本文關(guān)鍵詞：面向智能服裝的心率變異性分析方法研究

  更多相關(guān)文章： 智能服裝 運(yùn)動(dòng)偽影 經(jīng)驗(yàn)?zāi)B(tài)分解 心率變異性 GPU

【摘要】：借助于社會(huì)與科技的進(jìn)步,人們的生活條件得到了很大改善,醫(yī)藥衛(wèi)生條件也得到了很大的提高,人們更加注重健康,社會(huì)老齡化問題更加突出。心臟類疾病以及心血管疾病作為危害老人的兩大殺手正在逐步加強(qiáng),急性疾病需要及時(shí)的感知,慢性疾病需要及早的預(yù)防�？纱┐魇街悄芊b具有價(jià)格低廉,穿著方便,捕獲的生理信息多樣而得到了很大的發(fā)展,它能夠感測人體的心電等數(shù)據(jù),信號其上傳到平板端進(jìn)行實(shí)時(shí)的展示,同時(shí)還能將測量數(shù)據(jù)上傳到云端服務(wù)器進(jìn)行并行處理。本系統(tǒng)結(jié)合了導(dǎo)電纖維材料、物聯(lián)網(wǎng)及電子電路技術(shù),使得人體所穿著的智能服裝具有舒適、功能齊全、低功耗等特點(diǎn)。智能服裝在運(yùn)動(dòng)狀態(tài)時(shí)非常容易混入運(yùn)動(dòng)偽影(Motion Artifact),為了去除心電中的干擾信號及運(yùn)動(dòng)偽影,通過優(yōu)化經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)算法,加快了濾波的執(zhí)行過程。對比評價(jià)了多種QRS算法,并找出真正適合可穿戴式智能服裝的QRS算法。設(shè)計(jì)了心電實(shí)時(shí)分析系統(tǒng)用于展示相關(guān)的生理信息,同時(shí)系統(tǒng)還能計(jì)算一些簡單的生理參數(shù)：為了便于對智能服裝上的數(shù)據(jù)進(jìn)行存儲(chǔ)與快速分析,將數(shù)據(jù)進(jìn)行上傳,通過GPU并行加速心率變異性(Heart Rate Variability,HRV)的計(jì)算。通過設(shè)計(jì)實(shí)驗(yàn)進(jìn)行實(shí)際測試與分析,找出了相對優(yōu)化的智能服裝版本；通過將優(yōu)化的濾波算法與合適的QRS算法進(jìn)行結(jié)合,不僅加快了濾波的執(zhí)行過程,同時(shí)使捕獲QRS波的敏感度與陽性預(yù)測率得到了不同程度的提升；為了快速HRV等參數(shù),從而對人體的健康狀況進(jìn)行合理的評價(jià),利用GPU對HRV的時(shí)域計(jì)算過程進(jìn)行了并行加速,相對于串行執(zhí)行過程得到了近38倍的加速。
【關(guān)鍵詞】：智能服裝 運(yùn)動(dòng)偽影 經(jīng)驗(yàn)?zāi)B(tài)分解 心率變異性 GPU
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP368.33
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-16
• 1.1 研究的背景和意義8-10
• 1.2 主要解決的關(guān)鍵性問題10-11
• 1.3 國內(nèi)外研究現(xiàn)狀11-13
• 1.3.1 穿戴式智能服裝發(fā)展11-12
• 1.3.2 海量數(shù)據(jù)處理計(jì)算平臺(tái)構(gòu)建12-13
• 1.4 研究目標(biāo)13-14
• 1.5 論文的研究內(nèi)容及結(jié)構(gòu)安排14-16
• 2 相關(guān)技術(shù)介紹16-24
• 2.1 心電圖處理與分析16-19
• 2.1.1 心電圖獲取16-17
• 2.1.2 心電圖各個(gè)波段劃分及意義17-18
• 2.1.3 R-R間期18-19
• 2.2 心率變異性分析19-20
• 2.3 GPU并行化執(zhí)行策略20-23
• 2.3.1 GPU框架及CUDA介紹20-22
• 2.3.2 GPU程序的執(zhí)行流程22-23
• 2.4 本章小結(jié)23-24
• 3 智能服裝心電數(shù)據(jù)獲取方法24-32
• 3.1 智能服裝設(shè)計(jì)24-26
• 3.2 三導(dǎo)ECG信號的采集26-29
• 3.2.1 心電采集原理26-27
• 3.2.2 檢測部分整體流程圖27-29
• 3.3 藍(lán)牙傳輸數(shù)據(jù)封包格式29-31
• 3.4 本章小結(jié)31-32
• 4 面向ECG實(shí)時(shí)分析的EMD32-47
• 4.1 QRS捕獲算法及其應(yīng)用32-36
• 4.1.1 資料格式說明32-33
• 4.1.2 三種算法的對比分析33-36
• 4.2 一種改進(jìn)的EMD方法36-44
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)獲取及Sqrs及Wqrs_d的局限性36-38
• 4.2.2 EMD及Fast-EMD原理38-41
• 4.2.3 運(yùn)動(dòng)狀態(tài)下EMD與Fast-EMD的對比分析41-44
• 4.3 心電實(shí)時(shí)分析系統(tǒng)44-46
• 4.3.1 心電實(shí)時(shí)分析系統(tǒng)執(zhí)行流程44
• 4.3.2 系統(tǒng)展示及功能介紹44-46
• 4.4 本章小結(jié)46-47
• 5 基于CUDA的HRV時(shí)域分析計(jì)算方法47-58
• 5.1 云端數(shù)據(jù)上傳的形式47-50
• 5.1.1 OAuth 2.0協(xié)議47-49
• 5.1.2 資料上傳的格式49-50
• 5.2 HRV時(shí)域參數(shù)的并行化處理50-56
• 5.2.1 HRV時(shí)域參數(shù)并行化處理流程51
• 5.2.2 HRV時(shí)域分析方法并行化介紹51-55
• 5.2.3 HRV時(shí)域并行化執(zhí)行結(jié)果55-56
• 5.3 GPU并行化處理結(jié)果分析56-57
• 5.4 本章小結(jié)57-58
• 結(jié)論58-59
• 參考文獻(xiàn)59-63
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況63-64
• 致謝64-65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 Cong WANG;Xunde DONG;Shanxing OU;Wei WANG;Junmin HU;Feifei YANG;;A new method for early detection of myocardial ischemia:cardiodynamicsgram(CDG)[J];Science China(Information Sciences);2016年01期

2 李蔚;;十三五時(shí)期中國醫(yī)療衛(wèi)生領(lǐng)域面臨的問題及其治理[J];甘肅社會(huì)科學(xué);2015年06期

3 ;國家醫(yī)療數(shù)據(jù)中心在北大醫(yī)學(xué)部成立[J];中國數(shù)字醫(yī)學(xué);2015年06期

4 張凱;秦勃;劉其成;;基于GPU-Hadoop的并行計(jì)算框架研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2014年08期

5 楊青川;楊青;姚鑫;劉洪彬;;基于移動(dòng)窗FICA和SOM方法的心動(dòng)異常診斷[J];南京理工大學(xué)學(xué)報(bào);2013年04期

6 王志寶;孫鐵山;李國平;;近20年來中國人口老齡化的區(qū)域差異及其演化[J];人口研究;2013年01期

7 劉曉芳,葉志前;心率變異性的分析方法和應(yīng)用[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;2001年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 肖漢;基于CPU+GPU的影像匹配高效能異構(gòu)并行計(jì)算研究[D];武漢大學(xué);2011年

，

本文編號：519261