基于距离分段加权算法的可穿戴体表电势采集装置和方法制造方法及图纸

本发明专利技术公开了基于距离分段加权算法的可穿戴体表电势采集装置和方法，当使用者穿上装置后，分布在背心上的干电极采集到使用者的体表电势接入模拟前端后送入数据采集系统，数据采集系统和PC端相接。其中部分干电极收到的信号作为心电信号，用于合成心电图。若对应的导联信号好，则直接采用；若对应的导联信号不好，则采用四种不同的多导联算法得到相应的心电图。根据相似度采用基于距离分段加权算法从四种算法中选出最能代表使用者心电图的算法。根据所得出的心电图分析使用者的身体健康状况并且可以同时根据体表电位标测图(body surface potential mapping，BSPM)确定病灶分布位置以指导后续治疗。

Wearable Surface Potential Acquisition Device and Method Based on Distance Segmentation Weighting Algorithms

The present invention discloses a wearable body surface potential acquisition device and method based on distance sectional weighting algorithm. When the user wears the device, the dry electrodes distributed on the vest collect the body surface potential of the user and enter the data acquisition system after the analog front end is connected with the PC end. Some of the signals received by the dry electrodes are used as ECG signals to synthesize ECG. If the corresponding lead signal is good, it is directly used; if the corresponding lead signal is not good, four different multi-lead algorithms are used to get the corresponding ECG. According to the similarity, a distance-based piecewise weighting algorithm is used to select the algorithm which best represents the user's ECG from the four algorithms. According to the obtained ECG, the health status of the user was analyzed, and the location of the lesion could be determined by body surface potential mapping (BSPM) to guide the follow-up treatment.

【技术实现步骤摘要】
基于距离分段加权算法的可穿戴体表电势采集装置和方法
本专利技术涉及一种体表电势采集技术，尤其涉及基于距离分段加权算法的可穿戴体表电势采集装置和方法。
技术介绍
随着人们生活水平的提高以及生活方式的改变，心血管疾病的发病率也逐年升高，其高致残率、高再住院率及高病死率对患者生活质量及社会发展造成了巨大负担。目前全国心血管疾病患者预计2.9亿，其病死率为2.5％～3.0％，已占我国居民死亡构成的40％以上。心脑血管疾病的高死亡率、高致残率、高医疗风险、高医疗负担等特点使其成为重大社会问题。心电等各项体征监测是早期检测心脑血管疾病的有效手段。如果能够对心脑血管疾病患者、亚健康乃至健康人群实施大规模的各项身体体征动态监测，及时把异常状况反馈给医生，并对可能导致严重后果的病因进行早期干预，可以显著降低心脑血管疾病的病死、病残率，极大降低社会经济损失。申请号为CN201710262618.9的专利技术虽然能够做到实时监测患者的心电，但是对心电的监测仍不够精确，受到使用者运动的影响较大。无法对患者进行更进一步的分析与诊断，也不能对使用者的心脏病灶定位分析。申请号为CN201711309089.X的专利技术通过人体的肠鸣、心跳、呼吸、体温、血氧等来对人体的健康进行监测，仅仅进行了最基本的监测，过于笼统。而对于日益普遍的心脑血管疾病达不到提前发现预防的效果。
技术实现思路
本专利技术公开了基于距离分段加权算法的可穿戴体表电势采集装置和方法。目的是监测心脑血管疾病高发人群的体表电势以便于及时预防救治心脑血管突发和方便后续的治疗。其中，所述装置包括背心、干电极、模拟前端、数据采集系统和PC端；干电极直接接触人体，干电极通过导联线把人体电生理信号传输到模拟前端的输入端口，模拟前端经过滤波和放大处理后，输出信号接到数据采集系统的输入端口，数据采集系统经过A\D转换后模拟信号转变为数字信号，并存储到电脑，作为体表电位标测图的数据支撑。所述干电极分布在背心上；所述模拟前端缝制在背心的右侧腰间，模拟前端和干电极用导线相连接；所述模拟前端(analogfront-endAFE)即处理信号源发出模拟信号的硬件设备，需要实现的功能为差分放大电路、高通滤波电路、主放大电路、低通滤波电路。外围电路主要由多组电阻电容串联或并联构成，在差分放大电路两个输入端口接适当阻值的大电阻，可以增加电极与模拟前端的阻抗匹配程度；通过在放大器周围放置不同数值的电阻(放大器是模拟前端的芯片自带的放大器，芯片严格来说就是一个放大器)、电容，可以构成不同通带的滤波电路；所述模拟前端对干电极采集的体感电势的信号进行处理，包括对信号进行放大和滤波；所述数据采集系统即为将模拟心电信号转换为数字信号的电路系统。整个采集系统可以分成A\D转换部分，同步触发部分，数据传输部分。A\D转换部分是级联的8块数据采集卡，每块数据采集卡可16路信号同步采样，每块数据采集卡为16位采样精度，采样频率达到250kS/s(此数据采集卡已有成熟产品在售)。8块数据采集卡之间通过同一组时钟信号进行同步触发，使8块数据采集卡可以同时开启采样。采样得到的数据通过PCI-E接口传输到上位机，上位机通过VisualStudio接收数据并实时保存；所述干电极采集到的体感电势的信号经过模拟前端的外围电路的放大和滤波后接入模拟前端的芯片，由数据采集系统将该信号转换为数字信号，送入PC端；PC端对获取的信号进行判定，如果信噪比(Signal-to-noiseratio)达到90dB及以上，则合成为心电图，否则采用两种以上多导联心电算法得到相应的心电图，并筛选出最符合使用者的心电图。本专利技术中，采用四种多导联心电算法得到相应的十二导联心电图，并筛选出最符合使用者的心电图。四种多导联心电算法如下：三导联重建十二导联算法：心电向量是三维线性空间中的向量，当三个导联轴的向量线性无关时，它们就构成了线性空间的一个基，从而可以求出各导联在这三个原始导联上的投影系数并作为重建系数，求出十二导联的心电图数据。人工神经网络(ANN)法：通过训练过不断地调整节点之间的连接关系，直到网络训练的误差达到最小值，建立输入层与输出层之间的联系。将用于重建的导联信号作为神经网络的输入神经元，待重建的标准12导联ECG其余信号作为输出神经元进行训练。训练结束后，用于重建的导联与待重建导联之间的关系就由训练完成的神经网络建立了起来。当应用于实际情况时，只需知道用于重建的导联信号，输入到该网络中，就可以得到待重建的其余导联信号。支持向量机(SVM)法：首先将输入数据通过一个特定的核函数映射到一个高维空间中，接着给特征空间创建一个分离的最大间隔超平面，来进行分类区分，而回归即寻找这个最大间隔的超平面。线性导联重建方法：选取一定数量的导联作为初始的用于重建的导联，再建立初始导联与标准十二导联之间的线性模型，从而实现导联的重建。具体包括如下步骤：步骤1，采用四种不同的多导联心电算法得到四种相应的心电图，把四种心电图同一时段相应的一个周期的心电图波形分别记为A1，A2，A3，A4：A＝(A1，A2，A3，A4)n为一个心电波形中数据点的个数，表示第i种心电图波形中的第n个数据点，A表示四种心电图同一时段相应的一个周期的心电图的集合，i取值为1，2，3，4；步骤2，根据医学上完整的心电波形包括P波、QRS波、T波和U波将四种心电图波形都分别分为四段，第一段为a1～ax，第二段为ax～ay，第三段为ay～az，第四段为az～an，其中a1为一个完整周期的第一个点即P波的波峰，ax为QRS波的波峰，ay为T波的波峰，az为U波的波峰，an为完整周期的最后一个点也是P波的波峰。分别计算每种心电图波形分成的四段心电图波形的Hausdorff距离，Hausdorff距离一般用于二值图像的相似性度量，相似度越高，Hausdorff距离越小，当两个图形一样时，Hausdorff距离为0；步骤3，通过BP神经网络(BackPropagationNeuralNetwork)训练得到四段心电图波形的权值分别为P1，P2，P3，P4；步骤4，分别以A1，A2，A3，A4为模板，与其余三个波形计算相似度：H(ai，as)＝max(h(As，Ai)，h(Ai，As))，其中，As为模板波形，Ai为与模板波形比较相似度的另一波形，as为波形As的一个点，ai为波形Ai的一个点，h(As，Ai)、h(Ai，As)为计算的中间值，H(ai，as)为心电图中一段波形的Hausdorff距离，，D(ai，as)为两波形中各对应点的距离，t为一完整周期波形采样的点，为模板波形中第t个点，为与模板波形比较的波形的第t个点，H(Ai，As)为以As为模板的Ai和As的Hausdorff距离，Hy为第y段波形的Hausdorff距离，Py为第y段波形的权值，得到四组Hausdorff距离：以A1为模板：H(A2，A1)、H(A3，A1)、H(A4，A1)；以A2为模板：H(A1，A2)、H(A3，A2)、H(A4，A2)；以A3为模板：H(A1，A3)、H(A2，A3)、H(A4，A3)；以A4为模板：H(A1，A4)、H(A2，A4)、H(A3，A4)；步骤5，把每组的Hausdorff距离相加后比较，选用本文档来自技高网...

【技术保护点】
1.基于距离分段加权算法的可穿戴体表电势采集装置，其特征在于，包括背心、干电极、模拟前端、数据采集系统和PC端；所述干电极分布在背心上；所述模拟前端缝制在背心的右侧腰间，模拟前端和干电极用导线相连接；所述模拟前端对干电极采集的体感电势的信号进行处理，包括对信号进行放大和滤波；所述干电极采集到的体感电势的信号经过模拟前端的放大和滤波后，由数据采集系统将该信号转换为数字信号，送入PC端；PC端对获取的信号进行判定，如果信噪比达到90dB及以上，则合成为心电图，否则采用两种以上多导联心电算法得到相应的心电图，并筛选出最符合使用者的心电图。

【技术特征摘要】
1.基于距离分段加权算法的可穿戴体表电势采集装置，其特征在于，包括背心、干电极、模拟前端、数据采集系统和PC端；所述干电极分布在背心上；所述模拟前端缝制在背心的右侧腰间，模拟前端和干电极用导线相连接；所述模拟前端对干电极采集的体感电势的信号进行处理，包括对信号进行放大和滤波；所述干电极采集到的体感电势的信号经过模拟前端的放大和滤波后，由数据采集系统将该信号转换为数字信号，送入PC端；PC端对获取的信号进行判定，如果信噪比达到90dB及以上，则合成为心电图，否则采用两种以上多导联心电算法得到相应的心电图，并筛选出最符合使用者的心电图。2.根据权利要求1所述的装置，其特征在于，所述采用两种以上多导联心电算法得到相应的心电图，并筛选出最符合使用者的心电图，具体包括如下步骤：步骤1，采用四种不同的多导联心电算法得到四种相应的心电图，把四种心电图同一时段相应的一个周期的心电图波形分别记为A1，A2，A3，A4：A＝(A1，A2，A3，A4)n为一个心电波形中数据点的个数，表示第i种心电图波形中的第n个数据点，A表示四种心电图同一时段相应的一个周期的心电图的集合，i取值为1，2，3，4；步骤2，根据标准P波、QRS波、T波和U波将四种心电图波形都分别分为四段，第一段为a1～ax，第二段为ax～ay，第三段为ay～az，第四段为az～an；其中a1为一个完整周期的第一个点即P波的波峰，ax为QRS波的波峰，ay为T波的波峰，az为U波的波峰，an为完整周期的最后一个点也是P波的波峰；分别计算每种心电图波形分成的四段心电图波形的Hausdorff距离，步骤3，通过BP神经网络训练得到四段心电图波形的权值分别为P1，P2，P3，P4；步骤4，分别以A1，A2，A3，A4为模板，与其余三个波形计算相似度：H(ai，as)＝max(h(As，Ai)，h(Ai，As))，其中，As为模板波形，Ai为与模板波形比较相似度的另一波形，as为波形As的一个点，ai为波形Ai的一个点，h(As，Ai)、h(Ai，As)为计算的中间值，H(ai，as)为心电图中一段波形的Hausdorff距离，，D(ai，as)为两波形中各对应点的距离，t为一完整周期波形采样的点，为模板波形中第t个点，为与模板波形比较的波形的第t个点，H(Ai，As)为以As为模板的Ai和As的Hausdorff距离，Hy为第y段波形的Hausdorff距离，Py为第y段波形的权值，得到四组Hausdorff距离：以A1为模板：H(A2，...

【专利技术属性】
技术研发人员：李建清，朱松盛，方文胜，刘宾，王惠琳，徐静怡，孟诚，王保民，钱明泽，
申请(专利权)人：南京医科大学，
类型：发明
国别省市：江苏,32