一种可移动心电图监测系统技术方案

本发明专利技术公开了一种可移动心电图监测系统，不仅采集ECG信号，而且采集脉冲无线电超宽带(IR‑UWB)雷达信号，将所采集的ECG信号及IR‑UWB雷达信号进行同步及处理后，采用级联的CNN进行特征抽取、集成分析和诊断分类，得到监测结果输出。由于本发明专利技术实施例在监测时引入了IR‑UWB雷达信号，作为监测ECG信号的补充，并通过对这两种信号的同步，得到这两种信号之间的相关性，提高监测准确性，由于本发明专利技术实施例采用了适应性强和性能稳定的级联CNN进行特征抽取、集成分析及诊断分类，有效保证系统性能稳定。

【技术实现步骤摘要】

本专利技术涉及人体生理参数的监测技术，特别涉及一种可移动心电图监测系统及监测方法。
技术介绍
心脏病严重威胁人类的生命健康，其发病率和死亡率都排在各类疾病之首并且心脏病的突发性增加了治疗难度。因此，防治心脏病就成为了人民维护身体健康的头等大事。可移动心电图(ECG)监测系统为有效预防心脏病提供了良好的解决方案。一方面，其方便携带的特点使得这种监测系统可以长时间地监测心脏活动的ECG信号，从而能够及时捕捉到偶发性心律失常和其他突发性心脏病。另一方面，随着移动物联网和信息技术的快速发展，这样的ECG监测系统能够获得良好的平台和技术支撑，有助于更好地满足随时随地地进行心脏保健的需求。目前，在实现ECG监测系统时，可以基于物联网体系结构实现，基于物联网体系结构的ECG监测系统是有代表性的三层结构，即传感层、网络层及应用层。其中，传感层主要负责心电图数据采集，网络层负责将采集到的心电图数据传送到数据中心，而应用层负责完成心电数据的分析计算和问题预警。在采集心电图数据时，可以采用各种可穿戴医疗设备在传感层通过无线数据通信技术连接起来，形成一个无线传感器网络。网络侧可以由现有的互联网或骨干通信网络来承担。应用层则是通过应用各种算法来检测并分析心律失常。显然，对于心律失常的分析诊断是整个ECG监测系统的核心功能。基于ECG信号进行心律失常的分析诊断是一种典型的分类应用，已有的心律失常分类方法主要包括频率分析、支持向量机、小波变换以及专家混合的方式。简言之，这些方法大都依赖于从ECG信号波形中提取某些关键的特征。但是，这些方式往往受到特征相关的阈值的限制，而不同数据集的阈值又常常不一样，因此，这些方法的性能不仅会受到各种噪声的干扰而下降，还会受到数据集变化的影响而不稳定。为了应对上述问题，更加精确地将监测的可变ECG信号分类，开始使用具有高容错度能力和鲁棒性的神经网络。例如，神经网络可以被训练成为一个心跳识别检测器，一种心律失常分类器或者一个特征提取器，用于在分类之前提取没有被人为设定的人体生理参数特征。正是由于神经网络具有自动获取特征的能力，基于神经网络的ECG监测系统可以部署在移动端和云端，通过周期性地从特定用户的云端ECG记录中学习新的特征，从而能更好地适用于特定用户，并有助于提高分类的准确度。到目前为止，已经出现了许多关于在动态心电图监测系统中对特定用户进行心律失常分类的研究。具体地说，卷积神经网络(CNN)是近年来深度学习的研究热点之一，具有结构简单、训练参数少及适应强等特点，被广泛应用于模式识别及图像处理等领域，取得了很好的效果。ECG信号分析是图像模式识别的一种应用，因此也有研究者将CNN应用于此，并且已经说明了CNN对于一维和二维的ECG信号都是适用的。目前公开了一种导联卷积神经网络(LCNN)，将ECG信号所记录的八导联转化为一个二维矩阵。其中，卷积核的滑动范围受到滤波器不能被不同导联的ECG信号记录共享的规则限制，这种方法不仅证明了CNN在一维信号中的可用性，而且还能适应于不同的分辨率，这种方法虽然可以提高ECG分类的准确度，然而这种方法的应用是有限的，对ECG信号的多导联输入有要求，在ECG信号的分类算法研究不断推进的同时，另一个改善系统性能的努力方向就是在ECG信号的数据采集端。事实上，ECG监测系统之所以能够降低心脏病的死亡率，根本原因就在于它能够长期动态地记录ECG信号。在这种情况下，即使是一些罕见的心律失常现象也能被捕捉到，从而能够及时治疗，挽救病患。但是，ECG信号记录不可避免地会受到由于人体肌肉运动产生的运动伪迹的影响，导致分类算法准确度下降。尽管已经提出了一些运动伪迹抑制算法，如自适应滤波方法和盲源分离方法，但是完全去除运动伪迹仍然是很困难的。综上，基于在监测ECG信号时的不准确性及后续在分类ECG信号的不准确性，造成了目前的ECG信号监测系统在基于所监测的ECG信号记录得到监测结果时不准确，导致对人体的心律失常现象的误判。
技术实现思路
有鉴于此，本专利技术实施例提供了一种可移动心电图监测系统，该系统能够使得基于所监测的ECG信号记录得到的监测结果准确。本专利技术实施例还提供一种可移动心电图监测方法，该方法能够使得基于所监测的ECG信号记录得到的监测结果准确。由上述方案可以看出，本专利技术具体实现为：一种可移动心电图ECG监测系统，包括：采集模块和级联CNN模块，其中，采集模块，用于监测脉冲无线电超宽带IR-UWB雷达信号，进行同步及集成处理后得到IR-UWB心跳信号；监测ECG信号，进行同步处理及不平衡数据处理后得到ECG信号数据；级联卷积神经网络CNN模块，用于对从采集模块接收的IR-UWB心跳信号及集成处理后的ECG信号数据进行特征抽取、集成以及诊断分类后，得到监测结果。一种ECG监测方法，包括：监测IR-UWB雷达信号，进行同步及集成处理后得到IR-UWB心跳信号；监测ECG信号，进行同步处理及不平衡数据处理后得到ECG信号数据；对从采集模块接收的IR-UWB心跳信号及集成处理后的ECG信号数据进行特征抽取、集成以及诊断分类后，得到监测结果。从上述方案可以看出，本专利技术实施例不仅采集ECG信号，而且采集脉冲无线电超宽带(IR-UWB)雷达信号，将所采集的ECG信号及IR-UWB雷达信号进行同步及处理后，采用级联的CNN进行特征抽取、集成分析和诊断分类，得到监测结果输出。由于本专利技术实施例在监测时引入了IR-UWB雷达信号，作为监测ECG信号的补充，并通过对这两种信号的同步，得到这两种信号之间的相关性，提高监测准确性，由于本专利技术实施例采用了适应性强和性能稳定的级联CNN进行特征抽取、集成分析及诊断分类，有效保证系统性能稳定。因此，采用本专利技术实施例提供的系统及方法使得基于所监测的ECG信号记录得到的监测结果准确。附图说明图1为本专利技术实施例提供的一种可移动心电图监测系统结构示意图；图2为本专利技术实施例提供的同步子模块对IR-UWB雷达信号进行集成处理的结构示意图；图3为本专利技术实施例提供的第一CNN或第二CNN的结构示意图；图4为本专利技术实施例提供的第三CNN的结构示意图；图5为本专利技术实施例提供的一种可移动心电图监测方法流程图；图6为本专利技术实施例提供的第一CNN的具体例子结构图；图7为本专利技术实施例提供的第二CNN的具体例子结构图；图8为本专利技术实施例提供的第三CNN的具体例子结构图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本专利技术作进一步详细说明。本专利技术实施例为了能够在运动状态下准确的监测到心律失常，将IR-UWB雷达信号的监测技术引入到本专利技术提供的ECG监测系统中，作为辅助监测工具。IR-UWB雷达不仅提供一种非接触式的IR-UWB雷达信号的测量，同时也避免了电干扰。IR-UWB雷达的临床应用包括对心率、呼吸率和血压等的测量。采用本专利技术实施例，与
技术介绍
相比，主要从两个角度来增强系统在运动状态下对心率失常监测功能的鲁棒性。第一，引入IR-UWB雷达信号，作为对ECG信号记录的有效补充，并且，通过对这两种信号进行同步和集成分析，还可以挖掘出这两种数据之间的潜在相关性，以便为动态监测系统中心律失常的诊断分类提供更多有力的信息依据，提高监测的准确度。第二，采本文档来自技高网...

【技术保护点】
一种可移动心电图ECG监测系统，其特征在于，包括：采集模块和级联CNN模块，其中，采集模块，用于监测脉冲无线电超宽带IR‑UWB雷达信号，进行同步及集成处理后得到IR‑UWB心跳信号；监测ECG信号，进行同步处理及不平衡数据处理后得到ECG信号数据；级联卷积神经网络CNN模块，用于对从采集模块接收的IR‑UWB心跳信号及集成处理后的ECG信号数据进行特征抽取、集成以及诊断分类后，得到监测结果。

【技术特征摘要】
1.一种可移动心电图ECG监测系统，其特征在于，包括：采集模块和级联CNN模块，其中，采集模块，用于监测脉冲无线电超宽带IR-UWB雷达信号，进行同步及集成处理后得到IR-UWB心跳信号；监测ECG信号，进行同步处理及不平衡数据处理后得到ECG信号数据；级联卷积神经网络CNN模块，用于对从采集模块接收的IR-UWB心跳信号及集成处理后的ECG信号数据进行特征抽取、集成以及诊断分类后，得到监测结果。2.如权利要求1所述的监测系统，其特征在于，所述采集模块还包括ECG信号采集子模块，用于监测ECG信号；所述采集模块还包括IR-UWB雷达信号采集子模块，用于监测IR-UWB雷达信号。3.如权利要求1所述的监测系统，其特征在于，所述采集模块，还用于采用接收时间校准方式进行同步处理。4.如权利要求1所述的监测系统，其特征在于，所述采集模块在集成处理IR-UWB雷达信号时，还包括去直流单元、带通滤波器单元、主成分分析PCA去除杂波信号单元、抽取主要信号单元及集成经验模式分解单元，其中，去直流单元，用于将IR-UWB雷达信号中的直流分量去除；带通滤波器单元，用于将IR-UWB雷达信号进行带通滤波；PCA去除杂波信号单元，用于将IR-UWB雷达信号中的杂波去除；抽取主要信号单元，用于抽取IR-UWB雷达信号中的IR-UWB心跳信号；集成经验模式分解单元，用于将抽取得到的IR-UWB心跳信号根据经验模式分解，去除其中的呼吸信号，最终得到需要的IR-UWB心跳信号。5.如权利要求1所述的监测系统，其特征在于，所述采集模块还包括不平衡数据处理子模块，还用于对ECG信号采用过采样方式及添加白噪声方式进行不平衡数据处理后，增加ECG信号中的异常心跳数，得到ECG信号数据。6.如权利要求1所述的监测系统，其特征在于，所述级联CNN模块包括两层：第一层包括两个不同的CNN，第一CNN，用于对IR-UWB心跳信号进行特征抽取，提取特征；以及第二CNN，用于对集成处理后的ECG信号数据进行特征抽取；第二层为第三CN...

【专利技术属性】
技术研发人员：张珈绮，
申请(专利权)人：张珈绮，
类型：发明
国别省市：北京;11