本發(fā)明涉及醫(yī)學(xué)信號(hào)智能處理，尤其涉及一種穿戴式bcg(ballistocardiogram，心沖擊信號(hào))心拍監(jiān)測(cè)裝置。

背景技術(shù)：

1、心臟是人體最重要的器官之一，與人們的健康密不可分。ecg(electrocardiogram，心電信號(hào))是記錄心臟電活動(dòng)的一種電傳導(dǎo)信號(hào)，通過(guò)在皮膚表面放置電極，可以測(cè)量心臟在不同時(shí)間點(diǎn)的電壓變化。ecg被廣泛用于診斷心臟病變，如心律失常、心肌梗死、心肌缺血等。醫(yī)生可以通過(guò)分析心電信號(hào)波形的形態(tài)和間隔來(lái)評(píng)估心臟的健康狀況，幫助診斷疾病、制定治療方案和監(jiān)測(cè)療效。ecg還可用于篩查高危人群，及早發(fā)現(xiàn)潛在的心臟問(wèn)題，預(yù)防心血管疾病的發(fā)生。

2、與ecg不同，bcg是記錄心臟機(jī)械運(yùn)動(dòng)的一種力學(xué)信號(hào)，通過(guò)測(cè)量心臟搏動(dòng)時(shí)產(chǎn)生的胸部振動(dòng)來(lái)反映心臟的收縮和舒張。bcg可以提供關(guān)于心臟收縮力、心率、心臟容積等信息，對(duì)評(píng)估心臟功能和心臟病變的影響具有重要意義。通過(guò)應(yīng)用bcg，醫(yī)生可以更細(xì)致地了解患者的心臟狀況，制定針對(duì)性的個(gè)性化的治療方案，提高治療效果，降低心臟病發(fā)作和并發(fā)癥的風(fēng)險(xiǎn)。

3、不同于ecg必須通過(guò)電極和導(dǎo)電介質(zhì)(如凝膠)與皮膚接觸來(lái)獲取，bcg是通過(guò)測(cè)量心臟搏動(dòng)時(shí)胸部振動(dòng)產(chǎn)生的力學(xué)信號(hào)，bcg的檢測(cè)不需要與人體皮膚直接接觸，可以在不干擾受試者的情況下進(jìn)行長(zhǎng)時(shí)間監(jiān)測(cè)。這種非侵入性的特點(diǎn)適合于長(zhǎng)期監(jiān)護(hù)和睡眠監(jiān)測(cè)。目前基于bcg信號(hào)識(shí)別心率疾病的實(shí)時(shí)性延遲、編輯性不足，以及識(shí)別精確度低，是當(dāng)前需要解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述的分析，本發(fā)明實(shí)施例旨在提供一種穿戴式bcg心拍監(jiān)測(cè)裝置，用以解決現(xiàn)有心率疾病識(shí)別裝置中基于bcg信號(hào)識(shí)別心率疾病的實(shí)時(shí)性延遲和便捷性不足，以及識(shí)別精確度低的技術(shù)問(wèn)題。

2、本發(fā)明提供了一種穿戴式bcg心拍監(jiān)測(cè)裝置，包括如下步驟：

3、bcg采集傳感器，集成于可穿戴的胸帶中，用于采集連續(xù)時(shí)刻的實(shí)時(shí)bcg信號(hào)傳送至微處理器監(jiān)測(cè)模塊；

4、微處理器監(jiān)測(cè)模塊，內(nèi)置訓(xùn)練好的類腦分類模型，用于對(duì)所述實(shí)時(shí)bcg信號(hào)進(jìn)行預(yù)處理后輸入訓(xùn)練好的類腦分類模型進(jìn)行識(shí)別，獲得預(yù)測(cè)的心率疾病種類；以及用于判斷所述預(yù)測(cè)的心率疾病種類是否為正常；若否，則發(fā)送預(yù)警指令至預(yù)警及語(yǔ)音預(yù)報(bào)模塊；

5、預(yù)警及語(yǔ)音播報(bào)模塊，用于基于所述預(yù)警指令進(jìn)行對(duì)應(yīng)報(bào)警，并進(jìn)行報(bào)警語(yǔ)音提示。

6、進(jìn)一步地，所述裝置還包括：

7、數(shù)據(jù)存儲(chǔ)模塊，用于存儲(chǔ)所述實(shí)時(shí)bcg信號(hào)、預(yù)處理后的bcg信號(hào)、對(duì)應(yīng)的預(yù)測(cè)的心率疾病種類、bcg信號(hào)采集日志和報(bào)警日志；

8、可視化模塊，用于顯示采集的連續(xù)時(shí)刻的實(shí)時(shí)bcg信號(hào)，以及對(duì)應(yīng)的預(yù)測(cè)的心率疾病種類，并提供被采集bcg信號(hào)的對(duì)象的生理信息的編輯界面。

9、進(jìn)一步地，所述微處理器監(jiān)測(cè)模塊將預(yù)處理后的bcg信號(hào)輸入訓(xùn)練好的類腦分類模型進(jìn)行識(shí)別，獲得預(yù)測(cè)的心率疾病種類結(jié)果，采用one-hot編碼，如下：

10、00001為正常；

11、00010為s類心率疾病包括房性早搏、異常房性早搏、交界性早搏、室上性早搏；

12、00100為v類心率疾病包括室性早搏、室性逸搏；

13、01000為f類心率疾病包括心室融合心跳；

14、10000為q類心率疾病包括起搏心搏、起搏融合心跳、未分類心跳；

15、其中，s、v、f、q為四類心率疾病。

16、進(jìn)一步地，所述微處理器監(jiān)測(cè)模塊將所述預(yù)處理的bcg信號(hào)輸入訓(xùn)練好的類腦分類模型中進(jìn)行識(shí)別，得到預(yù)測(cè)的心率疾病種類；其中，所述類腦分類模型基于脈沖神經(jīng)網(wǎng)絡(luò)構(gòu)建，依次包括靜態(tài)卷積層、通道注意力層和全連接分類模塊；

17、所述靜態(tài)卷積層包括一維卷積層conv1d、lifnode類腦激活層和池化層；所述一維卷積層conv1d用于通道擴(kuò)展提取特征，輸入的特征圖經(jīng)過(guò)conv1d卷積以及l(fā)ifnode類腦激活后，通道數(shù)由1擴(kuò)展為4，序列長(zhǎng)度由304降維為284；然后所述池化層對(duì)擴(kuò)展了通道、降維了序列長(zhǎng)度的特征圖進(jìn)行下采樣后輸出，設(shè)為x；

18、所述通道注意力層包括通道權(quán)重分支和傳遞輸入分支；

19、所述通道權(quán)重分支經(jīng)過(guò)adaptivemaxpool1d函數(shù)與自定義卷積組合，輸出不同通道的注意力值，設(shè)為a；

20、所述傳遞輸入分支，首先進(jìn)行x與a相乘運(yùn)算，再經(jīng)過(guò)一個(gè)卷積層，和一個(gè)池化層進(jìn)行下采樣后輸出三維張量的特征圖至所述全連接分類模塊進(jìn)行分類；

21、所述全連接分類模塊包括flatten展平層和線性層，輸入的三維張量的特征圖經(jīng)過(guò)flatten函數(shù)被展成二維張量，再經(jīng)過(guò)線性層得到心拍類型的分類預(yù)測(cè)概率；基于該分類預(yù)測(cè)概率得到心率疾病分類結(jié)果。

22、進(jìn)一步地，訓(xùn)練類腦分類模型，包括：

23、構(gòu)建包括預(yù)處理后的ecg及對(duì)應(yīng)bcg的第一訓(xùn)練數(shù)據(jù)集；

24、利用所述第一訓(xùn)練數(shù)據(jù)集訓(xùn)練ecg-bcg映射模型，直至損失函數(shù)收斂獲得訓(xùn)練好的ecg-bcg映射模型；

25、基于訓(xùn)練好的ecg-bcg映射模型，構(gòu)建類腦分類模型第二訓(xùn)練數(shù)據(jù)集；其中，所述第二訓(xùn)練數(shù)據(jù)集包括bcg及對(duì)應(yīng)ecg的心拍類型；

26、利用所述第二訓(xùn)練數(shù)據(jù)集訓(xùn)練類腦分類模型，達(dá)到最大迭代輪次后獲得訓(xùn)練好的類腦分類模型。

27、進(jìn)一步地，基于u型卷積網(wǎng)絡(luò)的編碼-解碼結(jié)構(gòu)構(gòu)建ecg-bcg映射模型，包括編碼器模塊和解碼器模塊；

28、所述編碼器模塊，用于將接收到的預(yù)處理后的ecg，進(jìn)行下采樣提取局部特征，輸出表示局部特征的特征圖矩陣；

29、所述解碼器模塊，通過(guò)轉(zhuǎn)置卷積層恢復(fù)空間維度，并通過(guò)跳躍連接將所述編碼器模塊提取的局部特征與解碼器模塊上采樣的全局特征進(jìn)行融合，恢復(fù)至原始維度空間，輸出與預(yù)處理后的ecg對(duì)應(yīng)的bcg；

30、其中，特征圖矩陣表示為三維張量，三個(gè)維度分別為批次大小、通道數(shù)和序列長(zhǎng)度維度。

31、進(jìn)一步地，所述編碼器模塊為下采樣結(jié)構(gòu)，包括五個(gè)下采樣層，其中：

32、第一下采樣層依次包括一個(gè)步長(zhǎng)為1的卷積層、以及層歸一化和prelu激活，卷積層將輸入特征圖的通道數(shù)從1增加至32后輸出至第二下采樣層；

33、第二至五下采樣層依次包括兩個(gè)步長(zhǎng)為1卷積層和最大池化層，每個(gè)卷積層后依次進(jìn)行層歸一化和prelu激活，第一個(gè)卷積層用于將當(dāng)前層輸入的特征圖的通道數(shù)翻倍，第二個(gè)卷積層保持通道數(shù)不變，并通過(guò)最大池化層將當(dāng)前層輸入的特征圖的序列長(zhǎng)度維度減半，將改變了通道數(shù)與序列長(zhǎng)度維度的特征圖輸出；

34、其中，層歸一化用于加速收斂，prelu激活引入非線性，用于增強(qiáng)所述編碼器模塊對(duì)局部特征細(xì)微變化的敏感度；

35、所述解碼器模塊為上采樣結(jié)構(gòu)，包括六個(gè)上采樣層，如下：

36、第一上采樣層依次包括兩個(gè)步長(zhǎng)為1的卷積層和轉(zhuǎn)置卷積層，每個(gè)步長(zhǎng)為1的卷積層后依次進(jìn)行層歸一化和prelu激活，兩個(gè)步長(zhǎng)為1的卷積操作均保持通道數(shù)不變，利用轉(zhuǎn)置卷積層將通道數(shù)減半并使序列長(zhǎng)度翻倍，實(shí)現(xiàn)特征的空間擴(kuò)展和上采樣；

37、第二至四上采樣層依次包括兩個(gè)步長(zhǎng)為1的卷積層和轉(zhuǎn)置卷積層，每個(gè)步長(zhǎng)為1的卷積層后依次進(jìn)行層歸一化及prelu激活，第一個(gè)步長(zhǎng)為1的卷積層首先對(duì)當(dāng)前層輸入的特征圖的通道數(shù)減半，第二個(gè)步長(zhǎng)為1的卷積層保持通道數(shù)不變，再使用轉(zhuǎn)置卷積層將通道數(shù)減半并將序列長(zhǎng)度翻倍；所述第二上采樣層的輸入與所述第四下采樣層的輸出、所述第三上采樣層的輸入與第三下采樣層的輸出、所述第四上采樣層的輸入與第二下采樣層的輸出依次進(jìn)行跳躍連接融合下采樣的局部特征和上采樣的全局特征；第二至四上采樣層分別將改變了通道數(shù)與序列長(zhǎng)度的特征圖輸出至下一層進(jìn)行上采樣；

38、第五上采樣層次包括兩個(gè)步長(zhǎng)為1的卷積層和轉(zhuǎn)置卷積層，每個(gè)步長(zhǎng)為1的卷積層后依次進(jìn)行層歸一化及prelu激活，第一個(gè)步長(zhǎng)為1的卷積層將通道數(shù)減半細(xì)化特征表示，第二個(gè)步長(zhǎng)為1的卷積層保持通道數(shù)不變進(jìn)一步提取和融合下采樣和上采樣的特征；

39、第六上采樣層使用單一卷積層，將通道數(shù)從16減少到1，將解碼得到的特征圖映射回所述編碼器模塊輸入的特征圖的維度，輸出ecg映射的bcg。

40、進(jìn)一步地，從第一公開(kāi)數(shù)據(jù)集得到ecg和對(duì)應(yīng)bcg數(shù)據(jù)的原始信號(hào)序列進(jìn)行預(yù)處理得到所述第一訓(xùn)練數(shù)據(jù)集，包括：

41、以所述ecg的原始信號(hào)序列的第一個(gè)r峰為起點(diǎn)，同時(shí)所述bcg的原始信號(hào)序列中與所述第一個(gè)r峰時(shí)間戳對(duì)應(yīng)的j峰為起點(diǎn)，分別以預(yù)設(shè)序列長(zhǎng)度進(jìn)行無(wú)重疊分割；

42、ecg中第一個(gè)r峰和bcg對(duì)應(yīng)的第一個(gè)j峰之前的數(shù)據(jù)點(diǎn)，以及分割后不足預(yù)設(shè)序列長(zhǎng)度部分?jǐn)?shù)據(jù)點(diǎn)，進(jìn)行舍棄；

43、將分割后的ecg和bcg的幅值歸一化；

44、所述歸一化后的ecg及對(duì)應(yīng)bcg構(gòu)成第一訓(xùn)練數(shù)據(jù)集中的每個(gè)樣本；

45、加載所述第一訓(xùn)練數(shù)據(jù)集至所述ecg-bcg映射模型進(jìn)行訓(xùn)練，包括采用固定學(xué)習(xí)率，使用mse均方誤差損失函數(shù)進(jìn)行前向傳播，以及采用adam優(yōu)化器進(jìn)行反向傳播，持續(xù)調(diào)整所述ecg-bcg映射模型參數(shù)以最小化損失函數(shù)，直至損失函數(shù)收斂得到訓(xùn)練好的ecg-bcg映射模型；

46、其中，所述第一公開(kāi)數(shù)據(jù)集為nih公開(kāi)的bed-based?ballistocardiographydataset；其中ecg和bcg基于時(shí)間戳一一對(duì)應(yīng)。

47、進(jìn)一步地，從第二公開(kāi)數(shù)據(jù)集獲取ecg數(shù)據(jù)并進(jìn)行預(yù)處理，輸入所述訓(xùn)練好的ecg-bcg映射模型，獲得對(duì)應(yīng)的bcg數(shù)據(jù)，結(jié)合所述第二公開(kāi)數(shù)據(jù)集中對(duì)應(yīng)的ecg的心拍類型作為標(biāo)簽構(gòu)成所述第二訓(xùn)練數(shù)據(jù)集；

48、加載所述第二訓(xùn)練數(shù)據(jù)集至所述類腦分類模型進(jìn)行訓(xùn)練，直至達(dá)到最大迭代輪次得到訓(xùn)練好的類腦分類模型；

49、其中，所述第二公開(kāi)數(shù)據(jù)集為mit-bih公開(kāi)的心電信號(hào)數(shù)據(jù)集，包括ecg信號(hào)及對(duì)應(yīng)心拍類型。

50、進(jìn)一步地，所述lifnode類腦激活層的計(jì)算機(jī)制為：

51、

52、其中，t為預(yù)設(shè)類腦時(shí)間步，v[t]、v[t-1]分別為類腦時(shí)間步t、t-1時(shí)的類腦神經(jīng)元膜電位，y[t]為conv1d卷積輸出的特征圖，τm為預(yù)設(shè)膜時(shí)間常數(shù)，vreset為重置電位；

53、如果v[t]達(dá)到預(yù)設(shè)放電閾值vthreshold，則膜電位歸零，并將v[t]輸入至階躍函數(shù)的替代函數(shù)進(jìn)行反向傳播；所述替代函數(shù)如下：

54、

55、否則如果v[t]沒(méi)有達(dá)到預(yù)設(shè)放電閾值vthreshold，則類腦神經(jīng)元膜電位保持v[t]。

56、與現(xiàn)有技術(shù)相比，本發(fā)明至少可實(shí)現(xiàn)如下有益效果之一：

57、1、穿戴式bcg心拍監(jiān)測(cè)裝置能夠?qū)崿F(xiàn)對(duì)心臟搏動(dòng)的連續(xù)實(shí)時(shí)監(jiān)測(cè)，減少了監(jiān)測(cè)的實(shí)時(shí)性延遲，使得心率變化可以被迅速捕捉和響應(yīng)，提高了bcg信號(hào)識(shí)別的實(shí)時(shí)性；

58、2、由于裝置是穿戴式的，集成于可方便被測(cè)者穿戴的胸帶中，用戶可以在不干擾日?；顒?dòng)的情況下長(zhǎng)時(shí)間佩戴，提高監(jiān)測(cè)的便捷性，尤其適合于長(zhǎng)期監(jiān)護(hù)和睡眠監(jiān)測(cè)。被測(cè)者不需要經(jīng)過(guò)專業(yè)培訓(xùn)就能正確操作bcg監(jiān)測(cè)設(shè)備，降低使用難度，提升便捷性；

59、3、通過(guò)訓(xùn)練基于脈沖神經(jīng)網(wǎng)絡(luò)的類腦分類模型，以及基于u型卷積網(wǎng)絡(luò)的ecg-bcg映射模型，提升了心率疾病識(shí)別的精確性；

60、4、穿戴式裝置具備實(shí)時(shí)預(yù)警功能，能夠在檢測(cè)到異常心率時(shí)立即發(fā)出預(yù)警，提高了對(duì)心臟病發(fā)作和并發(fā)癥風(fēng)險(xiǎn)的預(yù)防能力；

61、5、通過(guò)長(zhǎng)期監(jiān)測(cè)和數(shù)據(jù)分析，該裝置能夠幫助醫(yī)生更細(xì)致地了解患者/被測(cè)者的心臟狀況，為其制定個(gè)性化的治療方案提供依據(jù)，從而提高治療效果。在臨床診斷、長(zhǎng)期監(jiān)護(hù)和個(gè)性化治療方面具有廣泛的應(yīng)用前景。

62、本發(fā)明中，上述各技術(shù)方案之間還可以相互組合，以實(shí)現(xiàn)更多的優(yōu)選組合方案。本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分優(yōu)點(diǎn)可從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)說(shuō)明書(shū)以及附圖中所特別指出的內(nèi)容中來(lái)實(shí)現(xiàn)和獲得。