Article Info

随着我国经济的快速增长和教育水平的不断提高，人们的健康意识也普遍增强，以预防为主，有病早发现早治疗的理念已经成为当下大众普遍接受并追寻的一种健康理念[1-2]。从2005年到2018年，我国65周岁及以上的人口数量逐年递增；预计到2020年，65周岁以上的老年人口将会达到2.48亿，占我国总人口比例的11.92%。与此同时，老年阶段的慢性病开始逐渐取代传染病和急性病[3-5]，成为威胁人们健康的主要因素，医疗模式[6]侧重于向长期保健和疾病预防的方式转变。

传统的医院监护设备，可以检测各种生理参数，包括十二导联心电[7]、脉搏波、舒张压、收缩压、血氧饱和度和体温，但是这些设备往往体积庞大，操作复杂，在使用过程中对各类传感器佩戴的位置和使用方式都有严格的要求，一般都需要经过专门培训的医护人员来操作，其使用通常会受到时间、空间的限制而无法达到实时测量的目的[8]。由于传统的以医院为中心的医疗模式已经无法满足现代人对健康管理的需求，研制可以在家庭中日常使用的多生理参数监护设备具有十分重大的意义。

本文研制了一款集心率、血氧、血压、体温测试于一体的手持式微型多生理参数监测设备，解决了传统设备测量参数单一的问题，且设备简易轻便，可随身携带，无创，不会干扰使用者的日常生活，一定程度上解决了用户的依从性问题。

1 生理信号采集及测量原理

心脏的跳动会造成心肌细胞电位的变化，该变化的电信号可以通过体液传到体表，引起体表电势差的变化，心电信号[9]就是由这种变化的体表生物电信号得来的。在每个心脏跳动周期中，由于传导时间的不同，大量心肌细胞瞬间电位的变化会在生物体表的不同位置形成电势差，心电图（Electrocardiogram，ECG）就是根据该电势差信号随时间变化描绘出来的曲线图[10]。测量时通过左手指末与右手指末的体表电势差采集到ECG信号，进而可得到单导联心电图。

光电容积脉搏波描记法（Photo Plethysmo Graph，PPG）是一种常用的无创检测方法，用来检测活体血液容积的变化，一般采用光电手段，以反射或透射的方式采集信号。研究发现，血液中氧合血红蛋白（HbO2）和脱氧血红蛋白（Hb）会对红光和红外光产生不同的吸收光谱，根据朗伯-比尔定律（The Lambert-Beer Law），当血液中血氧饱和度发生变化时，光探测器上660 nm和940 nm两个波长的相对光强有着明显的线性关系，基于此原理可得到血氧饱和度[11]。测量时只需用指末覆盖血氧探头，操作简单，具有无创性，且安全无交叉感染，不会给用户造成心理上的排斥。

体温也是反应人体健康情况的一项重要生理参数指标，通常通过热敏电阻在不同温度下阻值的变化对用户进行体温信号采集。

研究表明，PPG信号的传输时间会受人体内血压高低的影响[12-14]。根据这个规律，可以用脉搏传输时间（Pulse Transmission Time，PTT）来间接测量血压值。PTT定义为ECG信号中QRS波波峰值点到同一外围PPG信号上升沿斜率最大值点的时间和，见图1。

2 系统设计与实现

2.1 设备模块设计

本文选用STM32F411作为主控芯片，负责整个硬件平台的指令控制、数据运算及信号处理，通过设备表面的传感器分别采集到ECG信号、PPG信号和温度信号，然后通过相应的模拟前端进行信号处理，再通过中央处理器进行算法控制，解析出各项生理参数并在上位机显示，具体的架构见图2所示。系统以STM32F411为核心，集成生理信号传感器，体积小巧，各模块的器件选型及对应的通信接口分布，见表1。手持式设备体积小，ECG信号由单导联干电极获得，PPG信号由反射式血氧探头获得，体温信号由热敏电阻获得，设备无外接导线和探头。

2.2 软件系统功能

在嵌入式设备进入工作状态时，主程序首先对设备进行初始化，进入到测量模式，然后配置中断和相应的优先级，分别对传感器采集到的各项生理信号进行处理、分析和打包，最后通过蓝牙与上位机通信在终端设备显示各生理参数。具体流程，见图3。

2.3 生理信号降噪滤波处理

肌电干扰、呼吸干扰、工频干扰等各种干扰会对由心电电极采集到的原始心电信号造成影响，为了尽量减小这些干扰，需要对原始信号进行降噪、滤波处理。去除工频干扰常用的办法有50 Hz陷波滤波器[16]。在本系统的软件设计中，信号的采样频率是250 Hz，结合算法复杂度以及信号稳定性，这里以5点滑动平均滤波器为模型，去除信号的工频干扰，其差分方程如式(1)所示。

此外，基线漂移也是影响心电信号的一个重要因素。考虑到MCU的处理性能，采用101点中值滤波器滤除信号中的高频分量，然后用80点滑动滤波器做去除基线漂移处理，以此得到比较干净稳定的生理信号，便于后续的分析从而得到准确的有实际意义的生理参数。

2.4 ECG信号处理与心率的解析

ECG信号先经过滤波降噪处理，再通过PT算法，定位到ECG波形的极大值点，即可找到心电信号QRS特征值波群中的R点。通过相邻波峰的采样率和采样点数，计算RR点间期，确定一个心动周期的时间，从而计算心率值。具体软件设计流程图，见图4。

2.5 PPG信号处理与血氧饱和度的解析

根据血氧饱和度的计算方法，需要分别对红光和红外光提取出信号在周期内的直流分量IDC和交流分量IAC。血氧饱和度（Surplus Pulse O2，SPO2）可根据以下公式得到，式中A、B、C为常量，可用标准设备由最小二乘法拟合标定，660 nm的红光和940 nm的红外光在式中由λ1和λ2表示，IDC和IAC分别代表PPG信号的直流分量和交流分量。具体计算方法如式(2)和式(3)所示。

对采集到的原始光电容积脉搏波信号，首先进行一阶微分运算，扫描得到一阶微分曲线，分别找到从负到正和从正到负的过零点，再根据可以自适应调节的阈值找到信号的波峰值与波谷值。

2.6 血压的计算

根据Lansdown[13]提出的血压测量模型，血压与脉搏波传输时间存在式(4)的近似线性关系，其中a和b为待定的系数。由于动脉口径、血液粘稠度等也会对血压造成影响，Ding等[14]提出的血压测量模型可以有效解决这个问题，收缩压（SBP）和舒张压（DBP）的计算模型如式(5)、式(6)所示。

在该系统中，ECG信号和PPG信号的采样频率均为250 SPS，在采样过程中采用插值采样的方法以确保ECG和PPG信号的同步性。根据前文信号处理的方法找到心电信号的R值，以及同一外围光电容积脉搏波上升沿斜率最大值点，得到脉搏传输时间。

3 测试与验证

手持式微型多生理参数检测设备外形设计符合人体工学和美学设计，两端呈弧线形，测试时贴合手掌，便于使用者测量，设备外形，见图5。使用时，双手须有四个手指分别置于四个心电电极上，还需一个手指覆盖血氧探头，通过串口通信在电脑上位机进行原始生理波形显示，通过蓝牙通信在手机APP端进行生理参数的实时测试。测量方式，见图6。

以Fluke公司的ProSim 8生命体征模拟器作为标准设备，选取有参考意义的测试点对心率进行对比测试，以PHILIPS脉搏血氧仪DB18为标准设备对血氧饱和度进行临床对比测试，以欧姆龙体温计对体温参数进行对比测试，测试结果，见表2。从测试结果可以看出，心率的单点误差绝对值最大为2 bpm，平均绝对误差小于1 bpm，血氧饱和度误差在1%之内（一般血氧饱和度范围在99%～75%[14]，但是对于身体健康的人群其测试范围在99%～94%），体温测量的最大绝对误差为0.1℃，平均误差小于0.1℃，可以满足家庭日常监护需求。

以美国顺泰公司的动态血压检测仪SunTech Oscar 2作为血压测量的标准设备，通过标准设备和研制设备进行对比测试。对7个受试者分别在不同时段共测量36组数据，测量结果，见图7。通过图7可以看出，测试结果与SunTech血压仪参考结果呈正相关，经过数据分析，得舒张压的绝对误差为2.92 mmHg，收缩压的绝对误差为3.78 mmHg，设备具有较高的准确率。

4 结论

本文以现代人群健康管理理念的转变及家用可穿戴设备的需求为出发点，设计了一款手持式微型多生理参数监测设备，并对该设备所测量的各生理参数的方法进行了详细介绍。与传统设备相比，研制设备的优势在于采用高度集成的传感器，集心率、血氧、血压、体温测量于一体，体积小，方便携带，无外接导线，开机状态工作稳定。手持式微型多生理参数监测设备与标准设备进行了对比测试，结果表明本设备所测参数准确率很高，可达到家庭健康监护的要求。

[1]曹岩丽.浅析新形势下健康管理服务模式与发展策略[J].实用临床护理学电子杂志,2018,3(39):144-147.

[2]王燕.基于互联网的中医健康管理模式构建与应用[J].中医药管理杂志,2018,26(11):178-179.

[3]Mundt,Carsten W,Kevin NM,et al.A multiparameter wearable physiologic monitoring system for space and terrestrial applications[J].IEEE Trans Inf Technol Biomed,2005,9(3):382-391.

[4]Patel,Shyamal,Hyung Park,et al.A review of wearable sensors and systems with application in rehabilitation[J].J Neuroeng Rehabil,2012,9(1):21.

[5]WHO.Global status report on noncommunicable diseases 2017[J].Switzerland,2018,12(1):2-16.

[6]Anliker,Urs,Jamie AW,et al.AMON:a wearable multiparameter medical monitoring and alert system[J].IEEE Trans Inf Technol Biomed,2004,8(4):415-427.

[7]Scherr D,Dalal D,Henrikson CA,et al.Prospective comparison of the diagnostic utility of a standard event monitor versus a“leadless” portable ECG monitor in the evaluation of patients with palpitations[J].J Interv Card Electrophysiol,2008,22(1):39.

[8]Klingeberg T,Schilling M.Mobile wearable device for long term monitoring of vital signs[J].Comput Methods Programs Biomed,2012,106(2):89-96.

[9]BORYS SURAWICZ.周氏实用心电图学第5版[M].北京大学医学出版社,2004:1-4.

[10]Young DL,Wan YC.Wireless sensor network based wearable smart shirt for ubiquitous health and activity monitoring[J].Sens Actuators B Chem,2009,140(2):390-395.

[11]Sardini E,Serpelloni M.Instrumented wearable belt for wireless health monitoring[J].Procedia Eng,2010,5:580-583.

[12]Patzak A,Mendoza Y,Gesche H,et al.Continuous blood pressure measurement by using the pulse transit time:comparison to a cuff-based method[J].Eur J Appl Physiol,2012,112(1):309-315.

[13]Landowne M.A method using induced waves to study pressure propagation in human arteries[J].Circ Res,1957,5(6):594-601.

[14]Ding XR,Zhang YT,Liu J,et al.Continuous cuffless blood pressure estimation using pulse transit time and photoplethysmogram intensity ratio[J].IEEE Trans Biomed Eng,2016,63(5):964-972.

[15]Solà J,Chételat O,Sartori C,et al.Chest pulse-wave velocity:a novel approach to assess arterial stiffness[J].IEEE Trans BiomedEng,2011,58(1):215-223.

[16]Chakraborty S,Roy S,Chatterjee S,et al.50 Hz cascaded twin-tee notch filter for removal of power line interference from human electrocardiogram—part I:Circuit design[M].Foundations and Frontiers in Computer,Communication and Electrical Engineering.2016:20-21.

手持式微型多生理参数监测设备的研制

引言