米俊英，龐宇（重慶郵電大學光電信息感測與傳輸技術(shù)重慶市重點實驗室，重慶400065）

遠程心率變異性分析服務端的設計與實現(xiàn)

米俊英，龐宇
（重慶郵電大學光電信息感測與傳輸技術(shù)重慶市重點實驗室，重慶400065）

摘要：基于市場上現(xiàn)有的心率變異性分析儀器價格昂貴，可移動性差的現(xiàn)狀，設計實現(xiàn)了與手機客戶端交互的遠程心率變異性分析服務端。采用超文本傳輸協(xié)議與手機客戶端通信，可穩(wěn)定接收用戶上傳的心電數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的存儲及心率變異性分析，并將分析結(jié)果及時返回給客戶端的同時進行保存，以便用戶進行歷史記錄查詢。圍繞實現(xiàn)過程，闡述了交互業(yè)務流程和關(guān)鍵算法。測試結(jié)果表明，用戶可隨時上傳心電數(shù)據(jù)獲取心率變異性分析結(jié)果或查詢歷史測試記錄，對當前及近期的身體狀況進行評估。

關(guān)鍵詞：心率變異性；交互業(yè)務；遠程服務器端

0　引言

心率變異性（heart rate variability， HRV）是指逐次心跳時間周期的不一致性。HRV可以反映自主神經(jīng)系統(tǒng)對心臟和血管調(diào)節(jié)動態(tài)平衡的無創(chuàng)性指標，對評價心血管疾病進程中自主神經(jīng)功能具有重要的臨床價值，可以作為預測某些心血管疾病的指標之一［1-3］。HRV與情緒狀況的變化是密切相關(guān)的，尤其是在憤怒、沮喪、焦慮等狀態(tài)下，其變化尤為明顯［4，5］。

心血管病具有間歇性、突發(fā)性等特點，只有進行實時的監(jiān)測分析才能對病情有所幫助。然而傳統(tǒng)的HRV分析設備價格昂貴，可移動性差，只有一些醫(yī)療結(jié)構(gòu)配備，使得用戶只有到特定的醫(yī)療場所進行檢測。這樣的設備不能滿足用戶隨時隨地進行心電監(jiān)測分析的需求。

20世紀90年代，移動通信技術(shù)應用于遠程監(jiān)護的研究開始展開[6]。隨著便攜式設備的發(fā)展和網(wǎng)絡覆蓋范圍的擴增，為了實現(xiàn)HRV分析智能化、便攜化，設計并搭建了一款與智能手機交互的遠程HRV分析服務器。該服務器可通過網(wǎng)絡接收手機客戶端上傳的實時心電數(shù)據(jù)并將HRV分析結(jié)果返回給客戶端的同時進行記錄保存，為用戶實時或近期的心血管狀況評估提供數(shù)據(jù)支持。

1　總體結(jié)構(gòu)設計

服務端充當C/S結(jié)構(gòu)中的server端，采用http協(xié)議通過網(wǎng)絡與手機客戶端進行交互。服務端整體結(jié)構(gòu)如圖1所示，該服務端可對手機客戶端上傳的實時心電數(shù)據(jù)進行接收、保存，然后對數(shù)據(jù)進行處理、HRV分析，之后將分析結(jié)果返回到客戶端，同時保存一份到數(shù)據(jù)庫以便客戶端以后進行歷史記錄查詢。該服務端采用MVC框架設計，并根據(jù)業(yè)務需求分為交互服務模塊、HRV分析模塊和數(shù)據(jù)服務模塊。組成部分具體描述如下：

（1）交互服務模塊

交互服務模塊負責與手機客戶端的交互。根據(jù)用戶請求通過調(diào)用HRV分析模塊和數(shù)據(jù)服務模塊完成和手機客戶端的交互。

（2）HRV分析模塊

HRV分析模塊負責對用戶上傳的心電數(shù)據(jù)進行HRV分析。將交互服務模塊傳遞過來的心電數(shù)據(jù)進行HRV分析，得到分析結(jié)果。

（3）數(shù)據(jù)服務模塊

數(shù)據(jù)服務模塊負責與手機客戶端交互過程中數(shù)據(jù)信息的存儲與提取。根據(jù)交互服務模塊或HRV分析模塊的請求，通過操作數(shù)據(jù)庫為交互過程提供數(shù)據(jù)服務。

圖1　服務端總體結(jié)構(gòu)框架Fig.1 Structure framework of server

2　交互服務模塊設計

該服務端作為手機客戶端的后臺服務器使用。手機客戶端可通過get或post訪問URL的方式向服務器發(fā)送相關(guān)請求獲得服務器相應響應。手機用戶狀態(tài)圖如圖2所示，手機用戶注冊成功登陸系統(tǒng)后，可上傳實時心電數(shù)據(jù)得到HRV分析結(jié)果，也可查詢歷史測試記錄查看近期HRV變化趨勢。根據(jù)需求，主要包括上傳數(shù)據(jù)處理業(yè)務和歷史記錄查詢業(yè)務。

圖2　手機用戶狀態(tài)圖Fig.2 Mobile phone user’ state diagram

2.1上傳數(shù)據(jù)處理業(yè)務設計

用戶登錄成功后，就可將心電數(shù)據(jù)通過互聯(lián)網(wǎng)發(fā)送到服務器。服務器交互模塊接收到用戶上傳的心電數(shù)據(jù)后首先驗證數(shù)據(jù)的格式及完整性。驗證通過后將數(shù)據(jù)傳送到HRV分析模塊并備份到數(shù)據(jù)服務模塊。HRV分析模塊對數(shù)據(jù)進行處理分析，將分析結(jié)果由交互模塊轉(zhuǎn)發(fā)給客戶端進行顯示的同時備份到數(shù)據(jù)服務模塊。分析結(jié)果包括HRV時域參數(shù)，頻域參數(shù)，及非線性參數(shù)。

2.2歷史業(yè)務查詢業(yè)務設計

長期的心電檢測有利于對心血管狀況做出整體評估，用戶可通過歷史查詢業(yè)務來了解HRV變化趨勢。為了用戶體驗良好，手機客戶端會將歷史記錄以列表的形式顯示。作為手機客戶端的后臺服務器，為了使歷史記錄在手機客戶端以ExpandableListView顯示，服務端通過session記錄當前用戶的部分操作。用戶進行歷史測試記錄查詢時，服務端首先判斷用戶是否處于在線狀態(tài)，若用戶在線則將用戶所有測試日期返回并由手機客戶端生成列表。根據(jù)用戶發(fā)送的特定日期記錄的請求參數(shù)返回該日期下所有測試時間到客戶端，并記錄該日期在session中，之后將用戶發(fā)送的特定測試時間記錄請求參數(shù)和session中的參數(shù)合并后通過數(shù)據(jù)服務模塊查詢記錄并返回測試記錄到手機客戶端。

3　HRV分析模塊設計

HRV分析模塊接收交互服務模塊傳遞來的心電數(shù)據(jù)后，首先通過對QRS波中R波進行準確定位得到HRV信號，之后利用相關(guān)算法得到HRV參數(shù)。HRV分析模塊狀態(tài)圖如圖3所示。

圖3　HRV分析模塊狀態(tài)圖Fig.3 HRV analysis module state diagram

3.1R波識別

R波的準確定位是心電信號分析的前提，但采集的心電信號一般存在工頻干擾、電極接觸噪聲、肌電干擾和人為運動干擾等噪聲，給R波檢測帶來困難［7］。常用的R波檢測算法主要有小波變換法、神經(jīng)網(wǎng)絡法和差分閾值法［8，9］。神經(jīng)網(wǎng)絡法和小波變換法的算法相對復雜，計算量大，實時性差［10，11］。本設計考慮到與手機客戶端交互的實時性，采用差分閾值法結(jié)合動態(tài)窗函數(shù)的方法實現(xiàn)R波的準確定位。QRS波群中的R波在上升或者下降波形的斜率變化最大，其中一階導數(shù)過零點或者二階導數(shù)的極值點位置即是QRS波群中R波的位置。因此，對處理后的心電信號采用一階差分或二階差分，再結(jié)合時間窗口和幅度閾值即可判斷R波的位置［12］。

3.2HRV參數(shù)提取

本設計中HRV信號為相鄰兩個RR間期組成的序列，分別通過時域分析、頻域分析及非線性分析獲取相關(guān)HRV參數(shù)［13-15］。(1)時域分析：采用統(tǒng)計學方法進行HRV時域分析。統(tǒng)計學方法根據(jù)相關(guān)公式獲取時域參數(shù)SDNN (RR間期標準差)、RMSSD （相鄰RR間期標準差）、NN50（所有RR間期中相鄰的RR間期之差大于50ms的心搏個數(shù)）及pNN50（相鄰RR間期之差大于50ms的個數(shù)占所有RR間期個數(shù)的百分比）。（2）頻域分析：采用周期圖法進行頻域分析獲取HRV頻域參數(shù)TP（總頻率功率）、HF（高頻功率）、LF（低頻功率）、VLF（超低頻功率）、LF/HF（低頻功率與高頻功率之比）。（3） 非線性分析：采用散點圖法獲得繪制散點分布圖數(shù)據(jù)，用于定性分析HRV。

4　數(shù)據(jù)服務模塊設計

數(shù)據(jù)服務模塊負責服務端與手機客戶端交互過程中數(shù)據(jù)信息的存儲與提取。數(shù)據(jù)信息主要為用戶身份信息、心電數(shù)據(jù)和HRV分析結(jié)果數(shù)據(jù)。為保證數(shù)據(jù)服務效率，采用了JDBC和數(shù)據(jù)庫連接池技術(shù)操作數(shù)據(jù)庫。數(shù)據(jù)庫表包括Users表和Files表。Users表保存用戶的基本身份信息。表中的ID號通過UUID算法生成保證唯一，用戶密碼通過MD5算法進行加密保證用戶信息安全。Files表通過將user_id字段設置為外鍵來關(guān)聯(lián)Users表，用于保存當前用戶每次測量的相關(guān)數(shù)據(jù)。字段date和time保存測試時間；字段result保存HRV分析結(jié)果。用戶上傳的心電數(shù)據(jù)以文件的形式保存在硬盤中，字段location記錄心電數(shù)據(jù)文件存儲路徑。Users表結(jié)構(gòu)及Files表的結(jié)構(gòu)如圖4所示。

圖4　數(shù)據(jù)庫表結(jié)構(gòu)圖Fig.4 Database table structure diagram

5　測試結(jié)果

本服務器端采用Mysql5.5數(shù)據(jù)庫作為數(shù)據(jù)保存容器，tomcat8.0作為運行容器并搭建在阿里云服務器上。作為手機客戶端的后臺服務器，數(shù)據(jù)顯示部分由手機客戶端完成。本實驗征集多名自愿者通過Android智能手機對該服務端進行測試。

5.1上傳數(shù)據(jù)處理業(yè)務測試

手機客戶端通過OTG線接收實時采集的5分鐘心電數(shù)據(jù)，采集完畢將數(shù)據(jù)發(fā)送到服務器并將服務器返回的分析結(jié)果數(shù)據(jù)生成分析報告。測試數(shù)據(jù)將近1M，在4M帶寬WiFi環(huán)境下從上傳開始到收到分析報告的過程約需12秒，在可接受的范圍之內(nèi)。

對于相同的測試數(shù)據(jù)，Matlab仿真的R波位置和服務端環(huán)境下R波位置幾乎完全一致，其中的誤差相對于RR間期可以忽略不計，對心率變異性的分析幾乎不會造成影響。表1為三位自愿者心電數(shù)據(jù)Matlab仿真的R波位置和服務端環(huán)境下R波位置的統(tǒng)計對比。

表1　Matlab和服務端R波位置的統(tǒng)計

在R波準確定位的前提下，根據(jù)HRV計算公式得到HRV時域及頻域參數(shù)，與Matlab仿真數(shù)據(jù)誤差不超過1%。表2，表3為其中三位志愿者獲得的HRV時域及頻域參數(shù)。

表2　HRV時域參數(shù)

表3　HRV頻域參數(shù)

5.2歷史記錄查詢業(yè)務測試。

手機客戶端將服務器返回的測試日期數(shù)據(jù)進行顯示，點擊其中某一日期記錄，服務器會將該日期的測試時間返回，之后點擊選定的時間列表項，服務器會將指定時間的詳細測試數(shù)據(jù)返回到客戶端并由手機客戶端顯示。歷史記錄顯示界面如圖6所示。

圖6　歷史記錄顯示界面Fig.6 History display interface

6　結(jié)論

本文設計并實現(xiàn)了用于遠程HRV分析的服務器端，并對交互方式及所用算法進行了詳細的設計及描述，最后通過手機客戶端對該服務端進行了功能驗證。該服務端作為手機客戶端服務后臺，不僅能對用戶實時心電數(shù)據(jù)進行HRV分析，為心血管狀況提供數(shù)據(jù)支持，還能夠?qū)⒂脩粼夹碾姅?shù)據(jù)及HRV分析結(jié)果進行長期存儲，有利于用戶長期健康評估。該設計促進了心電檢測設備便攜化，具有普適的應用前景。今后的工作中，將為醫(yī)生提供相應服務，方便醫(yī)生對患者進行遠程的監(jiān)測和服務。

參考文獻

［1］ Routledge F S， Campbell T S， Mcfetridge-Durdle J A， et al. Improvements in heart rate variability with exercise therapy［J］. Canadian Journal of Cardiology， 2010， 26（6）: 303-12.

［2］ Huikuri H V， Stein P K. Heart rate variability in risk stratification of cardiac patients［J］. Progress in Cardiovascular Diseases， 2013， 56（2）: 153-159.

［3］ Hejjel L， Gál I. Heart rate variability analysis［J］. Acta Physiologica Hungarica， 2001， 88（3-4）: 219-230.

［4］ Mccraty R， Atkinson M， Tiller W A， et al. The effects of emotions on short-term power spectrum analysis of heart rate variability［J］. American Journal of Cardiology， 1995， 76（14）: 1089-1093.

［5］ Lee H B， Kim J S， Yun S K， et al. The relationship between HRV parameters and stressful driving situation in the real road［C］//Information Technology Applications in Biomedicine，2007. ITAB 2007. 6th International Special Topic Conference on. IEEE， 2007:198 - 200.

［6］ Pattichis C S， Kyriacou E， Voskaride S， et al. Wireless Telemedicine Systems: An Overview［J］.IEEE Antennas & Propagation Magazine， 2002， 44（2）: 143-153.

［7］ Sasikala P， Wahidabanu R S D， Sasikala P， et al. Robust R Peak and QRS detection in Electrocardiogram using Wavelet Transform［J］. International Journal of Advanced Computer Science & Applications， 2011.

［8］ Pan J， Tompkins W J. A real-time QRS detection algorithm［J］.IEEE Transactions on Biomedical Engineering， 1985，bme-32（3）: 230-236.

［9］ Li C， Zheng C， Tai C. Detection of ECG characteristic points using wavelet transforms［J］. Biomedical Engineering IEEE Transactions on， 1995， 42（1）: 21-28.

［10］ 姚成， 司玉娟， 郎六琪， 等. 改進的基于小波變換的QRS波檢測算法［J］. 吉林大學學報:信息科學版， 2011，29（5）: 401-407.

［11］ 王金亮. 心電信號的預處理及R波檢測的研究［D］. 山東大學， 2011.

［12］ 王薔薇， 孫朋， 龐宇， 等. 基于提升小波的心電信號R波檢測算法研究［J］. 生命科學儀器， 2015（4）: 37-41.

［13］ Shafqat K， Pal S K， Kumari S， et al. Time-frequency analysis of HRV data from locally anesthetized patients［C］// Engineering in Medicine and Biology Society， 2009. EMBC 2009. Annual International Conference of the IEEE. IEEE， 2009: 1824-1827.

［14］ Kleiger R E， Stein P K， Bigger J T. Heart Rate Variability: Measurement and Clinical Utility［J］. Annals of Noninvasive Electrocardiology the Official Journal of the International Society for Holter& Noninvasive Electrocardiology Inc， 2005， 10（1）: 88-101.

［15］ Aboamer M A， Azar A T， Mohamed A S A， et al. Nonlinear features of heart rate variability in paranoid schizophrenic［J］. Neural Computing & Applications， 2014， 25（7-8）: 1535-1555.

Email：13638344878@163.com

中圖分類號：TP274

文獻標識碼：A

DOI:[CLC Number] TP274[Document Code] A10.11967/2016140310 10.11967/2016140310

基金項目：?國家自然科學基金項目（61471075）

作者簡介：米俊英（1990-），男，碩士研究生，主要研究方向為體征參數(shù)遠程監(jiān)控系統(tǒng)的設計

Design and Implementation of Remote Heart Rate Variability Analysis Server

Junying Mi， Yu Pang
（ Chongqing Municipal Level Key Laboratory of Photoelectric Information Sensing and Transmitting Technology，Chongqing400065， China ）

Abstract:Because of heart rate variability analysis instruments are expensive and heavy until today, a remote heart rate variability analysis Server was designed. The server use hypertext transfer protocol to communicate with mobile clients and can receive the electrocardiograph data from the users uploaded stably. After storing and analyzing the electrocardiograph data, the server can return the analysis results to the mobile clients and storage the results, thus making user query the history in the future. As to the implementation of the server, some interactive business process and key algorithms used in its implementation were expounded. The test results show that users can get the analysis result of heart rate variability after they upload electrocardiograph data and get history information from the server. In this way, users can use the data to evaluate themselves physical conditions currently or recently.

Key Words:Heart rate variability; Interactive business; Remote server