的30%,在其余结果中,大约35的误差在1BPM以内。
还要注意的是,雷帕特设备往往高估了真正呼吸率。
总体而言,我们的呼吸速率算法性能优于雷帕特呼吸算法的设备。
IV.结论
本文提出了CardioChip–单通道,体积小,功耗低的芯片–心电图。
演示了R峰值检测和呼吸速率算法。
对传统设备的CardioChip心电信号和呼吸速率算法进行了测试;分别通过计算灵敏度和精度和相关性及其RMSE对Rpeak检测和呼吸速率算法的效果进行了评估。
我们的研究表明CardioChip的数据与研究级心电图是紧密相连的。
这表明从食指收集的心电图心电采集可与指示图1相媲美,而CardioChip心电图信号与研究级心电图是可媲美的。
我们还证明了呼吸速率值算法和低的真正的呼吸率RMSE值具有较高的相关性,并且R峰检测灵敏度和精确度均较高。
因此,我们认为CardioChip平台是对心电信号采集与分析一个可靠稳定的解决方案。
致谢
作者要感谢阿诺德德洛尔姆设计一个自定义EEGLAB的心电图分析插件。
他们还要感谢HarukaSakuma,他广泛收集心电图在本研究中使用的数据。
参考文献
(1)
(2)(3)(4)(5)................,这些是参考文献,没必要翻译。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 关于 心电图 移动 设备 启用 质量