-
一种穿戴式心肺监测系统的设计及其试验研究
编辑人员丨1个月前
目的:设计一种穿戴式心肺监测系统,并通过人体初步试验验证该系统的性能.方法:该系统由数据采集器、穿戴胸衣以及信息管理平台组成.其中,数据采集器以EFM32GG330单片机作为主控单元(microcontroller unit,MCU),其内部主要包括呼吸调制模块、心电调制模块、体位调制模块、无线通信模块(含蓝牙模块和Wi-Fi模块)、存储模块、电源管理模块等.穿戴胸衣采用开衫式结构设计,内侧设计有心电传感器和呼吸运动传感器.信息管理平台采用客户端/服务器(Client/Server,C/S)架构,通过Java/JavaScript实现软件编程.通过人体初步试验,将该系统与医院常规使用的迈瑞IPM10多参数监护仪进行对比,验证该系统监测人体心率及呼吸率的有效性.结果:该系统可长时间连续监测人体的心率和呼吸率,且监测结果与迈瑞IPM10多参数监护仪的监测结果具有很好的一致性.结论:该系统可用于训练或运动中的心肺指标医学监测,为健康管理提供精准的生理信息.
...不再出现此类内容
编辑人员丨1个月前
-
基于反射式柔性探头及AFE4490的无线脉搏波监测系统
编辑人员丨2024/7/13
脉搏和血氧是人体重要的生理参数,能够反映生理和病理方面的相关信息.该系统设计了一款基于柔性反射式探头和集成模拟前端AFE4490的无线脉搏波监测系统,适用于监测人体额头部位的脉搏波和血氧水平.该系统主要由反射式柔性探头、集成模拟前端AFE4490、电源模块、主控MCU和Wi-Fi模块组成.采集到的脉搏波数据经过下位机处理后,无线传输至智能手机端,并在应用软件上实时显示当前的脉搏波形、脉率和血氧水平.经过相关测试和验证,该系统能够精确检测脉搏波信号,满足可穿戴设备的需求,并具有显著的市场应用潜力.
...不再出现此类内容
编辑人员丨2024/7/13
-
努力促进临床监测智能化应用研究的快速发展
编辑人员丨2023/10/28
麻醉学是具有艺术特征的临床学科,临床监测则是麻醉学科的精髓,在现代麻醉学170多年的发展历史中,临床监测(clinical monitoring)在医疗领域作出的贡献被广泛认可,尤其是近十年,临床监测智能化有快速发展.智能化是依托人工智能可以模仿人类智力构建计算机系统的科学,临床监测则是通过医疗设备对患者生命指标及生理参数进行快速、动态、反复甚至是连续的物理检测或化学检验,以数据或图像形式呈现出来,为临床医师提供评估、诊断和处理信息的一门技术,两者完美的结合必将进一步提升患者围麻醉手术期的安全性.回顾我国临床监测发展历程,让读者深入了解什么是临床监测智能化、临床监测智能化的优势、临床监测智能化的未来极为重要.临床监测的未来将由有线向无线、穿戴式、智能化方向快速发展,智能数字化医学模式需要创新医疗设备的支持,需要人工智能助力,智慧化是关键.
...不再出现此类内容
编辑人员丨2023/10/28
-
一种可穿戴式多参数心脏活动监测设备的设计
编辑人员丨2023/8/6
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nRF52832蓝牙低功耗SoC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 mA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.
...不再出现此类内容
编辑人员丨2023/8/6
-
可穿戴式多参数监护仪的设计
编辑人员丨2023/8/6
目的:针对心血管疾病死亡率居高不下、人口老龄化程度不断加剧的情况,研制一种用于心脏病监测、老年人居家养老等场合的可穿戴式多参数监护仪.方法:以MSP430F5529微控制器为核心,由ADS1292R芯片双通道模拟前端采集心电、呼吸信号,ADXL345传感器采集体态信息,再通过蓝牙4.0模块将实时采集的数据发送至智能移动终端,并同时存储于TF卡中,实现人体生理信号的采集、传输与存储.结果:设计的可穿戴式多参数监护仪可连续工作24 h以上,能同时监测患者的心电、呼吸、体态等参数,为医生诊断提供更多的辅助信息.结论:可穿戴式多参数监护仪体积小、易穿戴,基本能满足患者心电监护的需要,在移动医疗领域有一定的应用前景.
...不再出现此类内容
编辑人员丨2023/8/6
-
基于物联网的可穿戴式血氧监测仪的研发
编辑人员丨2023/8/6
血氧饱和度是反映人体生理机能的重要参数,在医疗健康监测领域中具有极其重要的参考价值.可穿戴式无创血氧监测方法克服了传统血氧监测方法的缺点,能够实时反映自身 呼吸功能变化的趋势,对院外监测具有很大的优势.通过应用物联网技术和先进的信号处理算法,实现了基于物联网技术的可穿戴式血氧脉率监测设备.设备能够监测跟踪病人的血氧饱和度 、脉率等数据,并发送到智能移动终端数据可以上传至服务器生成报告,以供医护人员及时了解病人的当前身体状况.通过血氧模拟器测试,验证该设备具有良好的准确性.
...不再出现此类内容
编辑人员丨2023/8/6
-
随行生理监护系统设计及性能初步验证
编辑人员丨2023/8/6
为实现住院患者连续生命体征监测,研制了随行生理参数监护系统SensEcho.该系统由随行生理参数监测终端、无线组网和数据传输单元、中央监护系统三部分组成.其中随行生理参数监测终端为一件柔性背心,内嵌有呼吸感应体积描记传感器和织物心电电极,实现心电、呼吸、体位和体动等基本生理参数的穿戴式低负荷监测;无线生理信号传输单元为基于WiFi技术的组网系统,能够实现病区内多个患者的移动监护,并设计有多重数据续传和数据完整性保障机制;中央监护系统实现所有随行生理参数监测终端数据的显示和患者集中管理,设计有后台数据服务器和算法服务器,支持医疗大数据深度挖掘分析应用.为验证系统性能,我们开展了生理参数检测算法有效性和受试者可靠性测试,以及无线组网和数据传输可靠性测试.测试结果显示,系统无论在基本生理参数监测还是无线数据传输方面都能达到可靠性要求.该系统在医疗领域的应用有望开启个体化连续生命体征监护医疗新模式,为疾病诊断提供基于连续动态生理数据分析的精准信息.
...不再出现此类内容
编辑人员丨2023/8/6
-
一种基于可穿戴设备和智能手机的呼吸监测系统
编辑人员丨2023/8/6
目的 呼吸运动是人体重要的生理活动之一,呼吸频率的变化能反映人体生理状况的好坏,因此呼吸频率的监测对于健康监护具有重要意义.方法 本研究设计一种基于可穿戴设备和智能手机的呼吸监测系统.可穿戴式设备的主控芯片采用低功耗蓝牙芯片nrf52832,利用加速度传感器MPU6050采集人体呼吸运动的加速度信号,利用低功耗蓝牙方式与智能手机进行通信;智能手机端软件能够实时接收可穿戴式设备发送的呼吸运动数据,利用后台运行的呼吸检测算法计算出呼吸频率等相关参数,并绘制出呼吸运动波形.此外,智能手机可以对接收到的呼吸运动数据进行存储,可对用户的呼吸活动进行长期的分析研究.结果 (1)穿戴式设备工作电流11 mA,广播电流12 mA,待机电流10 mA,工作电压3.3 V,功率约为33 mW;(2)呼吸检测的准确率在95%以上;(3)智能手机界面能够实时显示呼吸运动的加速度波形和呼吸频率.结论 该系统具有方便佩戴、功耗低和呼吸检测准确性高等优点,能够适用于家庭等场所进行呼吸监护,满足人们对日常健康监护的需求.
...不再出现此类内容
编辑人员丨2023/8/6
-
随行监护系统在运动状态下的心肺生理参数测量准确性研究
编辑人员丨2023/8/6
本文研究随行(穿戴式)生理参数监测系统在不同运动强度下的心肺生理参数测量的准确性.使用随行生理参数监测系统SensEcho与心肺功能测试系统METALYZER 3B型(CORTEX)同步采集28名健康志愿者(17名男性和11名女性)在站立、躺下、Bruce跑台运动等多种运动状态下的心肺生理参数,利用Bland-Altman 分析、相关性分析等方法,从群体和个体角度对比分析两类设备测量得到的心率和呼吸率参数.群体分析结果显示,两种设备采集的心率、呼吸率数据箱图高度一致,心率差值为(-0.407±3.380)次/分,呼吸率差值为(-0.560±7.047)次/分,差异很小,受试者各阶段心率、呼吸率Bland-Altman图显示mean±2SD之间所占比例分别为96.86%、95.29%,均大于95%;个体分析结果显示,全过程心率和呼吸率数据的相关系数均大于0.9.本研究表明在多种运动状态下,随行生理参数监测系统SensEcho能够准确测量人体心率和呼吸率等关键心肺生理参数,在各种强度的运动状态下都能保持很好的稳定性,能够满足运动状态下的连续生理信号采集和分析应用.
...不再出现此类内容
编辑人员丨2023/8/6
-
无线健康监护系统设计及状态识别算法
编辑人员丨2023/8/5
该研究提出了一种面向强制戒毒所戒毒人员的穿戴式无线健康监护系统.该系统可以连续实时地监测戒毒人员的多项生理参数,当生理参数出现异常发出预警信息,起到及时行医的作用.此外,提出了一种卷积神经网络模型(convolutional neural network,CNN),该模型根据多项生理参数对戒毒人员的健康状态进行评估.实验表明,将该模型用于公开的生理参数数据集的身体状态识别任务,在单个实验对象的生理参数数据集上最高可达100%的识别准确率;当使用整个生理参数数据集时可获得高达99.1%的识别准确率,超过了传统的模式识别方法在此任务上的表现,验证了该模型的优越性.
...不再出现此类内容
编辑人员丨2023/8/5
