基于振动建模的心脏多频振动信号传感器模块及特征提取方法
摘要
1.简介
2.材料和方法
2.1. 多频振动模型及系统框架
2.2. 传感器设计与制造
2.3. 采集终端设计
2.4. 基于1D-CNN的特征提取算法
2.4.1. 特征提取框架
2.4.2. 1D-CNN模型设计
2.4.3. 模型评估
3.结果
3.1. 采集系统与信号预处理
3.2. 数据源
3.3. 多频振动传感器测试
3.4. 多频振动模型的验证
以ULF-SCG为代表的基频模式表征了收缩和舒张引起的心脏容积变化过程; 以SCG为代表的中频振动模式,位于次声带和少量可听声带中,因此既包含低频行为,如快速舒张充盈峰值和心房收缩峰值,也包含高频行为,如瓣膜打开和关闭; 以PCG为代表的高次谐波模式表征了瓣膜开闭和血流所产生的高频声学信息。
3.5. 特征提取算法的验证
3.5.1. 数据集组织
3.5.2. 1D-CNN模型训练与优化
3.5.3. 模型测试和评估
4.讨论
5.结论
作者贡献
基金
机构审查委员会声明
知情同意书
数据可用性声明
利益冲突
工具书类
Zhao,D.亚洲心血管疾病的流行病学特征。 JACC亚洲 2021 , 1 , 1–13. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 魏,X。; 庄,L。; 李,H。; 他,C。; Wan,H。; 胡,N。; Wang,P.多维心脏生物传感技术的进展:从电生理到机械运动和收缩力。 小型 2020 , 16 , 2005828. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 韩,X。; 吴,X。; Wang,J。; 李,H。; 曹,K。; 曹,H。; 钟,K。; 杨欣。在保健领域中,心电图(BCG)和地震心电图(SCG)研究的最新进展和发展趋势。 申请。 科学。 2021 , 11 , 8896. [ 谷歌学者 ] [ 交叉参考 ] Rai,D。; 香港塔卡。; 拉吉普特,S.S。; 圣塔玛利亚,J。; 巴特,C。; Roca,F.《地震心电图综合评论:采集、注释和应用方面的最新进展》。 数学 2021 , 9 , 2243. [ 谷歌学者 ] [ 交叉参考 ] Obaidat,M.心音图信号分析:技术和性能比较。 医学工程技术杂志。 1993 , 17 , 221–227. [ 谷歌学者 ] [ 交叉参考 ] 贾法里·塔迪(Jafari Tadi,M.)。; Lehtonen,E。; 萨拉斯特,A。; 托米宁,J。; 科斯基宁,J。; 特拉斯,M。; 艾拉克西宁,J。; Pänkäälä,M。; Koivisto,T.陀螺仪:一种新的无创监测方法,用于评估心脏力学和血流动力学变量。 科学。 代表。 2017 , 7 , 6823. [ 谷歌学者 ] [ 交叉参考 ] 卡萨内拉,R。; Khosrow-khavar,F。; 施密特,S。; 扎内蒂,J。; Tavakolian,K.心脏机械信号。 在 心血管计算方法与临床应用 ; 施普林格:新加坡,2019年; 第63-79页。 [ 谷歌学者 ] Crow,R.S。; Hannan,P。; 雅各布斯,D。; Hedquist,L。; Salerno,D.M.心动周期中事件的心电图与超声心动图之间的关系。 美国无创心脏病杂志。 1994 , 8 , 39–46. [ 谷歌学者 ] [ 交叉参考 ] Taebi,A.地震心电信号的特征、分类和成因。 2018年,美国佛罗里达州奥兰多工程与计算机科学学院博士论文。 [ 谷歌学者 ] D'Mello,Y。; 斯科利奇,J。; 徐,S。; 罗氏,P.J。; 洛蒂,M。; 加格农,S。; Plant,D.V.,实时心搏检测和联合地震心动图和陀螺心动图的心率监测。 传感器 2019 , 19 , 3472. [ 谷歌学者 ] [ 交叉参考 ] 哈,T。; Tran,J。; 刘,S。; Jang,H。; Jeong,H。; Mitbander,R。; 哈,H。; 邱,Y。; Duong,J。; Wang,R.L.一种胸型超薄可伸缩E型纹身,用于测量心电图、地震心电图和心脏时间间隔。 高级科学。 2019 , 6 , 1900290. [ 谷歌学者 ] [ 交叉参考 ] 塔瓦科利安,K。; 波尔塔西奥,G。; 北卡罗来纳州坦登杜斯。; Jahns,G。; Ngai,B。; 杜蒙特,G.A。; A.P.Blaber,《心肌收缩力:地震心电图方法》。 2012年8月28日至9月1日在美国加利福尼亚州圣地亚哥举行的2012年IEEE医学和生物学会工程国际年会论文集; IEEE:美国新泽西州皮斯卡塔韦,2012年; 第3801–3804页。 [ 谷歌学者 ] 塞米兹,B。; Carek,A.M。; 约翰逊,J.C。; 艾哈迈德,S。; Heller,J.A。; F.G.维森特。; Caron,S。; 霍格,C.W。; 埃特马迪,M。; Inan,O.T.手术患者围手术期使用的利用地震心动图的无创可穿戴贴片。 IEEE生物医学杂志。 健康信息。 2020 , 25 , 1572–1582. [ 谷歌学者 ] [ 交叉参考 ] 杨,C。; Tavassolian,N.地震和回转心电图联合检查:对心脏诱发的胸部振动进行更全面的评估。 IEEE生物医学杂志。 健康信息。 2017 , 22 , 1466–1475. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 古普塔,P。; M.J.Moghimi。; Jeong,Y。; 古普塔,D。; O.T.伊南。; Ayazi,F.用于纵向监测机械声心肺信号的精密可穿戴加速计接触式话筒。 NPJ数字。 医学。 2020 , 三 , 19. [ 谷歌学者 ] [ 交叉参考 ] Sunwoo,S.-H。; Han,S.I。; 帕克,C.S。; Kim,J.H。; Georgiou,J.S。; 李,S.-P。; 金·D·H。; Hyeon,T.心血管疾病管理的软生物电子学。 生物工程自然科学版。 2024 , 2 , 8–24. [ 谷歌学者 ] [ 交叉参考 ] D’Mello,纽约州。; 斯科利奇,J。; 哈基姆,S。; Aboulezz,E。; 克莱蒙特,N。; 洛蒂,M。; Plant,D.V.使用振动心电描记术识别与心音对应的振动。 2020年7月20日至24日在加拿大魁北克省蒙特利尔举行的2020年第42届IEEE医学与生物工程学会(EMBC)国际年会论文集; IEEE:美国新泽西州皮斯卡塔韦,2020年; 第17-20页。 [ 谷歌学者 ] Choudhary,T。; Sharma,L。; Bhuyan,M.K.从胸骨地震心电图信号中提取心音。 IEEE信号处理。 莱特。 2018 , 25 , 482–486. [ 谷歌学者 ] [ 交叉参考 ] 杨,C。; 唐,S。; Tavassolian,N.利用陀螺仪自动标注地震心电图。 IEEE传感器J。 2017 , 17 , 2129–2136. [ 谷歌学者 ] [ 交叉参考 ] 卡斯蒂格利奥尼,P。; 法尼,A。; 帕拉蒂,G。; Di Rienzo,M.穿戴式地震心电图仪。 2007年8月22日至26日在法国里昂举行的2007年第29届IEEE医学和生物工程国际年会论文集; IEEE:美国新泽西州皮斯卡塔韦,2007年; 第3954–3957页。 [ 谷歌学者 ] 安德烈奥齐,E。; Centracchio,J。; 蓬佐,V。; Esposito,D。; 波利,C。; Gargiulo,G.D。; Bifulco,P.通过心电图传感器监测呼吸。 传感器 2021 , 21 , 3996. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 高,Z。; Wang,Y。; Xu,X。; 张,C。; 戴,Z。; 张,H。; 张杰。; Yang,H.一种基于机电声标测框架的便携式心脏动态监测系统。 IEEE传输。 生物识别。 电路系统。 2023 , 1–17. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 安德烈奥齐,E。; Gargiulo,G.D。; Esposito,D。; Bifulco,P.一种用于同时监测呼吸、次声心脏振动和心音的新型宽带心电图传感器。 前面。 生理学。 2021 , 12 , 725716. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 双歧杆菌。; Gargiulo,G。; d'Angelo,G。; 利卡多,A。; 罗曼诺,M。; 克莱门特,F。; 塞萨雷利,M。; Angelo,G。; 利卡多,A。; Romano,M.通过PVDF压电薄膜传感器监测呼吸、地震心电图和心音。 测量 2014 , 11 , 786–789. [ 谷歌学者 ] Xu,X。; 耿,X。; 高,Z。; Yang,H。; 戴,Z。; Zhang,H.基于K-Mean聚类和小波变换的最佳心音分割算法。 申请。 科学。 2023 , 13 , 1170. [ 谷歌学者 ] [ 交叉参考 ] Lin,D.J。; 加齐,A.H。; Kimball,J。; Nikbakht,M。; Inan,O.T.使用自适应高斯混合模型实时地震心电图特征提取。 IEEE生物医学杂志。 健康信息。 2023 , 27 , 3889–3899. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Khosrow-Khavar,F。; Tavakolian,K。; A.P.布拉伯。; 扎内蒂,J.M。; Fazel-Rezai,R。; Menon,C.用高频心前区加速度自动注释地震心电图。 IEEE生物医学杂志。 健康信息。 2014 , 19 , 1428–1434. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 里韦罗,I。; 瓦尔德斯,E。; Valdes,F.使用CWT稳健检测地震心电图中的AO和IM点。 IEEE拉丁美洲事务。 2016 , 14 , 4468–4473. [ 谷歌学者 ] [ 交叉参考 ] 香港塔卡。; Sahoo,P.K.使用机器学习实现地震心电图信号的自动快速注释。 IEEE传感器J。 2019 , 20 , 2578–2589. [ 谷歌学者 ] [ 交叉参考 ] Kiranyaz,S。; 阿瓦西,O。; O.阿卜杜勒贾贝尔。; 因斯,T。; Gabbouj,M。; Inman,D.J.1D卷积神经网络及其应用:综述。 机械。 系统。 信号处理。 2021 , 151 , 107398. [ 谷歌学者 ] [ 交叉参考 ] Ruiz,J.T。; 佩雷斯,J.D.B。; Blázquez,J.R.B.使用卷积神经模型检测心律失常。 《分布式计算和人工智能学报》,第15届国际会议,西班牙托莱多,2018年6月20日至22日; 施普林格:2019年,瑞士查姆; 第120-127页。 [ 谷歌学者 ] Kiranyaz,S。; 因斯,T。; 哈米拉,R。; Gabbouj,M.用于患者特定心电图分类的卷积神经网络。 2015年8月25日至29日在意大利米兰举行的2015年第37届IEEE医学和生物工程学会(EMBC)国际年会论文集; IEEE:美国新泽西州皮斯卡塔韦,2015年; 第2608-2611页。 [ 谷歌学者 ] Kiranyaz,S。; 因斯,T。; Gabbouj,M.通过一维卷积神经网络对患者特定的实时心电图进行分类。 IEEE传输。 生物识别。 工程师。 2015 , 63 , 664–675. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 王,G。; 耿,X。; 黄,L。; 康,X。; 张杰。; Zhang,Y。; Zhang,H.基于一维深卷积神经网络的多形态脉冲信号特征点识别。 问询处 2023 , 14 , 70. [ 谷歌学者 ] [ 交叉参考 ] 卢,T.C。; 刘,P。; 高,X。; 吕青云,一种基于AD8232芯片的低功耗、小体积便携式心电监护仪。 申请。 机械。 马特。 2014 , 513 , 2884–2887. [ 谷歌学者 ] [ 交叉参考 ] 李·G。; 黄,D。; Wang,L。; 周,J。; 陈,J。; Wu,K。; Xu,W.一种检测心电图信号中特征波及其开始和结束的新方法。 生物识别。 信号处理。 控制 2022 , 75 , 103607. [ 谷歌学者 ] [ 交叉参考 ] 吉尔西克,R·法斯特。 2015年12月7日至13日在智利圣地亚哥举行的IEEE计算机视觉国际会议记录; 第1440–1448页。 [ 谷歌学者 ] 黄,N.E。; 沈,Z。; Long,S.R。; 吴,M.C。; Shih,H.H。; 郑琦。; 北卡罗来纳州的Yen。; 东,C.C。; Liu,H.H.非线性和非平稳时间序列分析的经验模式分解和希尔伯特谱。 程序。 R.Soc.伦敦。 序列号。 数学。 物理学。 工程科学。 1998 , 454 , 903–995. [ 谷歌学者 ] [ 交叉参考 ] 皮切,M.-E。; Poirier,P。; Lemieux,我。; Després,J.-P.肥胖和体脂分布对心血管疾病的流行病学和贡献概述:更新。 掠夺。 心血管疾病。 数字化信息系统。 2018 , 61 , 103–113. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Lodwich,A。; 兰戈尼,Y。; Breuel,T.使用多层感知器评估早期停止规则的鲁棒性和性能。 2009年6月14日至19日,美国佐治亚州亚特兰大,2009年国际神经网络联合会议记录; IEEE:皮斯卡塔韦,新泽西州,美国,2009年; 第1877-1884页。 [ 谷歌学者 ] 薛,J。; Lai,K.W.C.基于EMG的人机交互中的动态握力估计和重建。 生物识别。 信号处理。 控制 2023 , 80 , 104216. [ 谷歌学者 ] [ 交叉参考 ] 陈,C。; 李,Z。; Zhang,Y。; 张,S。; Hou,J。; Zhang,H.用于脉冲波形分类的卷积神经网络加速器的低功耗FPGA实现。 算法 2020 , 13 , 213. [ 谷歌学者 ] [ 交叉参考 ] 黄,L。; 耿,X。; Xu,H。; Zhang,Y。; 李,Z。; 张杰。; Zhang,H.基于卷积神经网络的传感器阵列干扰信号识别及FPGA实现。 数码产品 2021 , 10 , 2867. [ 谷歌学者 ] [ 交叉参考 ]