【技术实现步骤摘要】
一种基于可穿戴传感器阵列的心音传播关系检测系统
[0001]本专利技术属于生物医学信号检测
,具体为一种基于可穿戴传感器阵列的心音传播关系检测系统。
技术介绍
[0002]心脏是机械振动源。在心电系统的协同作用下,为维持血液循环,心脏的自主性收缩和舒张产生了一系列的机械振动,称之为心音。
[0003]传统医学,医生使用听诊器监听患者的心音,但是这种方法受医生的主观因素影响较大。电子听诊器的专利技术为心音的检测带来技术革新,心音信号的分析与处理逐渐引起研究人员的兴趣。现有的心音传感器在应用过程中,主要采集人体传统心音听诊区的心音信号,包括二尖瓣区、肺动脉瓣区、主动脉瓣区、主动脉瓣第二听诊区、三尖瓣区,对于上述听诊区外的心音信号研究较少,同时缺乏对于以上区域之间关系的研究。传统的心音传感器由于体积过大,空间分辨率低,无法在人体的体表大量应用,客观上缺乏研究人体心音传播关系的条件。且人体心脏在工作过程中会产生心音,心音的声源包括心脏瓣膜、大血管、心肌以及血液自身。由于声源空间位置的不同,人体体表不同位置的心音信号具有明显差异。目前,缺少一种心音传播关系检测系统。
技术实现思路
[0004]针对现有技术存在的问题,本专利技术基于中国专利CN110226944B(基于MEMS技术的微型心音传感器及其应用)设计的微型心音传感器,制成了可穿戴传感器阵列,并设计了心音传播关系检测系统。本专利技术将人体心脏看作多源信号发生器,利用可穿戴传感器阵列采集人体心音阵列信号。在采集过程中,本专利技术利用高采样频率 ...
【技术保护点】
【技术特征摘要】
1.一种基于可穿戴传感器阵列的心音传播关系检测系统,其特征在于,所述的心音传播关系检测系统包括心电传感器、可穿戴传感器阵列、信号采集卡以及计算机端中信号分析与处理单元;所述的心电传感器用于采集人体第一导联心电信号,心电信号用于标识人体心脏运动周期;所述的可穿戴传感器阵列主要由微型心音传感器、可穿戴马甲、可充气气囊组成,阵列的结构为网络拓扑结构;所述的可穿戴马甲适用于不同体型人群,可穿戴马甲上根据需求设置不同的网络拓扑结构,用于排布微型心音传感器;微型心音传感器内嵌于可穿戴马甲的内侧,为提高传感器与人体体表的贴合程度,在可穿戴马甲的夹层内添加可充气气囊,充气气囊为各传感器提供均衡气压;所述的采集卡用于同步采集可穿戴传感器阵列获取的人体心音阵列信号与心电传感器获取的心电信号,采集卡将模拟信号转换为数字信号并传输至计算机端;所述的信号分析与处理单元包括信号预处理、图像配准、心音信号线性插值绘图;所述的信号去均值用于避免信号基线漂移对能量分析的影响;所述的信号带通滤波,对心音信号和心电信号进行巴特沃斯带通滤波降噪,设置心音信号的通频带为30~150Hz,心电信号的通频带为0.5~35Hz,对心音信号和心电信号进行双向零相移滤波,避免相位偏移对传播关系的研究带来影响;所述的心音信号小波降噪,进一步滤除心音信号中的噪声;所述的图像配准用于心音采集点与人体骨骼图像进行配准,为准确将心音采集点的空间位置映射到人体骨骼结构中,将微型心音传感器空间位置与骨骼图像进行刚性配准;具体如下:首先拍摄受试者胸部图像,对胸部图像和骨骼图像中添加可视化标定点;同时对胸部图像中微型心音传感器的位置添加可视化标签;基于胸部图像和骨骼中的标定点,根据刚性变换原理,对微型心音传感器的可视化标签进行旋转变换、缩放变换和平移变换,完成微型心音传感器网络拓扑结构在骨骼图像中的映射;所述的心音信号线性插值绘图,用于绘制人体心音信号的能量传播关系图;为绘制心音信号在人体体表的能量信息,需通过心音信号的幅值计算心音信号的能量;由微型心音传感器在骨骼图像中的位置,以各心音采集点为圆心绘制同心圆,随同心圆半径的增加,对应的心音信号能量线性递减;心音信号能量由高到低依次对应红、黄、绿、青、蓝,并将色彩填充到对应的同心圆内,绘制人体心音信号的能量传播关系图;将人体心音信号的能量传播关系图与心电信号周期对应分析,同时从时间、空间的角度分析心音信号的传播趋势。2.根据权利要求1所述的一种基于可穿戴传感器阵列的心音传播关系检测系统,其特征在于,所述的图像配准,具体如下:对微型心音传感器以及人体骨骼标定点添加可视化标签,用于标记骨骼标定点和微型心音传感器在采集过程中的具体位置;其中,微型心音传感器采用的可视化标签为绿色圆圈,其大小与图像中的微型心音传感器一致;人体骨骼标定点采用的可视化标签为红色圆圈;采集完成后,拍摄包含有可视化标签的被试者胸部图像;图像处理过程中,为区分标定点与微型心音传感器,将彩色RGB空间转换为HSV空间,根据红色以及绿色对应的HSV参数值,分别提取红色部分以及绿色部分,获得分别包含标定点和微型心音传感器的图像;将分别包含标定点和微型心音传感器的图像进行二值化处理,消除色调和饱和度信
息,将图像中每个元素由0到255的亮度值表示;采用加权平均法计算图像的灰度值:g=0.2989*R+0.5870*G+0.1140*B
ꢀꢀ
(1)其中R、G、B为彩色图像中的红、绿、蓝分量;0.2989、0.5870、0.1140分别为R、G、B的权值,g为图像的灰度值;经过二值化处理后,基于圆形Hough变换寻找图像中的圆形;对于一个半径为r,圆心为(a,b)的圆,表示为:(x
‑
a)2+(y
‑
b)2=r2ꢀꢀ
(2)Hough变换将图像空间转换为参数空间,公式(2)表示的圆变为:H=(x,y)
T
,A=[a,b,r]
T
ꢀꢀ
(3)此时参数空间为三维空间;则对于图像空间中的一个点(x,y),在参数空间中对应着一个圆锥;图像空间的一个圆,则对应一簇圆锥相交的一个点,该特定点在参数空间的三维参数一定,同时在图像空间中表示特定半径、特定圆心坐标的圆;为提高计算效率,采用图像梯度信息的Hough变换,圆的标准方程对x求导:首先进行累加器数组计算;高梯度的前景像素指定为候选像素,并允许在累加器数组中“投票”;候选像素在围绕像素的一个固定半径全圆的模式中投票;属于同一个图像圆的各候选像素的投票区域,在对应于该圆中心的累加器数组中累加;因此,通过检测累加器数组的峰值来估计圆心;如果同一累加器数组用于多个半径值,则利用估计的圆心和图像信息显示估计半径;将估计的圆心在拍摄图像中的像素位置作为传感器的中心位置,并按传感器的序号i记为(w
i
,h
i
);从而提取图像中的标定点用于图像配准;标定点选为被试验者的胸锁关节(x1,y1)、第十条肋骨(x2,y2)、左胸肋骨(x3,y3)以及右胸肋骨(x4,y4);同时,在骨骼图像的相同位置添加标定点(s1,k1),(s2,k2),(s3,k3),(s4,k4);刚性变换包括旋转变换、缩放变换以及平移变换;旋转变换保证图像水平配准;第i个传感器的位置坐标为(w
i
,h
i
),旋转后的新坐标为(w
ix
,h
ix
):w
ix
=cos(theta)*w
i
‑
sin(theta)*h
i
ꢀꢀ
(5)h
ix
=sin(theta)*w
i
+cos(theta)*h
i
ꢀꢀ
(6)将公式(5)和公式(6)转换为矩阵形式:其中theta为图像沿顺时针旋转的角度,即为两图像中左胸肋骨与右胸肋骨的水平角度差:...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。