基于G-sensor有運動情景動態(tài)心電監(jiān)護系統(tǒng)

謝俊松，倪飛舟，陳浩強

安徽醫(yī)科大學計算機系，安徽合肥230032

前言

近年來，和其他疾病相比，因心血管疾病而死亡的人數(shù)占到很大一部分，成為危害我國民眾生命健康的主要原因之一［1］。24 h 動態(tài)心電圖能較長時間記錄佩戴者的心電信息，但是無法記錄對應(yīng)運動狀態(tài)。醫(yī)學上判斷一個人心動過速的標準為心率大于100次/min，如果此人是在運動過程中，正常情況下的心率也會大于100 次/min，所以僅靠心電數(shù)據(jù)不能完全反映用戶的健康情況。用戶在劇烈運動后心跳恢復正常水平的時間在臨床醫(yī)學上也是心臟健康的一個重要指標。文獻［2-5］研究基于Android 手機的心電監(jiān)護。文獻［6-8］研究了遠程心電監(jiān)護。

本文提出一種利用Android 手機內(nèi)置的G-sensor（重力傳感器，又名加速度傳感器）采集x、y 和z 三軸加速度數(shù)據(jù)來分析運動狀態(tài)和運動強度，然后與心電數(shù)據(jù)結(jié)合，得到有運動情景的動態(tài)心電圖，進而提高心電圖診斷的準確性。相比直接在心電采集器中集成新的傳感器的設(shè)計方案，本文充分利用智能手機的功能，減少心電采集器和手機之間的數(shù)據(jù)通信量，提高心電采集器電池續(xù)航能力，降低醫(yī)療成本，這些優(yōu)點都將促進該方案的推廣和實施，具有廣泛的社區(qū)和家庭應(yīng)用前景。

1 系統(tǒng)總體設(shè)計

本系統(tǒng)由心電采集器、Android手機APP、中心服務(wù)器和客戶端（移動端和PC 端）4 大部分組成，其中Android 手機APP 是核心，也是本文重點研究設(shè)計的部分，它承擔著心電數(shù)據(jù)的接收和處理，三軸加速度數(shù)據(jù)的采集和處理，以及存儲和發(fā)送心電和運動數(shù)據(jù)到中心服務(wù)器。

心電采集器負責采集心電數(shù)據(jù)，Android 手機通過藍牙接收心電數(shù)據(jù)并處理，分析運動狀態(tài)、運動強度，并將心電圖和運動狀態(tài)在手機上顯示，給出常見的心電異常、跌倒警告，同時將數(shù)據(jù)通過移動網(wǎng)絡(luò)（3G/4G/5G/WIFI）傳送到中心服務(wù)器，用戶家屬和醫(yī)務(wù)人員可以通過客戶端與中心服務(wù)器通信，從而實時查看用戶心電圖和運動狀態(tài)圖。

1.1 心電采集器設(shè)計

采集器需要采集具有周期性的心電生理信號，同時接觸人體皮膚工作，要求具有抗干擾和放大心電信號等功能。本文選擇AD8232［9］調(diào)理模塊，它是一款集成前端，適用于對心臟生物電信號進行信號調(diào)理來進行心率監(jiān)護，內(nèi)部主要由一個專用儀表放大器（IA）、一個運算放大器（A1）、一個右腿驅(qū)動放大器（A2）和一個中間電源電壓基準電壓緩沖器（A3）四大部分組成。此外，AD8232 內(nèi)置導聯(lián)脫落檢測電路和一個自動快速恢復電路，該電路可在導聯(lián)重新連接后迅速恢復信號。

心電信號采集后需要將數(shù)據(jù)傳輸?shù)紸ndroid APP端，本文的研究前提是使用者隨身攜帶著手機，所以兩者距離較近，可以采用藍牙通信方式，藍牙傳輸具有安全、速度快和延遲低等特點［10-11］。本文采用ATK HC-05藍牙模塊，同時目前Android主流手機都自帶藍牙4.0模塊，相比集成移動通信模塊，節(jié)約了開發(fā)成本。

1.2 中心服務(wù)器后臺設(shè)計

中心服務(wù)器需要不間斷接收手機端傳輸?shù)臄?shù)據(jù)，以及為客戶端提供服務(wù)，需要支持多用戶、多設(shè)備并發(fā)連接，長連接和高并發(fā)是必不可少的，結(jié)合文獻［12-13］，本系統(tǒng)選用Netty 作為異步通信框架。

通過Netty的服務(wù)端功能，啟動服務(wù)供手機端進行長連接。收到手機發(fā)起的連接請求后，分配一個Channel用于處理本次連接，接收手機傳輸?shù)谋O(jiān)護數(shù)據(jù)，定期發(fā)送心跳維持長連接。整體設(shè)計如圖1所示。

圖1 中心服務(wù)器整體設(shè)計圖Fig.1 Overall design of central server

2 Android APP設(shè)計

APP需要通過藍牙接收心電采集器傳輸?shù)臄?shù)據(jù)，繪制心電圖，進行QRS 波檢查和常見心電異常檢測，采集三軸加速度數(shù)據(jù)并分析運動狀態(tài)、繪制運動狀態(tài)圖，檢測摔倒，存儲并傳輸必要數(shù)據(jù)到中心服務(wù)器，其中心電圖的繪制、異常檢測、運動狀態(tài)分析、繪制運動狀態(tài)圖是重點和難點。

2.1 心電圖繪制

APP 使用openGL ES（OpenGL for Embedded Systems）來繪制心電圖，它是三維圖形APIOpenGL的子集，主要為手機、PDA和游戲主機等嵌入式設(shè)備而設(shè)計［14］。自定義控件類ECGView繼承自GLSurfaceView，GLSurfaceView有兩種渲染模式RENDERMODE_CONTINUOUSLY和RENDERMODE_WHEN_DIRTY。RENRENDERMODE_CONTINUOUSLY模式表示系統(tǒng)自動觸發(fā)渲染，不需要主動調(diào)用代碼，但觸發(fā)時間間隔較短，經(jīng)過小米8 手機測試大約每隔10～20 ms 即觸發(fā)渲染動作，CPU 始終處于高負荷運轉(zhuǎn)，手機耗電速度較快；RENDERMODE_WHEN_DIRTY 模式只有在創(chuàng)建和調(diào)用requestRender()時才會觸發(fā)渲染，需要主動調(diào)用代碼。 結(jié)合本系統(tǒng)實際情況，選用RENDERMODE_WHEN_DIRTY 作為心電圖的渲染模式。

藍牙連接成功后，使用BluetoothSocket 類的getInputStream()方法來獲取輸入流inputStream，隨后每隔300 ms 讀取一次輸入流inputStream，并存入緩存隊列ecgDataList 中。為了能及時處理緩存數(shù)據(jù)，同時降低CPU 開銷，本文提出一種“依據(jù)緩存大小動態(tài)調(diào)整時間間隔”的方法，即如果緩存大于597 字節(jié)（3 個ecg 數(shù)據(jù)包）則等待100 ms 再次調(diào)用requestRender()方法刷新心電圖，否則等待300 ms。采用此方法，使累積的數(shù)據(jù)得到及時處理，又降低了CPU使用率，心電圖顯示流暢，系統(tǒng)運行效果良好。

2.2 常見心電異常檢測

本文使用開源的QRS波檢查算法［15-16］，下面著重介紹心電異常檢測算法。

2.2.1 心動過速和心動過緩心動過速和心動過緩都是由于心臟跳動過快或者過慢引起的，表現(xiàn)為每分鐘的心率值超過一定值或者低于一定值，具體的值該取多少也有不同的標準，如圖2所示是本系統(tǒng)的算法流程，其中低運動強度指的是靜止狀態(tài)（站/躺/坐等）：（1）心動過速：低運動強度下，連續(xù)檢測到5 個心率值在100 次/min 以上，則判斷為心動過速。使用參數(shù)iHrFastSum來標識滿足條件（心率100次/min以上）的連續(xù)QRS波個數(shù)，每當檢測到一個心率值在100以上，則iHrFastSum加1，同時判斷iHrFastSum是否為5，等于5則檢測到心動過速并把iHrFastSum置為0；每當檢測到一個心率值在100以下，則把iHrFastSum置為0。另外，在高運動強度下不進行檢測。（2）心動過緩：連續(xù)檢測5個心率值在60次/min以下，則判斷為心動過緩，其算法實現(xiàn)與心動過速類似。

圖2 心動過速和過緩算法流程圖Fig.2 Algorithm flowchart of tachycardia and bradycardia

2.2.2 二聯(lián)律和三聯(lián)律二聯(lián)律和三聯(lián)律在心電圖上都表現(xiàn)為連續(xù)波形的周期性變化，下面是關(guān)于其檢測算法的描述：（1）二聯(lián)律：低運動強度下，相鄰2n、2n+1 的RR 間隔超過100 ms，2n、2n+2、2n+4…RR 間隔小于50 ms；2n+1、2n+3、2n+5…RR 間隔小于50 ms。檢測到5 個這樣的周期變化波形則判斷為二聯(lián)律。檢測算法思想為：使用一個隊列iHrQueue存放RR 間隔值，變量iBigeminySum 記錄已有滿足二聯(lián)律條件的QRS 波個數(shù)。首先從iHrQueue 隊列尾部取最后4個數(shù)，看是否滿足上述條件，不滿足就將iBigeminySum 置0，并且退出函數(shù)。當最后4 個數(shù)滿足條件時，再看iBigeminySum 的值，如果為0（表示n-1 到n-5 不滿足條件），將iBigeminySum 置為4 并退出函數(shù)。如果不為0 則從后向前比較2n分別與2n+2、2n+4、2n+6…的RR間隔（iBigeminySum＞0表示，前面幾個數(shù)間的間隔已經(jīng)比較過，2n與2n+1 間的間隔也已經(jīng)比較過并都滿足條件），如果哪一步間隔不滿足條件，用比較時的臨時變量給iBigeminySum 賦值（分奇偶不同），并退出函數(shù)。如果全部滿足條件，則檢查iBigeminySum是否為10，是則說明檢測到二聯(lián)律。（2）三聯(lián)律：低運動強度下，相鄰3n、3n+1、3n+2的RR間隔不同，最大和最小RR 間隔差距超過100 ms，RR間隔呈周期性變化。3n、3n+3、3n+6…RR 間隔小于50 ms；3n+1、3n+4、3n+7…RR 間隔小于50 ms；3n+2、3n+5、3n+8…RR間隔小于50 ms。檢測到5個這樣的周期變化波形則判斷為三聯(lián)律，其算法實現(xiàn)思想與二聯(lián)律類似。

2.2.3 心律失常心律失常：低運動強度下，相鄰RR間隔變化超過較短RR間隔的1/2，出現(xiàn)10次以上后則判斷為心率失常。由于是通過相鄰RR間隔比較得到是否異常，為了避免同一RR間隔和前后兩個RR間隔比較得到兩次異常，使用布爾變量isHrAbnormalRecord作標記。變量iHrAbnormalSum表示心率失常個數(shù)的累積量。當檢測到一次心律失常時，iHrAbnormalSum加1，同時將isHrAbnormalRecord置為true。檢測函數(shù)開始將判斷isHrAbnormalRecord是否為true，是則退出函數(shù)，并把isHrAbnormalRecord置為false；不是則進行下面的檢測。在iHrAbnormalSum加1后為10時，則判斷檢測到心律失常。

2.3 運動狀態(tài)圖繪制

為了和心電圖作對比，軟件設(shè)計將運動狀態(tài)圖放在心電圖的下方，看到心電圖的同時也能看到對應(yīng)的運動狀態(tài)，運動狀態(tài)圖和心電圖運動方向一致，即自右向左移動。目前軟件通過三軸加速度可以分析出靜止（站/坐/躺）、走和跑3種常見的人體運動狀態(tài)。

自定義SportView 控件繼承自View 類，實現(xiàn)其onDraw()方法，在onDraw()方法里需要繪制不同運動狀態(tài)對應(yīng)的狀態(tài)圖。設(shè)計手機滿屏下可以完整顯示3 個運動狀態(tài)圖，每個運動狀態(tài)圖對應(yīng)寬度為rWidth=screenWidth/3，并將繪制的運動狀態(tài)數(shù)據(jù)放入stepValues列表中，每隔300 ms刷新一次。

3 關(guān)鍵技術(shù)研究實現(xiàn)

3.1 運動狀態(tài)分析算法

Android內(nèi)置G-sensor可以檢測x、y和z軸3個方向的加速度（單位m/s2），運動姿態(tài)會產(chǎn)生相應(yīng)方向加速度。根據(jù)文獻［17-18］知道，不管如何佩戴手機，總有至少一個軸具有相對較大的周期性加速度變化。步行的時候主要運動方向是前進方向和垂直方向，呈現(xiàn)周期性變化；垂直方向：抬腳時，重心向上，加速度正向增加；兩腳觸地時，重心下移，加速度反向減少；水平方向：抬腳時，加速度增加；收腳時，加速度減小。

本文需要分析出正常步行和跑步，對于普通人來說，二者的區(qū)別僅僅是在步頻上，正常步行的步頻為90～120 步/min，如果大于120 步/min，則認為人處于跑的狀態(tài)，通過步頻來檢測步行和跑狀態(tài)［19］。將三軸的加速度值合成一個加速度矢量|V|，計算式子為，該值在步行時基本是正弦曲線變化規(guī)律。基本思想是，通過對該加速度矢量的長度和方向的判斷，來判斷是否經(jīng)過波峰或者波谷，通過峰值的計算以及加速度的閾值決策來實時計算步數(shù)，得到步頻，進而判斷出運動狀態(tài)，具體實現(xiàn)步驟如下：（1）使用均值濾波器對x、y、z的值進行濾波：每4個數(shù)求平均值，使用求得的平均值作為輸出，來計算和加速度|V|，使數(shù)據(jù)更加平滑。（2）檢測波峰波谷：使用變量isUp 來標識當前|V|值是上升還是下降，如果是上升則使用conUpCount 來記錄持續(xù)上升次數(shù)，如果是下降將isUp=false，conUpCount=0。檢測到波峰的條件是當前|V|值是下降，之前是上升并且上升次數(shù)至少大于2 或之前的值大于20。檢測到波谷的條件是之前為下降現(xiàn)在為上升。（3）去干擾：文獻［19］可知正常行走兩步時間間隔為200～2 000 ms，由此檢測最近兩次波峰的時間差，去除高頻噪音。（4）動態(tài)閾值（thresholdValue）判斷波峰有效性:因為不同手機型號內(nèi)置的加速度傳感器可能不同，導致靈敏度也可能不同。算法通過調(diào)整動態(tài)閾值來判斷波峰的有效性，只有當波峰的值peakValue 和波谷的值valleyValue 之間的差值大于thresholdValue 才是有效波峰。thresholdValue 的值是根據(jù)最近4 次波峰波谷的差值來計算。（5）去除錯誤步數(shù)：設(shè)計連續(xù)運動大于5步才正式計步，計算步頻。

對于靜止狀態(tài)（站/坐/躺）檢測比較簡單，根據(jù)上面的步驟（1）計算得到的|V|，計算最近10 個值的方差，如果方差值小于0.1則說明處于靜止狀態(tài)。

3.2 摔倒算法

摔倒如果發(fā)生在老年人身上是非常危險的，特別是患有心臟疾病的老年人，所以本系統(tǒng)也把摔倒作為一個運動異常發(fā)出報警信息。結(jié)合文獻［20］設(shè)計本系統(tǒng)的摔倒檢測算法，具體步驟如下：（1）中值濾波：中值濾波器濾波函數(shù)為y=medfilt1(x,n)，其中x是待濾波的三軸加速度信號|V|，n為窗口大小，此處n設(shè)計為3，150 個數(shù)據(jù)為一組進行濾波，即y(k)是x(k-1：k+1)的中值。當k處于邊緣時，即k=0 或149 時，y(k)分別取Median［0 1 2］和Median［148 149 0］。（2）檢測摔倒：使用閾值法，低閾值lowThresholdValue=5，高閾值highThresholdValue=25，根據(jù)步驟（1）得到的數(shù)據(jù)，如果前面有值小于lowThresholdValue，而后面的值至少有一個大于highThresholdValue，則判斷為出現(xiàn)預摔倒。（3）降低誤檢率：如果發(fā)生摔倒，后面一段時間的運動狀態(tài)不可能是走或跑，特別是老年人，系統(tǒng)為了降低誤檢率，當檢測到預摔倒后，繼續(xù)判斷后面5 s內(nèi)的運動狀態(tài)，如果不是走或跑，則發(fā)出摔倒警告。

4 系統(tǒng)測試

本次測試使用的是小米8 手機，運動情景心電圖界面如圖3所示，可以正常查看到心電波形、運動狀態(tài)、實時心率和步頻。圖4為連續(xù)檢測到5個大于100次/min 的心率值，并且運動情景不是跑、走等高強度狀態(tài)，彈出了警告信息，同時將警告短信發(fā)送至預留手機號，達到了預期設(shè)計。圖5所示為PC 客戶端對用戶的監(jiān)護界面，界面展示的信息更加全面，可以統(tǒng)計時段內(nèi)的所有異常情況，實現(xiàn)了有運動情景的動態(tài)心電遠程監(jiān)護。

圖3 運動情景心電圖Fig.3 Electrocardiogram with the recognition of motion states

圖4 心電異常Fig.4 Abnormal electrocardiogram

圖5 PC客戶端監(jiān)護Fig.5 PC client monitoring

5 總結(jié)

本文研究設(shè)計了基于G-sensor的有運動情景動態(tài)心電監(jiān)護系統(tǒng)，重點介紹了Android APP的設(shè)計，研究和實現(xiàn)了運動狀態(tài)分析算法，最終完成了有運動情景心電圖的顯示，為醫(yī)生的診斷提供了情景數(shù)據(jù)，同時在PC和手機端也能遠程實時監(jiān)護。該系統(tǒng)設(shè)計時充分使用了Android手機已有的功能，降低了設(shè)備和醫(yī)療成本，為將來的遠程醫(yī)療提供了新的設(shè)計思路。