随着人们生活节奏的加快,心脏病、心血管疾病、高血压等疾病越来越成为威胁人类健康的严重疾病。因此,心脏病、心血管疾病的防治和诊断已成为当今医学界面临的主要问题。关于心电信号、脉搏信号的采集、处理和分析的研究也显得越来越重要了。
生物医学信号的处理是生物医学工程学的一个重要研究领域,也是近年来迅速发展的数字信号处理技术的一个重要的应用方面,心电信号、脉搏信号比其他生物电信号更易于检测,并且具有较直观的规律性。目前生物医学信号的主要特点:信号弱、噪声强、频率范围一般较低、随机性强等特征。
本研究对表面肌电(sEMG) 信号进行分析,结合支持向量机、神经网络等深度学习方法,对运动复健辅助系统中上、下肢运动状态进行识别及预测。
成果亮点:
生物医学信号,是属于强噪声背景下的低频微弱信号,它是由复杂的生命体发出的不稳定的自然信号,从信号本身特征、检测方式到处理技术,都不同于一般的信号。
1、本系统实现了对弱信号的精准捕捉,例如从母体腹部取到的胎儿心电信号10~50μV。脑干听觉诱发响应信号小于1μV。
2、本系统实现了强噪声的去噪,由于人体自身信号弱,加之人体又是一个复杂的整体,因此信号易受噪声的干扰。如胎儿心电混有很强噪声,它一方面来自肌电、工频等干扰,另一方面,在胎儿心电中不可避免地含有母亲心电,母亲心电相对我们要提取的胎儿心电则变成了噪声。
3、本系统实现了频率范围精准捕捉,除心音信号频谱成份稍高外,其他电生理信号频谱一般较低。
4、本系统实现了对随机性的动态分析,生物医学信号不但是随机的,而且是非平稳的。
智能信号与信息处理科研团队成立于2007年
依托西华大学四川省信号与信息处理重点实验室,深入基于心音信号对心血管疾病的分析研究,扩展到呼吸音、肺音等人体生理健康数据分析研究,延伸至心理、精神状态分析研究,人工智能及康养相关产品研发。
团队专注于生物感知智能信息处理,生命体征信号(心电、脑电、肌电、血压、脉搏、呼吸、心音等)智能监测与分析,呼吸暂停与睡眠分期分析,医学大数据处理与机器学习,穿戴式主动健康监测设备研发。
评价单位:“科创中国”智能健康产业科技服务团 (中国睡眠研究会)
评价时间:2022-11-18
综合评价
此成果自主研发,对表面肌电(sEMG) 信号进行分析,结合支持向量机、神经网络等深度学习方法,对运动复健辅助系统中上、下肢运动状态进行识别及预测,可以防范的应用于 妇产医院、健康监测、医学诊断、康复服务、运动学 等领域,提升改善人们的生活幸福感都具有一定的意义。
推荐并期望此成果,尽快转移转化
查看更多>