基于MEMS加速度计的可穿戴贴片用于呼吸监测

逍遥设计自动化

引言
/ u: R7 o8 @: G2 y& B呼吸类疾病，例如哮喘和慢性阻塞性肺疾病（COPD），在全球范围内影响着数亿人。这些疾病的早期诊断与持续监测对治疗和管理至关重要。然而，传统的听诊方法对环境噪声敏感，且需依赖医生的技能，无法实现连续监测。为了解决这些问题，研究人员开发了一种基于加速度计的可穿戴贴片，能够通过深度学习算法高效检测呼吸频率和哮鸣音。本文介绍该技术的研发背景、工作原理及其应用前景[1]。
$ Z; D7 T4 L) ]4 w6 W' E

kcqvevv2tqj6401743203.png

/ m2 L) L7 W' u3 |; C4 f
( l+ E% `2 W) q1 L2 Y1
' V- U$ c$ l# d1 v7 r  D基于加速度计的贴片技术概述
9 @/ o" c# ^! n* u8 w) F* j/ t- B这种可穿戴贴片利用高灵敏度微机电系统（MEMS）加速度计，与低噪声互补金属氧化物半导体（CMOS）技术结合，可以直接从胸壁检测肺部引起的振动信号（PIV），捕捉呼吸阶段的低频胸壁运动及高频肺部声音。
2 J) f4 h1 [: j) _4 d7 b
技术组成：
MEMS传感器：具备微g级分辨率的宽带加速度计（图1a）。
( Z9 [. Q: B' I  t2 J" BCMOS ASIC接口：将模拟信号转换为24位数字信号（图1b）。
噪声优化：实现6.7 μg/√Hz的优化性能（图1c）。
2 C! @9 w. c- G; A

qmn3ey2b0ol6401743303.png

( i3 Z; E+ @3 F图1. MEMS传感器与贴片系统：（a）宽带加速度计；（b）紧凑型贴片；（c）噪声性能优化示意图。
- f$ a; A0 Q$ j
2
1 b# L1 n8 y2 c! \4 Z: x数据采集与处理方法
患者测试协议
研究从52名患者中采集数据，包括医院和门诊环境。贴片通过医用胶带固定在患者胸部的九个标准听诊点（图4）。患者需在每个位置进行30秒深呼吸，以全面捕捉呼吸声。

bpauas1f50o6401743403.png

图2. 加速度计贴片放置在九个标准听诊位置的示意图。
2 ^! r+ Z1 }2 t
信号处理技术
滤波：采用60 Hz到2000 Hz的带通滤波去除心音和运动伪影。
3 v( q  i2 }, E去噪：利用离散小波变换增强信号。
3 d; @4 y4 L9 Z( c分段处理：将数据分割为5秒间隔，便于分析。

可视化：梅尔频谱图
通过快速傅里叶变换（FFT）生成梅尔频谱图，显示声音频率随时间的变化。这种可视化方式有效用于检测哮鸣音。
' ~* P; @0 }$ V6 i3 t9 H

0bjfh3f5lsn6401743504.png

; J9 A; M2 M4 n图3. 数据处理流程：（a）带通滤波；（b）梅尔频谱图可视化。
1 n/ X* I' T' K: [1 p

1 B) @3 X  N) e3 w  v4 d3
1 I+ Z: ~: T/ {$ H哮鸣音检测：确定性和深度学习方法
4 k" V4 F0 x$ e' u  H确定性时频分析
3 c0 B, x- h$ \$ r/ O$ Q$ s此方法通过识别频谱中持续一致的频率带检测哮鸣音，具体标准包括：
频率在±50 Hz范围内持续超过100 ms；
振幅达到哮鸣音的特定阈值。

) h/ k' J' V2 h9 F8 R( A. {深度学习方法
7 u1 d; X! }$ T4 C研究构建了基于卷积神经网络（CNN）的模型，利用标注好的频谱数据进行训练。相比确定性方法，深度学习的检测精度显著提高，性能指标如下：
准确率：94.52%
灵敏度：93.45%
特异性：96.16%
ROC曲线下面积：0.9864

/ ?0 i# ]6 o, t0 i" ]

to5wayx13hg6401743604.png

# N5 e8 G2 l+ e4 ]! }/ Y图4. ROC曲线比较：（a）加速度计贴片数据；（b）数字听诊器数据。

4
" G) I2 |' w/ e2 m  g1 F' R9 U, e1
中国记者节
Journalist's Day
. I& K& G( N3 {$ {结果与分析
噪声环境中的优越表现
在医院等高噪声环境中，贴片能够有效过滤外部干扰，相比数字听诊器表现更为稳定。

xmvks02yx206401743704.png

) T% p% [' i$ r" `( x' h/ G$ D图5. 噪声比较：（a）加速度计贴片的梅尔频谱图；（b）数字听诊器频谱图中出现噪声伪影。
! t  Y, W- r1 T/ f8 s
5
! ~" M: p+ K, s+ a0 y. V患者案例分析
* T8 q$ h* q7 l) @/ ~1 ~$ s

肥胖患者的呼吸音检测：贴片在高BMI（>30）的患者中依然能清晰捕获哮鸣音，克服了因脂肪导致的声传递衰减问题。

微弱哮鸣音的检测：即使患者哮鸣音较弱，贴片仍能检测到，适用于术后或出院患者的监测。

jx2ka50lqwh6401743805.png

  Z5 {% X8 N4 g" E2 H图6. 临床案例：（a）哮喘-COPD重叠患者的哮鸣音与爆裂音；（b）肥胖患者的哮鸣音；（c）术后患者的微弱哮鸣音。
+ b! Z+ K0 x) R, O1 v8 ?
6
技术意义与未来发展方向
$ g8 }# Z9 F3 B5 a基于加速度计贴片的优势
7 P/ X$ b9 y, E% s连续监测：适用于远程医疗和长期监测。
非侵入性：提供舒适的检测体验。
成本低廉：具备大规模应用的可能性。

  V: q; ?- Q/ K9 [1 y' R& w未来改进方向
% @4 W" A; x$ J4 p0 h# l增加对其他肺音（如爆裂音和咳嗽）的检测功能。
拓展至儿童和老年人群的呼吸监测。
: R4 s9 b6 H6 }/ f1 G, ?* J' z) V
7
. R% U% C* H0 ?结论
基于加速度计的可穿戴贴片显著提升了呼吸监测的效率与可靠性。结合深度学习技术，该贴片能够在不同患者群体和复杂环境中精准检测哮鸣音。其小型化和高性能特点，为远程医疗和患者管理提供了强有力的支持。未来可以通过采集更多样化的肺音数据，进一步完善深度学习模型，使其能够识别多种异常肺音，为哮喘和COPD患者提供更全面的诊断依据。

$ o' w6 I* m1 N参考文献
[1] B. Sang, H. Wen, G. Junek, W. Neveu, L. Di Francesco, and F. Ayazi, "An accelerometer-based wearable patch for robust respiratory rate and wheeze detection using deep learning," Biosensors, vol. 14, no. 3, p. 118, Feb. 2024. doi: 10.3390/bios14030118.
END
5 ?+ ~2 j8 t1 L, E6 F
软件申请我们欢迎化合物/硅基光电子芯片的研究人员和工程师申请体验免费版PIC Studio软件。无论是研究还是商业应用，PIC Studio都可提升您的工作效能。
点击左下角"阅读原文"马上申请

3 m8 b; @) E6 O# c! j欢迎转载
$ N  V1 ^9 A4 _/ r- H
* b. }1 a6 I# O- u转载请注明出处，请勿修改内容和删除作者信息！
2 k5 C7 L! `( u3 h# j" _
6 d% n2 x2 [/ [( Z+ x

ka2aclxbmum6401743905.gif

# i; P% c- g# l
关注我们
0 R. z7 G* }4 X( O! @1 R8 k

bwao5s50tno6401744005.png

1ylehm01ls36401744105.png

iepqdf1dhcw6401744205.png

                     

+ S4 d( ]' x! M6 L& f: \4 \

+ F( u6 w( e5 m1 `  c8 Z. H% p- [关于我们：
深圳逍遥科技有限公司（Latitude Design Automation Inc.）是一家专注于半导体芯片设计自动化（EDA）的高科技软件公司。我们自主开发特色工艺芯片设计和仿真软件，提供成熟的设计解决方案如PIC Studio、MEMS Studio和Meta Studio，分别针对光电芯片、微机电系统、超透镜的设计与仿真。我们提供特色工艺的半导体芯片集成电路版图、IP和PDK工程服务，广泛服务于光通讯、光计算、光量子通信和微纳光子器件领域的头部客户。逍遥科技与国内外晶圆代工厂及硅光/MEMS中试线合作，推动特色工艺半导体产业链发展，致力于为客户提供前沿技术与服务。
- t& }2 O1 W' \1 r
http://www.latitudeda.com/
（点击上方名片关注我们，发现更多精彩内容）