胡建強，曾智勇，朱順痣，吳克壽

(1.廈門理工學(xué)院計算機與信息工程學(xué)院，福建 廈門 361024;2.福建師范大學(xué)軟件學(xué)報，福建 福州 350108)

?

一種云輔助的移動心電監(jiān)測系統(tǒng)

胡建強1，曾智勇2，朱順痣1，吳克壽1

(1.廈門理工學(xué)院計算機與信息工程學(xué)院，福建 廈門 361024;2.福建師范大學(xué)軟件學(xué)報，福建 福州 350108)

連續(xù)監(jiān)測心電對發(fā)現(xiàn)心血管疾病和判斷人體健康狀況具有重要意義.新一代心電監(jiān)測系統(tǒng)能提高便攜性、降低功耗和成本，但在心電數(shù)據(jù)提取、存儲容量等方面還存在局限性.為此，提出一種云輔助的移動心電監(jiān)測系統(tǒng)，利用智能手機接收心電數(shù)字信號，借助云平臺(例如BAT云、廈門市健康云)實現(xiàn)ECG數(shù)據(jù)存儲.該系統(tǒng)采用基于平均絕對差分閾值的心電波形提取算法、基于小波包分解的智能報警模型和基于HL7-aECG標準的數(shù)據(jù)交換模型，提升心電數(shù)據(jù)提取質(zhì)量、報警能力和數(shù)據(jù)存儲能力.系統(tǒng)原型能支持5種心電病變類型判別，智能報警以及心電數(shù)據(jù)云管理，從而有利于降低心血管疾病的潛在威脅.

移動心電監(jiān)測;心電波形;提取算法；智能報警模型；HL7-aECG標準

隨著社會經(jīng)濟發(fā)展，人口老齡化及城鎮(zhèn)化進程的加速，心血管病患病率及死亡率呈現(xiàn)出上升趨勢。目前，估計全國有心血管病患者2.9億人，其中高血壓患者2.7億人，腦卒中患者700萬人，心肌梗死患者250萬人，心力衰竭患者450萬人。心腦血管病住院費用逐年上升：次均住院費用急性心肌(AMI)為23 236元，顱內(nèi)出血為15 172元，腦梗死為8 435元；年均增長速度分別為8.67%、6.50%和2.28%[1]。大量醫(yī)學(xué)實踐表明，心血管疾病哪怕是猝發(fā)性心臟疾病，如果事先能監(jiān)測到細微征兆并采取有效措施，70%左右的患者是可以避免死亡的。心電圖ECG(Electrocardiogram)是判斷心血管疾病的重要依據(jù)之一，可以測量隨時間變化的心肌電信號，但實際生活中患者在醫(yī)院連續(xù)監(jiān)測不方便且費用較高.

對于心電監(jiān)測常規(guī)醫(yī)院采用各種臨床監(jiān)護儀，例如多參數(shù)監(jiān)護儀PM-900S、SNP9000N，主要采用12.1″TFT主監(jiān)護界面直觀顯示波形和參數(shù).新一代心電監(jiān)測系統(tǒng)采用先進傳感器、移動互聯(lián)網(wǎng)等技術(shù)，主要工作有：歐盟移動健康照護計劃[2]采用傳感器測量血壓和心電；文獻[3]基于傳感器采集人體的血壓、心率和體溫等生理數(shù)據(jù)；文獻[4]采用傳感器和多根心電導(dǎo)聯(lián)不間斷監(jiān)測心臟活動變化數(shù)據(jù)，通過藍牙將監(jiān)測數(shù)據(jù)傳送到Android系統(tǒng)移動智能終端，存儲并動態(tài)顯示ECG波形.新一代心電監(jiān)測系統(tǒng)能提高設(shè)備的便攜性，降低功耗和成本，特別是移動智能終端在計算能力和存儲空間存在固有的局限性，在心電數(shù)據(jù)提取和數(shù)據(jù)存儲方面還存在較大的提升空間.

針對上述問題，本文設(shè)計一種云輔助的移動心電監(jiān)測系統(tǒng)，采用平均絕對差分閾值算法實現(xiàn)心電波形提取算法，提高R波的檢測和判定的效率；采用基于小波包分解構(gòu)建子帶能量特征向量，加強心電異常報警處理，提高預(yù)警能力；基于云平臺提供的存儲空間、可靠服務(wù)實現(xiàn)ECG數(shù)據(jù)存儲，克服智能手機存儲空間的有限性.

1　系統(tǒng)總體框架

云輔助的移動心電監(jiān)測系統(tǒng)的總體框架，主要包括：心電監(jiān)測模塊；“智能手機”；云平臺(心電健康檔案和電子病例)(如圖1所示).具體如下：

1)心電監(jiān)測模塊：采用Neurosky公司芯片型號BMD101.BMD101前端可以外接導(dǎo)聯(lián)線有效檢測心電信號；中間(系統(tǒng)管理單元)負責A/D轉(zhuǎn)換器算法計算、內(nèi)外通訊、運行管理和電源管理；后端(固化DSP)加速各種數(shù)字濾波處理，基于藍牙將數(shù)字化信號傳送到“智能手機”.

2)“智能手機”：經(jīng)藍牙接收心電數(shù)字信號，采用平均絕對差分閾值算法檢測和判定R波，提取QRS波形數(shù)據(jù).如果數(shù)字信號含有突變信息，采用智能報警模型區(qū)分信號突變原因并報警.由于智能手機存儲空間的局限性，采用HL7-aECG標準數(shù)據(jù)格式，通過SOAP協(xié)議將心電數(shù)據(jù)上傳到云平臺.“智能手機”通過與云平臺數(shù)據(jù)交換，幫助個體全面認識健康狀況和慢性病變趨勢.根據(jù)情況可以與第三方機構(gòu)聯(lián)系，得到特約醫(yī)生護理、緊急醫(yī)療小分隊、健康膳食推薦等服務(wù).

3)云平臺：借助第三方云平臺或構(gòu)建私有云，如BAT云、“廈門市健康醫(yī)療云”等，實現(xiàn)ECG數(shù)據(jù)云存儲.例如，阿里云海量存儲服務(wù)OSS；“廈門市健康醫(yī)療云”提供60T影像存儲和32.7T存儲資源池.ECG數(shù)據(jù)存儲在健康云平臺，可以作為電子病歷、健康檔案的一部分，能有效克服“智能手機”存儲能力不足的問題，并為實現(xiàn)醫(yī)療大數(shù)據(jù)挖掘奠定數(shù)據(jù)基礎(chǔ).

2　關(guān)鍵技術(shù)

2.1心電波形提取算法

心電圖的基本原理是提取人體心臟搏動過程中產(chǎn)生的微弱信號.BMD 101硬件濾波放大并通過A/D轉(zhuǎn)換器得到數(shù)字信號并進行必要的預(yù)處理，包括：低頻基線漂移、肌電噪聲和運動偽跡等.心電信號分析的基礎(chǔ)就是檢測和確定QRS波群，而R波的檢測和判定是確定QRS波群位置和心電波形提取的關(guān)鍵.差分閾值法算法的核心是根據(jù)R波與P波、T波的變化斜率，具有簡單實現(xiàn)、效率高等優(yōu)點.如果采用固定差分閾值，閾值設(shè)定過大容易導(dǎo)致QRS波漏檢現(xiàn)象；閾值設(shè)定過小容易引發(fā)QRS波誤檢.

3)R波判定：求取ECG信號線yi0點左右鄰域內(nèi)的極值點，其中最大值點判定為R波峰.

2.2智能報警模型

實時、連續(xù)心電監(jiān)測的目標之一是希望發(fā)現(xiàn)心電信號異常時能及時報警.當心電監(jiān)測信號含有突變信息，“智能手機”需要有效區(qū)分和查找信號突變原因，盡可能提醒設(shè)備偏差型故障并避免錯誤報警.突變信號在心電波形圖上表現(xiàn)為尖銳的 “山脊”，小波包分解對高頻信號、低頻信號具有較高的頻率分辨力、時間分辨力.因此，基于小波包分解構(gòu)建子帶能量特征向量，并計算空間余弦相似度來加強心電異常報警處理，具體步驟：

1)正交小波包分解ECG信號序列，其展開高頻、低頻系數(shù)分別為：

(1)

(2)

其中，正交尺度函數(shù)φ(t),小波函數(shù)φ(x)∈L2(R).

2)提取高頻序列和低頻序列的子帶能量：

(3)

分別表示第j層高頻小波序列和低頻小波序列子帶能量.

3)根據(jù)高頻、低頻子帶能量構(gòu)建特征向量[λN,λN-1,…,λ1,λ0]，其中：

(4)

4)計算ECG信號特征向量[λN,λN-1,…,λ1,λ0]與常見設(shè)備偏差型故障特征向量(由經(jīng)驗獲得)，并結(jié)合計算兩者的空間余弦相似度，根據(jù)空間余弦相似度區(qū)分“突變”信號由常見設(shè)備故障或心電病變原因引起.

2.3基于HL7-aECG標準實現(xiàn)云端心電數(shù)據(jù)存儲

由于“智能手機”接收心電數(shù)據(jù)屬于MIT-BIH格式，信息完全被封裝在數(shù)據(jù)文件中，只能依靠人工一條條打開查閱，很難用于大規(guī)模心電數(shù)據(jù)共享和基于內(nèi)容的語義信息檢索.HL7(Health Level 7)[5]是醫(yī)療領(lǐng)域不同應(yīng)用、儀器和設(shè)備之間數(shù)據(jù)信息傳輸?shù)膰H標準.HL7-aECG(HL7 Annotation ECG)[6]標準是心電數(shù)據(jù)信息子標準.HL7-aECG標準定義完整的XML Schema，提供包括心電圖波形和注釋信息在內(nèi)的心電信息表達和存儲標準.只有完全使用HL7-aECG標準定義的數(shù)據(jù)類型、元素和詞匯，才能充分保證心電數(shù)據(jù)語義的一致性.圖3展示完整的發(fā)送方和接收方基于HL7-aECG標準的數(shù)據(jù)交換過程，具體包括：

“發(fā)送方”：(1)實時采集的心電數(shù)據(jù)(MIT-BIH格式)；(2)構(gòu)建HL7-aECG RIM邏輯結(jié)構(gòu)對象圖；(3)構(gòu)造HL7-aECG的對象模型樹DOM；(4)基于對象模型樹DOM構(gòu)建XML SOAP消息.

“接收方”：(1)通過Restful API接收XML SOAP消息；(2)由XML SOAP解析XML HL7-aECG域目錄；(3)解析文檔對象模型樹DOM，還原HL7-aECG對象圖；(4)以XML自描述數(shù)據(jù)或關(guān)系型數(shù)據(jù)形式寫入數(shù)據(jù)庫.

3　實驗分析

系統(tǒng)原型實現(xiàn)硬件部分：Neurosky BMD 101、3根心電導(dǎo)聯(lián)線、Android真機；軟件部分：阿里云SDK、Android SDK等.原型系統(tǒng)實現(xiàn)以下功能：

1)個人信息注冊包括：年齡、性別、年齡、民族、婚姻、學(xué)歷、生活偏好(抽煙、喝酒、鍛煉、睡眠時間等)、常規(guī)體檢數(shù)據(jù)(身高、體重、腰圍、臀圍)、親友號碼.

2)心電監(jiān)測界面展示：實時、不間斷展示心電波形、脈搏、體溫等，圖4展示心電生理監(jiān)測界面，其中心電ECG和脈搏80次·min-1(血壓115/79 mmHg，血氧飽和度97%，體溫36.5 ℃，室溫17 ℃等).

表1 “突變”信號子帶能量特征Table1 Sub-bandsenergycharacteristicsofmutationsignal“突變”信號原因子帶能量特征經(jīng)驗高頻信號/%低頻信號/%人體病變0～199～100傳感器周期故障98.1～99.80.2～1.9傳感器堵塞故障00傳感器偏差型故障3.1～7.292.3～96.9

當判定“突變”信號屬于人體病變原因時，原型系統(tǒng)根據(jù)平均絕對差分閾值算法檢測和判定兩相鄰R波時間tRRi，做進一步5種人體心電病變類型區(qū)分：(1)tRRi<500 ms(心率過速)，心電監(jiān)測界面顯示標志“1”；(2)tRRi>1 500 ms(心率過緩)，心電監(jiān)測界面顯示標志“2”；(3)一個完整的QRS波時間大于120 ms(室性早博) ，心電監(jiān)測界面顯示標志“3”；(4)tRRi>3 000 ms (停博)，心電監(jiān)測界面顯示標志“4”；(5)2.6tRR>tRRi>2.3tRR(漏博)，心電監(jiān)測界面顯示標志“5”.綠色標志符“0”表示正常(圖4).一般情況下，連續(xù)3次符合上述特征會發(fā)出報警，并短信通知親人.當判定“突變”信號屬于偏差型設(shè)備故障時，原型系統(tǒng)提示人體應(yīng)采取正確姿態(tài)避免設(shè)備晃動(圖5).

4)心電數(shù)據(jù)云存儲管理：阿里云OSS提供SDK和RESTful API，實現(xiàn)心電數(shù)據(jù)云存儲.MIT-BIH數(shù)據(jù)格式—文件.hea，數(shù)據(jù)文件.dat和注釋文件.atr.按照基于HL7-aECG標準的數(shù)據(jù)交換與存儲模型，“智能手機”與阿里云OOS交互的消息形式中，HL7-aECG數(shù)據(jù)分別以時間序列和波形序列分別存儲.其中，中第1個子元素存儲時間序列；第2,3個子元素存儲波形序列[6].由此可見，HL7-aECG格式數(shù)據(jù)能支持實時心電數(shù)據(jù)存錄并精確繪圖注釋，方便基于XML數(shù)據(jù)結(jié)構(gòu)網(wǎng)絡(luò)傳輸.

4　結(jié)語

目前傳感器網(wǎng)絡(luò)、云計算和大數(shù)據(jù)技術(shù)正逐步應(yīng)用到智慧醫(yī)療領(lǐng)域.利用附著人體的生理傳感器采集多參數(shù)生理數(shù)據(jù)并上傳到云端管理，是智慧醫(yī)療領(lǐng)域未來發(fā)展方向之一.本文設(shè)計一種云輔助的移動心電監(jiān)測系統(tǒng)，采用平均絕對差分閾值算法實現(xiàn)心電波形提取算法，基于小波包分解的智能報警模型和基于云端實現(xiàn)ECG數(shù)據(jù)存儲，提升心電數(shù)據(jù)提取質(zhì)量、報警能力和數(shù)據(jù)存儲能力.該系統(tǒng)可應(yīng)用于家庭慢性疾病監(jiān)護領(lǐng)域，有利于幫助個體認識心電健康狀況和病變類型，也有利于緩解目前醫(yī)療資源緊缺現(xiàn)狀.

[1]中國循環(huán)雜志.2014年中國心血管病報告[EB/OL].Http://news.medlive.cn/heart/info-progress/show-82032_129.html，2015-08-06/2016-03-23.

[2]歐盟.歐盟健康計劃確定2013年工作計劃[J].中國醫(yī)藥技術(shù)經(jīng)濟與管理，2013(1):12-13.

[3]QUWAIDER M，JARARWEH Y.A Cloud supported model for efficient community health awareness[J].Pervasive and Mobile Computing，2016，6(28)：35-50.

[4]徐勇.基于Android智能手機的動態(tài)心電監(jiān)測系統(tǒng)設(shè)計[D].南京:南京郵電大學(xué)，2013.

[5]Health Level Seven Committee.HL7 Clinical Document Architecture，Release 2.0[EB/OL].(2003-12-08)[2015-12-30].http://www.hl7.org /Library/Committees/structure/CDA.ReleaseTwo.CommitteeBallot02.Dec 2003 zip，2003-12-08.[6]BROWN B，KOHLS M，STOCKBRIDGE N.FDA XML data format design specification[EB/OL].(2004-08-02)[2016-01-10].http://xml.coverpages.org/FDA-EGC-XMLDataFormat-C.pdf，2004-08-02.

(責任編輯宋靜)

Research on Cloud-Assisted Mobile ECG Monitoring System

HU Jianqiang1，ZENG Zhiyong2，ZHU Shunzhi1，WU Keshou1

(1.School of Computer & Information Engineering，Xiamen University of Technology，Xiamen 361024，China; 2.Faculty of Software，F(xiàn)ujian Normal University，F(xiàn)uzhou 350108，China)

Continuous monitoring of ECG signals is of great significance for detection of chronic cardiovascular disease and assessment of health status.The new generation ECG monitoring system has good portability，low-power consumption and low-cost，but its data extraction and storage capacity has room to improve.A cloud-assisted mobile ECG monitoring system is therefore designed using smart phones to receive ECG signals and cloud platforms (such as BAT Cloud platform，Xiamen Municipal Health Cloud) to store ECG data.It adopts ECG extraction algorithm based on average-absolute difference threshold，intelligent alarm model based on wavelet packet decomposition and ECG data exchange model based on HL7-aECG standard，to enhance quality of ECG data extraction，alarm accuracy and data storage capacity.Finally，a prototype system is implemented that supports the identification of five types of lesions，intelligent alarm and cloud ECG data management，which helps reduce the potential threat of cardiovascular diseases.

mobile ECG monitoring；ECG data;extraction algorithm；intelligent alarm model;HL7-aECG standard

2016-04-27

2016-06-05

國家自然科學(xué)基金項目(61373147，61502405)；廈門市高?？萍紕?chuàng)新項目(3502Z20143031，3502Z20133033)；廈門理工學(xué)院人才引進項目(YKJ13004R)

胡建強(1971-)，男，副教授，博士，研究方向為智慧醫(yī)療.E-mail：jqhucn@xmut.edu.cn

TP311.5

A

1673-4432(2016)03-0061-05