一种基于手机内置加速度传感器的心电图测量方法及系统技术方案

本发明专利技术提供一种基于手机内置加速度传感器的心电图测量方法及系统，涉及心电图测量技术领域，该方法包括使用手机加速度传感器和商用

【技术实现步骤摘要】
一种基于手机内置加速度传感器的心电图测量方法及系统


[0001]本专利技术涉及心电图测量
，尤其涉及一种基于手机内置加速度传感器的心电图测量方法及系统
。

技术介绍

[0002]根据世界卫生组织的数据，心血管疾病是全球主要死亡原因，估计每年夺走
1790
万人的生命
。
心血管疾病包括冠心病
、
急性心肌梗塞
(
又名心脏病发作
)
和心律失常
。
在这些疾病中，心脏骤停通常没有警告信号
。
因此，采取预防措施对于尽早诊断和治疗心血管疾病至关重要
。
目前有许多可穿戴系统可以通过使用健身追踪器
、
胸带和智能手表等设备来监测心脏的各个方面，包括心率和心率变异性
(Heart Rate Variability
，简称
HRV)。
然而，心率及其变异性只是参考指标，不能用作心脏病存在的明确证据
。
相比之下，心电图
(Electrocardiography
，简称
ECG)
信号直接测量心脏的电活动，可用于检测心脏的轻微异常，心电图已被广泛用于检测和诊断心脏病
。
[0003]心电设备主要可分为医疗级和商用级两大类
。
医疗级心电设备通常具有诊断
、
报告生成和数据存储等许多功能
。
这些设备非常昂贵，通常在
10000
‑
30000
美元，通常用于临床环境，不适合日常公众使用
。
商用级心电设备的价格为数百美元
。
然而，这些设备通常需要在人体上连接几个电极，这使得它们在日常使用中不太方便
。
电极可以集成到智能手表等可穿戴设备中，但是，它们的性能在很大程度上取决于电极的精确位置和正确接触
。

技术实现思路

[0004]为此，本专利技术实施例提供了一种基于手机内置加速度传感器的心电图测量方法及系统，用于解决现有技术中心脏监测方法存在的高成本，需要在特定区域内测量的问题
。
[0005]为了解决上述问题，本专利技术实施例提供一种基于手机内置加速度传感器的心电图测量方法，所述方法包括：
[0006]S1
：使用手机加速度传感器和商用
ECG
设备同时采集人体胸口的心脏震动，分别得到心脏震动信号和心电信号；
[0007]S2
：采用平稳小波变换技术对心脏震动信号进行降噪处理；
[0008]S3
：对降噪处理后的心脏震动信号和心电信号进行最大
‑
最小归一化处理；
[0009]S4
：对归一化处理后的心电信号进行数据增强；
[0010]S5
：基于编码器
‑
解码器结构搭建多层次特征提取神经网络模型，将归一化处理后的心脏震动信号作为输入，数据增强后的心电信号作为标签，对神经网络模型进行训练，得到训练好的神经网络模型；
[0011]S6
：将手机加速度传感器采集的心脏震动信号输入到训练好的神经网络模型中，输出心电信号，实现心电图的测量
。
[0012]优选地，采用平稳小波变换技术对心脏震动信号进行降噪处理的方法为：
[0013]将手机加速度传感器采集的心脏震动信号进行分解，通过执行
SWT
操作导出小波
系数序列和缩放系数序列，所述小波系数序列和所述缩放系数序列可以表示为
{d1
，
d2,
…
,dM}
和
{a1,a2,
…
,aM}
，其中
M
表示为分解级别；
[0014]从小波系数序列中观察到与心跳周期相对应的周期性模式，对每个小波系数序列进行处理，消除来自呼吸和身体
/
手部运动的噪音，通过执行反向
SWT
操作，得到降噪处理后的心脏震动信号
。
[0015]优选地，所述加速度传感器为三轴加速度传感器
。
[0016]优选地，对降噪处理后的心脏震动信号和心电信号进行最大
‑
最小归一化处理，所述归一化计算公式为：
[0017][0018]其中，
S
′
n
表示心脏震动信号中第
n
个点的幅度大小，
S
scaled
(n)
表示心脏震动信号归一化处理后第
n
个点的幅度大小，
S
scaled
(n)∈(0,1)。
[0019]优选地，对归一化处理后的心电信号进行数据增强的方法为：
[0020]对归一化处理后的心电信号采用滑动窗口方式进行数据增强
。
[0021]优选地，所述多层次特征提取神经网络模型的结构为：
[0022]所述多层次特征提取神经网络模型由编码器模块和解码器模块组成；
[0023]所述编码器模块包括
DSConv
模块和
ASPP
模块，用于对输入的心脏震动信号进行多层次特征提取，输出三种不同程度的特征；
[0024]所述解码器模块，与所述编码器模块连接，用于对三种不同程度的特征进行恢复，输出心电信号
。
[0025]本专利技术实施例还提供了一种基于手机内置加速度传感器的心电图测量系统，所述系统包括：
[0026]采集模块，用于使用手机加速度传感器和商用
ECG
设备同时采集人体胸口的心脏震动，分别得到心脏震动信号和心电信号；
[0027]降噪处理模块，用于采用平稳小波变换技术对心脏震动信号进行降噪处理；
[0028]归一化处理模块，用于对降噪处理后的心脏震动信号和心电信号进行最大
‑
最小归一化处理；
[0029]数据增强模块，用于对归一化处理后的心电信号进行数据增强；
[0030]网络模型训练模块，用于基于编码器
‑
解码器结构搭建多层次特征提取神经网络模型，将归一化处理后的心脏震动信号作为输入，数据增强后的心电信号作为标签，对神经网络模型进行训练，得到训练好的神经网络模型；
[0031]测量模块，用于手机加速度传感器采集的心脏震动信号输入到训练好的神经网络模型中，输出心电信号，实现心电图的测量
。
[0032]本专利技术实施例还提供了一种电子装置，所述电子装置包括处理器
、
存储器和总线系统，所述处理器和存储器通过该总线系统相连，所述存储器用于存储指令，所述处理器用于执行存储器存储的指令，以实现上述所述的基于手机内置加速度传感器的心电图测量方法
。
[0033]本专利技术实施例还提供了一种计算机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于手机内置加速度传感器的心电图测量方法，其特征在于，包括：
S1
：使用手机加速度传感器和商用
ECG
设备同时采集人体胸口的心脏震动，分别得到心脏震动信号和心电信号；
S2
：采用平稳小波变换技术对心脏震动信号进行降噪处理；
S3
：对降噪处理后的心脏震动信号和心电信号进行最大
‑
最小归一化处理；
S4
：对归一化处理后的心电信号进行数据增强；
S5
：基于编码器
‑
解码器结构搭建多层次特征提取神经网络模型，将归一化处理后的心脏震动信号作为输入，数据增强后的心电信号作为标签，对神经网络模型进行训练，得到训练好的神经网络模型；
S6
：将手机加速度传感器采集的心脏震动信号输入到训练好的神经网络模型中，输出心电信号，实现心电图的测量
。2.
根据权利要求1所述的基于手机内置加速度传感器的心电图测量方法，其特征在于，采用平稳小波变换技术对心脏震动信号进行降噪处理的方法为：将手机加速度传感器采集的心脏震动信号进行分解，通过执行
SWT
操作导出小波系数序列和缩放系数序列，所述小波系数序列和所述缩放系数序列可以表示为
{d1
，
d2,
…
,dM}
和
{a1,a2,
…
,aM}
，其中
M
表示为分解级别；从小波系数序列中观察到与心跳周期相对应的周期性模式，对每个小波系数序列进行处理，消除来自呼吸和身体
/
手部运动的噪音，通过执行反向
SWT
操作，得到降噪处理后的心脏震动信号
。3.
根据权利要求1所述的基于手机内置加速度传感器的心电图测量方法，其特征在于，所述加速度传感器为三轴加速度传感器
。4.
根据权利要求1所述的基于手机内置加速度传感器的心电图测量方法，其特征在于，对降噪处理后的心脏震动信号和心电信号进行最大
‑
最小归一化处理，所述归一化计算公式为：其中，
S
′
n
表示心脏震动信号中第
n
个点的幅度大小，
S
scaled
(n)
表示心脏震动信号归一化处理后第

【专利技术属性】
技术研发人员：汪磊，王兴伟，
申请(专利权)人：苏州大学，
类型：发明
国别省市：