自动心跳监测系统

Arduino、Raspberry PI等开源硬件和软件的激增和普及，加上物联网和嵌入式系统，为健康行业带来了快速发展，创造了便携式和低成本的监测生命信号的医疗设备。心电图设备在心脏病的诊断中起着至关重要的作用。然而，这种设备的成本巨大，操作过于复杂，无法为发展中国家的大量人口提供更好的服务。在本文中，我使用android智能手机和Arduino设计并实现了一个低成本的全便携式心电监护系统。在70人的临床实践中，在休息和活动不足的情况下，将该设备获得的结果与传统心电图获得的结果进行了比较。每分钟跳动次数(BPM)值、心电图波形及心电图参数值一致，敏感性为97.8%，特异性为78.52%。

心血管疾病（CVD）是心脏和血管的疾病，包括冠心病、脑血管病、风湿性心脏病和其他疾病。世界卫生组织（WHO）的研究还表明，大多数人死于心脏病[1]。因此，这种疾病不能掉以轻心，需要持续监测心脏参数[2]。心电图（ECG或EKG）是一种医疗工具，可以测量单位时间的心跳，将其转换为信号，并在显示设备上显示数据[2]。ECG是由心肌在体表产生的电活动的记录，是最常见的心脏测试之一[3]。有很多原因可以解释为什么有人会有心电图，包括心跳不规则、用力时呼吸急促、血压明显升高、心悸或疑似心脏瓣膜问题[4]。在ECG信号正常的情况下（一种称为无脉冲电活动的情况）[5]可能发生心脏骤停。在最初阶段分析或监测ECG信号可以预防这些疾病[2]。ECG是一种价格昂贵的设备，低成本设备以手表的形式提供，用于瞬时测量心率。开放源代码硬件和软件（如Arduino和Raspberry PI）的普及和普及，使得构建设备能够感知几乎任何物理现象，并在连接的显示器上本地显示结果，或者通过蓝牙或Wi-Fi模块远程显示在pc或智能手机上[6]。本文介绍了一种基于电池供电的全自动心电监护系统Arduino的设计。该系统将通过手臂和左右两侧的Ag/Cl粘贴电极在受试者身上检测到的信号发送到智能手机上的android应用程序，显示ECG波、每分钟心跳（BPM）和主要的心率参数：P波、PR间期、PR段、QRS波群、ST段、QT间期和T波。如果出现异常或值超出正常范围，软件将突出显示异常值并发送紧急呼叫。本研究旨在展示如何实现便携式、直观、自动化和低成本的ECG设备，其质量与临床实践中传统使用的ECG相同。

本研究的目的是创建一种低成本、直观和自动的心脏活动信号采集和监测设备。该系统可直接用于想要控制自己的受试者，也不一定患有已发现的心脏病。远程心电监测系统正在成为远程和长期生理监测的常见医疗设备，特别是对老年和体弱患者的远程和长期生理监测[6]。系统由三个主要部件组成：

•一个移动网关，部署在患者的移动设备上，接收来自任何ECG传感器的12导联心电图信号

•远程服务器组件，承载精确标注和分析心电信号的算法

•医生根据ECG信号分析从服务器接收诊断报告的护理点设备

可穿戴网络的无线生理信息采集节点连接到患者的便携式终端，如个人数字助理(PDA)、智能手机或其他通信设备，发送数据。同时，它还能够通过互联网或移动通信网络[6]向远程医疗服务中心上传、备份、分析和反馈数据。

Mehdi Shokoueinejad等人[7]提出了一种完全可操作的便携式心电系统，用于生物医学工程(BME)课程课程的培训和教育目的，该系统基于Arduino。该设备需要与pc机进行USB连接，使用labview软件显示结果;因此，它不是真正便携式的，但更适合培训和教育目的。

Bhimasen和[8]等人提出了一种低成本、电池供电的心电图产生电路原型，使其便携，可无线连接，将信号传输到PC和智能手机。

Harini等人[9]提出了一项研究，利用手持式远程心电图（ECG）识别农村服务不足人群的心脏状况，该人群的医患比例较低，难以获得医疗服务。本研究的目的是临床验证手持式心电图作为农村人群心脏病筛查工具的有效性。提出的心电监护系统由Arduino UNO微控制器组成，并以android应用程序的形式实现。

Udit Satija（IEEE学生成员）等[10]提出了一种新的信号质量感知物联网心电遥测系统，用于连续心脏健康监测应用。拟议的质量感知心电监测系统由三个模块组成：

1.心电信号传感模块;

2.信号质量自动评估模块;

3.以及感知信号质量的心电分析和传输模块。

该系统对从无噪声和噪声心电信号中准确可靠地检测和测量形态RR区间特征有很高的鲁棒性要求。给出了心电信号和无噪声心电信号的质量、QRS复波检测[10]的准确性和鲁棒性。

Chowdhury, et al.[11]提出了一种可穿戴系统的开发，用于实时检测和警告司机的心脏病发作，这将极大地有助于减少道路交通事故。该系统由两个子系统组成，使用蓝牙技术进行无线通信。传感器子系统记录心脏的电活动，从胸部区域产生心电图，并将其发送到另一个便携式决策子系统，在那里可以检测到心脏病发作的症状。该系统可以帮助减少世界各地日益增多的道路交通事故造成的生命损失。

所有这些系统都有一些设计问题，特别是成本因素起了非常关键的作用。

本文提出的系统，是便携式的，它不需要连接到pc或其他设备，可以在任何环境下使用，成本因素是最低的，非常负担得起的所有中低收入家庭在每个国家

图1表示了该系统的框图。三个电极放置在患者身体的左臂(LA)、右臂(RA)和右腿(RL)。ECG传感器的电极有3个针脚，由长度为[12]的30英寸电缆连接。此外，电缆的插件是一个公的声音插头，这将使电缆容易拆卸或插入放大器板。传感器装配在手臂脉冲和腿脉冲上。从人体获取输入信号，然后将其传输到心电模块(AD8232)。

心电图模块(AD8232)

AD8232是一种低成本、高精度的仪器放大器，用于心电和其他生物测量应用的集成信号调理块。它通过贴在皮肤上的电极测量跳动的心脏的电活动;它根据电极的输入产生连续的模拟值，最终的测量结果以心电图的形式显示出来。它被设计用于在噪声环境下提取、放大和过滤能量更少的生物电位信号，例如由运动或远程电沉积产生的信号。另外，还有一个LED指示灯，它会随着心跳的节奏跳动。这种设计允许超低功率模数转换器(ADC)或嵌入式微控制器来获取输出信号。AD8232可以执行一个双极高通滤波器消除运动人工因素和电极半电池电位。该滤波器与仪表放大器设计紧密耦合，允许在第一级大增益和高通滤波，从而节省资金和空间。三铅Ag/Cl电极将生物医学信号转化为电压，电压在1mv ~ 5mv之间。将这对传感器放置在患者的LA、RA和RL上(图2)[12-14]。

Arduino uno

Arduino Uno是基于ATmega328[10]的8位微控制器板。它有14个数字输入/输出引脚，6个模拟输入，一个16 MHz晶体振荡器，一个电源插座，一个ICSP头，一个USB连接和一个复位按钮。Arduino UNO返回0到1023的线性值，分别对应0V和+5V。串行传输采用波特率为9600bps，采样率为320采样/秒。Arduino Uno内置USART通信功能，允许通过数字引脚1和0[15]进行USART传输和接收。Arduino UNO的引脚1和引脚0需要连接蓝牙模块Rx和Tx，蓝牙模块HC-06负责Arduino UNO和Android手机之间的信号传输。Arduino Uno还可以通过USB数据线与笔记本电脑进行通信。

电力供应

该设备使用两个9V一次性锂电池，便于携带。为了安全和短路保护，使用电压调节器LM7805。

Arduino软件

在微控制器Arduino UNO上实现的软件是用汇编C语言编写的。图3描述了ECG测量的流程图。该流程从获取ECG模块（AD8232）的输入开始.微控制器检查是否所有三个输入都正确给出。如果某个输入没有被很好地检测到，系统将发出警告；如果检测到所有输入，软件将向Android应用程序的蓝牙模块HC-06发送信号，以处理心脏参数。

android应用程序

Android应用程序接收数字化信号，处理ECG数据的处理和外推，以进行不同程度的测量和解释，并通过自定义图形单元界面（GUI）向用户显示所有数据。

在进一步的信号处理之前，需要对记录的原始数据去噪。心电信号中的噪声可能来自不稳定的环境记录，来自附近设备的错误信号，弱电极和电磁噪声，其他生理信号。将这些噪声建模为白噪声[16]，并利用小波变换对其进行去噪。心电信号f(x)的WT定义在(1)中:

（）=f(x)∗Ѱ = (1/)∫ ()Ѱ ((−)/ ) (1)

其中ѱ是Daubechies小波由于形状与ECG信号的QRS波的相似性（图4A）。

在去除噪声时，我们应该小心地保留信号的主要特征。

若干研究已经避免了来自ECG信号的噪声去除方法。在本研究中，一个重要的目的是应用具有实际信号的最后变化和低计算负载的方法，用于在执行时间下具有最小延迟。在这项研究中，首先取下基线噪声。为此，我用曲线拟合方法估计信号的趋势，然后从ECG信号减少。在下一阶段，使用IIR低通滤波器从信号中移除高频噪声，它具有55 Hz截止频率和三阶Chebyshev类型。最后，执行两级移动平均值以平滑波动。

一个周期心电图(图4a)由P波、QRS波直到T波组成。P波提供有关脉冲向双心房传播时间的有益信息。然后，遵循一个平坦的趋势称为PR段，这是电脉冲从心房到心室传播的结果。接下来是QRS复波[17]。QRS复合体提供关于心室收缩的信息，这是脉冲传播到心室(Q波)的结果，而传递到整个组织是由R波和S波引起的。QRS复合体提供有关纤颤和心律失常的信息。ST段间隔代表心室收缩的周期，即心动周期[2]的最后一个阶段。T波允许有关于心肌肥厚、心脏病发作和缺血[17]的信息。此外，其他参数，如QT间期，允许进一步明确具体的病理特征。最后，心电信号以一个小峰结束。 Part of this QRS complex is the “R” apex point (Figure 4b) which corresponds to the depolarization of the right and left ventricles of the heart. The Android application implements a real-time QRS detection algorithm based on the Pan-Tompkins Algorithm [18]

整个检测系统主要由三个处理阶段组成：

•基于移动平均的高通滤波(HPF)，

非线性低通滤波(LPF)

•决策阶段。

利用线性高频滤波器对心电信号进行处理，在增强QRS复波的同时，抑制心电信号中的P波或T波等不需要的波。然后将低幅值伪影平滑到一定程度，同时保留QRS特征;线性HPF输出然后经过全波整流和LPF，然后是滑动窗口求和;从而得到一个类包络特征波形。最后，采用自适应阈值(1)进行决策，完成QRS复杂检测。

阈值= α*γ * win_max + (1 - γ) *阈值;(1）

哪里：

0≤α≤1.

γ值可在0.15 ~ 0.2之间。我根据经验修正了它:γ = 0.175。

win max是特征波形中新检测到的局部最大值。

为了确定R波位置，使用高频刻度搜索最大正点和最小负点对的算法[17,19]。每个“R”之间的距离（以毫秒为单位）被定义为“RR间隔”（图4B）。实施搜索窗口以确定低频下的P波和T波。此外，当注册心跳时，我们得到一个简单的系列数字（每两个连续心脏之间的间隔，平均在1分钟内为70个数字，例如721,743,824,801,789等）这些每个人的特征在于强烈不同的生理或心理条件。根据ECG参数，分析ECG信号的心率变异性（HRV），如连续差异的根均线（RMSSD）（2）：

$\text{RMSSD}=\sqrt{（{\text{rr间隔}}_{1.}-{\text{rr间隔}}_{2.}）+（{\text{rr间隔}}_{2.}-{\text{rr间隔}}_{3.}）.．.．}$(2)

最后，QRS波群、BPM、RR间期、PR间期和RT间期显示在GUI上，并与正常炉床参数进行比较（表1），这样系统可以预测用户可能患有的疾病。如果其中一个值超出范围，则会立即高亮显示；同时，应用程序发出紧急呼叫并发送参数超出范围的警报消息。

该系统使用三铅电极从人体获取输入的生物测量信号。它检查三种输入是否都正确接收，并将信号发送给蓝牙模块，发送给Android手机的应用程序。App Android处理接收到的数据并显示BPM;RR、PR、RT间隔和GUI上的ECG波形[3]与正常参数进行比较(表1)。性能测试基于以下结果的比较:

•R波峰值

•RR间隔

•60秒内的PR和QT间期

•每分钟拍数

•QRS波群

•PR和ST段

•P波

来自Arduino ECG自动方法，以及从认证医疗设备（金标准）获得的结果：欧姆龙心脏扫描HCG-801-E。结果由经过培训的心脏病学家对70名健康受试者（45名男性-25名女性）进行了研究，年龄为20/70岁，并给出了书面知情同意书，以参与研究。首先，计算60秒内R波峰值、RR、PR和QT间期的数量。所有结果均能正确识别100%的R峰，总体而言，PR和QR间隔具有相同的长度；他们每分钟的估计心跳（BPM）没有显著差异（表2）。

金标准和自动装置之间的平均RR间隔的测量具有相关系数R = 0.993，如图5所示。然后使用来自MIT-BIH心律失常数据库的37个一分钟的长ECG数据集进行测试。将检测到的节拍与每个ECG信号的注释信息进行比较。该项目中实施的算法能够达到97.8％的敏感性，特异性为78.52％，正确分类的心跳的百分比从87％变化到100％，平均为97.92％，检测到的rr的平均误差率间隔为0.07％，RMSD错误率为0.69％。最后，RR50错误率为0.72％。

根据研究[7,9-11]，本研究的目的是提供一种直观的心电图设备，实时地将数据呈现给患者，不需要医生或专家来理解心电图值。

低生产成本和使用开放源代码许可证使得该设备的估计成本约为150/250美元。

本文提出了一种低成本的自动心电监护系统，该系统具有便携性，便于在任何环境下使用。该系统还通过Arduino使用蓝牙模块实现连接，该模块可用于将数据传输到任何Android手机，由特定应用程序处理数据并提取主要参数。结果显示在用户友好的图形界面中，患者可以轻松理解，并通过该界面发送到任何位置的医生。通过该系统可以对心脏状况进行及时监测，并在心脏疾病早期发现异常；此外，该系统由电池供电，便于携带，可在任何偏远地区和任何情况下使用。心电图结果经专家医生验证，并与经认证的医疗设备计算的结果进行比较。未来，该设备可以通过电子硬件实现佩戴，从而使受试者每天24小时持续监控，而不会在日常行动中遇到任何障碍或不适。

1. 心脏病：心血管医学教科书。费城第五版：WB桑德斯公司，1997:108。
2. Naazneen MG, Fathima S, Mohammadi SH, Indikar SIL, Saleem A，等。心电监护与心率测量系统的设计与实现。IJARSE 2013;2: 2319 - 5967。
3. Anderson RD, Kumar S, Parameswaran R, Wong G, Voskoboinik A.等。左、右流出道室性心律失常的鉴别。Circ Arrhythm electrophysiology . 2019;12: e007392。PubMed:https://www.ncbi.nlm.nih.gov/pubmed/31159581
4. Wang F, Tompkins W, et al. .基于Arduino和LabVIEW的生物医学工程训练便携式心电系统设计与HRV分析IJEEE 2017;5: 301 - 311。
5. 等。用于心脏变异性自动检测的集成物联网智能系统。Conf Proc IEEE Eng Med Biol Soc. 2018;5798 - 5801。PubMed:https://www.ncbi.nlm.nih.gov/pubmed/30441653
6. Das S，Pal S，Mitra M.Arduino基于噪声的鲁棒在线心率检测。医学工程技术杂志。2017；41:170-178。公共医学：https://www.ncbi.nlm.nih.gov/pubmed/28078906
7. 基于AD8232的物联网智能医疗系统。IJERT。2018;7.
8. Shokoueinejad M，Chiang M，Lines S，Wang F，Tompkins W，等。使用Arduino和Lab View的便携式心电系统的系统设计和HRV分析，用于生物医学工程培训。IJEEE.2017；5:301-311。
9. 基于智能分析的低成本心电监护系统的设计与实现。IJARSET。2018;6: 1025 - 1029。
10. Harini R，Rama Murthy B，Tanveer Alam K.使用Android应用程序开发心电监护系统。艾吉。2017; 9: 699-707.
11. Satija U，Ramkumar B，Sabarimalai Manikandan M.基于物联网的医疗监测的实时信号质量感知ECG遥测系统。Ieee物联网杂志。2017; 4: 815-823.
12. 瓦哈尼五世，英戈尔光伏公司。基于Android的无线心电监护系统。IEEE医疗保健创新点护理技术会议。Dic。2016: 183-187
13. Vargas Escobar LJ，Salinas SA。心脏远程监护电子健康原型系统。配置过程IEEE工程医学生物Soc。2016; 4399-4402.PubMed：https://www.ncbi.nlm.nih.gov/pubmed/28269253
14. 基于小波变换的心电特征点检测。Ieee T生物医学工程，1995;42:第21至28。
15. 王峰，王芳，李文，等。睡眠呼吸暂停:诊断传感器，算法和治疗的综述。生理测量。2017;38: R204 - R252。PubMed:https://www.ncbi.nlm.nih.gov/pubmed/28820743
16. Awal MA, Mostafa SS, Ahmad M, Rashid MA。心电去噪的自适应水平依赖小波阈值。Biocybern Biomed Eng. 2017;34: 238 - 249。
17. 徐曼敏，魏世生，秦锡伟。et al。基于规则的心电信号ST段形态分类方法。J Med Biol Eng. 2015;35: 816 - 823。
18. 潘杰，汤普金斯。一种实时QRS波检测算法。Ieee T生物医学工程，1985年；230-236. PubMed：https://www.ncbi.nlm.nih.gov/pubmed/3997178
19. 汤普金斯WJ。生物医学数字信号处理。编辑Prentice Hall, 1993。