uCare RG10型情景动态监测仪在心血管病早期预警的研究

张闻多，吴健康，冀连营

(1国家卫计委北京医院 心脏内科，北京100730;2中国科学院研究生院，北京100730)

0 前言

根据我国心血管病2008－2009年度报告，估计我国心脑血管病现患人数至少2.3亿，现患心肌梗死至少200万人，心脑血管病严重威胁着我国人民的生命、生活质量和国民经济。美国心血管学会(AHA)主席Binkley教授认为，心脑血管病的诊断和治疗必须借助于日常生活中的生理信号的连续检测。他认为，现有医院的仪器设备有三大致命缺点:一是采集不到一些低概率事件;二是不能测量心血管系统在日常生活中包括活动、工作、休息和睡眠时的生理反应;三是不能捕捉到生理信号的生理节奏的变化，而这些信号、特征和变化恰恰反映了病情的发展。

我们自2004年开始，提出了“有情景动态诊疗”(Context－aware diagnosis and management of cardiovascular diseases)的概念。认为心血管系统是一种由自主神经调控的复杂的动态系统，使用动态系统分析方法来评估其功能，是实现心血管早期诊断的有效方法。它可能实现我们“治未病”的梦想。但是，存在以下尚未解决的问题:心血管系统是复杂的动态系统，在医院中测量器质性病变的传统方法局限性很大。可能由于缺乏设备，现有研究和实验往往在控制的实验环境中，或假设满足静止或小运动量情景。这样导致了两个问题，一是实际情况与假设不符，二是离开了日常生活环境，达不到监测的目标，存在Binkley教授指出的三个局限性。我们提出，对心血管系统的监测和测量必须在日常生活、工作和运动中连续24小时进行，以测量心血管系统对日常生活中各种活动的生理反应，以及生理周期。这就要求同时测量心电图、血压、呼吸，以及相应的活动和环境等情景信息。

1 研究方法

1.1 研究对象

于2012年25－35岁成年人，经北京医院健康查体排除慢性肺部及心脑血管疾病，其中男性五名，女性五名。

1.2 人体传感网络技术仪器

图1 有情景动态监测仪和服务系统方框图

uCare RG10型心电和运动监测仪和系统(图1)。整个系统由三大部分组成:由患者佩戴的传感器单元;由患者携带的计算设备，如智能手机;以及中心服务器。传感器单元和计算设备组成用户所需的监测仪。

传感器单元的尺寸为56×32×16mm，重量为25g。两个心电图电极用导电布，消除了贴片会引起的皮肤过敏。手机与传感器单元间经蓝牙连接。数据处理和用户交互在手机上完成。手机界面中有运动分析结果，心电图、和报警信息发送的设置。手机向中心服务器定时发送佩戴者位置、心电和运动信息。发现异常时所有相关数据存入手机数据库，并发往中心服务器。分别为佩戴者在地图上的位置、心率和运动曲线、心电图波形、运动和心电状态。在地图上，可以点击何佩戴者图标，穿戴式传感器单元为低功耗微型传感器嵌入式系统。它有两类微型传感器组成:(1)生理信号传感器(心电图、呼吸、血压、体温等);(2)情景传感器(测运动的加速度计，测环境的温度、噪声传感器，测心理的皮肤传导计等)。传感器单元将采集的生理信号和运动等情景信号通过蓝才发给智能手机。机完成所有信弓处理:心电信号处理和异常检测，运动信号处理、运动分类和强度估计，心电和运动交叉分析等。。

1.3 应用uCare RGl0型心电和运动监测仪和系统对小区的10名健康者者的监测。这些健康者在某一小区内活动，他们都会出现在服务器的小地图上，用一个具有标识号的图标表示。每人佩戴有一个传感器单元带一个GPS的智能手机。传感器单元上有单导联心电图和运动传感器。使用运动传感器数据，可以分类山躺、坐、站、是、跑、摔、坐起、站起、坐下、躺下等运动类型，以及运动强度和步频。

2 研究结果

2.1 心电图自动分类

心电图自动分析方法包括了心电图中的噪声去除，QRS波定位，R－R间期和心率计算和室性早搏的自动检测。

由于动态心电图伴随着被测者的日常活动，而日常活动在一定程度上会给心电图带来干扰，为了准确分析被测者心电图，在自动检测心电图之前，对被测者的心电图信号进行了噪声去除处理。噪声去除处理采用了心电图自动处理领域广泛使用的离散小波变换方法。离散小波变换将不需要的基线漂移和高频率噪声移除后，可以使得心电信号的分析更为准确可靠。

考虑到心电信号的多样性和动态变化性，本QRS波定位方法采用了自适应门限检测方法，把长时间记录的被测者心电图数据分成小的时间段依次处理。该方法不依赖于被测者自身的心电图特征而能够准确定位其QRS波位置。同时，对噪声去除后的心电图信号做了进一步处理，以抑制心电图波中幅值较大的P波和T波，并凸显QRS波中的R波，进一步提高检测的正确率。自适应门限的门限定义如(1)式所示。

其中，PS为QRS波的R波峰值更新量，PN为其他杂波峰值更新量;TP_PN，TP_PS，FP_PN，FP_PN和λ均为常数;RPeakValue为当前检测得到的R波峰值，noisePeakValue为当前检测得到的杂波峰值;Th为判决门限值，若有新的R波峰值高于该值，则认为该峰值为当前检测心电图段的R波。

在检测得到R波位置之后，就可以根据相邻两个R波之间的时间间隔计算RR间期。得到RR间期之后，就可以按照医学上计算心率的方法得到被测者的心率，如式(2)所示，其中HR为被测者心率，单位为“次/分钟”，RRInterval为相邻两个R波之间的时间间隔，单位为“秒”。

同时提出了室性早搏自动检测方法。室性早搏作为心脏功能异常的一种表现，具有鲜明的特征，例如QRS宽度增大，R波幅值增高，RR间期缩短等。提出的室性早搏自动检测方法同时采用了模板匹配和特征融合的方法，该方法经试验证明具有很高的正确率和实用价值。

首先，考虑到室性早搏形状上的相似性，方法提取了4个模板，分别对应一个正常的R波正向的心电波形，一个正常的R波倒立的心电波形，一个R波正向的室性早搏波形，一个R波倒立的室性早搏波形。待检测的波形与4个模板中的某一个的距离越近，表明该波形与该模板的相似度越高，其中距离的定义式如式(3)所示。

其中sig表示一个周期的心电波形，tem表示模板波形，N为心电波形周期的时间长度。为了确保距离计算的准确度，预先已经将待检测的心电波形与模板的中心，即R波位置对齐，并做归一化处理。

考虑到室性早搏的特征，室性早搏检测方法定义了三个比值量，分别为QRS宽度比，R波幅值比和RR间期比，如式(4)－(6)所示。其中QRS宽度比定义为0.1秒与当前检测的QRS宽度比，这是因为正常的QRS宽度绝大多数在0.1秒以内，R波幅值比定义为当前R波幅值与上一个波形的R波幅值比，RR间期比为当前RR间期与上一个RR间期之比。

考虑到室性早搏的特征，可以得到，如果出现室性早搏，式(4)－(6)的值均会小于1，而如果是正常波形的话，这个值会大于1。由此这里的室性早搏检测方法定义了最终判别的距离，考虑到室性早搏的特征信息，将式(4)－(6)作为计算当前周期的心电波形到室性早搏模板距离的乘性因子。这样，一旦被测者出现室性早搏，其到室性早搏模板的距离进一步减小，而如果是正常波形，则到室性模板的距离被拉大，从而增加了判决距离，提供了稳定性。最终判决的式如式(7)－(9)，其中式(7)定义了到正常模板的距离计算方法，式(8)定义了到室性早搏模板距离的计算方法，C为一个常数，式(9)则是判断当前检测的波形是否是室性早搏的依据式，如果式(8)计算的结果小于式(7)计算的结果，则表明当前波形与室性早搏的相似度高于与正常波形的相似度，因此该波形被判断为室性早搏，否则认为是正常波形。

2.2 运动分类

在动态心血管疾病监测领域，被测者的心电图的形态、心跳节律均与被测者自身的活动具有高度相关性。典型的例子是当被测者的活动强度增大时，心跳节律会加快。为此，提出了在记录被测者的心电图的同时，采集被测者的活动数据，以在分析被测者的心血管疾病时提供诊断的活动情景信息。这里的活动分类方法分为四个步骤，即数据采集，数据预处理，特征提取和决策分类，如图1所示。运动分类和强度模块302自数据获取、存储和传输单元200获得活动数据后，对数据做初步的滤波预处理，提取不同活动类型对应的特征数据，最后依据这些特征数据做出分类决策，判断被测者当前的活动类型。以下以示范例之一“放置在胸前的三轴加速计”所采用分类方法为例，对运动分类方法进行具体描述。

图2

数据分析方法和软件单元读取到活动数据后，需要对数据做滤波预处理，以便更好地提取活动特征和做出分类决策。由于加速计同时感应重力加速度和被测者活动加速度，因此需要将二者分离。这里采用了一个100阶，截止频率为0.5Hz的FIR低通滤波器将重力加速度和被测者活动加速度分离，如式(10)所示。其中k代表轴的编号，取值为1－3，分别代表x，y和z轴。ar，k为第k轴的原始数据，ag，k为第k轴的重力加速度，am，k为被测者活动加速度，b为滤波器系数，N为滤波器阶数，即100。活动分类方法提出了三种特征分别描述被测者活动强度，身体姿态和过渡活动。这些特征为信号幅度面积，加速度计轴与重力方向的夹角和累积变化量，其中信号幅度面积用于描述被测者活动强度，该值越大，表明被测者活动强度越大;加速度计轴与重力方向夹角表明被测者躯干与地平面的夹角，依据该特征能够判别被测者是处在躺、坐或立的哪一种姿态;累积变化量是我们提出来的一种用于描述被测者姿态变化时的独创性特征，能够依据该特征判别当前被测者的姿态转变类型。特征的定义如式(11)－(13)所示，其中SMA为信号幅度面积，θk为第k轴与重力方向的夹角，AVk为第k轴的累积变化量。所有特征都是在窗口时间N内提取得到，N大小为1s。

本活动分类方法的另一个特点是在进行分类判决时是考虑到了人体运动生理学限制，即在有限的时间内，某些活动状态不能转变为另外的一些活动状态。由此，在对人体9种最为常见的活动(躺，起身，坐，躺下，起立，站，坐下，走，跑)进行分类时，采用了如图6的状态转变拓扑结构，该拓扑结构表明了依据运动生理学限制，在1秒的窗口时间内的状态转变方式。依据该拓扑结构，本活动分类方法提出了采用医学上广泛使用的概率决策模型来进行分类决策。

首先，依据活动状态转变拓扑结构，提出了采用状态转移概率描述状态相互转变的可能性。同时由状态转变拓扑结构，决定当前状态的因素有2个，分别是当前的特征和之前的活动类型。而影响当前活动状态的之前的活动类型则主要是由时间上邻近的活动状态，即时间邻近的动态状态(走，跑)，静态姿势(躺，坐，站)和过渡活动状态(起身，躺下，起立，坐下)。由此，得出当前状态的计算概率方法，如式(14)所示。

其中，Sc为当前活动状态，为邻近的动态状态，为邻近的静态姿势，为邻近的过渡活动状态，OO为当前时间窗口内提取的特征。依据式(14)，在进行分类判决时，选择所有9个状态中概率值最大的活动类型作为当前状态，如式(15)所示。依据式(15)，就可以判决出被测者当前处理的时间窗口内的活动状态。

2.3 运动情景下的心率变异性

心率变异性(Heart Rate Variation，HRV)是一种生理现象，指心跳的时间间隔随时间的变化，用于评估自主神经系统的功能，并进一步评估心源性致死因素。心率变异性降低对心梗、高血压、心律失常、糖尿病都有指示作用。我们的动态心率变异性分析的第一步是使用运动信息分割心率时间序列，如图2所示。

图3 使用运动信息(下图)分割由心电图产生的心率时间序列(上图)

图4 去除心率时间序列中的突发干扰，得到下图中的心率时间序列，由此计算各种运动状态下的心率变异度

2.4 运动中的心脏动态变化评估和ST段特征度量

在动态运动情况下，引起心血管系统增加对肌肉组织的供血和供氧，从而引起心脏的动态变化，反应为心率增加，ECG波形形态变化。运动中心脏动态变化分析是指根据运动类型和运动强度不同，评估ECG波形和心率的变化情况。这主要通过定义各种量化评估指标以及参考值来完成，这些指标主要包括基于运动强度的心率、ST段波形、QT长度、QRS宽度度量。这些指标反映了运动中心血管系统状态，对优化运动锻炼和训练效果、检测心律失常、预防运动猝死有重要意义。

图5 十个人在不同运动状态下的心率变异性。蓝色为休息时的心率。红色实线是未经处理的运动情形下的心率变异性，红色虚线是处理后的运动情形下的心率变异性。同时显现出运动强度大，心率变异性小的规律

我们提出了三种ST段特征度量，来表征心血管系统的动态特性，和检测可能疾病。其方法和实验结果如图6。

图6 ST段特征提取的第一步:ECG波形处理，检测ST段，形成ST段时间序列(上图)。第二步，将ST段时间序列分解为Trend、Fluctuation、和Outlier三个分量，如图中第二、三、四个图

三个特征度量分别为:

* The amplitude of trend is used to measure Con-tinuous Level Deviation(CLD):

AMCLD=max(trend)–Min(Trend)

*The Sparse Abrupt Event(SAE)is measured by number of outliers within a certain time period.

NUMSAE=Number of Outrlier

*The Random Detrended Fluctuation(RDF)of the ST time series is measured by the standard deviation of the fluctuation component:

其实验结果如图7所示。

图7 CLD度量统计。图中三个分别为MIT病人数据库中的22个数据、我们实验中10个健康人休息时和运动时的ST段水平偏移量。其中方框中的横线是均值，方框中有50%的分布，所有分布均在上下两个横线中。可见，而运动对健康人的ST段偏移影响不大

图8 ST方差与运动的关系。左图中，ST方差随运动强度的增加而增加，经心率修正后仍然如此。右图中，美国麻省理工(MIT)数据库中的病人数据是在轻度运动情形下，最右边的是大运动量情况。因此，ST方差随运动量的增加而增加

3 讨论

血压变异性(BPV)是指一定时间内血压波动的程度，是体内神经内分泌动态调节综合平衡的结果。血压变异性是人类血压的最基本的生理特征之一。2010年3月，有研究结果显示，即使平均血压正常，但偶尔有血压升高的情况，也可能是导致脑卒中的一个危险因素，其危险性甚至比那些平均血压很高，但血压水平一直处于平稳状态的情况还要严重。即血压变异性越大，对重要器官，如心脏、肾脏和脑的影响就越大。有研究者认为，血压与被测者的状态紧密相关，必须考虑被测者的运动、心情等状态，也必须考虑被测者的生理周期:凌晨和中午的血压及其变异性是不一样的。其次，目前的充气式血压测量不适合连续血压测量，即使测量单次血压，也必须作5次以上的测量，再求平均。荷兰医学科学中心的研究认为，脉压已被认为是脑卒中和冠心病的指标，其意义是反应血管硬度。血压变异性对脑卒中的预测指标还需进一步研究。

心率变异性也是脑卒中和冠心病等高致死率心脑血管病的早期预警指标。相当多的研究表明，心率变异性与冠心病等有紧密联系。在对163个对象进行的试验中发现，低水平HRV与所有冠状动脉硬化症高度相关。也观测到了冠心病患者的HRV时域指标和运动后的心率恢复能力的降低。Leschka等使用64－MDCT血管造影对114个动脉血管狭窄病人进行检查，发现其检查结果与HRV的非常一致。然而，心率变异性反映了中央自主神经系统的调控能力，在很大程度上受运动和人的心理状态影响。以往的心率变异性分析都没有考虑到这些影响，导致心率变异性稳定性不好，至今未获实际应用。加拿大渥太华大学的Seely教授开创了“连续个性化多器官特征变异性分析”(CIMVATM)。它连续测量心电、呼吸等信号，转换成标准的个性化的多器官特征变异性参数，在ICU提前24小时预测感染，降低了死亡率。

我们的研究首次通过人体传感网络技术仪器创建了心电图自动分类数据模型和通过人体传感网络技术提取活动特征和做出运动分类的数据模型。该数据模型具有操作简单，设备轻便，易于操作，并且通过该数据模型首次引入了不同运动类型，以及运动强度和步频。避免了与实际情况与假设不符和离开了日常生活环境的缺陷，即动态真实的测量了健康人不同运动下下的心率变异性显现出运动强度大，心率变异性小的规律;测量健康人休息时和运动时的ST段水平偏移量，ST方差与运动的关系，ST方差随运动强度的增加而增加，经心率修正后仍然如此;心肌缺血病人ST段水平偏移量高于健康人，而运动对健康人的ST段偏移影响不大。

我们提出的测量有如下特点:(1)基于情景，特别是运动情景的度量。使用先进的运动分类和估计方法，一方面，保证在稳定的运动状态下分析相应的度量，另一方面，使用不同的运动类型和强度下的度量，推导出这些度量的动态特性，增加了一类特征度量。(2)把生理周期作为一个新的维度，丰富了这些特征度量的内涵。(3)综合所有特征，组成“心血管系统综合动态性能指标”(Cardiovascular System Indices CSI)。

5 总结

我们提出了“有情景动态诊疗”的概念，进行了相应的研究工作，心血管系统是复杂的动态系统，必须通过有情景动态监测和基于动态系统理论的有情景数据融合方法来评估其系统功能，才能达到对心血管病的早期诊断和预警。

［1］Philip F.Binkley，et al.The Next Era of Examination and Management of the Patient with Cardiovascular Disease，IEEE Engineering In Medicine and Biology Magazine，2003，6:23－24

［2］J.K.Wu，et al.Ambulatory Examination and Management of CVD Patients，the 2007 IEEE Biomedical Circuits and Systems Conference，Montreal，Canada.2007，11;27－30

［3］吴健康等。心血管病动态监测和评估系统。中国卫生信息管理杂志。2011，08(5):43－47.

［4］Aiguang Li，et al.Real－Time Physical Activity Classification Using Single Accelerometer.Asia－Pacific Signal and Information Processing Association Annual Summit and Conference 2010.Biopolis，Singapore.2010，12:14－17，.

［5］Ji Lianying，et al.Activity－Aware HRV analysis.2011 IEEE International Conference on Systems，Man，and Cybernetics。2011

［6］Shaofeng Wang，et al.Body Sensor Networks for Ubiquitous Healthcare.Journal of Control Theory and Application.2011，9(1):3–9.

［7］Rothwell PM et al.Prognostic significance of visit－tovisit variability，maximum systolic blood pressure，and episodic hypertension.Lancet 2010，375:895–905.

［8］Joep Lagro.Prognostic significance of blood－pressure variability:Lancet 2010，376:413－414

［9］Alexandre Benjo，et al.Pulse Pressure Is an Age－Independent Predictor of Stroke Development After Cardiac Surgery，Hypertension.2007，50:630－635

［10］Helen M.Colhoun，et al.The Association of Heart－Rate Variability with Cardiovascular Risk Factors and Coronary Artery Calcification，Diabetes Care.June 2001，24(6):1108－1114.

［11］Y.Turker，et al.Heart rate variability and heart rate recovery in patients with coronary artery ectasia，Coronary Artery Disease:January 2010，21(1):8－12.

［12］S.Leschka，et al.Effect of Decrease in Heart Rate Variability on the Diagnostic Accuracy of 64－MDCT Coronary Angiography，American Journal of Roentgenology 2008，190:1583－1590.

［13］Andrew JE Seely，et al.Complex systems and the technology of variability analysis，Critical Care 2004，8:R367－R384.