基于物联网心电图机的心电监测云平台设计与开发.pdf

文章编号：1671-7104(2024)02-0228-04基于物联网心电图机的心电监测云平台设计与开发【作者】王运权1,2，毕讯3，赵映41海南医学院第一附属医院心血管内科，海口市，5701022海南医学院，海口市，5711993海南医学院第一附属医院普通外科，海口市，5701024海南医学院第一附属医院心脏外科，海口市，570102【摘要】该文介绍了基于物联网心电图机的心电监测云平台的设计与开发，它主要由心电采集模块、算法模块、诊断模型对比模块、预警及定位模块和医疗救助系统组成，心电采集模块收集患者的心电信号，在移动终端上实时显示，并通过物联网上传至心电监测云平台，算法模块和诊断模型对比模块对心电图进行标记、处理、分析、诊断，通过物联网将心电图和云平台诊断预警结果推送给患者、120急救中心，指导患者自救、急救平台开启绿色通道及时救治患者，从发病到诊断、处理一步到位，争分夺秒抢救生命。【关键词】云平台；心电监测；物联网；人工智能【中图分类号】R197.39；TH77【文献标志码】Adoi:10.12455/j.issn.1671-7104.230247Design and Development of ECG Monitoring Cloud Platform Based onthe Internet of Things Electrocardiograph【Authors 】WANGYunquan1,2,BIXun3,ZHAOYing41Department of Cardiovascular Medicine,the First Affiliated Hospital of Hainan Medical University,Haikou,5701022HainanMedicalUniversity,Haikou,5711993DepartmentofGeneralSurgery,theFirstAffiliatedHospitalofHainanMedicalUniversity,Haikou,5701024DepartmentofCardiacSurgery,theFirstAffiliatedHospitalofHainanMedicalUniversity,Haikou,570102【Abstract 】The design and development of electrocardiogram（ECG）monitoring cloud platform based on theInternetofThings（IoT）electrocardiographisintroduced.TheplatformismainlycomposedofECGacquisitionmodule,algorithmmodule,diagnosticmodelcomparisonmodule,warningmodule,positioningmoduleandmedicalaidsystem.TheECGacquisitionmodulecollectsECGsignalsofpatientsanddisplaystheminrealtimeonthemobileterminals.ThentheyareuploadedtotheECGmonitoringcloudplatformthroughtheIoT.Thealgorithmmoduleandthediagnosticmodelcomparisonmodulemark,process,analyze and diagnose the ECG.Meanwhile,the ECG diagnosis and warning results are pushed topatientsand120emergencycentersthroughtheIoT.Furthermore,thecloudplatformwillguidepatientsto self-rescue and the emergency platform will open the green channel to save patients in time.Theplatformrealizesfromtheonsettodiagnosisandtreatmentinonestep,andsaveslivesagainsttime.【Key words】cloudplatform,ECGmonitoring,InternetofThings,artificialintelligence0引言引言 中国心血管健康与疾病报告2021数据显示，目前我国正面临人口老龄化和代谢危险因素流行的双重压力，心血管病患病率呈持续上升趋势，心血管疾病负担继续加重1。特别是在机体感染奥密克戎（Omicron）变异毒株后，患者可能出现胸闷、胸痛、气促等心肌缺血、缺氧表现，因为上述症状难以与病毒所致的呼吸道症状区别，往往导致延误治疗时间，甚至危及生命。心电图检测可以在第一时间捕捉心肌缺血、恶性心律失常、心脏停搏等波形，是发现心血管疾病急性发作最简单快速的方法。传统的心电监测设备（如十二导联心电图机）是医生做医生看，患者发病后需前往医院，安收稿日期：2023-04-23基金项目：海南省科技重点项目（ZDYF2020034），海南省卫生健康科技创新联合项目（Q2023WSJK0515）作者简介：王运权，E-mail:通信作者：毕讯，E-mail:ChineseJournalofMedicalInstrumentation2024年48卷第2期临 床 医 学 工 程228装导联时需要涂导电胶、连接导联线，过程烦琐，不能实现患者在家自测2；远程心电监测设备（如AppleWatchSeries4、KardiaMobile等）多为单导联，即肢体导联监测，一次只能测量一个导联，测量所得波形不能达到医用级别，无法用于诊断3。心血管疾病的流行趋势及心电监测设备市场现状为远程心电监测平台的建设提出了更高的要求，而物联网、人工智能的发展为心电监测云平台的发展提供了新的机遇4。结合目前心电监测设备使用过程中发现的问题，我们设计、开发了基于物联网心电图机的心电监测云平台，包括心电采集模块、算法模块、诊断模型对比模块、预警及定位模块和医疗救助系统，实现了心血管病快速预警、高效救治。1需求分析需求分析心血管病患者的心电图采集突出一个“快”字。传统心电图机检查流程（见图1）：患者感到不适，本人或家属打电话给120；患者经120救护车转运至医院；接诊医生用心电图机检测，对异常心电图做出诊断；医院开通绿色通道急救。时间最少需要15min，平均26min。这一过程耗时长，步骤烦琐。因此，需要建立一个心电监测管理系统，将心电实时采集、显示和存储、分类、诊断、预警、定位等一系列系统纳入平台架构中，实现快速、简单、高效的心电图诊断和预警，从而提高区域心血管病的急救水平。转运医院120救护车医生延误抢救时机诊断救治心电图诊断患者发病图1传统心电监测流程Fig.1TraditionalECGmonitoringprocess2云平台设计云平台设计2.1心电采集模块心电采集模块为物联网心电图机和手机端APP的结合，负责心电信号采集和处理、数据传输及地理位置定位。目前，第一代物联网心电图机CAREDA-3已经实现了三导联心电图采集，它由3个采集电极和一个参考电极完成，内置AD8232芯片，将在人体皮肤上捕捉到的心脏生物电信号输出为数字信号。心电信号属于频微弱小信号，肌电噪声、工频干扰、基线漂移等均会造成干扰。AD8232内置专用仪表放大器（instrumentationamplifier，IA）、运算放大器（A1）、右腿驱动放大器（A2）和中间电源电压基准电压缓冲器（A3）。专用仪表放大器主要用于小信号的放大，并具有共模抑制的功能；3个采集电极分别位于胸前的左上、右上、右下位置，对应单极肢体导联的左臂、右腿、右臂位置，构成右腿驱动放大器，输入电流时会抵消共模电压变化，从而改善系统的共模抑制性能。这些保证物联网心电图机能有效提取出微弱的心电信号，同时对各种噪声起到最大的抑制。物联网心电图机采用的氧化银干电极测量比传统的湿电极测量有显著优势，省去涂导电胶、导电液等烦琐步骤，节约成本，且波形不失真，信号采集灵敏度高5。物联网心电图机与手机端APP通过低功耗蓝牙4.0连接，可以实时显示，也可以在采集标准时长后上传至云平台。数据传输功能是指将心电图通过物联网上传至云平台进行人工智能诊断，或者传送给指定的医生分析，数据传递采用的是Zigbee通信协议，具有功耗低、复杂度低、延迟短、容量大、可靠性高等特点6。地理位置定位功能是指向云平台发送患者的实时位置，便于平台定位心血管病患者，更高效地开展救治。患者打开心电图机，在手机端输入用户名和密码登录手机端APP，两者通过蓝牙配对成功。如果用户是第一次使用，要注册并完善年龄、性别等个人信息。再按照说明书要求将心电图机放置在胸前指定位置，待心电图机背面的电极识别后自动捕捉胸前导联心电信号，并在手机端APP上显示实时心电信号，待心电波形稳定后可交由身边医生直接判读或点击采集有效时间长度，点击上传按钮上传或发送给指定医生（见图2）。(a)第一代物联网心电图机(a)First generation of ECG machineof the Internet of Things(c)心电图采集过程(c)ECG collection process(d)心电图通过物联网上传(d)ECG is uploaded through theInternet of Things(b)手机端APP登录界面(b)APP login interfaceon mobile phone图2心电采集模块运行示意Fig.2OperationdiagramofECGacquisitionmoduleChineseJournalofMedicalInstrumentation2024年48卷第2期临 床 医 学 工 程2292.2算法模块将心电采集模块采集到的数字信号上传至云平台的算法模块，后者负责运用人工智能算法实现心电信息的分类、识别、整合、分析，然后再反馈用户。算法模块主要包括滤波去基线算法、特征点识别算法、QRS波算法、房颤分析、心率变异性（heartratevariablity，HRV）分析算法、R波分类算法、联律类型分析等。在常规心电图采集过程中，体位变动、呼吸等因素均会引起心电波形的基线漂移，另外各类中、高频电磁感应干扰也会造成波形变异很大、特征被抹杀和混淆，标志点不清晰，这些都会给分析带来困难7。针对这一问题，算法模块中的滤波去基线算法通过计算基线漂移值这一方法来去除心电图波形中基线漂移，使心电图异常波形便于识别8。另外，利用QRS波算法进行QRS波群的检测，实现RR间期和实时心率计算；而房颤分析用于测定每次房颤发生的起始、结束和持续时间；心率变异性HRV分析算法可以用于时域分析（SDNN/SDSD/RMSSD/PNN50等）以及频域分析（高频、低频和超频等）；R波分类算法用于识别正常节律、室性期前收缩、室上性期前收缩、长间歇、逸搏和RonT；联律类型分析的主要功能是识别单发室性期前收缩、成对室性期前收缩、室性二联律、室上性三联律、停搏、房颤、心律不齐、心动过速和心动过缓等。上述算法的正常运行确保了分析的快速、诊断的准确。图3展示了4位患者在同一时间分别用该心电图机与12导联医用心电图机采集的心电图波形的对比，并显示云平台对心电图处理和异常波形识别、标记的过程。(a)室性期前收缩(a)Ventricular premature contractions(b)心房颤动(b)Atrial fibrillation(c)心房颤动束支传导阻滞(c)Atrial fibrillation and bundlebranch block(d)心房扑动室内传导阻滞(d)Atrial flutter and intraventricularblock图3物联网心电图机采集的心电波形与医用心电图机对比Fig.3ComparisonofECGwaveformscollectedbyourECGmachineandmedicalECGmachine2.3诊断模型对比模块诊断模型对比模块，用于存储心电数据和算法分析结果，进行深度学习训练、构建疾病诊断模型。模型包括深度卷积神经网络（convolutionalneuralnetworks,CNN）和长期短期记忆网络（longshort-termmemory,LSTM），用于提取心电图信号的空间及时间上的特征，有效提高对心电图数据分类的准确性9。该模块包含多个诊断模型，每个诊断模型均通过不同的算法构建，携带诊断标记，使用模块存储的心电数据样本进行深度学习训练，从而获得多个深度预测结果，采用加权的方式得到最终集成预测结果。深度学习模型选用机器学习中的贝叶斯分类器、K近邻算法、K均值算法、线性回归、逻辑回归、多元非线性回归拟合方法、Adaboost算法、隐马尔可夫模型、极限学习机、随机森林算法、决策树算法10、生成式对抗网络、堆叠自动编码器、全连接网络、无监督预训练网络、深度信念网络、深度玻尔兹曼机11和神经张量网络中的一种或多种，通过分析不同心电数据对比诊断模型正确率的高低，最终获得多个包含不同机器学习算法的诊断模型，将多个诊断模型融合，从而获得一个完整的具有广泛疾病识别能力的整合模型，用于实际的疾病诊断。实际上在应用的过程中，云平台后台医生还会对人工智能诊断结果进行人工校正，相较于Holter动态心电图的单纯人工智能诊断，该方法在准确性和特异性方面更有优势，后续要开展大规模横断面研究进行验证。2.4预警及定位模块云平台将心电图的检测数据分析结果保存在云端，患者既可以在手机APP上查看数据分析报告，也可使用移动设备或电脑客户端上的应用软件，将数据报表导出为PDF格式12。同时云平台及时对心血管病急症患者进行预警，首先通知患者自救，同时后台由定位系统对患者手机终端定位，根据定位通知120急救中心或医院胸痛中心开通绿色通道进行急救，达到对心血管病实时监测和及时预警的目的。2.5医疗救助系统医疗救助系统设置于医院内，由120急救中心或医院胸痛中心组成。云平台通过物联网与120急救中心或胸痛中心联系，将患者心电数据和诊断结果发送至医疗救助系统，医生对云平台提供的心血管病患者心电数据诊断结果复核，并将判断结果回传至云平台。基于物联网心电图机心电监测云平台示意如图4所示。ChineseJournalofMedicalInstrumentation2024年48卷第2期临 床 医 学 工 程2303云平台功能实现云平台功能实现基于物联网心电图机的新型心电监测流程如图5所示，一步到位，3min内完成。心电采集上传检测云平台诊断及预警争分夺秒诊断抢救急救中心患者发病图5心电监测云平台工作流程Fig.5WorkflowofECGmonitoringcloudplatform（1）患者感到不适，把物联网心电图机固定于胸前指定位置，然后登录移动终端APP，通过心电图机采集人体的心电信号，将采集的心电信号经过蓝牙传送至移动终端上并显示，点击录制有效时间上传。（2）患者通过物联网将所采集的心电图上传至云平台处，云平台的算法模块和诊断模型对比模块根据心电图的特征进行诊断，获得诊断结果，对异常结果发出预警。（3）云平台将诊断结果和预警信息发送至患者手机终端，便于患者查看，指导患者自救，同时通知后台医生对心电图和诊断预警结果进行复核。（4）当患者存在心血管急症发病风险时，120急救中心或医院胸痛中心及时派出救护车，根据移动终端上的定位，开通绿色通道及时展开急救。为验证系统功能，我们指导心血管病患者在院外使用物联网心电图机及云平台进行心电监测。院外一位心律失常患者感到心前区不适，使用物联网心电图机采集心电信号，将心电图结果发送给心电监测云平台，云平台提供人工智能诊断、后台医生校正诊断（见图6），并将诊断结果及预警信息提交120急救中心，120急救中心开通绿色通道对患者进行急救，及时给予药物治疗。图7为患者到达医院后使用医用12导联心电图机复测的心电图，提示患者存在心房扑动、频发多源室性期前收缩等心律失常发作。实验结果表明，系统运行正常，云平台诊断与院内诊断相同，新型心电监测流程反应较传统流程迅速。4总结与展望总结与展望我们设计并开发了一套患者可以自测、上传、诊断、定位、预警的基于物联网心电图机的心电监测云平台，患者从发病到诊断、处理一步到位，心血管病发病预警3min内完成，为保障人民的生命健康提供强有力的支撑。未来物联网心电图机和心电采集模块将不断优化，借助云平台和物联网技术将区域医疗系统联结成一张网，使远程精准医疗、居民健康监测成为可能。参考文献中国心血管健康与疾病报告2021编写组.中国心血管健康与疾病报告2021概述J.中国心血管病研究,2022,20(7):577-596.1贾孟哲,毕讯,闫庆峰.手机心电图机的研究进展J.中国医疗设备,2021,36(5):161-165,172.2周凤,定翔,张磊.可穿戴心电监测设备的性能评估J.计量科学与技术,2022,66(5):37-40.3潘荣全,张焕基,郭攸胜,等.远程心电监测系统的研究进展J.心血管康复医学杂志,2018,27(4):488-491.4毕讯,隆彦群.互联网家用无线心电图机的设计及应用J.中国医疗器械杂志,2022,46(3):269-272.5孙璐阳,王全秀.基于物联网和Zigbee技术的智能公交调度系统J.电子技术与软件工程,2019(9):93-94.6刘芳霞,李杰.心电图波形分析的算法研究J.医学信息,2004,17(10):610-611.7王琦.心电图去基线漂移的数字滤波算法比较J.科学技术与工程,2008,8(8):2183-2186.8刘守华,王小松,刘昱.基于深度学习的临床心电图分类算法J.计算机与现代化,2021(8):52-57.9BREIMAN L.Random forestsJ.Machine Learning,2001,45(1):5-32.10SALAKHUTDINOV R,HINTON G.Deep BoltzmannMachinesC/ProcAISTATS2009.2009,5:448-55.11屈正.当今可穿戴动态心电图记录仪的性能特点与判读模式J.中国心血管病研究,2020,18(8):673-678.12向患者反馈诊断及预警信息算法模块诊断及预警信息患者感到不适医疗救助系统定位及预警模块心电采集模块诊断模型对比模块开通绿色通道，及时开展救治图4基于物联网心电图机心电监测云平台示意Fig.4SchematicdiagramofECGmonitoringcloudplatformbasedonInternetofThingsECGmachine图6心电监测云平台诊断实例Fig.6ExampleofECGmonitoringcloudplatformdiagnosis图7患者到达医院后复查心电图Fig.7ElectrocardiogramobtainedafterthepatientsarrivalathospitalChineseJournalofMedicalInstrumentation2024年48卷第2期临 床 医 学 工 程231