为可穿戴医疗保健应用程序开发自动供电的采用能源的电子模块和信号处理框架

科学领域:

• 生物医学工程 生物医学工程
• 可穿戴技术可穿戴技术
• 信号处理 信号处理

背景情况:

• 持续监测患者的健康状况对于早期发现疾病至关重要.
• 现有的可穿戴设备经常面临电力限制和复杂的信号处理挑战.
• 开发自动供电,高效的系统,以进行个性化健康监测是一个显著的需求.

研究的目的:

• 开发一种自动供电的便携式电子模块,用于实时心电图 (ECG) 信号处理和个性化健康监测.
• 整合一个机载的能源采集设施,以实现设备的连续运行.
• 为了提高ECG分析的准确性和效率,用于早期诊断.

主要方法:

• 开发一个带有集成能源采集 (太阳能电池板,光二极管) 和电池管理的便携式电子模块.
• 实现模拟前端和信号处理单元用于实时ECG采集.
• 动态多级波纹包分解的应用,用于特征提取和样本减少.
• 设计一个随机森林与深度决策树 (RFDDT) 架构用于ECG信号分类.

主要成果:

• 开发的模块实现了ECG信号的最大分类准确率为99.72%.
• 采用光二极管和太阳能电池的能量采集电路提供高达4.2V的连续运行.
• 信号处理方法有效地减少重叠的样本,并改善ECG数据的时间要求.
• 定制传感器的数据显示了与传统生物传感器可比的结果.

结论:

• 拟议的自动供电可穿戴设备为个性化的健康监测和早期疾病检测提供了高效和准确的解决方案.
• 集成的能量采集和先进的信号处理技术使得连续,低成本和高性能的ECG分析成为可能.
• 这项技术有可能通过可访问的实时健康洞察力显著改善临床任务和患者的结果.