0 引言

    目前全球哮喘患者高達(dá)3億，并呈逐年上升趨勢，給社會和家庭帶來了沉重的壓力與負(fù)擔(dān)。對哮喘病患的日常實時監(jiān)測，將為此項疾病的防治提供重要支撐?！度蛳乐蝿?chuàng)議》和我國的《支氣管哮喘防治指南》均將呼氣峰值流速（PEF）或一秒鐘用力呼氣量（FEV1）作為哮喘急性與非急性發(fā)作期病情診斷的一項重要指標(biāo)。這些指標(biāo)為調(diào)整藥物劑量、判斷藥物療效、監(jiān)測病情變化等操作提供重要依據(jù)^[1-2]。

    目前對于哮喘病監(jiān)測手段主要依靠醫(yī)用肺功能監(jiān)測設(shè)備以及歐美等國生產(chǎn)的便攜式肺功能儀等。醫(yī)用設(shè)備體積大、操作難，適用于醫(yī)療場合，不利于家用，尤其是難于獲得患者在日常無束縛情況下的實時生理數(shù)據(jù)；而進口便攜式儀器價格昂貴，且監(jiān)測數(shù)據(jù)依賴于手動記錄，不具備哮喘健康智能管理體系。針對上述問題，本文提出了一種便攜式監(jiān)測儀，實時獲取患者日常關(guān)鍵生理指標(biāo)PEF、FEV1以及FEV1%等，融合了監(jiān)測、無線傳輸、云端處理等技術(shù)，可構(gòu)建醫(yī)患之間的可靠橋梁，為未來智慧醫(yī)療提供關(guān)鍵技術(shù)支撐。

1 系統(tǒng)方案設(shè)計

    監(jiān)測系統(tǒng)組成如圖1所示。以TI公司的低功耗MSP430單片機（MCU）作為中央處理控制單元；以大、小量程兩個差壓傳感電路、信號調(diào)理及模數(shù)轉(zhuǎn)換電路構(gòu)成采集前端，并結(jié)合文丘里呼氣流量測量管完成對用戶生理指標(biāo)信息的采集。

    生理數(shù)據(jù)一方面通過儀器本地顯示，一方面通過藍(lán)牙無線技術(shù)實現(xiàn)與移動客戶端的數(shù)據(jù)傳輸。移動客戶端將用戶相關(guān)生理指標(biāo)同步上傳致云端，完成對用戶生理數(shù)據(jù)的歸檔與分析處理。

    醫(yī)生可以遠(yuǎn)程登錄云端，實現(xiàn)對病患的診斷；患者則可在手機客戶端上查看歷史的生理指標(biāo)數(shù)據(jù)以及醫(yī)生推送的病情分析報告和醫(yī)療建議。

2 硬件設(shè)計

2.1 文丘里氣體流量測量

    呼吸氣體流量計大多基于差壓氣流測量法^[3]，有Fleisch氣體流量計測量^[4]和文丘里管測量兩種典型方式，如圖2所示。Fleisch氣體流量計方式容易使氣流在腔內(nèi)冷凝，需要額外加熱裝置，同時容易附著臟物，難以清洗，制約測量準(zhǔn)確性；文丘里管氣體測量結(jié)構(gòu)基于貝努利定理^[5]，流經(jīng)氣體在節(jié)流件前后兩端產(chǎn)生壓力差，氣體的流速與此氣壓降的平方根成正比。該方法易實現(xiàn)，無額外裝置，壓力損失小，因此本文基于該方法進行設(shè)計。

    為適應(yīng)儀器機械外形結(jié)構(gòu)，本文對傳統(tǒng)文丘里管結(jié)構(gòu)進行了改動，如圖3。該文丘里管為植入整個機殼的一部分，并通過大量實驗，將傳感器入口直徑設(shè)計為20 mm，收縮處直徑為12 mm。

2.2 基于Big-Little結(jié)構(gòu)的數(shù)據(jù)采集前端

    本文采用Freescale公司的集成硅壓力傳感器MPX-5010DP和MPXV5004DP，該傳感器具有片上信號調(diào)整與溫度壓力補償功能。本文采用MPX5010DP監(jiān)測大氣流信號（壓力范圍0~10 kPa），采用MPXV5004DP監(jiān)測小氣流信號（壓力范圍0~3.92 kPa），傳感器功耗僅25 mW；傳感器輸出信號經(jīng)由軌對軌運放MAX4402構(gòu)成巴特沃茲二階有源濾波器。呼吸信號頻率集中于30 Hz內(nèi)^[6]，因此截止頻率設(shè)計為30 Hz，取C5=C6=C12=C13=0.1 μF，R1=R2=R7=R8=51 kΩ。最終信號經(jīng)過ADS1114 16 bit量化后變成數(shù)字信號供MCU處理。具體電路實現(xiàn)如圖4所示。

2.3 基于MSP430 MCU的運算與控制

    該處理器適合于手持式設(shè)備應(yīng)用，實現(xiàn)對各種外圍硬件電路的控制，對采集后數(shù)據(jù)進行校準(zhǔn)與運算，并結(jié)合TI公司的CC2541藍(lán)牙4.0低功耗芯片實現(xiàn)與手機移動客戶端的無線互聯(lián)^[7]，最終完成各項生理數(shù)據(jù)的上傳以及監(jiān)測儀各項運行參數(shù)的下載獲取。

    系統(tǒng)提供人機本地操作功能，可實現(xiàn)開始監(jiān)測、數(shù)據(jù)上傳、顯示器背光等操作。此外，當(dāng)被測指標(biāo)PEF或者FEV1低于本人預(yù)設(shè)安全值60%時，系統(tǒng)還提供本地告警，方便用戶及時就診。

3 軟件設(shè)計

3.1 軟件系統(tǒng)架構(gòu)

    軟件部分包括監(jiān)測儀本地軟件系統(tǒng)、移動客戶端上位機軟件及云端管理平臺軟件三部分。

    本地軟件系統(tǒng)主要功能是控制硬件各單元運行及參數(shù)配置，完成采集數(shù)據(jù)的生理指標(biāo)運算及校準(zhǔn)；移動客戶端上位機軟件主要完成監(jiān)測儀工作參數(shù)配置、數(shù)據(jù)接收、歷史數(shù)據(jù)查看、醫(yī)療建議查看、數(shù)據(jù)上傳云端等功能；云端管理平臺軟件作為海量數(shù)據(jù)管理與分析中心，提供醫(yī)生訪問接口，構(gòu)建智慧遠(yuǎn)程醫(yī)療體系。

    整機運行總體流程如圖5所示。為了提高抗干擾性能，設(shè)計了基于Mallat算法的小波濾波方法，平滑處理采樣信號，隨后通過校準(zhǔn)算法獲取準(zhǔn)確的氣流信號數(shù)值，最后根據(jù)生理指標(biāo)運算算法得出PEF、FEV1、FEV1%。圖6為本地軟件系統(tǒng)控制流程圖。由于FEV1和FEV1%與時間有關(guān)，對數(shù)據(jù)采集的起始點和結(jié)束點判斷極為關(guān)鍵，本設(shè)計中采用電壓閾值法來避免外界干擾誤啟動，即電壓超過設(shè)置的閾值后啟動采集程序同時開始計時，當(dāng)時間計滿1 s時，采集的數(shù)據(jù)保存用于計算FEV1，系統(tǒng)繼續(xù)采集，直到電壓值低于閾值時結(jié)束采集，全部數(shù)據(jù)用于計算FEV1%。

3.2 基于Mallat和神經(jīng)網(wǎng)絡(luò)的標(biāo)定與指標(biāo)獲取算法

    監(jiān)測儀所采集的原始數(shù)據(jù)必須轉(zhuǎn)換成能被人們理解的哮喘生理指標(biāo)，這需要標(biāo)準(zhǔn)的源頭數(shù)據(jù)來進行標(biāo)定，而標(biāo)定數(shù)據(jù)存在大量的高頻噪聲。針對這一問題，采用了基于Mallat算法的多分辨率分析去噪方法^[8]?；舅悸肥菍⒃夹盘栠M行多分辨率分析，將低頻信號和高頻信號進行分解，采用閾值去噪的方法對信號進行處理，最后將去掉噪聲的細(xì)節(jié)信號和平滑信號重構(gòu)獲取系統(tǒng)需要的標(biāo)定樣本。設(shè)第j級的平滑信號為c_j(n)，第j+1級平滑信號為c_j+1(n)，細(xì)節(jié)信號為d_j+1(n)，具體分解與重構(gòu)公式如下：

式(1)中，h_d(n)和g_d(n)為由小波函數(shù)和尺度函數(shù)確定的分解低通和高通濾波系數(shù)。式(2)中h_r(n)和g_r(n)為由小波函數(shù)和尺度函數(shù)確定的重構(gòu)低通和高通濾波系數(shù)。

    重構(gòu)后的標(biāo)定數(shù)據(jù)將用于標(biāo)定曲線的擬合。對比分析了基于BP神經(jīng)網(wǎng)絡(luò)和多項式兩種擬合方法。實驗結(jié)果表明，基于神經(jīng)網(wǎng)絡(luò)擬合方法在精準(zhǔn)度上具有優(yōu)勢，由此本系統(tǒng)采用此方法進行標(biāo)定曲線的擬合，通過MATLAB學(xué)習(xí)訓(xùn)練，獲取訓(xùn)練參數(shù)，并按照式（3）實現(xiàn)。

式中，x_i為神經(jīng)網(wǎng)絡(luò)輸入層輸入信號，a_j為網(wǎng)絡(luò)隱含層輸出信號，b_i為神經(jīng)網(wǎng)絡(luò)輸出層輸出信號，w_1j為神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元權(quán)重，w_2j為神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元權(quán)重，b_1j為神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元閾值，b_2j為神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元閾值。f₁( )為隱含層激活函數(shù)，f₂( )為輸出層激活函數(shù)。f₁( )、f₂( )表達(dá)式詳見文獻[9]。

    本系統(tǒng)需要完成對患者的PEF、FEV1以及FEV1%生理指標(biāo)的監(jiān)測。PEF是指用力肺活量測定過程中，呼氣流量峰值瞬間最大流速，該指標(biāo)在反映氣道不穩(wěn)定性、判斷哮喘病情輕重、長期監(jiān)測評估治療療效等方面具有重要價值^[2]；FEV1指盡力最快將氣體呼出時第一秒呼出的氣體容量，反應(yīng)肺功能受損程度；FEV1%則可反映氣道通氣障礙的類型和程度，通過式(4)可分別獲得PEF、FEV1、FEV1%指標(biāo)。

式中，N為有效采樣次數(shù)，fl(N)為第N次氣體流量數(shù)據(jù)，Δt為采樣間隔，M為計時滿一秒的有效采樣次數(shù)。根據(jù)FEV1的醫(yī)學(xué)定義，可知Δt=1/M。

    本文基于C語言完成上述所有算法設(shè)計，并最終嵌入MSP430F149單片機中實現(xiàn)。

4 系統(tǒng)測試與結(jié)果分析

    監(jiān)測儀樣機外形尺寸為12 cm×5 cm×2 cm，符合人體工程學(xué)設(shè)計，整機功耗137 mW，按正常每天使用3次計算，監(jiān)測儀具備滿電后持續(xù)使用30天的性能。

    本文按照J(rèn)JF1213-2008《肺功能儀標(biāo)定規(guī)范》要求進行儀器的各項測試^[10]，主要包括：監(jiān)測系統(tǒng)精準(zhǔn)度檢驗、系統(tǒng)穩(wěn)定性測試、系統(tǒng)重復(fù)性測試以及一致性檢驗。

    測試結(jié)果表明，監(jiān)測結(jié)果相對示值誤差低于10%，符合規(guī)范規(guī)定的精準(zhǔn)度要求。經(jīng)過長時間連續(xù)不斷測試，未出現(xiàn)故障。早、中、晚多次測試，PEF指標(biāo)相對極差最大為+3.6%，優(yōu)于上述規(guī)范提出的±5%，符合穩(wěn)定性要求。最后，將該系統(tǒng)與美國PDS公司生產(chǎn)的Piko-1肺功能測定儀進行一致性分析，本文采用了被國際廣泛認(rèn)可的Bland-Altman一致性分析方法^[11]。通過計算兩種測量結(jié)果的一致性界限，采用散點圖的方法直觀呈現(xiàn)這個一致性界限（limits of agreement，LoA）。本文將置信度設(shè)為95%，繪制一致性分析散點圖Bland-Altman（如圖7所示），對于PEF指標(biāo)，設(shè)兩種監(jiān)測方法的差值平均值為，差值的標(biāo)準(zhǔn)差為S_d，則PEF的一致性界限范圍為（±1.96×S_d），即為（-14.32，13.28）；FEV1的一致性界限范圍為（-0.2326，0.2076）。

    兩個測量指標(biāo)的點絕大部分都在95%一致性界面以內(nèi)，表明兩種監(jiān)測儀器一致性良好。本設(shè)計功能正確，運行可靠，并且在實現(xiàn)成本、小型化、功耗及移動便攜性方面更具應(yīng)用優(yōu)勢。

5 結(jié)論

    本文在硬件方面以MSP430為主控，設(shè)計了基于Big-Little雙差壓傳感器組合的數(shù)據(jù)采集前端、人機接口、顯示告警以及藍(lán)牙無線通信電路；在軟件方面設(shè)計了手機客戶端軟件、云端管理平臺軟件，構(gòu)建起了便攜式哮喘監(jiān)測系統(tǒng)。該系統(tǒng)具有移動便攜、智能、低功耗、高精度等特點。通過各項測試以及與國外進口產(chǎn)品進行Bland-Altman一致性分析，表明功能正確、運行可靠，可廣泛應(yīng)用于哮喘病患日常監(jiān)測、智慧遠(yuǎn)程醫(yī)療領(lǐng)域，具有廣闊的市場價值與社會價值。

參考文獻

[1] World Health Organization.Global initiative for asthma: global strategy for asthma management and prevention[R].GINA Executive Committee，2010：69-72.

[2] 黃玉民，陶玉堅，胡濤，等.哮喘控制測試與呼氣峰流速在哮喘管理中的相關(guān)性研究[J].實用臨床醫(yī)藥雜志，2016，20(9)：37-40.

[3] 張占峰. 流量計的研究和開發(fā)[D].北京：清華大學(xué)，2004.

[4] MANDAL N G.Respirometers including spirometer，pneumotachograph and peak flow meter[J].Anaesthesia & Intensive Care Medicine，2006，7(1)：1-5.

[5] SUZUKI H.Sleeping condition monitoring apparatus, monitoring system，and computer program：WO，WO/2009/150765[P].2009.

[6] 萇飛霸，尹軍，顏樂先，等.可穿戴式人體呼吸狀態(tài)監(jiān)測系統(tǒng)的設(shè)計[J].電子技術(shù)應(yīng)用，2014，40(1)：79-81.

[7] 周建，任紅艷，王彥斌.MSP430的低功耗特性在藍(lán)牙產(chǎn)品中的應(yīng)用[J].電子技術(shù)應(yīng)用，2003(12)：13-15.

[8] 王江云，曾瓊，王會霞.基于小波分析的地形多分辨率建模方法[J].北京航空航天大學(xué)學(xué)報，2014，40(8)：1121-1126.

[9] 周金海，申剛磊，丁小麗，等.BP神經(jīng)網(wǎng)絡(luò)在疾病分析影響因素中的作用[J].中國組織工程研究，2011，15(9)：1702-1705.

[10] 王懷玲，李春瑛，張從華，等.肺功能儀校準(zhǔn)規(guī)范的編制說明[J].計量與測試技術(shù)，2008，35(9)：86-88.

[11] BLAND J M，ALTMAN D G.Statistical methods for assessing agreement between two methods of clinical measurement[J].Lancet，1986，1(8476)：931-936.

作者信息：

趙明劍，郭珊山

（華南理工大學(xué) 電子與信息學(xué)院，廣東 廣州510640）