摘要：心冲击图(ballistocardiogram,BCG)信号是一种记录心脏活动引起的身体震动的方法,是心脏监测的方法之一。我们设计并实现了基于CPLD(complex programmable logic device,CPLD)的心冲击图信号采集与处理系统,将四个电阻应变式称重传感器固定在椅子下方,对BCG信号进行采集,并采用利于硬件实现的提升小波变换方法对采集到的BCG信号进行去噪处理,最后使用示波器实时显示处理结果,为BCG信号应用于日常生活中的心脏监护奠定了基础。

摘要：近年来,心血管疾病患病人数逐年增加,患病人群往低年龄层发展,对于心血管疾病的监测与治疗迫在眉睫。心冲击图(ballistocardiogram,BCG)采集系统是利用人体重力变化信号诊断心脏疾病的一种全新的无创检测方式。本文设计研制了基于压电薄膜的心冲击图信号采集系统。压电薄膜作为信号采集传感器,将检测到的电荷信号经由电荷灵敏前置放大器,放大(100倍)、滤波(30Hz)、工频陷波后得到可识别心冲击图信号。采集10位健康被试者的BCG信号,同步采集心电(ECG)作为参考,对其心动周期时间间隔进行分析对比,计算均值和方差并作相关性分析。结果表明系统采集BCG信号是有效的,BCG和ECG信号计算心率相关性较大。

摘要：为了减少传统医护人员对病患巡察的工作强度,及时了解到患者的各项指标状态,设计了一套基于物联网和云平台的患者智能监测系统。利用物联网技术,监测患者的心跳、脉搏、心冲击图、体位、是否离床、睡眠质量等,通过光纤传感技术进行数据传输,上传至云平台,实时了解患者的情况。结果表明,该系统性能稳定,能够保证医疗信息的实时性和准确性。满足病房一线管理工作的需求,不但减轻护理人员的工作量,并且也提高工作效率,对病房管理工作和医院信息化建设发展有重要意义。

摘要：常规生理参数监测系统由于测量时接触皮肤,因此舒适感差、个体依从性差。为解决上述问题,该文基于生理的微弱运动可致光纤微弯曲变形进而致光强度发生变化的原理,研制了新型的基于光纤传感的生理参数监测系统。该系统通过光探测器自适应地检测细小的光强变化获得心冲击图(BCG)信号,利用信号处理算法获取心率、呼吸率和体动等信息;把光纤嵌入床垫或坐垫设计为三明治结构,既保护了光纤又增强了系统的可靠性和稳定性;采用蛇形返折走线将光纤均匀地分布在垫子中间,使系统具有高灵敏度。通过多家医院临床标准方法对比测试可得在95%的置信区间(±1.96SD)内该系统心率均值误差为–0.26±2.80次/min,与标准值之间的相关性为0.9984;呼吸率均值误差为0.41±1.49次/min,与标准值之间的相关性为0.9971。实验表明,研制的系统可在零负荷的状态下无感进行生理参数测量,在健康医疗领域具有广泛的应用前景。

摘要：心冲击图(BCG)和心电图(ECG)分别从力学和电学两个维度实现心脏功能的检测。通过提取两种信号相应的特征参数并进行联合分析,可以反映心脏收缩性能等重要心脏生理指标。针对目前相关采集设备复杂笨重的缺点,本文设计了一种可穿戴式BCG-ECG信号联合采集系统,实现了基于加速度计的BCG信号采集和基于导电橡胶电极的ECG信号采集。通过采集6名健康人的信号,以压电薄膜采集的BCG信号为参考信号,对比信号波形特征,并分析心动周期采集的差异性。设备采集两种信号的波形特征与标准信号一致,两种信号在心动周期采集方面与传统方法无明显差异。结果表明,该套系统能精确采集人体BCG信号和ECG信号,为后续在BCG信号形成机制以及健康应用方面的研究提供基础。

摘要：心电、心音和心冲击图分别从不同方面反映心脏的活动情况,本文设计了一种可同步采集这3种生理参数的可穿戴的设备。该设备以n RF52832蓝牙低功耗So C为主控芯片,利用数字麦克风(MP34DB02)采集心音信号,利用ADS1191心电模拟前端采集心电信号,利用加速模块采集心冲击图。该装置大小为110 mm×34 mm×10 mm,重量为32 g,在人体合适的部位贴上两个心电电极片,把设备安装在心电电极扣上即可实现数据采集。设备采用蓝牙低功耗进行数据传输,功耗较低,配备75 m A的可充锂电池,可以记录20 h的数据。该设备体积小、使用方便,适用于家庭日常使用。

摘要：本文首先引用了各种公开的数据,说明了睡眠质量对于健康的意义,以及改善睡眠环境对于改善睡眠质量的重要性。然后介绍了一种可以用于改善睡眠的睡眠监测系统以及与之组成闭环反馈系统的环境家电。文中从睡眠监测的系统构成、实现与验证方法、干预手段以及联动策略等角度多方位介绍了该系统的原理和应用。在陈述原理的同时也陈列了系统设计的大量理论依据。最后,本文展望了这种睡眠监测及干预系统的未来发展方向。

摘要：睡姿识别是诊断和治疗体位相关性睡眠呼吸障碍的核心指标,为实现对人体睡眠姿态的无扰检测,设计开发了一种基于心冲击图(Ballistocardiogram,BCG)形态差异的便携式睡姿识别系统。通过集成压电薄膜传感器的床垫采集人体胸廓部位BCG信号,利用三次B样条小波变换和朴素贝叶斯分类方法,实现波形特征的提取和睡姿样本的预测。对11名健康受试者进行模拟睡眠实验,结果表明:心率特征值的估计与参照方法之间差异均值为0.04±1.3beats/min(±1.96SD),分段校正后的四种基本睡姿识别准确度超过97%,平均正确识别率达97.9%。该系统在测量舒适性和准确度上表现优异,对日常睡眠监测具有良好的应用价值。