基于体域网的动态呼吸监测系统设计

刘官正 吴 丹 梅占勇 朱青松 王 磊*（中国科学院深圳先进技术研究院，深圳 58055）

2（中山大学工学院生物医学工程系，广州 510275）

引言

近几年来，非侵入式呼吸监测得到了快速发展，被广泛应用于慢性疾病的早期发现和诊断，如睡眠呼吸暂停综合症［1］，慢性阻塞性肺病［2］。事实上，基于气体分析的呼吸监测方法（诸如BIOPAC公司的CO2分析仪［3］）已被广泛应用于医院和监护中心；然而，这类设备通常是笨重并且昂贵的台式设备，不适用于日常生活（activities）情况下的呼吸监测。

传统呼吸信号检测方法主要有压力传感、温度传感（如呼吸气流引起温度变化）、阻抗法［4-5］。呼吸信号检测技术是一个不断发展和创新领域。Y.P.Huang等提出了一种新型的压电传感呼吸气流变化的非侵入式呼吸检测方法［6］。Wei还专门设计了一种CMOS/MEMS呼吸气流传感器［7］。Mack等提出一种心冲击体积描记法（ballistocardiography）来实现睡眠呼吸监测［8］。C.R.Merritt等提出了一种新的容抗传感方法对呼吸信号进行检测［9］。叶继伦则率先探讨了病人监测的呼吸测量方法及其有效性的评价，提出了一些评价指标，如误检率、漏检率、准确率等［10］。张政波提出的呼吸感应体积描记技术（respiratory inductive plethysmography，RIP），相比其它方法不仅具有高的灵敏度，也适合穿戴式监测［11］。此外，也有不少专家采用微波多普勒传感器［12］和雷达［13］等新技术，对呼吸等体征信号检测进行了探索和研究。

体域网（body area network，BAN）由监测传感器、处理器、收发器和电池组成，通过穿戴于被监护者身上的监测传感器，采集人的各种生理参数和运动信息，以无线的方式由收发器上传到处理器，可实现对被监护者的长时间连续监测和量化评估，以及治疗和干预［14］。

本研究将这种技术用数字化方法实现［15］，并且与人体传感网络节点相结合，设计了无线动态监测呼吸的穿戴式仪器。相对于传统的RIP［11］来说，数字RIP抗干扰能力强，硬件设计大大简化，它可以监测不同日常生活和睡眠活动下的呼吸信号，也可以用于呼吸反馈来调节自主神经紊乱。

1 系统设计

1.1 电子健康呼吸腰带系统结构

电子健康腰带是一种低负荷的“家庭式”电子健康产品，即满足不影响人的正常生活情况下，可实现个人的健康状态动态监测与呼吸反馈训练。所研制的电子健康腰带，主要包括缝在腰带里的U型电感传感器、嵌入于皮带扣的呼吸监测电路模块，以及无线数据接收和PC机通信的基站。电子健康腰带主要采用了数字RIP技术，适用于动态呼吸监测和穿戴式呼吸反馈中。腰带采用弹性尼龙布，穿戴舒适，无束缚感，且与皮肤间接接触，不会造成皮肤过敏，并易于清洁。系统结构和实物如图1所示。

图1 系统介绍。（a）结构框图；（b）系统实物图Fig.1 Introduction of the system.（a）The system structure；（b）The pictures of the system

电路部分主要包括呼吸板和BSN节点板。呼吸传感器板包括DC/DC升压电路、电容3点式谐振电路和波形转换电路3部分.低功耗的DC/DC电源转换芯片（TPS61040）用于电路中进行升压，为谐振电路提供电源。电容3点式谐振电路主要将呼吸运动引起的电感变化量转换成频率变化量，而波形转换芯片（LM393）将频率变化量转化成脉冲变化量。同时，开发了BAN节点板［16］，它与呼吸传感器板具有相同的23mm直径，并且通过一个20脚的接插件堆叠在一起，作为一个整体放置在中心锁扣中。BAN节点板上采用超低功耗的微处理器（MSP430F2418）进行数据采集、处理、存储和无线发送。在供电方面，采用3.7V的锂电池，可以连续工作6h，并可以进行充电。

1.2 数字RIP呼吸监测技术

采用的数字呼吸感应体积描记术（respiratory inductive plethysmography，RIP）是一种性能优良的呼吸测量技术，相对于阻抗法测呼吸，能够更为准确的得到胸、腹呼吸运动的状况，抗干扰能力强，适宜动态监测使用。RIP呼吸监测方法，即通过呼吸感压力感随着呼吸运动所引起胸腹腔容积的变化，从而引起带子中的电感变化，必然带来谐振电路谐振频率fo的变化，谐振电路振荡幅度也会发生改变。而经测试谐振频率的变化比谐振幅度变化更为明显，因此采用调频—鉴频的思路，就可以将非电量变化的呼吸容积变化转变成电量变化（电压或者电流），从而描记出胸、腹呼吸运动曲线。

电容3点式谐振电路，电感反馈电路中，变压器高频响应差，辐射严重，高次谐波严重，波形失真度大，而电容反馈式振荡电路输出电压波形要好，而且设计简单，因此选择电容反馈设计。电容3点式电路如图2所示，由谐振原理可计算振荡频率如式（1）所示。

式中，L为电感传感器的电感值，C1和C2选用的是TPC校正电容，其具有较小的容差和很好的温度特性，适用于谐振电路。

1.3 电感传感器和电容比选择

采用Multisim 10电路仿真软件获得不同电容比值（C1∶C2）与振荡频率的关系曲线（如图3所示）。结果显示：相同的电感值，电容比越大，谐振频率越高；考虑到变压器高频响应差、容易失真，电容比选择为1.5，其中电容C1选择150nF，C2选择100nF。针对电容比为1.5的这条曲线（空心圆的曲线），可以明显看出，（1）电感值小于2μH时，曲线斜率最大，即电感变化所引起的频率变化更大；（2）电感值L1大于4是，曲线相对平滑，即电感变化所引起的频率变化不敏感；（3）电感值L1在（2～4μH）区间时，曲线斜率介于（1）和（3）之间，但可以避免高频干扰。因此，电感传感器工作频率选择在（2～4μH）区间内；静止状态下，电感传感器电感值L1约3μH，中心频率约400kHz左右。

图2 3点式电容振荡电路（L1为呼吸带电感传感器；C1和C2为TPC校正电容）Fig.2 Three-point Capacitance Oscillator（L1is inductance sensor of respiration belt，C1andC2are TPC capacitances）

图3 电容比值（C1∶C2）对振荡频率的影响Fig.3 The capacitance ratio（C1∶C2）influence on oscillation frequency

在信号处理方面，本系统建立了一个对信号质量评判的阀值机制，对于受运动伪差和无线传输丢包影响的数据进行选择性舍弃。这样可以极大减少信号处理时间也可以保证有用信号的完整性。经过信号质量的评判后，可以根据原始信号提取出呼吸波形和呼吸率。

2 实验

2.1 实验协议

为了验证系统的性能，对22个健康的志愿者进行了不同日常活动下的呼吸监测实验（如表I）。所有的被测试者都是自愿参加实验，并知情同意。实验协议如下：

实验1（坐-走-跑-恢复）：

22个被测试者中有12人自愿参加了这个实验。首先被测试者坐在一张舒适的椅子上5min，然后在跑步机上以2m/s的速度行走3min，接着以6m/s慢跑5min；然后再坐在椅子上3min（恢复）。在实验过程中，受试者戴上电子健康腰带和BIOPAC公司的CO2呼吸监测面具（金标准）。

表1 实验协议Tab.1 The experiment protocol

实验2（睡眠）：

22个被测试者中有10个自愿参加了这个实验。被测试者晚上在寝室睡眠时，戴上电子健康腰带连续监测6h呼吸。

2.2 统计分析

主要研究电子健康腰带进行呼吸率监测的精度。测量绝对误差表示为

式中，e表示呼吸监测设备的绝对误差，R表示电子健康腰带所测量的呼吸率，r表示采用BIOPAC公司CO2100C测量模块所测出的呼吸率。

使用SPSS 17.0软件对所有测试进行了统计分析。采用均值和标准差来评估测量误差，并采用独立样本检验来评估两组数据的差异性。显著差异水平为α=0.05。

3 实验结果与讨论

实验1主要包括4种不同的日常活动：坐，走，慢跑和恢复。图4表明了在4种常见的日常活动下，电子健康腰带都能够准确得到呼吸率，在4种日常生活中平均精度约为95％。其中在恢复过程中误差最小（绝对误差低于2％），在跑步机上走路的过程中测量绝对误差最大（约8％）。我们的测量结果与金标准（BIOPAC公司的CO2呼吸监测方法）均没有显著差异。

图4 不同的日常活动下RIP呼吸监测方法的测量误差Fig.4 The mean absolute errors of RIP during all activities（sitting，walking，running and recover）.Mean±standard deviation were plotted

影响测量精度的原因主要有两个：运动伪差和腹部呼吸运动的深浅相关。例如坐和恢复（跑完之后坐）两种日常活动相比较，恢复活动下呼吸运动更剧烈（深），所以绝对误差更小；走路过程中呼吸运动相对更剧烈（深），但运动伪差更大，所以绝对误差要大；但在慢跑过程中，呼吸运动比较剧烈（深）而且运动伪差也比较大，所以坐与慢跑绝对误差接近。

图5 一位被测试者睡眠中1 h的呼吸率变化曲线（空白处表示数据丢失）Fig.5 The curve of 1-hour respiratory rate during sleep（The gap in the graph indicated the data was unable to reach the base station）

实验2主要测试了电子健康腰带长时间（睡眠）进行呼吸监测的情况。图5显示其中一位被测者其中1h的呼吸监测情况，其中空白处表示由于丢包、电池掉电等原因丢失的数据。由于丢包丢失的数据，采用离散补包的方式补回；电池掉电等意外丢失的数据，是无法补回。通过统计分析，发现10位被测试者获得的平均有效呼吸数据为82.7％。因此，电子健康腰带可以进行长时间的呼吸监测，即睡眠呼吸监测。

4 结论

本研究设计了一种基于体域网技术的数字RIP呼吸监测腰带，并且着重探讨各种日常生活中呼吸监测的抗干扰能力。穿戴实验结果显示：此电子健康腰带可以应用于不同日常生活的呼吸监测，同时也可以于应用于睡眠呼吸监测，其平均测量精度约为95％。

最近10年，各种动态监测系统层出不穷，并且均进行了一定的实验验证，但在进入临床应用前，还有待于进一步改善其性能。在以后的研究中，将尝试自适应滤波等先进信号处理方法去除运动伪差，进一步提高测量精度，以实现临床广泛应用。

［1］Younes M.Role of respiratory control mechanisms in the pathogenesis of obstructive sleep disorders［J］.J Appl Physiol，2008，105：1389-1405.

［2］Patel S，Mancinelli C，Bonato P，et al.Using Wearable Sensors to Monitor Physical Activities of Patients with COPD：A Comparison of Classifier Performance［C］.Wearable and Implantable Body Sensor Networks，BSN 2009，2009：234-239.

［3］BIOPAC公司.十六道生理参数采集系统［EB/OL］.www.biopac.com，2011-11-01/2012-01-25.

［4］陈延航，沈力平.生物医学测量［M］.北京：人民卫生出版社，1984.

［5］席涛，杨国胜，汤池.呼吸信号检测技术的研究进展［J］.医疗卫生装，2004，25（12）：26-29.

［6］Huang YP，Young MS，TaiCC.Noninvasive respiratory monitoring system based on the piezoceramic transducer’s pyroelectric effect［J］.IEEE review of scientific instruments，2008，79（3）：1-9.

［7］Wei CL，Lin CF，Tseng IT.A Novel MEMS Respiratory Flow Sensor［J］.IEEE Sensor Journal，2010，10（1）：16-18.

［8］Mack DC，Patrie JT，Felder PM，et al.Development and preliminary validation of heart rate and breathing rate detection using a passive，ballistocardiography-based sleep monitoring system［J］.IEEE Trans.On Information Technology in Biomedicine，2009，13（1）：111-120.

［9］Merritt CR，Nagle T，Grant E.Textile-Based Capacitive Sensors for Respiration Monitoring［J］.IEEE Sensors journal，2009，9（1）：71-78.

［10］叶继伦，邓云，黄燕.病人监测的呼吸测量方法及其有效性的评价［J］.中国医疗器械杂志，2011，35（2）：94-96.

［11］张政波，俞梦孙，李若新，等.背心式呼吸感应体积描记系统设计［J］.航天医学与医学工程，2006，19（5）：377-381.

［12］Baltag O，Popa GT.Microwaves Doppler Transducer for Noninvasive Monitoring of the Cardiorespiratory Activity［J］.IEEE Transactions on Magnetics，2008，44（11）：4484-4487.

［13］Li CZ，Cummings J，Lam J，et al.Radar remote monitoring of vital signs［J］.IEEE Microwave Magazine，2009，10（1）：47-56.

［14］Yang GZ.Body sensor networks［M］.Springer，2006：22-24.

［15］张政波，王卫东，吴昊，等.数字呼吸感应体积描记技术［J］.中国医疗器械杂志，2007，31（3）：179-181.

［16］Wang B，Wang L，et al.A Body Sensor Networks Development Platform for Pervasive Healthcare Bioinformatics and Biomedical Engineering［C］.IEEE ICBBE 2009，2009：1-4.