远程心率变异性分析服务端的设计与实现

米俊英，庞宇（重庆邮电大学光电信息感测与传输技术重庆市重点实验室，重庆400065）

远程心率变异性分析服务端的设计与实现

米俊英，庞宇
（重庆邮电大学光电信息感测与传输技术重庆市重点实验室，重庆400065）

摘要：基于市场上现有的心率变异性分析仪器价格昂贵，可移动性差的现状，设计实现了与手机客户端交互的远程心率变异性分析服务端。采用超文本传输协议与手机客户端通信，可稳定接收用户上传的心电数据，实现数据的存储及心率变异性分析，并将分析结果及时返回给客户端的同时进行保存，以便用户进行历史记录查询。围绕实现过程，阐述了交互业务流程和关键算法。测试结果表明，用户可随时上传心电数据获取心率变异性分析结果或查询历史测试记录，对当前及近期的身体状况进行评估。

关键词：心率变异性；交互业务；远程服务器端

0　引言

心率变异性（heart rate variability， HRV）是指逐次心跳时间周期的不一致性。HRV可以反映自主神经系统对心脏和血管调节动态平衡的无创性指标，对评价心血管疾病进程中自主神经功能具有重要的临床价值，可以作为预测某些心血管疾病的指标之一［1-3］。HRV与情绪状况的变化是密切相关的，尤其是在愤怒、沮丧、焦虑等状态下，其变化尤为明显［4，5］。

心血管病具有间歇性、突发性等特点，只有进行实时的监测分析才能对病情有所帮助。然而传统的HRV分析设备价格昂贵，可移动性差，只有一些医疗结构配备，使得用户只有到特定的医疗场所进行检测。这样的设备不能满足用户随时随地进行心电监测分析的需求。

20世纪90年代，移动通信技术应用于远程监护的研究开始展开[6]。随着便携式设备的发展和网络覆盖范围的扩增，为了实现HRV分析智能化、便携化，设计并搭建了一款与智能手机交互的远程HRV分析服务器。该服务器可通过网络接收手机客户端上传的实时心电数据并将HRV分析结果返回给客户端的同时进行记录保存，为用户实时或近期的心血管状况评估提供数据支持。

1　总体结构设计

服务端充当C/S结构中的server端，采用http协议通过网络与手机客户端进行交互。服务端整体结构如图1所示，该服务端可对手机客户端上传的实时心电数据进行接收、保存，然后对数据进行处理、HRV分析，之后将分析结果返回到客户端，同时保存一份到数据库以便客户端以后进行历史记录查询。该服务端采用MVC框架设计，并根据业务需求分为交互服务模块、HRV分析模块和数据服务模块。组成部分具体描述如下：

（1）交互服务模块

交互服务模块负责与手机客户端的交互。根据用户请求通过调用HRV分析模块和数据服务模块完成和手机客户端的交互。

（2）HRV分析模块

HRV分析模块负责对用户上传的心电数据进行HRV分析。将交互服务模块传递过来的心电数据进行HRV分析，得到分析结果。

（3）数据服务模块

数据服务模块负责与手机客户端交互过程中数据信息的存储与提取。根据交互服务模块或HRV分析模块的请求，通过操作数据库为交互过程提供数据服务。

图1　服务端总体结构框架Fig.1 Structure framework of server

2　交互服务模块设计

该服务端作为手机客户端的后台服务器使用。手机客户端可通过get或post访问URL的方式向服务器发送相关请求获得服务器相应响应。手机用户状态图如图2所示，手机用户注册成功登陆系统后，可上传实时心电数据得到HRV分析结果，也可查询历史测试记录查看近期HRV变化趋势。根据需求，主要包括上传数据处理业务和历史记录查询业务。

图2　手机用户状态图Fig.2 Mobile phone user’ state diagram

2.1上传数据处理业务设计

用户登录成功后，就可将心电数据通过互联网发送到服务器。服务器交互模块接收到用户上传的心电数据后首先验证数据的格式及完整性。验证通过后将数据传送到HRV分析模块并备份到数据服务模块。HRV分析模块对数据进行处理分析，将分析结果由交互模块转发给客户端进行显示的同时备份到数据服务模块。分析结果包括HRV时域参数，频域参数，及非线性参数。

2.2历史业务查询业务设计

长期的心电检测有利于对心血管状况做出整体评估，用户可通过历史查询业务来了解HRV变化趋势。为了用户体验良好，手机客户端会将历史记录以列表的形式显示。作为手机客户端的后台服务器，为了使历史记录在手机客户端以ExpandableListView显示，服务端通过session记录当前用户的部分操作。用户进行历史测试记录查询时，服务端首先判断用户是否处于在线状态，若用户在线则将用户所有测试日期返回并由手机客户端生成列表。根据用户发送的特定日期记录的请求参数返回该日期下所有测试时间到客户端，并记录该日期在session中，之后将用户发送的特定测试时间记录请求参数和session中的参数合并后通过数据服务模块查询记录并返回测试记录到手机客户端。

3　HRV分析模块设计

HRV分析模块接收交互服务模块传递来的心电数据后，首先通过对QRS波中R波进行准确定位得到HRV信号，之后利用相关算法得到HRV参数。HRV分析模块状态图如图3所示。

图3　HRV分析模块状态图Fig.3 HRV analysis module state diagram

3.1R波识别

R波的准确定位是心电信号分析的前提，但采集的心电信号一般存在工频干扰、电极接触噪声、肌电干扰和人为运动干扰等噪声，给R波检测带来困难［7］。常用的R波检测算法主要有小波变换法、神经网络法和差分阈值法［8，9］。神经网络法和小波变换法的算法相对复杂，计算量大，实时性差［10，11］。本设计考虑到与手机客户端交互的实时性，采用差分阈值法结合动态窗函数的方法实现R波的准确定位。QRS波群中的R波在上升或者下降波形的斜率变化最大，其中一阶导数过零点或者二阶导数的极值点位置即是QRS波群中R波的位置。因此，对处理后的心电信号采用一阶差分或二阶差分，再结合时间窗口和幅度阈值即可判断R波的位置［12］。

3.2HRV参数提取

本设计中HRV信号为相邻两个RR间期组成的序列，分别通过时域分析、频域分析及非线性分析获取相关HRV参数［13-15］。(1)时域分析：采用统计学方法进行HRV时域分析。统计学方法根据相关公式获取时域参数SDNN (RR间期标准差)、RMSSD （相邻RR间期标准差）、NN50（所有RR间期中相邻的RR间期之差大于50ms的心搏个数）及pNN50（相邻RR间期之差大于50ms的个数占所有RR间期个数的百分比）。（2）频域分析：采用周期图法进行频域分析获取HRV频域参数TP（总频率功率）、HF（高频功率）、LF（低频功率）、VLF（超低频功率）、LF/HF（低频功率与高频功率之比）。（3） 非线性分析：采用散点图法获得绘制散点分布图数据，用于定性分析HRV。

4　数据服务模块设计

数据服务模块负责服务端与手机客户端交互过程中数据信息的存储与提取。数据信息主要为用户身份信息、心电数据和HRV分析结果数据。为保证数据服务效率，采用了JDBC和数据库连接池技术操作数据库。数据库表包括Users表和Files表。Users表保存用户的基本身份信息。表中的ID号通过UUID算法生成保证唯一，用户密码通过MD5算法进行加密保证用户信息安全。Files表通过将user_id字段设置为外键来关联Users表，用于保存当前用户每次测量的相关数据。字段date和time保存测试时间；字段result保存HRV分析结果。用户上传的心电数据以文件的形式保存在硬盘中，字段location记录心电数据文件存储路径。Users表结构及Files表的结构如图4所示。

图4　数据库表结构图Fig.4 Database table structure diagram

5　测试结果

本服务器端采用Mysql5.5数据库作为数据保存容器，tomcat8.0作为运行容器并搭建在阿里云服务器上。作为手机客户端的后台服务器，数据显示部分由手机客户端完成。本实验征集多名自愿者通过Android智能手机对该服务端进行测试。

5.1上传数据处理业务测试

手机客户端通过OTG线接收实时采集的5分钟心电数据，采集完毕将数据发送到服务器并将服务器返回的分析结果数据生成分析报告。测试数据将近1M，在4M带宽WiFi环境下从上传开始到收到分析报告的过程约需12秒，在可接受的范围之内。

对于相同的测试数据，Matlab仿真的R波位置和服务端环境下R波位置几乎完全一致，其中的误差相对于RR间期可以忽略不计，对心率变异性的分析几乎不会造成影响。表1为三位自愿者心电数据Matlab仿真的R波位置和服务端环境下R波位置的统计对比。

表1　Matlab和服务端R波位置的统计

在R波准确定位的前提下，根据HRV计算公式得到HRV时域及频域参数，与Matlab仿真数据误差不超过1%。表2，表3为其中三位志愿者获得的HRV时域及频域参数。

表2　HRV时域参数

表3　HRV频域参数

5.2历史记录查询业务测试。

手机客户端将服务器返回的测试日期数据进行显示，点击其中某一日期记录，服务器会将该日期的测试时间返回，之后点击选定的时间列表项，服务器会将指定时间的详细测试数据返回到客户端并由手机客户端显示。历史记录显示界面如图6所示。

图6　历史记录显示界面Fig.6 History display interface

6　结论

本文设计并实现了用于远程HRV分析的服务器端，并对交互方式及所用算法进行了详细的设计及描述，最后通过手机客户端对该服务端进行了功能验证。该服务端作为手机客户端服务后台，不仅能对用户实时心电数据进行HRV分析，为心血管状况提供数据支持，还能够将用户原始心电数据及HRV分析结果进行长期存储，有利于用户长期健康评估。该设计促进了心电检测设备便携化，具有普适的应用前景。今后的工作中，将为医生提供相应服务，方便医生对患者进行远程的监测和服务。

参考文献

［1］ Routledge F S， Campbell T S， Mcfetridge-Durdle J A， et al. Improvements in heart rate variability with exercise therapy［J］. Canadian Journal of Cardiology， 2010， 26（6）: 303-12.

［2］ Huikuri H V， Stein P K. Heart rate variability in risk stratification of cardiac patients［J］. Progress in Cardiovascular Diseases， 2013， 56（2）: 153-159.

［3］ Hejjel L， Gál I. Heart rate variability analysis［J］. Acta Physiologica Hungarica， 2001， 88（3-4）: 219-230.

［4］ Mccraty R， Atkinson M， Tiller W A， et al. The effects of emotions on short-term power spectrum analysis of heart rate variability［J］. American Journal of Cardiology， 1995， 76（14）: 1089-1093.

［5］ Lee H B， Kim J S， Yun S K， et al. The relationship between HRV parameters and stressful driving situation in the real road［C］//Information Technology Applications in Biomedicine，2007. ITAB 2007. 6th International Special Topic Conference on. IEEE， 2007:198 - 200.

［6］ Pattichis C S， Kyriacou E， Voskaride S， et al. Wireless Telemedicine Systems: An Overview［J］.IEEE Antennas & Propagation Magazine， 2002， 44（2）: 143-153.

［7］ Sasikala P， Wahidabanu R S D， Sasikala P， et al. Robust R Peak and QRS detection in Electrocardiogram using Wavelet Transform［J］. International Journal of Advanced Computer Science & Applications， 2011.

［8］ Pan J， Tompkins W J. A real-time QRS detection algorithm［J］.IEEE Transactions on Biomedical Engineering， 1985，bme-32（3）: 230-236.

［9］ Li C， Zheng C， Tai C. Detection of ECG characteristic points using wavelet transforms［J］. Biomedical Engineering IEEE Transactions on， 1995， 42（1）: 21-28.

［10］ 姚成， 司玉娟， 郎六琪， 等. 改进的基于小波变换的QRS波检测算法［J］. 吉林大学学报:信息科学版， 2011，29（5）: 401-407.

［11］ 王金亮. 心电信号的预处理及R波检测的研究［D］. 山东大学， 2011.

［12］ 王蔷薇， 孙朋， 庞宇， 等. 基于提升小波的心电信号R波检测算法研究［J］. 生命科学仪器， 2015（4）: 37-41.

［13］ Shafqat K， Pal S K， Kumari S， et al. Time-frequency analysis of HRV data from locally anesthetized patients［C］// Engineering in Medicine and Biology Society， 2009. EMBC 2009. Annual International Conference of the IEEE. IEEE， 2009: 1824-1827.

［14］ Kleiger R E， Stein P K， Bigger J T. Heart Rate Variability: Measurement and Clinical Utility［J］. Annals of Noninvasive Electrocardiology the Official Journal of the International Society for Holter& Noninvasive Electrocardiology Inc， 2005， 10（1）: 88-101.

［15］ Aboamer M A， Azar A T， Mohamed A S A， et al. Nonlinear features of heart rate variability in paranoid schizophrenic［J］. Neural Computing & Applications， 2014， 25（7-8）: 1535-1555.

Email：13638344878@163.com

中图分类号：TP274

文献标识码：A

DOI:[CLC Number] TP274[Document Code] A10.11967/2016140310 10.11967/2016140310

基金项目：⋆国家自然科学基金项目（61471075）

作者简介：米俊英（1990-），男，硕士研究生，主要研究方向为体征参数远程监控系统的设计

Design and Implementation of Remote Heart Rate Variability Analysis Server

Junying Mi， Yu Pang
（ Chongqing Municipal Level Key Laboratory of Photoelectric Information Sensing and Transmitting Technology，Chongqing400065， China ）

Abstract:Because of heart rate variability analysis instruments are expensive and heavy until today, a remote heart rate variability analysis Server was designed. The server use hypertext transfer protocol to communicate with mobile clients and can receive the electrocardiograph data from the users uploaded stably. After storing and analyzing the electrocardiograph data, the server can return the analysis results to the mobile clients and storage the results, thus making user query the history in the future. As to the implementation of the server, some interactive business process and key algorithms used in its implementation were expounded. The test results show that users can get the analysis result of heart rate variability after they upload electrocardiograph data and get history information from the server. In this way, users can use the data to evaluate themselves physical conditions currently or recently.

Key Words:Heart rate variability; Interactive business; Remote server