-
题名可穿戴式心音心电远程监测设备用于心力衰竭的研究
- 1
-
-
作者
刘文洁
孙煌
罗薇
陈旋
彭云珠
李锐洁
马米尔
-
机构
昆明医科大学第一附属医院心脏内一科
云南省阜外心血管病医院结构性心脏病病区
-
出处
《中国全科医学》
北大核心
2025年第25期3104-3109,共6页
-
基金
云南省“兴滇人才”青年人才项目(rlqb2020008)
云南省基础研究计划(昆医联合专项)(202301AY070001-136)
+1 种基金
云南省高层次卫生技术人员(后备人才)(H-2018031)
云南省科技厅基础研究计划(202101AY070001-131)。
-
文摘
背景对于心力衰竭患者尽早评估病情并尽快给予治疗,可预防心脏不良事件的发生,有效的诊断评估工具对于此类患者尤其重要,心音描记技术(ACG)作为一种高效且无创的床旁筛查工具可用于判断心力衰竭患者的病情严重程度。目的探究可穿戴式心音心电远程监测设备在心力衰竭治疗过程中用于动态监测评估心脏功能的可行性。方法本研究为前瞻性单臂自身对照研究,采用随机抽样法选取2020年10—12月于昆明医科大学第一附属医院心内科住院治疗的急性心力衰竭患者60例,于入院第1天、第2天、第3天、第5天及出院当天测量患者心音心电指标包括机电激活时间百分比(EMAT%)以及氨基末端脑钠肽前体(NT-proBNP)、体重;于出入院当天测量患者心脏彩超指标,分析各指标随治疗情况改变的趋势及指标间变化的一致性。结果入选60例患者,其中男35例,女25例,平均住院天数(7.9±3.2)d。单组重复测量方差分析结果显示不同时间点的EMAT、EMAT%、NTproBNP、体重比较,差异均有统计学意义(F_(EMAT)=6.978,P<0.01;F_(EMAT%)=3.108,P<0.05;F_(NT-proBNP)=8.678,P<0.01;F_(体重)=27.246,P<0.01),组内两两比较结果显示,EMAT、EMAT%、NT-proBNP、体重在入院当天、入院第2天、第3天、第5天及出院当天测量的5个时间点均依次降低(P<0.01)。研究对象出院前后心脏彩超各项指标比较,差异无统计学意义(P>0.05)。以时间校正重复测量方差分析检验EMAT与NT-proBNP变化是否一致,结果显示在该60例心力衰竭住院患者中,EMAT与NT-proBNP变化一致(入院第1天β=67.724,P<0.01;入院第2天β=56.876,P<0.01;入院第3天β=38.503,P<0.01;入院第5天β=23.969,P<0.01;出院当天β=16.851,P<0.05),随病情好转而改变(P<0.05)。结论可穿戴式心音心电远程监测设备与床旁心脏彩超测量LVEF以及检测NT-proBNP等项目相比,具备无创、便捷、经济等特点,所采集的心音、心电学参数可随心力衰竭患者病情变化而改变,该装置或可用于远程评估和监测心力衰竭患者心功能,及时发现患者病情变化。
-
关键词
心力衰竭
心音心电图
机电激活时间
可穿戴设备
-
Keywords
Heart failure
Heart sound electrocardiogram
Electromechanical activation time
Wearable devices
-
分类号
R541.62
[医药卫生—心血管疾病]
-
-
题名适用于低成本微控制器的心音分类算法研究与实现
- 2
-
-
作者
彭鸿坤
马鹏钥
杨宏波
田英杰
孙静
王威廉
-
机构
云南大学信息学院
云南省阜外心血管病医院结构性心脏病病区
-
出处
《计算机工程与设计》
北大核心
2025年第5期1467-1472,共6页
-
基金
国家自然科学基金项目(81960067)
2018云南省重大科技专项基金项目(2018ZF017)。
-
文摘
针对目前心音分类算法对硬件资源要求高的问题,提出一种适用于低成本微控制器的心音分类算法。对心音信号进行滑窗分割,提取梅尔频谱系数和线性频谱系数作为时频特征,采用卷积神经网络进行分类,将算法部署在微控制器中实现边缘计算。实验结果表明,该算法在两个不同数据集上的准确率分别为0.936、0.938,F1分别为0.934、0.938。该方法为基层医疗单位开展先天性心脏病筛查提供了一种方案。
-
关键词
心音
低成本
微控制器
梅尔频谱系数
线性频谱系数
边缘计算
先天性心脏病
-
Keywords
heart sound
low-cost
microcontroller unit
Mel-frequency spectral coefficient
linear-frequency spectral coefficient
edge computing
congenital heart disease
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于APSOC的心音特征提取及分类
- 3
-
-
作者
田英杰
杨宏波
汪琴
郭涛
潘家华
王威廉
-
机构
云南大学信息学院
云南省阜外心血管病医院结构性心脏病病区
-
出处
《计算机工程与设计》
北大核心
2024年第12期3779-3785,共7页
-
基金
国家自然科学基金项目(81960067)
2018云南省重大科技专项基金项目(2018ZF017)。
-
文摘
在云南一些边远山区网络信号弱甚至无信号,为在便携式设备上实现心音分类算法,满足离线式、可移动的需求,提出一种可部署在APSOC平台上的心音分类方法。在PS部分实现心音信号的特征提取,在PL部分实现CNN的卷积层和池化层。使用多通道并行及流水线等方式,实现对系统的硬件加速。实验结果表明,与通用CPU相比,该方法实现了8.91倍的硬件加速,分类准确率仅损失了2%,对心音辅助诊断有实用价值。
-
关键词
全可编程片上系统
心音分类
先天性心脏病
硬件加速
卷积神经网络
梅尔频率倒谱系数
并行计算
-
Keywords
APSOC
classification of heart sounds
congenital heart diseases
hardware acceleration
convolution neural network
Mel frequency cepstral coefficient
parallel computing
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名CRNN心音分类系统硬件加速及实现
被引量：1
- 4
-
-
作者
周李敏
孙静
杨宏波
潘家华
王威廉
-
机构
云南大学信息学院
云南省阜外心血管病医院结构性心脏病病区
-
出处
《计算机工程与设计》
北大核心
2022年第11期3071-3078,共8页
-
基金
国家自然科学基金项目(81960067)
云南省重大科技专项基金项目(2018ZF017)。
-
文摘
为提高心音分类算法的实时性并将该分类算法移植至资源有限的移动设备中,提出一种适用于CRNN心音分类系统的硬件加速器。根据卷积层和LSTM层运算特点,通过交错缓存和分片缓存减小内存耗用,采用滑动窗运算机制和HLS指令优化最大限度地增加运算并行度,在FPGA平台中实现该加速方案。实验结果表明,与通用CPU相较,该CRNN加速器实现了29.79倍加速效果,能效比为通用GPU的20.2倍,具有较好的使用价值。
-
关键词
心音分类
现场可编辑逻辑门阵列
递归卷积神经网络
并行计算
硬件加速
-
Keywords
heart sound classification
FPGA
CRNN
parallel computing
hardware acceleration
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
