[發明專利]一種基于穿戴式動態心電的運動負荷檢測裝置及方法

在審

• 申請號: 201910146847.3
• 申請日: 2019-02-27
• 公開（公告）號: CN109998522A
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 劉澄玉;楊美程;李建清
• 申請（專利權）人: 東南大學;南京醫科大學
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/11
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 葉涓涓

1.一種基于穿戴式動態心電的運動負荷檢測裝置，其特征在于，包括：

心電信號采集模塊：與信號調理模塊連接，用于采集人體心電信號；

信號調理模塊：與微處理器連接，用于進行信號的濾波、放大、AD轉換；

無線通訊模塊：與微處理器連接，用于通過無線方式根據預先設定的通訊頻率將心電數字信號信息傳輸至云平臺及用戶手機客戶端進行信號分析；

數據存儲模塊：與微處理器連接，用于存儲用戶一段時間內的心電信號數據；

微處理器：與信號調理模塊、無線通訊模塊和數據存儲模塊連接，是裝置的控制中心，用于發出命令使各模塊正常工作，完成功能的實現；

所述信號分析包括如下步驟：

①信號濾波：除去動態心電信號中存在的工頻噪聲、基線漂移以及運動干擾；

②R波特征檢測：對濾波后的心電信號進行R波特征檢測；

③特征向量計算：根據步驟②中檢測出的R波峰值點位置得出RR間期時間序列計算出心率(Heart rate，HR)，并進行心率變異性(Heart rate variability，HRV)分析，包括時、頻域及非線性分析得出相關特征向量；

④向量歸一化：將步驟③中的特征向量構建成特征矩陣，并對每個特征向量歸一化；

⑤運動負荷檢測及報告生成：將標準化后的特征矩陣作為輸入參數實時輸入基于遺傳算法優化的神經網絡模型，輸出運動負荷檢測結果并打印結果報告。

2.根據權利要求1所述的基于穿戴式動態心電的運動負荷檢測裝置，其特征在于，所述步驟①信號濾波具體包括如下子步驟：

將采集到的心電信號利用Mallat算法進行小波變換得到不同尺度下信號α^j(n)，其中j＝1，2，...N，利用小波的多分辨率分析特性對帶有工頻噪聲、基線漂移和運動干擾的心電信號按照采樣頻率進行分解，將不同頻率組成的含噪心電信號分解成不同頻帶的子信號；再針對干擾及噪聲所在的不同頻帶的子信號設定閾值處理進行去噪，對含有心電信號特征波的頻段給予保留，其他的頻段閾值化處理進行去噪；之后再利用離散小波逆變換重構出有用心電信號。

3.根據權利要求1所述的基于穿戴式動態心電的運動負荷檢測裝置，其特征在于，所述步驟②R波特征檢測具體包括如下子步驟：

根據多尺度分解后的信號確定R波所對應的正-負模極大值對，然后分別確定模極大值閾值T_max以及模極小值閾值T_min；并使用閾值篩選出正極大值大于T_max，負極大值小于T_min且兩個極值點之間的距離小于閾值的正-負模極大值對；檢測它們的過零點，并使用(2^j-1)/2修正時移，其中j為小波分解的階數；最后使用不應期和回溯的策略對檢測出的R波進行修正，得出各R波位置坐標為(γ₁，γ₂，...，γ_k)，k為R波點個數。