生物医学信号处理一体化实验平台设计与实践

嵇晓强，张凌竹，庞春颖，付一乔，曹 秒，李景梅

（长春理工大学生命科学技术学院，长春 130022）

0 引 言

生物医学信号的获取和处理是生物医学工程学科研究的重点方向，也是人工智能医疗的一个重要研究领域。先进的智能医疗终端、智能医疗机器人等研发，都需要生物医学信号处理技术［1-3］。要想系统、全面掌握生物医学信号处理知识与技能，必须学好生物医学电子学和医学信号处理这两门实践性很强的核心课，从电路的设计和调试、算法模型的搭建，到训练参数的调节，只有经过不断实践才能真正地掌握以及融会贯通。然而，大多数院校这两门课程的实验环节设置存在诸多问题。

（1）硬件资源方面。①硬件建设较落后，实验硬件零散，有效利用率低，缺少集成的、一体化的实验平台［4］。每学期都需要重新购置实验器件，造成实验资源的浪费。②市面上的医学电子教学仪器价格高、信号种类少，导致后续的医学信号处理课程只能通过仿真软件进行分析，学生无法将设计的算法直接应用于实际提取到的生理信号上，缺乏实际体验和感性认识，无法体会调试和误差分析对于系统设计的重要性［5］。

（2）软环境方面。对于生物医学信息的获取和处理而言，关乎生物医学电子学、医学信号处理、模式识别3 门课程内容，但是目前不同课程之间孤立，内容之间相互脱节，导致学生只能从局部层面（单门课程）了解实验项目，无法形成系统的知识体系［6］。

（3）实验内容过于陈旧。内容的深度不够，广度不足，重点不突出，实验项目缺乏高阶性、创新性和挑战度。实验项目内容并没有跟踪最新的行业研究动态，没有引进人工智能相关知识，实验数据资源如生理信号数据库远远不够，与行业需求脱节。

以上导致学生对于生物医学信号处理技术的掌握不够全面，零散的专业知识和实验技能导致其对实际问题缺乏整体分析能力，而且不具备快速迭代与研发的能力［7-8］。严重制约着学生工程实践、科学研究以及创新能力的培养［9］。

针对以上现状和不足，结合当前人工智能医疗对生物医学工程人才实践、科研、创新能力的需求，紧紧围绕培养学生解决复杂问题能力、创新创业能力和科研素养的要求，以“三结合、三整合、三位一体”的厚基础、强实践、重创新的设计思路和理念，开发了一套集教学、科研、创新实践为一体的生物医学信号处理一体化实验平台［10-11］。该平台在教学实践中取得了良好的效果，调动了学生的学习兴趣，产出了大量的实验成果。通过近3 年生物医学工程专业毕业生追踪反馈以及在校生问卷调查，显示学生对平台满意度很高。

1 生物医学信号处理一体化实验平台设计

以“三结合、三整合、三位一体”为设计理念，构建基于一体化实验平台的学生创新能力培养体系，如图1 所示。

图1 基于“三结合、三整合、三位一体”一体化实验平台框图

（1）三结合。指的是将生物医学电子学与生物医学信息获取技术、人工智能技术相结合，将生物医学知识与数据处理技术相结合，将电路设计实验与软件算法研究相结合，是一个集软硬件开发与资源共享的实验平台，为生物医学工程专业学生提供一个良好、实用的实验环境。

（2）三整合。包括：①整合了生物医学电子学、生物医学信号处理、模式识别等实验课程，打通原有课程实验之间的壁垒（见图2）；②整合不同知识点，包括医学信号采集、医学电子学设计、医学信号处理、模式识别算法、生物医学信号特征识别等内容，使学生把专业知识和技能串联起来，构建完整的知识和实验课程体系［12］。③整合不同教学方法，探索多元化的教学方法和手段，结合创新竞赛和科研项目课题，开展基于项目式的混合式教学模式，以学生为主学习，教师指导学生完成，师生协同创新，实现项目驱动实践育人。

图2 课程之间逻辑关系

（3）三位一体。既包含基础实验、进阶实验以及高级实验层次递进式实验教学内容，也包含由实验教材、电路板、数据库构成的全方位教学资源，集“硬件设计-采集、算法开发-设计、数据库集成-验证”为一体，构建了一体化、分层次、多通道、全方位的实验教学体系［13-14］。

2 一体化实验平台硬件系统设计

生物医学信号处理一体化实验平台的硬件系统主要包括医学电子学开发板及其附件。设计遵循模块化理念，由生物医学传感器（电极）模块、信号模拟调制模块、主控模块、数据存储模块、数据通信模块、电源模块、显示模块以及按键、发光二极管LED灯、嗡鸣器及接口模块构成，示意图如图3 所示，实物图如图4 所示。为了提高平台的使用率以及空间利用率，平台在设计时兼顾了小型化和集成化特点，电路板尺寸仅为6 cm×6 cm，而且接口丰富，便于功能扩展。

图3 一体化实验平台原理示意

图4 一体化实验平台硬件实物

微处理器负责系统的整体控制，是信号处理的核心部件。考虑到接口数量、处理速度及外围设备等综合因素，使用STM32 系列芯片作为核心处理器，具有体积小、功耗低、处理速度快等特点，能够满足整个平台的功能需求。其最小系统包括晶振电路、调试电路、复位电路等。芯片内部自带的12 位模数转换模块将模拟量转换为数字量。存储模块具有容量大，改写速度快等优点，适用于大量数据的存储，可以保证长时间健康数据监护或睡眠数据监测的存储需求。

平台通信接口包括蓝牙5.0、串口、USB 3 种方式，实现系统与主机之间的通信。电源供电包括大容量电池购电和电源充电器通过USB 接口直接给电路板供电。其他输入输出电路包括LED 灯、LCD 显示屏、按键、蜂鸣器等，用于显示、指示、控制系统工作状态。

平台的传感器模块可以直接与核心板连接，包括心电电极、加速度计、指夹式脉搏波探头、皮肤电反应（Galvanic Skin Response，GSR）指套、体温探头等。信号模拟调制电路主要实现信号的放大、低通滤波、右腿驱动、导联脱落检测等，采用集成芯片ADS1292 来设计调理电路，其内部具有多个24 位同步采集模数转换通道，单个芯片即可实现本设计的要求。而且体积小、功耗低、精度高，非常适合电路板向可穿戴设备移植的技术要求。同时，ADS1292 内部具有右腿驱动电路、电极脱落检测电路、振荡器、参考电压以及SPI数据接口，极大方便了硬件电路的设计。

一体化实验平台能够实现对典型生理信号采集的需要，结合生理参数测量和电路性能参数计算等相关理论知识，可以完成电路的理论计算和仿真验证，在面板上搭建电路进行测试，对关键参数进行调整，提高测量精度和系统性能。最后，在实验平台电路板上完成生理参数的测量和所设计电路的验证。它将零散的专业知识和实验技能串联成系统，使学生对生理参数测量系统有一个整体的、宏观的认识，有助于学生快速掌握生理参数的测量方法、电路设计与仿真、电路调试与优化、PCB板图设计与制作等，课程目标之一即学生能独立设计出一个完整可行的生理参数测量电路板。

3 实验教学内容设计

针对生物医学电子学、生物医学信号处理、模式识别3 门课程相关的知识点，设计了基础、进阶、高级3大类实验，共28 个典型的实验项目，如表1 所示，构建了层次递进式实验教学内容体系。

表1 典型实验项目

基础实验是对原理性的实践知识的掌握和实际操作，内容相对基础简单，主要包括几种典型生理信号的采集电路设计。能完成电路的理论计算和仿真验证，并且能通过不断调整参数，在测量过程中对电路进行测试和验证。

进阶实验是在基础实验上引入单片机课程内容，体现生理信号采集的全过程。基础实验采集到的模拟信号经过模数转换交由单片机处理，信号可通过串口、蓝牙、USB等方式传输到计算机进一步分析，也可以存储，从而实现基于微处理器的人体生理参数测量系统的设计，同时还要对关键参数进行调整，提高测量精度和系统性能。

高阶实验将部分科研课题孵化为可操作的创新实践项目，着力提升实验内容的深度和难度，更好地诠释出实验内容的高阶性、创新性和挑战度［15-16］。实验项目专注于智能医疗电子设备和软件系统的研发，关注心理健康、康复养老、医疗机构等应用场景，进一步推进人才培养和科技创新有机融合。该部分项目全面考察学生生理信号采集、数据库选择、生理信号预处理、生物信号特征提取、分类与识别算法开发、模型测试与优化等知识和技能的掌握程度。通过高阶项目的训练，能够熟练掌握人工智能生物识别方法框架和流程，以及一些基本的经典的模式识别算法。

4 实践教学案例设计

一体化实验平台在教学应用上以项目为案例，侧重于实操性，将信号采集电路设计、信号处理、模式识别算法开发，通过项目串接起来，做出具有实际功能的生物信号获取及分析系统［12］。

睡眠呼吸暂停低通气综合症（Sleep Apnea Hypopnea Syndrome，SAHS）是一种常见的睡眠疾病，严重危害人的生命健康，睡眠呼吸暂停综合症的检测意义非常重大。本案例包括心电信号采集、心电信号预处理、心电信号特征提取、ECG-SAHS 筛查模型构建、可穿戴睡眠呼吸暂停检测终端以及模型迁移学习与测试几个关键模块。首先搭建和设计心电信号采集电路，正确采集到信号后，存贮或者传输到电脑端，并与一体化实验平台采集结果相比较，不断修正电路；接下来选择合适的数据库，进行信号预处理，提取特征，训练机器学习模型。最后通过实验平台采集人体睡眠期间的心电信号，构建数据库，进行信号预处理，将机器学习算法模型进行实际验证，不断修正和优化模型，从而设计出筛查睡眠呼吸暂停综合症检测系统。图5为案例的流程与框架。

图5 基于ECG的睡眠呼吸暂停综合征检测案例的处理框架

（1）心电信号采集模块。心电电极采取两种方案，一种是传统的贴片式电极，其特点是价格低，但是长时间使用会导致人皮肤不适；另一种是柔性织物电极代，其由导电材料和常规纺织材料构造而成，通过涂镀将导电材料黏附在纱线或者织物上。特点是价格昂贵，但是舒适性强，适合长期使用。

一体化实验平台电路板设计了基于高精度医疗芯片ADS1292 的心电信号采集电路，具有内置放大器电路和高分辨率模数转换器，可以减少共模干扰。通过其CH2 通道输入心电信号后，ADS1292 将放大心电信号并通过内部调制电路进行模数转换，增益设置为1 000。系统将右腿驱动的输出直接反馈给两个检测电极，以实现右腿驱动电路的功能。SPI 通信接口在模数转换之后将心电信号传输到微处理器STM32。STM32负责系统的总体控制，包括初始化、配置蓝牙、模数转换以及读取和存储心电数据。

（2）心电信号预处理模块。训练和评估数据使用在睡眠疾病诊断领域公认的权威数据库-Apnea-ECG数据库，该数据库包括35 个训练组和35 个测试组，数据时长8～10 h，总呼吸暂停时间均值约为6 h，16 843条数据，采样频率100 Hz。30 位男性和5 位女性，平均年龄46 岁。

由于心电信号存在一定噪声，不能直接使用，根据信号特点，采取中值滤波法去除基线漂移，以bior3.5小波作为小波基进行5 层小波分解，采用小波阈值法去除信号中的工频干扰和肌电干扰，通过降噪过程，信号的心电特征变得更明显。选取PT算法精准定位心电信号的QRS波，并提取到RR间期（RRI）。

（3）心电信号特征提取模块。基于心电信号RR间期进行心率变异性（HeartRateVariability，HRV）分析，采用HRV时域和频域参数作为特征值，时域特征为：RRmean、SDNN、MSD、SDANN、rMSSD、NN50、PNN50、CV、HR，频域特征为LF和HF。

（4）ECG-SAS 判别模型设计模块。采用不同的机器学习分类算法进行睡眠呼吸暂停的筛查，包括神经网络（Back Propagation，BP）、支持向量机（Support Vector Machine，SVM）以及长短期记忆-循环神经网络（Long Short-term Memory-Recurrent Neural Network，LSTM-RNN）。为了评估分类器，应用Se、Sp、＋Pv、Acc和F＿score 作为判断类别，其中：Se表示SAHS 的正确识别率；Sp表示正常样本的检测率；＋Pv表示确定为SAHS时的实际响应率；Acc表示任何样本的检测准确度；F＿score 是对模型分类性能的综合评估。针对Apnea-ECG数据库分别得到82.3%，84.2%和86.5%的测试集准确率。

（5）可穿戴睡眠呼吸暂停检测终端设计模块。为了一体化实验平台电路板的实际应用，将一体化实验平台电路板进行了优化，设计了可穿戴的硬件终端。①优化了心电传感器，采用具有更高的信噪比和更高的稳定性的柔性织物电极代替穿戴的湿电极片，其导电传感层由镀铜导电织物制成，并通过各种涂层工艺将导电材料附着到织物上，构成心电信号的单导联采集电路。②进一步优化电路，缩小电路板尺寸，将电源、通信模块、信号处理模块、主控制芯片和存储器所构成的电路板，集成在控制器盒内，通过电极按钮与织物电极连接。所设计可穿戴的睡眠呼吸暂停检测终端，如图6（a）所示。

图6 基于一体化实验平台开发的部分成果

（6）模型迁移学习与测试模块。将A／N 判别模型迁移学习到可穿戴终端进行实际应用测试。选择了18 名成年志愿者在实验室环境下模拟睡眠呼吸暂停实验。受试者佩戴所设计的可穿戴设备，进行3 h 的呼吸正常和呼吸暂停睡眠实验。通过可穿戴终端采集睡眠过程中的心电数据。将数据进行数据处理和人工A／N标记，用以上3 个识别模型测试标记好的心电数据集，分别得到80.1%，82.4%和84.5%的准确率。

5 面向产出的教学成果评价

设计的一体化实验平台已经在长春理工大学、吉林医药大学等高校的生物医学工程专业应用，取得了良好的教学效果。根据教学反馈，绝大部分学生能掌握医学电子学电路设计、医学信号处理、生物特征识别等相关知识，能以3～5 人为1 组，完成电路设计、原理图绘制、PCB板图设计、焊接、程序设计、电路调试、一般的信号处理算法设计、识别模型构建等。该平台能帮助学生建立宏观和总体的思维，锻炼学生的创新思维和动手能力［17-18］。学生在项目实施过程中获得了更大的学习空间，对本专业的认可度大大提升，对医学电子学仪器、生物医学特征识别以及人工智能医疗行业的发展有了一定的认识，具备了一定的专业素养。

图6 还展示了学生基于一体化实验平台开发的部分成果，包括智能运动监测腰带及APP、帕金森病患者手运动学测量和评估系统、基于表面肌电信号的无线控制鼠标、基于PPG信号的精神压力评估系统。

依托本教学平台，学生完成了多个实验项目，参与多项学科竞赛，近几年获得国家级竞赛奖励13 项，省级项目16 项。

为了全面调查学生对一体化实验平台的评价，针对2017 级、2018 级、2019 级3 个年级学生开展问卷调查（见图7），问卷内容涉及到理论知识的理解程度、电路设计掌握程度、医学信号处理掌握程度、编程语言的掌握程度、硬件电路板满足度等多个维度，调查结果显示学生对一体化实验平台评价很高。同时，通过建立师生之间的效果反馈评价机制，授课教师能及时调整授课方式，形成良性、动态、有效的教学互动。

图7 学生满意度调查

6 结 语

结合当前人工智能医疗对生物医学工程人才实践、科研、创新能力的需求，针对目前生物医学信号获取与处理实验教学存在的问题，紧紧围绕培养学生解决复杂问题能力、创新创业能力和科研素养的要求，开发了一套集教学、科研、创新实践为一体的生物医学信息处理一体化实验平台。分析了实验平台开发思路与理念，开发了一体化实验平台硬件系统，设计了三位一体层次递进式实验教学内容，结合案例阐述了实验教学过程。以学生成果展示、学科竞赛获奖、参与教师科研课题情况、考研就业去向等成果输出方式，并结合问卷调查，对一体化实验平台教学成果进行了评价。该平台将生物医学工程核心知识点串联起来，使学生形成了宏观思维，提升了学生对专业的认知度，激发了学生的学习兴趣，提高了实践和创新能力，具备快速迭代与研发的能力。