基于柔性传感的脉搏波监测系统研发结题报告

基于柔性传感的脉搏波监测系统研发结题报告一、项目概述1.1研究背景与意义心血管疾病是全球范围内威胁人类健康的首要疾病之一，据世界卫生组织统计，每年约有1790万人死于心血管疾病，占全球死亡总数的31%。早期诊断和实时监测对于心血管疾病的预防和治疗至关重要。脉搏波中蕴含着丰富的心血管生理信息，如心率、血压、血管弹性等，通过对脉搏波的精准监测，可以为心血管疾病的早期筛查、病情评估和疗效跟踪提供重要依据。传统的脉搏波监测设备多采用刚性传感器，存在佩戴不舒适、易受运动干扰、监测位点单一等问题，难以实现长期、连续、无创的日常监测。柔性传感器具有良好的柔韧性、延展性和生物相容性，能够与皮肤紧密贴合，实现对脉搏波的高精度、高灵敏度监测，为解决上述问题提供了新的技术途径。因此，研发基于柔性传感的脉搏波监测系统具有重要的临床价值和社会意义。1.2研究目标与内容本项目的总体目标是研发一套基于柔性传感技术的脉搏波监测系统，实现对人体脉搏波的长期、连续、无创监测，并通过对脉搏波信号的分析处理，提取相关心血管生理参数，为心血管疾病的预防和辅助诊断提供技术支持。具体研究内容包括：柔性脉搏波传感器的设计与制备：开发高灵敏度、高稳定性、低功耗的柔性压力传感器，优化传感器的结构和材料性能，提高其对脉搏波信号的检测能力。信号采集与处理模块的研发：设计低噪声、高分辨率的信号采集电路，实现对柔性传感器输出信号的放大、滤波和模数转换；开发信号处理算法，对采集到的脉搏波信号进行去噪、特征提取和参数计算。监测系统的集成与测试：将柔性传感器、信号采集与处理模块、无线传输模块和数据终端进行集成，构建完整的脉搏波监测系统；对系统进行性能测试和临床验证，评估其在不同人群、不同环境下的监测效果和准确性。基于脉搏波信号的心血管生理参数分析方法研究：深入研究脉搏波信号与心血管生理参数之间的关系，建立基于脉搏波特征的心率、血压、血管弹性等参数的计算模型，提高参数估算的准确性和可靠性。二、柔性脉搏波传感器的设计与制备2.1传感器的设计思路柔性脉搏波传感器的设计需要综合考虑灵敏度、线性度、稳定性、柔韧性和生物相容性等因素。本项目采用电容式柔性压力传感器的设计方案，其工作原理是利用柔性电极和介电层在受到压力作用时发生形变，导致电容值发生变化，通过检测电容值的变化来反映脉搏波的压力变化。传感器的结构主要包括柔性基底、上下电极层和介电层。柔性基底采用聚二甲基硅氧烷（PDMS）材料，具有良好的柔韧性和生物相容性；上下电极层采用银纳米线（AgNWs）导电薄膜，具有高导电性和良好的延展性；介电层采用多孔PDMS材料，通过在PDMS中引入多孔结构，提高其压敏性能，增强传感器对微小压力变化的灵敏度。2.2传感器的制备工艺柔性脉搏波传感器的制备过程主要包括以下步骤：柔性基底的制备：将PDMS预聚物和固化剂按照一定比例混合，搅拌均匀后进行真空脱泡，然后倒入模具中，在一定温度下固化成型，得到具有一定厚度的PDMS柔性基底。电极层的制备：采用旋涂法将AgNWs分散液涂覆在PDMS基底表面，然后进行干燥和热处理，使AgNWs形成连续的导电网络，得到柔性电极层。为了提高电极层的导电性和稳定性，对电极层进行表面处理，如喷涂保护层或进行化学镀。介电层的制备：将PDMS预聚物、固化剂和造孔剂按照一定比例混合，搅拌均匀后进行真空脱泡，然后涂覆在电极层表面，在一定温度下固化成型，随后通过溶解或挥发的方法去除造孔剂，得到多孔PDMS介电层。传感器的封装与测试：将制备好的上下电极层和介电层进行组装，形成电容式柔性压力传感器；对传感器进行封装处理，提高其防水性和耐用性；对传感器的性能进行测试，包括灵敏度、线性度、重复性、稳定性等。2.3传感器的性能测试与优化通过对制备的柔性脉搏波传感器进行性能测试，结果表明，传感器的灵敏度可达1.2kPa⁻¹，线性度良好（R²>0.99），响应时间小于10ms，能够满足脉搏波监测的需求。但在测试过程中也发现了一些问题，如传感器的稳定性受温度和湿度影响较大，长期使用后灵敏度有所下降等。针对这些问题，对传感器的制备工艺进行了优化：优化电极层的制备工艺，采用多层涂覆和热处理的方法，提高AgNWs电极的导电性和稳定性。改进介电层的多孔结构设计，通过调整造孔剂的种类和含量，控制多孔结构的孔径和分布，提高介电层的压敏性能和稳定性。对传感器进行封装优化，采用双层封装结构，外层使用防水透气膜，内层使用PDMS封装胶，提高传感器的防水性和抗干扰能力。经过优化后，传感器的稳定性得到了显著提高，在温度范围为-10℃~40℃、湿度范围为20%~80%的环境下，灵敏度变化率小于5%；连续使用30天后，灵敏度下降率小于3%，能够满足长期监测的要求。三、信号采集与处理模块的研发3.1信号采集电路的设计脉搏波信号是一种微弱的压力变化信号，其幅值通常在几十帕到几千帕之间，频率范围主要集中在0.1~20Hz。为了实现对脉搏波信号的精准采集，需要设计低噪声、高分辨率的信号采集电路。信号采集电路主要包括前置放大电路、滤波电路和模数转换（ADC）电路。前置放大电路采用仪表放大器，具有高输入阻抗、高共模抑制比和低噪声的特点，能够对柔性传感器输出的微弱电容信号进行放大；滤波电路采用有源低通滤波器和高通滤波器相结合的方式，滤除信号中的高频噪声和低频漂移；ADC电路采用16位高精度模数转换器，实现对模拟信号的数字化转换，采样率设置为100Hz，满足脉搏波信号的采样要求。为了降低电路的功耗，采用低功耗元器件和电源管理芯片，设计了节能模式，在不进行信号采集时，电路自动进入休眠状态，降低功耗。3.2信号处理算法的开发采集到的脉搏波信号中包含了大量的噪声和干扰，如工频干扰、运动伪迹、基线漂移等，需要对其进行去噪处理，以提高信号的质量。本项目采用小波变换和自适应滤波相结合的方法进行信号去噪：首先利用小波变换对脉搏波信号进行多尺度分解，去除高频噪声；然后采用自适应滤波算法，根据信号的特点自动调整滤波参数，进一步去除工频干扰和运动伪迹。在信号去噪的基础上，对脉搏波信号进行特征提取，主要包括时域特征和频域特征。时域特征主要包括脉搏波的峰值、谷值、上升时间、下降时间、脉宽等；频域特征主要包括脉搏波信号的主频、功率谱密度等。通过对这些特征参数的分析，可以提取出与心血管生理相关的信息，如心率、血压、血管弹性等。为了实现对心血管生理参数的准确计算，建立了基于脉搏波特征的参数计算模型。例如，根据脉搏波的传播速度（PWV）与血管弹性之间的关系，建立了血管弹性参数的计算模型；根据脉搏波的峰值和谷值与血压之间的关系，结合校准算法，实现了对收缩压和舒张压的估算。3.3算法的验证与优化通过对模拟脉搏波信号和临床实际采集的脉搏波信号进行测试，验证了信号处理算法的有效性和准确性。结果表明，去噪算法能够有效去除信号中的噪声和干扰，提高信号的信噪比；特征提取算法能够准确提取脉搏波的特征参数；参数计算模型估算的心率、血压等参数与临床测量结果具有良好的相关性（R²>0.95）。但在测试过程中也发现，当被测者处于运动状态时，脉搏波信号受到的干扰较大，算法的准确性有所下降。针对这一问题，对算法进行了优化：引入运动传感器，如加速度传感器，对被测者的运动状态进行监测；开发运动伪迹识别和去除算法，根据运动传感器的信号，对脉搏波信号中的运动伪迹进行识别和去除；优化参数计算模型，考虑运动状态对心血管生理参数的影响，提高模型在运动状态下的准确性。经过优化后，算法在运动状态下的准确性得到了显著提高，能够满足日常活动中的脉搏波监测需求。四、监测系统的集成与测试4.1系统的整体架构基于柔性传感的脉搏波监测系统主要由柔性脉搏波传感器、信号采集与处理模块、无线传输模块和数据终端四部分组成，其整体架构如图1所示。柔性脉搏波传感器佩戴在人体手腕的桡动脉处，实时采集脉搏波信号；信号采集与处理模块对传感器输出的信号进行放大、滤波、模数转换和处理，提取相关特征参数；无线传输模块将处理后的信号和参数通过蓝牙或Wi-Fi传输到数据终端；数据终端对接收的数据进行显示、存储和分析，并可以将数据上传到云端服务器，实现远程监测和数据共享。4.2系统的集成与实现根据系统的整体架构，将各个模块进行集成，实现了完整的脉搏波监测系统。具体实现过程如下：硬件集成：将柔性脉搏波传感器与信号采集与处理模块通过柔性导线连接，信号采集与处理模块与无线传输模块通过串口通信连接，无线传输模块与数据终端通过蓝牙或Wi-Fi进行无线通信。软件开发：开发了数据终端的应用程序，包括数据接收、显示、存储、分析和上传等功能；开发了云端服务器的数据管理平台，实现对用户数据的存储、管理和分析。系统调试：对集成后的系统进行调试，检查各个模块之间的通信是否正常，系统的功能是否满足设计要求；对系统的性能进行测试，包括信号采集的准确性、无线传输的稳定性、数据处理的实时性等。4.3系统的性能测试与临床验证4.3.1性能测试对集成后的脉搏波监测系统进行了全面的性能测试，测试内容包括：信号采集准确性测试：将系统与标准的脉搏波监测设备进行对比测试，在不同人群、不同状态下采集脉搏波信号，比较两者的信号波形和特征参数，结果表明，本系统采集的脉搏波信号与标准设备的相关性良好（R²>0.98），特征参数的误差小于5%。无线传输稳定性测试：在不同距离、不同环境下测试系统的无线传输性能，结果表明，在10米范围内，无线传输的丢包率小于1%，能够保证数据的稳定传输。系统功耗测试：测试系统在连续监测状态下的功耗，结果表明，系统的工作电流小于10mA，采用3.7V的锂电池供电，续航时间可达72小时以上，满足长期监测的需求。4.3.2临床验证为了评估系统的临床应用价值，选取了50名志愿者（包括健康人群和心血管疾病患者）进行临床验证试验。志愿者佩戴本系统和标准的医疗监测设备，同时进行脉搏波监测和血压测量，比较两者的监测结果。试验结果表明，本系统监测的心率与标准设备的测量结果一致性良好（Bland-Altman分析显示，95%的差值在±2次/分钟范围内）；估算的收缩压和舒张压与标准血压计的测量结果相关性良好（R²分别为0.92和0.90），误差在临床可接受范围内。此外，志愿者对系统的佩戴舒适性和使用便捷性给予了较高评价，表明本系统具有良好的临床应用前景。五、基于脉搏波信号的心血管生理参数分析方法研究5.1脉搏波与心血管生理参数的关系研究脉搏波是心脏射血引起的血管壁振动在动脉系统中的传播，其传播速度、波形特征等与心血管系统的生理状态密切相关。深入研究脉搏波与心血管生理参数之间的关系，是实现基于脉搏波监测的心血管疾病辅助诊断的关键。本项目通过理论分析、数值模拟和实验研究相结合的方法，系统研究了脉搏波传播速度（PWV）与血管弹性、血压之间的关系，脉搏波波形特征（如上升时间、脉宽、反射波增强指数等）与心脏功能、血管阻力之间的关系。研究结果表明：PWV与血管弹性呈负相关，血管弹性越好，PWV越小；PWV与血压呈正相关，血压越高，PWV越大。脉搏波的上升时间和脉宽与心脏射血功能和血管阻力密切相关，心脏射血功能越强，上升时间越短；血管阻力越大，脉宽越宽。反射波增强指数与血管硬化程度呈正相关，血管硬化程度越高，反射波增强指数越大。5.2心血管生理参数计算模型的建立基于上述研究结果，建立了基于脉搏波特征的心血管生理参数计算模型：血管弹性参数计算模型：根据PWV与血管弹性之间的关系，结合被测者的年龄、身高、体重等生理信息，建立血管弹性参数（如顺应性、刚度系数等）的计算模型。血压计算模型：根据脉搏波的峰值、谷值、上升时间等特征参数，结合PWV和血管弹性参数，建立收缩压和舒张压的计算模型，并通过临床数据进行校准和优化。心脏功能参数计算模型：根据脉搏波的波形特征和心率变化，建立心脏射血分数、心输出量等心脏功能参数的计算模型。5.3模型的验证与优化通过对临床采集的脉搏波数据和对应的心血管生理参数测量数据进行分析，验证了计算模型的准确性和可靠性。结果表明，模型估算的血管弹性参数、血压和心脏功能参数与临床测量结果具有良好的相关性（R²>0.90），误差在临床可接受范围内。为了进一步提高模型的准确性和适应性，对模型进行了优化：引入机器学习算法，如支持向量机、神经网络等，对计算模型进行训练和优化，提高模型的非线性拟合能力和泛化能力。考虑个体差异对模型的影响，建立个性化的参数计算模型，根据被测者的年龄、性别、病史等信息，调整模型的参数，提高模型在不同人群中的准确性。结合多模态生理信号（如心电信号、血氧信号等），建立融合分析模型，提高心血管生理参数估算的准确性和可靠性。六、项目成果与创新点6.1项目成果技术成果：研发了一套基于柔性传感的脉搏波监测系统，包括高灵敏度柔性脉搏波传感器、低噪声信号采集与处理模块、无线传输模块和数据终端应用程序；建立了基于脉搏波特征的心血管生理参数计算模型，实现了对心率、血压、血管弹性等参数的准确估算。专利与论文：申请发明专利3项，其中已授权1项；发表学术论文5篇，其中SCI收录3篇，EI收录2篇。人才培养：培养硕士研究生2名，本科生3名，为相关领域培养了专业人才。临床应用：完成了50例临床验证试验，验证了系统的准确性和可靠性，为系统的临床推广应用奠定了基础。6.2创新点传感器设计创新：采用多孔PDMS介电层和AgNWs电极的结构设计，提高了柔性传感器的灵敏度和稳定性，实现了对脉搏波信号的高精度监测。信号处理算法创新：提出了小波变换与自适应滤波相结合的信号去噪方法，以及基于机器学习的特征提取和参数计算算法，提高了信号处理的准确性和抗干扰能力。系统集成创新：实现了柔性传感器、信号采集与处理、无线传输和数据终端的一体化集成，开发了便捷易用的用户终端应用程序和云端数据管理平台，提高了系统的实用性和可推广性。分析方法创新：建立了多参数融合的心血管生理参数计算模型，结合机器学习算法实现了个性化的参数估算，提高了模型的准确性和适应性。七、项目总结与展望7.1项目总结本项目成功研发了一套基于柔性传感的脉搏波监测系统，完成了预定的研究目标和任务。通过对柔性脉搏波传感器的设计与制备、信号采集与处理模块的研发、监测系统的集成与测试以及心血管生理参数分析方法的研究，实现了对人体脉搏波的长期、连续、无创监测，并能够准确提取相关心血管生理参数。临床验证结果表明，本系统具有良好的准确性、稳定性和佩戴舒适性，能够满足心血管疾病预防和辅助诊断的需求。在项目实施过程中，团队成员充分发挥