[发明专利]用于睡眠监测的心肺信号感知与采集系统在审

专利信息
申请号: 201910261068.8 申请日: 2019-04-02
公开(公告)号: CN110236517A 公开(公告)日: 2019-09-17
发明(设计)人: 王泽宇;陈炜;陈晨 申请(专利权)人: 复旦大学
主分类号: A61B5/0402 分类号: A61B5/0402;A61B5/0205;A61B5/00;A61B5/0408;G01N27/26
代理公司: 上海正旦专利代理有限公司 31200 代理人: 陆飞;陆尤
地址: 200433 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 睡眠监测 采集系统 信号感知 多模态 信号采集控制模块 嵌入式控制软件 信号采集传感器 无线传输模块 信号处理技术 低生产成本 生理电信号 处理模块 电源功耗 高集成度 管理模块 呼吸信号 生理参数 睡眠监护 体外检测 信号分析 早期诊断 终端设备 低功耗 可编程 新途径 解算 元器件 察觉 简易 监测 疾病
【权利要求书】:

1.一种用于睡眠监测的心肺信号感知与采集系统,其特征在于,包括信号采集传感器、多模态生理电信号处理模块、信号采集控制模块、无线传输模块、电源功耗管理模块和终端设备,以及相应的嵌入式控制软件程序模块、信号分析解算模块;其中:

所述信号采集传感器,用于EEG信号、呼吸信号的感知获取,得到混杂较多噪声的生理电信号的原始模拟数值,经过前级预处理电路模块完成频带外的噪声以及50Hz工频及其倍频干扰的衰减;

所述多模态生理电信号处理模块,用于实现原始生理电信号的LPF低通滤波、多路MUX复用、多级PGA程控放大、AD模拟数字转换,并提供信号处理所需的高精度CLK时钟信号,得到数字多模态生理电信号;

所述信号采集控制模块,借助SPI串行通信接口将控制指令以全双工、同步通信的方式传输至多模态生理电信号处理模块;

所述无线传输模块,用于将多模态生理电信号处理模块获得的数字多模态生理电信号发送至空中接口完成数据的无线传输;

所述电源功耗管理模块,用于向预处理电路模块、多模态生理电信号处理模块、信号采集控制模块和无线传输模块供电;

所述终端设备,用于信号接收显示、数据存储、数据分析功能,完成与使用者的视觉交互、并提供系统工作日志的存储回传;

所述嵌入式控制软件程序模块,用于控制多模态生理电信号的采集转换时序进程;

所述信号分析解算模块,用于对采集得到的数字多模态生理电信号进行分析解算,并将解算结果以报告的形式进行展现;信号解析算法模块对数字多模态生理电信号先进行去伪迹预处理,然后对信号进行分段和特征提取,并利用支持向量机SVM进行睡眠阶段分类;最后根据分类结果进行睡眠质量分析与评估;同时借助医学知识,对常见心肺类疾病进行特征提取分析,结合机器学习算法对其进行筛查,以实现部分心肺类疾病的诊断。

2.根据权利要求1所述的用于睡眠监测的心肺信号感知与采集系统,其特征在于,所述信号采集传感器包括利用M/NWs/PDMS复合材料设计的主动ECG电极以及薄膜类压力传感器;M/NWs/PDMS复合材料中,M为Ag、Cu或Au纳米线。

3.根据权利要求2所述的用于睡眠监测的心肺信号感知与采集系统,其特征在于,所述预处理电路模块包括二阶RC电路搭建的LPF低通滤波电路和物理陷波电路。

4.根据权利要求3所述的用于睡眠监测的心肺信号感知与采集系统,其特征在于,所述多模态生理电信号处理模块采用ADS1299芯片;所述信号采集控制模块由MCU芯片构成;所述无线传输模块为蓝牙模块,其工作于全球开放的2.400 ~ 2.500GHz 频段,支持SPP工作模式;所述电源功耗管理模块包括锂电池以及外围电路,所述外围电路包括DC-DC升压电路和DC-DC低压差线性LDO稳压电路。

5.根据权利要求4所述的用于睡眠监测的心肺信号感知与采集系统,其特征在于,所述信号分析解算模块中,所述去伪预处理包括:利用中值滤波去除ECG和呼吸信号的基线漂移,并利用截止频率为30Hz的低通滤波器去除心电信号中的相关噪声干扰,利用截止频率为2Hz的低通滤波器去除呼吸信号中的相关噪声干扰;然后将经预处理的心电和呼吸信号进行分段和特征提取;所述特征提取包括:提取心电信号的R-R间期的均值、标准差、中值、均方根;心电信号R-R间期的不同频段的能量、能量比;呼吸信号的呼吸波峰数量、波峰波谷间隔平均值、波峰波谷间隔标准差、波峰间隔标准差;呼吸信号不同频段的能量、能量比;以及心电信号与呼吸信号的耦合特征;最后利用支持向量机SVM对睡眠进行分类,得到睡眠阶段的分类结果;数据分析解算模块同时根据睡眠阶段分类的结果,分别给出入睡时间、清醒时间、总睡眠时长、不同睡眠阶段分别时长以及睡眠效率的睡眠分析结果;同时借助基于样本建模的方法,使用大量数据库进行疾病学习,结合特征筛选功能完成分类器的训练,从而实现疾病筛查的功能。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学,未经复旦大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910261068.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top