一种智能可穿戴疲劳监测及预警系统技术方案

本发明专利技术提供一种智能可穿戴疲劳监测及预警系统，包括可穿戴信号采集模块、疲劳等级量化评估模块、蓝牙无线数据传输模块；所述疲劳等级量化评估模块包括预处理模块、数据分析模块；所述可穿戴信号采集模块采集心电信号并通过蓝牙无线数据传输模块发送至疲劳等级量化评估模块，所述疲劳等级量化评估模块通过预处理模块对心电信号进行预处理，通过数据分析模块提取心率变异性并分析HRV特征信号，通过数学建模建立识别算法，对疲劳状态进行识别。本发明专利技术通过系统的搭建将心电检测与人体疲劳状态识别集于一体。能在日常生活中实时监测穿戴者的疲劳状态，将心电信号与人体状态结合起来，实现疲劳程度的精准监测和预警，对人的主观状态进行客观化评价。

【技术实现步骤摘要】
一种智能可穿戴疲劳监测及预警系统
本专利技术属于生物医学信号检测和处理领域，特别涉及一种智能可穿戴疲劳监测及预警系统。
技术介绍
心电信号直观地反映了心脏电兴奋在传导系统中的产生和传导过程，可在一定程度上客观地反映心脏各部位的生理状况，是诊断心脏疾病和评价心脏功能的重要依据之一。上海交通大学的杨渝书等采集16名被测试者在实验室模拟驾驶操作90分钟的心电信号，并对实验开始和结束时的15分钟时段心电信号的7项时频域指标进行分析，发现有4项心电时频域指标与疲劳程度明显相关。可穿戴技术的发展进—步推进了智能心电信号监测设备的普及。穿戴式生理监测设备主要涉及到传感技术、无线通信技术和信号处理技术等,具有低负荷、操作简便、可移动、持续监测、无线传输和异常生理状况报警等功能，能够监测人体多种生理信号，提供全天实时健康状态监测并将数据上传至监测系统。自1903年心电之父Einthoven应用弦线电流计从体表记录心电信号以来，心电图作为心血管疾病诊断的重要手段已经有几百年的历史。在此期间，随着心电采集技术的不断完善，心电信号的各种新的分析方法也不断出现。卡梅隆大学的Minh等人建立了以支持向量机为分类器的疲劳量模型，并通过实验证明了支持向量机算法模型识别疲劳的稳定性以及具有更高的识别率。印度SRM大学DennisJoeHarmah和KathirveluD与中国台湾清华大学Chun-ChiehChan等分别开发了基于Android平台的移动心电健康监测平台。心电检测装置和Android平台通过蓝牙进行传输数据，将获得的ECG数据展现在Android设备上。Android平台与后台服务器通过3G和WiFi两种方式进行交互，后台可以对ECG进一步分析。近年来，人工智能技术得到了飞速的发展。大数据库的建立，结合高效计算机和云计算平台，再辅以可穿戴设备，人工智能对心电图能够进行自我学习并智能分析。高效准确地给出诊断，在常见心律失常的预警、筛查和临床诊断上都有广阔的应用。计算机技术对于心电数据往往比医师有着更高的灵敏度，能够发现医师不能发现和理解的特点。利用AI对心电图高精度的自我学习并进行分类，能够辅助诊断甚至预测未来可能会发生的心律失常，并辅助监测患者在院及出院心律，这对于未来心律失常患者的诊断及监测意义重大。穿戴式技术具有光明的前景，随着相关技术和产业化的逐步成熟，穿戴式心电监测必将带来传统心电监测形态的重大变革，人工分析心电图，工作量大，把一些简单、常见的心电图交给电脑分析，就能够大大提高心电专家的工作效率。从心血管病的远程监护，发展到远程心脏病、糖尿病、脑血管病、高血压、呼吸与睡眠功能障碍等的临床联合监护，可以成为我国慢性病防治和管理的一项重要手段。在提升国民生命健康水平等方面发挥越来越重要的作用，穿戴式心电监测技术的进步将为构建精准的现代化智能医疗模式做出重要贡献。
技术实现思路
针对上述问题，本专利技术提出了一种智能可穿戴疲劳监测及预警系统，解决无法实时监测以及人工分析心电图工作量大、效率低的问题。为达到上述目的，本专利技术的技术方案是这样实现的：一种智能可穿戴疲劳监测及预警系统，包括可穿戴信号采集模块、疲劳等级量化评估模块、蓝牙无线数据传输模块；所述疲劳等级量化评估模块包括预处理模块、数据分析模块；所述可穿戴信号采集模块采集心电信号并通过蓝牙无线数据传输模块发送至疲劳等级量化评估模块，所述疲劳等级量化评估模块通过预处理模块对心电信号进行预处理，通过数据分析模块提取心率变异性并分析HRV特征信号，通过数学建模建立识别算法，对疲劳状态进行识别。进一步的，所述可穿戴信号采集模块为包括心电电极贴片及与其连接的心电检测设备。进一步的，所述蓝牙无线数据传输模块信号连接家用计算机和/或移动监控终端。进一步的，所述预处理模块先对心电信号进行滤波处理，滤波处理后的心电信号选用小波变换的方法进行预处理。进一步的，所述数据分析模块分析HRV特征信号采用线性分析法和/或非线性分析法。更进一步的，所述线性分析法采用时域分析和频域分析。更进一步的，所述非线性分析法采用散点图分析、时频分析及定量描述混沌的参数:李雅普诺夫指数、测度熵、复杂度、预测度。再进一步的，所述散点图是HRV的相对空间轨迹，采用以相邻两个心动周期的前一个RR间期长度RRi为横坐标,以后一个RR间期RRi+1为纵坐标，正常的散点图呈现彗星状，病态的散点图为不规则型。进一步的，所述数据分析模块采用机器学习算法对疲劳状态进行识别，通过心率变异性各特征参数和疲劳等级主观量表之间的关系建立模型。更进一步的，以受试者的历史心电或不同疲劳状态的心电数据库作为建模集，通过建立的模型对新采集的心电数据进行疲劳等级的评估和预测；建模过程以建模集的心率变异性各特征参数为输入向量，以疲劳等级标签为输出特征，使用机器学习算法建立相应的输入与输出之间的关系模型；进一步将预测集心率变异性特征参数代入模型，即可实现对疲劳等级的分类和量化识别。与现有技术相比，本专利技术具有如下的有益效果：(1)本专利技术提供了一种基于心电信号的人体疲劳监测系统，通过系统的搭建将心电检测与人体疲劳状态识别集于一体。能够在日常生活中实时监测穿戴者的疲劳状态，将心电信号与人体状态结合起来；(2)本专利技术采用单导可穿戴心电信号采集方式，在实现实时监测佩戴者的心电情况同时提升舒适感与方便程度。(3)本专利技术采集受试者不同状态下的心电信号，并对所提取的心率变异性特征值对比分析，构建分类模型，以实现度疲劳的精准监测和预警；(4)本专利技术将检测到的心电信号通过计算机、建模等数据分析，监测并预警人体的疲劳状态，对人的主观状态进行客观化评价，在医学监护等方面具有重要的研究意义和应用前景。附图说明图1为本专利技术实施例的系统设备示意图；图2为本专利技术实施例的系统结构流程图。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。为使本专利技术专利的目的、特征更明显易懂，下面结合附图对本专利技术专利的具体实施方式作进一步的说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本专利技术专利实施例的目的。为了随时检测人体的心电信号，并通过计算机、建模等数据分析及时预警人体的疲劳状态，本专利技术实施例提供了一种智能可穿戴疲劳监测及预警系统。本专利技术系统设备参见图1，系统流程参见图2。其中可穿戴信号采集模块包括心电电极贴片及与其连接的基于ADS129X系列芯片的心电检测设备，用于采集被测者分别在不同时长学习状态下的心电信号；心电检测设备设有显示屏和参数调节部，可对设备参数进行随时调节；在进行疲劳监测时，被测试者端坐在椅子上，将心电电极贴片贴于胸前，完成对心电信号的有效采集与存储。可穿戴信号采集模块通过蓝牙无线数据传输模块对采集的心电信号进行传输，蓝牙无线数据传输模块采用蓝牙无线数据传输方式将所述的心电信号数据传输到家用计算机本文档来自技高网...

【技术保护点】
1.一种智能可穿戴疲劳监测及预警系统，其特征在于，包括可穿戴信号采集模块、疲劳等级量化评估模块、蓝牙无线数据传输模块；所述疲劳等级量化评估模块包括预处理模块、数据分析模块；所述可穿戴信号采集模块采集心电信号并通过蓝牙无线数据传输模块发送至疲劳等级量化评估模块，所述疲劳等级量化评估模块通过预处理模块对心电信号进行预处理，通过数据分析模块提取心率变异性并分析HRV特征信号，通过数学建模建立识别算法，对疲劳状态进行识别。/n

【技术特征摘要】
1.一种智能可穿戴疲劳监测及预警系统，其特征在于，包括可穿戴信号采集模块、疲劳等级量化评估模块、蓝牙无线数据传输模块；所述疲劳等级量化评估模块包括预处理模块、数据分析模块；所述可穿戴信号采集模块采集心电信号并通过蓝牙无线数据传输模块发送至疲劳等级量化评估模块，所述疲劳等级量化评估模块通过预处理模块对心电信号进行预处理，通过数据分析模块提取心率变异性并分析HRV特征信号，通过数学建模建立识别算法，对疲劳状态进行识别。


2.根据权利要求1所述的智能可穿戴疲劳监测及预警系统，其特征在于，所述可穿戴信号采集模块为包括心电电极贴片及与其连接的心电检测设备。


3.根据权利要求1所述的智能可穿戴疲劳监测及预警系统，其特征在于，所述蓝牙无线数据传输模块信号连接家用计算机和/或移动监控终端。


4.根据权利要求1所述的智能可穿戴疲劳监测及预警系统，其特征在于，所述预处理模块先对心电信号进行滤波处理，滤波处理后的心电信号选用小波变换的方法进行预处理。


5.根据权利要求1所述的智能可穿戴疲劳监测及预警系统，其特征在于，所述数据分析模块分析HRV特征信号采用线性分析法和/或非线性分析法。


6.根据权利要求5所述的智能可穿戴疲劳监测及预...

【专利技术属性】
技术研发人员：陈瑞娟，王慧泉，田雨禾，刘一鹏，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12