【技术实现步骤摘要】
本专利技术属于人工智能和物联网，涉及一种基于端-边-云架构的便携式智能心电监护系统。
技术介绍
1、心肌梗死（mi）是一种严重的心血管疾病，其主要原因是冠状动脉阻塞或闭塞，导致心肌组织缺血，进而引发心肌细胞坏死。心肌梗死发病急，有效治疗时间短，典型的症状为剧烈的胸痛、胸闷、呼吸短促，具有较高的致死率。此外，心肌梗死根据其发病位置可分为下壁心肌梗死（imi）、前间隔心肌梗死（asmi）、外侧内心肌梗死（ilmi）、前壁心肌梗死（ami）、前外侧心肌梗死（almi）以及内后外侧心肌梗死（iplmi）。不同位置的心肌梗死治疗方法不同。因此，快速识别心肌梗死病变位置具有重要意义。
2、医学上用于心肌梗死检测的方法有很多，包括心电图检测、血清生化标志物检测、心脏磁共振成像、心脏超声检测、放射性核素扫描。其中心电图是最为常用的检测方法，因为它是一种非入侵性检测方法且相对容易获得。当心肌梗死发生时，心电图的st段、s波和t波会发生相应变化。鉴于这些指标，对心肌梗死患者实施实时监测势在必行。
3、目前智能心电监护系统大致分为两大类。第一类将深度学习模型嵌入到边缘设备，但是由于边缘设备计算能力和存储能力有限，并且还需考虑能耗问题，导致实践效果一般。另一类将深度学习模型嵌入到云设备，这样的设计，解决了计算能力、存储能力以及能耗的问题，但是丧失了便携性，无法让用户随时随地检查自己的健康状况。因此，一款实时监测的便携式智能心电监护系统仍然是市场所需要的。
技术实现思路
1、本专利技
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于端-边-云架构的便携式智能心电监护系统，其特征在于，该系统包括端设备、边缘设备以及云设备：
4、所述端设备由自主研发的便携式12导联holter组成；
5、所述边缘设备由智能收集或智能手表组成；
6、所述云设备由pc提供的云服务器a和云服务器b组成；
7、所述端设备，用于收集用户的心电信号，并通过蓝牙发送给边缘设备；
8、所述边缘设备，用于实时检测用户是否存在异常信号，并将异常信号发往云设备，另外，还可以将云设备的识别结果反馈给用户；
9、所述云设备，用于更准确的识别异常信号，给予用户精确的健康报告；
10、具体分为以下步骤：
11、步骤1、端设备首先实时的采集用户的心电信号，并通过蓝牙发送给边缘设备；
12、步骤2、边缘设备由2个模块组成，识别模块和显示模块。在识别模块中，本专利技术提出了一种基于心电形态学的六边形识别算法，该算法结构简单，运算速度较快，可以识别出心电信号是否异常。在显示模块中，该设备可以获得基于心电形态学的六边形识别方法的二分类结果（以一种六边形的图像展示），以及云设备反馈的多分类结果，最终向用户给出健康报告，如果出现危险，会向紧急联系人发出警报；
13、步骤3、云设备由服务器a和服务器b组成。在该设备中部署了本专利技术提出的cnn-lstm模型。服务器a利用历史存储的异常心电片段不断训练cnn-lstm模型，优化参数。服务器b接收实时的异常心电片段利用cnn-lstm模型检测患者状况并反馈；
14、作为本专利技术的一种优选实施方式，所述基于心电形态学的六边形识别算法：该算法收集心电信号的形态学特征作为样本，包括s波与基线的相对位置、t波与基线的相对位置、t波与r波的相对位置，通过心电形态学的判别标准判断信号是否异常，并以一种六边形图像的形式显示给用户，增强了算法的可视化。
15、作为本专利技术的一种优选实施方式，所述cnn-lstm模型：该模型将cnn与lstm融合在一起，有效地从输入数据中提取局部特征并捕获时间相关性，从而能够准确识别mi以及mi的发病位置，是一个七分类的模型。
16、与现有技术相比，本专利技术的有益效果如下：
17、该系统在边缘设备部署的基于心电形态学的六边形识别算法的时间复杂度仅为o（m）（m为2min心电片段内r波出现的次数），显著减少了计算复杂度。该算法将识别为异常的心电信号发往云端，并不上传个人信息，保障了患者数据的隐私性和安全性，将识别为正常的心电片段从本地存储中删除，降低了运行所需的存储空间以及能耗问题。在云端部署的cnn-lstm模型不仅可以识别用户是否患有mi，还可以定位mi的位置并反馈给边缘设备，该系统同时实现了便携与精确，为mi患者提供了一个更加便捷高效的智能心电监护平台。另外，在ptb诊断心电数据库上对两个算法进行了仿真，识别率分别为83.2%以及99.3%，达到了令人满意的效果。
本文档来自技高网...【技术保护点】
1.一种基于端-边-云架构的便携式智能心电监护系统，其特征在于，该系统包括端设备、边缘设备以及云设备：
2.根据权利要求1所述的基于端-边-云架构的便携式智能心电监护系统，其特征在于，所述基于心电形态学的六边形识别算法：该算法收集心电信号的形态学特征作为样本，包括S波与基线的相对位置、T波与基线的相对位置、T波与R波的相对位置，通过心电形态学的判别标准判断信号是否异常，并以一种六边形图像的形式显示给用户，增强了算法的可视化。
3.根据权利要求1所述的基于端-边-云架构的便携式智能心电监护系统，其特征在于，所述CNN-LSTM模型：该模型将CNN与LSTM融合在一起，有效地从输入数据中提取局部特征并捕获时间相关性，从而能够准确识别心肌梗死以及心肌梗死的发病位置，是一个七分类的模型。
【技术特征摘要】
1.一种基于端-边-云架构的便携式智能心电监护系统，其特征在于，该系统包括端设备、边缘设备以及云设备：
2.根据权利要求1所述的基于端-边-云架构的便携式智能心电监护系统，其特征在于，所述基于心电形态学的六边形识别算法：该算法收集心电信号的形态学特征作为样本，包括s波与基线的相对位置、t波与基线的相对位置、t波与r波的相对位置，通过心电形态学...
【专利技术属性】
技术研发人员：张振兴，葛俊，林瑞卿，孙启康，安千祥，刘圣杰，王伊蕾，范文翼，周春姐，胡小林，
申请(专利权)人：鲁东大学，
类型：发明
国别省市：
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。