【2021研电赛】智能胸外按压电除颤一体仪

本作品介绍参与极术社区的有奖征集|分享研电赛作品扩大影响力,更有重磅电子产品免费领取!

团队介绍

参赛单位:上海理工大学

参赛队伍:上理电感队

指导老师:闫士举

参赛队员:夏鹏、李宪龙、张涛

获奖情况:全国二等奖,上海市一等奖,兆易创新命题全国三等奖

1.作品简介

心脏骤停是最严重的猝死疾病,患者一旦发病会在短短5分钟后脑死亡,中国每年有约55万人死于心脏骤停,心脏骤停有效抢救时间仅为4分钟。突发心脏骤停最有效的救治方法为正确胸外按压和及时准确地电除颤。

心脏骤停逐渐引起了政府重视,近几年我国很多公共场所逐渐配备了AED(自动体外除颤仪)。然而,我国的心脏骤停救治成功率依然不足1%,远低于发达国家30%的成功率。究其原因,心脏骤停的救治远远不是仅配备电除颤仪就能解决的。发达国家的成功经验来源于其数十年的国民急救知识的培养,很难适用于我国国情。心脏骤停救治的时间紧迫性和急救设备、专业人员的稀缺性的矛盾,成了目前中国心脏骤停救治的重大难题。

我们合作的急救科医生对现有的AED提出了质疑:现有的AED等急救设备存在重大缺陷!主要缺陷如下:

(1)胸外按压风险巨大。将胸外按压交给没有经过专业训练的人是极不负责任的,错误的操作会起反作用并承担法律风险。

(2)现有设备不好用。现有的除颤设备往往只有除颤功能,并且危险性高,甚至我们研发人员都不敢轻易使用AED。急救时,手动胸外按压和电除颤需要来回切换,很可能伤害施救者。

(3)心电分析不智能。现有设备受限于只搭载传统算法,心电诊断的准确性低,大大限制了救治的成功率。

为了解决目前我国心脏骤停救治面临的困境以及医生提出的现有设备的缺陷。如图所示,我们设计了"智能胸外按压电除颤一体仪"。

本装置是一个无需专业人士介入的一体化急救设备。其集成了心脏骤停急救所需的全部功能。风险低、功能全、成本低、高智能、使用方便、存储维护方便。能有效解决现有设备风险大、使用繁琐、成本高、低智能、维护难的问题。

2.整体方案设计

本设计的方案如下图所示:

本设计大体分为电路系统设计、软件及算法设计以及机械结构设计三大部分,电路系统主要负责接受传感器和控制指令以闭环控制按压电机,产生高压双向波脉冲并根据人体胸阻抗进行电除颤,编写底层程序控制整机以及卡片电脑通讯获取实时诊断信息和控制指令等等。软件及算法设计主要负责上层用户 UI 控制以及诊断心脏状态,并将用户控制指令和心脏诊断结果信息传输给电路系统。机械结构设计则设计了一套高效的按压控制系统,并与电路系统兼容。该系统安装收纳快速,携带方便,可大大提升心脏骤停病人的救治速度,挽救生命。

硬件设计

智能胸外按压电除颤一体仪的硬件电路本作品以搭载ARM处理器的单片机为控制核心 ,主要由六部分组成:整机控制电路部分、电机驱动电路部分、运动传感电路部分、电除颤电路部分、生理信号采集电路部分、主控控制电路部分。如图所示:

机械设计

为了满足使用方便、收纳容易等要求,本装置采用折叠式担架结构,具体结构如图1 所示。将电机、束带等胸外按压的主要机械部件安装在担架的上半部分,当有患者需要使用装置时可迅速展开并完成固定,保证抢救工作可稳定进行。此外,该装置可根据实际情况加装滚轮等部件,方便病人的转运,并保证在转运过程中持续完成抢救任务。

本装置的胸外按压部分主要由电机、束带和快速连接装置组成。通过电机驱动,束带拉紧完成对病人胸腔的挤压,采用全胸腔覆盖,使得按压力在胸腔上部均匀负荷分布。快速连接装置如图2 所示,采用特殊的"握手结构",能快速、靠地完成连接,保证按压过程稳定。并且该连接装置中设置有压力传感器和位置传感器,能够测得按压的力度及束带的连接状况,实时反馈给控制核心,当有意外情况发生时及时终止按压动作,防止对病人造成伤害。此外该装置还设有特殊的缓冲装置,保证按压负荷的合理分布,使按压效果达到最好且不至于按伤病人、不会给病人带来二次伤害。

软件系统设计

心电信号分类模型架构如图所示,主要对输入信号先进行小波变换然后进行小波阈值去噪,再对去噪后的信号进行小波反变换得到去噪后的信号。分类模型整体采用 CNN 架构,一维卷积可以有效的提取心电信号特征,再将提取的心电信号特征送入全连接层进行进一步的特征提取和训练,实验表明该模型架构对心电信号分类效果显著。

3.作品测试

如图示,其中图1为未用小波去噪的心电波形,图2为小波去噪后的心电波形,对比两图可以看出,小波去噪对心电信号的去噪能力非常突出,不但可以平滑噪声对心电信号的影响,而且完美的保留了原信号的特征。经过小波去噪后的心电信号特征用于分类,即使没有大量的数据也能够进行快速精准检测。

下图为分类模型预测的混淆矩阵,对于 21543 个正常心电信号的预测正确的个数为 21513,对于 513 个房性早搏数据预测正确个数为 518,对于 2124 个室颤数据预测正确个数为 2106,1914 个左束支传导阻滞搏动数据和 1516 个右束支传导阻滞搏动数据预测正确的个数分别为 1912,1513。可以看出模型对于心电数据的分类预测效果非常好。

我们分别使用 80Ω/500W,47Ω/500W 的电阻模拟人体负载,并通过 RS422串口总线下达电除颤命令。示波器捕获到的电除颤波形如图 1 和 2 所示:

4.总结

本作品自主研发设计了结合反激充电电路、胸阻抗测量电路、心电采集电路、电机驱动控制电路、整机控制电路、电容储能阵列电路等等,并自主设计了按压机械结构,利用小波去噪和人工智能算法,设计了一款智能胸外按压电除颤一体仪。

我们团队主要完成了以下几点工作:

  • 自主研发设计了一套电除颤系统,该电除颤电路能自动检测人体胸阻抗,并对电容储能 600V-1.5KV 之间的高压,产生双相波进行电除颤。
    创新型地设计了一套胸外按压系统,该系统能自动对患者进行标准胸外按压时进行闭环控制,保证患者的安全。
  • 自主开发了一套智能心电分类软件,利用卷积神经网络对心电信号进行识别和判断,该软件分类精度高,性能强大,能有效用于心脏骤停急救中的病情分析。
  • 为实现多功能的综合控制,特自主设计了一套胸外按压以及电除颤的综合控制系统,保证以上各模块能合理稳定运行,以最快的速度、最稳定的按压和最可靠的电除颤对患者实施紧急救护。

经过测试,本作品功能正常,性能优越,各项指标达到设计要求,已完成阶段性的目标,我们将在此基础上继续优化,在进行充分动物实验后可进入商业化优化阶段。

附作品展示视频

https://www.bilibili.com/video/BV1Pv411A7KU/?aid=250574184&cid=408602861&page=1

更多研电赛作品请查看2021年研电赛获奖作品合集

相关推荐
Deepoch23 分钟前
Deepoc 大模型在无人机行业应用效果的方法
人工智能·科技·ai·语言模型·无人机
Deepoch26 分钟前
Deepoc 大模型:无人机行业的智能变革引擎
人工智能·科技·算法·ai·动态规划·无人机
kngines1 小时前
【字节跳动】数据挖掘面试题0003:有一个文件,每一行是一个数字,如何用 MapReduce 进行排序和求每个用户每个页面停留时间
人工智能·数据挖掘·mapreduce·面试题
Binary_ey1 小时前
AR衍射光波导设计遇瓶颈,OAS 光学软件来破局
人工智能·软件需求·光学软件·光波导
昵称是6硬币1 小时前
YOLOv11: AN OVERVIEW OF THE KEY ARCHITECTURAL ENHANCEMENTS目标检测论文精读(逐段解析)
图像处理·人工智能·深度学习·yolo·目标检测·计算机视觉
平和男人杨争争1 小时前
机器学习2——贝叶斯理论下
人工智能·机器学习
静心问道1 小时前
XLSR-Wav2Vec2:用于语音识别的无监督跨语言表示学习
人工智能·学习·语音识别
算家计算2 小时前
5 秒预览物理世界,2 行代码启动生成——ComfyUI-Cosmos-Predict2 本地部署教程,重塑机器人训练范式!
人工智能·开源
摆烂工程师2 小时前
国内如何安装和使用 Claude Code 教程 - Windows 用户篇
人工智能·ai编程·claude
云天徽上9 天前
【目标检测】图像处理基础:像素、分辨率与图像格式解析
图像处理·人工智能·目标检测·计算机视觉·数据可视化