电子产业一站式赋能平台

PCB联盟网

搜索
查看: 153|回复: 0
收起左侧

基于MEMS加速度计的可穿戴贴片用于呼吸监测

[复制链接]

1038

主题

1038

帖子

1万

积分

论坛法老

Rank: 6Rank: 6

积分
10747
发表于 2025-2-11 08:00:00 | 显示全部楼层 |阅读模式
引言
6 C7 G8 U  V6 D" v4 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]。
; N+ x8 l. e, _6 l& D

kcqvevv2tqj6401743203.png

kcqvevv2tqj6401743203.png

* j" \, c# s" G4 _9 @! a
0 q6 T% X6 G; o) j- x% S- X; h13 J9 p" q, ?6 o/ \% ^
基于加速度计的贴片技术概述; y' d, K" M% |5 v( k6 T
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。
+ M0 }" p( b% e: ]3 B2 a
6 [9 \6 d) d5 y, o3 Q, C* ~0 z技术组成:" i" R: i- f' d' e7 B# h6 f$ p( u; b0 S
MEMS传感器:具备微g级分辨率的宽带加速度计(图1a)。; [+ A7 }5 p0 z8 F
CMOS ASIC接口:将模拟信号转换为24位数字信号(图1b)。  z6 t3 Y; @/ Y+ ^: s4 d" Z5 Z% I
噪声优化:实现6.7 μg/√Hz的优化性能(图1c)。' l: ~5 v6 e6 O7 k  l+ L5 g
& K& {  S  V* p

qmn3ey2b0ol6401743303.png

qmn3ey2b0ol6401743303.png
- |8 m9 X% c4 B: k- T
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。
8 I: k9 y4 d: ?9 a6 O, |1 C
* L# u' i5 f  a2& w/ ?+ H7 x. `, J( X
数据采集与处理方法
, M3 {# i) f: G4 R1 L% L患者测试协议$ X" C6 |4 l! M' q- j  J" o+ w
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。. k5 D# p7 B& y( N

bpauas1f50o6401743403.png

bpauas1f50o6401743403.png
# {! o3 k" I5 j
图2. 加速度计贴片放置在九个标准听诊位置的示意图。
) U, @0 x! l( `- @8 Z$ I6 t. l3 y, i0 w
信号处理技术
; w2 I  R5 |$ ?; U& @0 }滤波:采用60 Hz到2000 Hz的带通滤波去除心音和运动伪影。% u, B5 G. L3 d# d, [
去噪:利用离散小波变换增强信号。
8 }" s& G# s- W. B1 j8 H4 h: I/ a分段处理:将数据分割为5秒间隔,便于分析。
0 m) j6 V8 }0 w1 |/ k5 ]

4 |2 x5 I, }. v/ y- {3 ?  c可视化:梅尔频谱图
9 P" R! |! K' h! G( J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。
& `# X! d( ~% ^' j* o- e9 G

0bjfh3f5lsn6401743504.png

0bjfh3f5lsn6401743504.png
3 C% |8 H  Y. {+ k8 p4 \
图3. 数据处理流程:(a)带通滤波;(b)梅尔频谱图可视化。
1 B4 Y; s6 z  K7 |) _0 P
  U4 Y; x1 B3 u6 y1 r# }9 X4 U5 |9 k: n  V( F; R! l2 X9 x
38 M0 M3 |& p8 A3 T- a
哮鸣音检测:确定性和深度学习方法
6 ~6 ^' G& f  f4 ^确定性时频分析
  u, t. X3 U! e6 o8 i- v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:1 \; \- S' S0 B* Z8 t+ M
频率在±50 Hz范围内持续超过100 ms;7 ]& d, |2 ^' v# P6 t) N: a( k
振幅达到哮鸣音的特定阈值。
) H; M8 L; d5 w8 A0 y! x! z
$ y0 S% V" t% \$ A6 q( s! N
深度学习方法
& I) m* {9 s- h1 P' i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:& N& D, s; y( K% B* Y: Y
准确率:94.52%
! z$ e6 [9 t/ ?灵敏度:93.45%
0 B8 H2 [: p3 ]% U5 d. e5 h% N特异性:96.16%
8 L9 h& {( {# r' O$ P- {; UROC曲线下面积:0.9864
2 N* F1 u  i& V: q, e  _

" R. D2 U* _- U0 ^4 S, T& r

to5wayx13hg6401743604.png

to5wayx13hg6401743604.png

. G# v! o# E+ g! F图4. ROC曲线比较:(a)加速度计贴片数据;(b)数字听诊器数据。
) c& v6 y; M/ k8 _6 Q) v( P& t& a4 Z0 }  Q
4  |* y" B* c( `' T3 g2 w" k0 A* I
1# H2 p' d! `. @: b1 U
中国记者节  z" G) Q1 k/ `7 M
Journalist's Day4 ]' k9 ^& H) ?: e
结果与分析
7 W* M2 B  R7 S5 a$ E2 J8 U6 D噪声环境中的优越表现
# N& j! P- b) I7 W9 ]) `2 ]" q; [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。6 n: p) ?1 {: e, m, ^* S" e

xmvks02yx206401743704.png

xmvks02yx206401743704.png

  S- e) {' X5 o9 y1 v! f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。% Y. K( J: X7 I

% \2 t* N; I$ a$ ~' U5 \- C. f$ Z; ?5/ \$ m" E$ ^+ e. B: q
患者案例分析
5 @6 n& \7 c6 P6 p1 X
  • 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。) l0 T% b8 Y+ c7 ^' P8 h1 j  T4 I

    % E% D% h; x/ G( a: b' C

    jx2ka50lqwh6401743805.png

    jx2ka50lqwh6401743805.png

    ( {# e# F' @0 h: [5 U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。* Q( x" m' d- s! s8 Z& T, X) p

    . {; f6 Q: G; g+ `, T6
    6 ^0 M1 A4 W. l8 H0 H2 R技术意义与未来发展方向
    + G! D3 e2 d3 }- ~基于加速度计贴片的优势
    ( [5 N( ~7 M& q8 b2 b' p2 l" ?+ G: f: l连续监测:适用于远程医疗和长期监测。
    & V+ l  a# z/ U+ |4 ^7 M' b7 a非侵入性:提供舒适的检测体验。  A5 p& m2 B% m+ j
    成本低廉:具备大规模应用的可能性。# C0 r. B: s5 ?  Y& c. U$ S

    & K( t! {; |; c# c. o4 c未来改进方向2 p' e" T# |$ P9 d" o8 y- G
    增加对其他肺音(如爆裂音和咳嗽)的检测功能。
    - ^4 n" S) s1 Q6 t拓展至儿童和老年人群的呼吸监测。
    1 W( }8 ?$ K) d) y
    $ X  e8 t7 `- ]- y# a; G
    7' \; J  _& m& w, U& W) m
    结论
    : K* z  m" Y& p8 j( O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。# [7 g9 p$ A7 k3 _9 V
    ! F9 X; g/ R' f- I% W
    参考文献
    . s4 g1 F" P  Y& U[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.' j4 U4 Q3 O" n8 X- N
    END
    * B2 y* z# V! b. E9 J+ `4 w: j0 T  @1 i& G  r
    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。) _/ G- T* e$ j
    点击左下角"阅读原文"马上申请. n2 G& o. X/ A0 j/ S

    3 P6 A$ u! O. l, E, P- K# s; f; W' _欢迎转载3 U( Q# B# p* x

    7 l7 W2 V( V- v7 D3 d转载请注明出处,请勿修改内容和删除作者信息!
    ; Z3 u. u# ?4 m3 T' ]) J8 ]
    1 V( k5 K, y9 K; n/ d: z4 T2 l, g/ `1 h! A' b/ ?! h
    ( T) n5 c" m5 O* h- V$ p# w/ J0 Q+ e

    ka2aclxbmum6401743905.gif

    ka2aclxbmum6401743905.gif
    8 I; j* N! q* F' @2 v6 x
    6 g: N3 V+ |+ Y  a, c1 @. Q
    关注我们
    ) |+ t4 h$ B) m$ s- ^6 b- h0 d- g1 F. }: Q! q# \3 R& `( W

    . i" T# h% t. Z' u$ A. j/ {. ~) G

    bwao5s50tno6401744005.png

    bwao5s50tno6401744005.png
    4 Q+ P6 \  f( W3 H1 {, B0 F
    / u; V% ?+ H8 u, B2 F' ~+ d/ r

    1ylehm01ls36401744105.png

    1ylehm01ls36401744105.png
    # U" V+ o# k' E) L& `# t% W

    / A1 j2 k# ^, A& O; w  A! v* b3 ~

    iepqdf1dhcw6401744205.png

    iepqdf1dhcw6401744205.png
    : ]" d/ N5 P9 z' g3 O
                          ! N6 c- u" O" a

    1 o5 G- j4 f% Z# w8 G) i1 o& b

    9 x% o" t- G9 r/ w
    1 M0 l  y! A6 A6 B6 y5 _关于我们:
    # c7 C3 c# q, b- b; {( x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。
    ) X- V( `! ~* T1 a9 g5 D" D
    8 a$ Q* o6 a' B: {/ hhttp://www.latitudeda.com/! i3 w/ u" k7 V0 H+ x! b+ d, V8 d
    (点击上方名片关注我们,发现更多精彩内容)
  • 回复

    使用道具 举报

    发表回复

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则


    联系客服 关注微信 下载APP 返回顶部 返回列表