基于CareON的数据分析平台设计与实现

第三次信息化浪潮以来，大数据、云计算和物联网在医疗领域的应用引人瞩目。集成微系统实验室自主研发的健康监测系统，通过心电信号采集设备 CareON 以获取用户的心电信号，经由数据通信和数据传输过程，将心电信号的完整波形存储至云端数据库，数据分析人员从云端拉取数据以开展数据的处理与分析。

QRS波群作为心电信号最具有辨识度的区域，其 R 峰由于波形陡峭、幅值显著成为心率变异率分析的基础，实现对 QRS 波群 R 峰的精准检测，是提升后续数据分析质量的关键前导步骤。IMS实验室2020届毕业生马洁茹提出了一种 QRS 波群 R 峰检测算法，算法包括用于去除干扰噪声影响的数字滤波阶段，同时实现对 QRS 波群放大和对干扰噪声抑制的香农能量包络阶段，抑制伪性 R 峰的曲线长度变换阶段和将 R 峰检测转化为正向过零点检测的希尔伯特变换阶段。

心率变异率分析是一种非侵入性的疾病分析方法，反映了交感神经和迷走神经的活动性，其应用领域不仅仅局限于对心血管疾病的预防与控制，同时还可应用于糖尿病、脑血管、呼吸系统等疾病的辅助诊断。

IMS实验室2020届毕业生马洁茹从不同的分析角度进行特征的构建工作，采用的数据分析方法包括基于心率变异率的时域分析方法、频域分析方法和非线性分析方法。将心电信号的数据分析方法进行整合，搭建通用的数据分析平台则有利于规范化心电信号的数据分析流程，提升数据分析人员的工作效率，实现心电信号分析的自动化。选定 PyQt 框架的 PyQt5 版本进行数据分析平台的图形用户界面开发，总体设计方案包括用于承载数据分析主体流程与功能的主窗体，以及用于承载数据分析绘图需求的绘图窗体。主窗体的组成部分包括菜单栏、导航栏、功能界面和状态栏，绘图窗体的组成部分包括工具栏和绘图区域。

采用 MIT-BIH 心律失常数据库对 QRS 波群 R 峰检测算法进行评估，算法显著降低了反映 R 峰多检数量的假阳性与反映 R 峰漏检数量的假阴性，精确率为 99.97%，召回率为 99.89%，准确率为 99.86%。采用 PKU-IMS 心电数据库的窦性心律数据与 MIT-BIH心律失常数据库的心律失常数据，通过数据分析平台开展特征抽取工作，特征显著性检验的结果表明基于心率变异率的数据分析方法提取的特征具有显著区分度。

编辑：王虎

审核：李秋平