EMI 急诊医学国际 2090 - 2859 2090 - 2840 Hindawi 10.1155 / 2021/9954669 9954669 研究文章 可穿戴、多通道、Biosignal采集系统潜在的重要和紧急的应用程序 https://orcid.org/0000 - 0001 - 8371 - 8197 林 Chin-Teng 1 2 3 王 陈钰 2 黄 Kuan-Chih 2 Horng Shi-Jinn 4 https://orcid.org/0000 - 0002 - 2601 - 3673 廖 Lun-De 5 林 Yan-Ren 1 电气控制工程学院 国立阳明大学 新竹 台湾 nctu.edu.tw 2 大脑研究中心 国立阳明大学 新竹 台湾 nctu.edu.tw 3 澳大利亚人工智能研究所 工程与信息学院 科技大学的 悉尼 新南威尔士州2007 澳大利亚 uts.edu.au 4 计算机科学与信息工程系 国立台湾科技大学 台北 台湾 ntust.edu.tw 5 生物医学工程与纳米学院 国家卫生研究所 苗栗县 台湾 nhri.org.tw 2021年 11 6 2021年 2021年 9 4 2021年 25 5 2021年 11 6 2021年 2021年 版权©2021 Chin-Teng林等。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

紧急或重症监护病房(icu)患者意识不清楚或不稳定的血流动力学往往需要积极监测由多个显示器。复杂的管道或线路增加患者负担,为医务人员不便。目前,许多商业设备提供相关功能。然而,大多数测量设备只有一个生物信号,可以增加用户的预算而导致远程集成困难。在这项研究中,我们发展一个可穿戴设备,集心电图(ECG)、脑电图(EEG)和血氧机器医学应用,希望它可以应用于未来。我们开发一个集成multiple-biosignal记录系统基于模块化设计。发达系统监控和记录脑电图、心电图和外围血氧饱和度(热点2)信号用于健康同时在一个设置。我们使用一个逻辑电平转换器连接发达脑电图模块(BR8),心电图模块和热点2模块的单片机(Arduino)。模块化的数据然后顺利通过一致的开销字节编码和解码填料(领导人)。这个开发的系统已通过仿真测试和表现出所有的模块和子系统的正常运行。在未来,提出了系统的功能与额外的模块可以扩展以支持各种紧急或ICU应用程序。

 澳大利亚研究理事会 DP180100670 DP180100656 陆军研究实验室 w911nf - 10 - 2 - 0022 w911nf - 10 d - 0002 / - 0023 科学技术部、台湾 107 - 2221 - e - 400 - 002 - my3 107 - 3111 y - 043 - 012 108 - 2221 - e - 400 - 003 - my3 108 - 2221 - e - 009 - 120 - my2 109 - 2221 - e - 009 - 050 - my2 109 - 2314 - b - 400 - 037 国家卫生研究所 nhri ei——ex108 - 10829 nhri ei——ex109 - 10829 nhri ei——ex110 - 10829 台湾的中央政府 106-0324-01-10-05 107-0324-01-19-02 108-0324-01-19-06 109 - ec - 17 - 22 - 1650 110 - ec - 17 - 22 - 1650 1。介绍

生物的监测是现代医疗保健和健康管理变得越来越重要,尤其是对于紧急情况或重症监护病房(icu) ( 1- - - - - - 3]。患者意识不清楚或不稳定的血流动力学往往需要积极监测通过使用多个显示器。这种类型的监测不仅是用于理解当前身体的生理变化但还提供了一个潜在的方法来预测特定故障的发生(例如,中风或心脏病发作) 4]。生物记录生物事件(如心脏或收缩肌肉)在空间和时间。电气、化学和机械的活动发生在这个生物事件常常产生信号,可以测量和分析( 5]。因此,生物包含有用的信息,可以用来理解底层生物事件或系统和一个特定的生理机制可能是用于医学诊断( 6, 7]。这些信号可以以多种方式获得( 5, 6, 8]。许多发达的产品组合不同的外围测量(心率(HR)、皮肤电导水平,等等)到一个医疗保健(活动检测仪 9, 10]。然而,很少有研究或产品组合这些外围活动与中央生理变化,如大脑活动(脑电图(EEG)、血流动力学等)( 11- - - - - - 13]。

此外,最近的事态发展表明,多个生物信号可以提供更高精度的确定人类性能( 14, 15)或诊断各种疾病( 16]。生物在生物信号是任何信号(电或nonelectrical),可以不断地测量和监控提供几种不同的信息系统在体内( 17]。例如,脑电图可以用来评估脑功能疾病,退行性疾病、炎症、癫痫、和不正常的睡眠 18- - - - - - 22]。

此外,心电图(ECG)可以用来观察心脏行为和检测心律失常、心室心房肥大、心肌梗死、心肌缺血等疾病( 23]。它可以反映心肌损伤的程度和心房和心室的结构 24, 25]。最近,氧饱和度(热点2)结合心电图用于检测狭窄或闭塞的动静脉瘘/贪污,动脉硬化的进展,和心律失常 25]。热点;2是一个测量血液中的血红蛋白的数量相对于血红蛋白没有携带氧气的量( 26- - - - - - 29日]。身体需要一定程度的血液中氧气有效函数( 26, 28, 30.]。事实上,非常低水平的热点2会导致严重的症状( 26]。心电图调节电路是用来检查测量心电图信号。脉搏血氧计的指型探针与间接测量热点2水平,然后,人力资源和热点2水平得到在同一时间( 31日, 32]。

因此,迫切需要开发一个集成的系统存在,可以同时记录多个生物医学应用。在这项研究中,我们发展一个multibiological综合监控系统,可以获得和处理多个生物(如脑电图、心电图,热点2同时,人力资源的信号)。此外,开发的系统可以将集成生物数据无线传输到智能手机或个人电脑和监控脑电图、心电图,热点2,实时和人力资源信息。大多数传统系统分别取数据点对身体和从不同的位置。此外,复杂的管道或线路增加患者负担,为医务人员不便。相比之下,我们开发一个智能传感器系统,促进了传感器融合通过密封电子产品到一个模具。这个设计由运动工件的影响较小。在未来,这个选项将为患者提供灵活性,给临床医生对生理数据的访问。此外,模块化设计的概念(功能分区为离散和可扩展模块)将很快被应用到该系统扩展的数量可能的测量,建立行业标准。

 2。材料和方法 2.1。系统架构

本研究的目的是开发一个biosignal同步记录系统可以测量多个生物(系统架构如图 1(一))。系统由三部分组成:录音模块,单片机,一个在线接口。核心系统是Arduino超级2560,具有以下特点:(1)一个开源单片机微控制器使用Atmel AVR单片机;(2)开源软件;(3)硬件平台构建到一个简单的输出/输入接口板;和(4)使用C语言开发环境。生物是被单独收购相关模块:(1)脑电图模块:BR8;(2)心电图模块:AD8232;和(3)热点2模块:MAX30100。

系统架构,包括脑电图信号采集系统。(一)系统架构。系统由三部分组成:记录模块,单片机,一个在线接口。核心系统是Arduino超级2560,具有以下特点:(1)一个开源单片机微控制器使用Atmel AVR单片机,开源软件(2),(3)一个硬件平台构建到一个简单的I / O接口板,和(4)基于C语言的开发环境。生物是被单独收购相关的模块:(1)一个脑电图模块(BR8),(2)一个心电图模块(AD8232),和(3)一个热点2模块(MAX30100)。(b)的脑电图信号是由两个模拟放大器放大电路,然后发送到采样ADC (ADS1298)。ADC的数字信号转换传输到单片机单元通过SPI (MSP430的)。信号是由MSP430的编码后,原始的脑电图数据被发送到其他接收机设备通过rs - 232接口进行进一步分析或应用程序。

 2.2。脑电图信号采集系统

脑电图信号采集系统的架构如图 1 (b)。EEG信号是由两个模拟放大器放大电路,然后发送到模拟-数字转换器(ADC) (ADS1298)抽样。ADC的数字信号转换传输到单片机单元(MSP430的)通过一个串行外围接口(SPI)。信号是由MSP430的编码后,脑电图原始数据被发送到其他接收机设备通过rs - 232为进一步分析或应用程序。

2.2.1。前端有源电路

在第一阶段,INA333具有很高的输入阻抗(100 GΩ)和高共模抑制比(CMRR(100分贝)。这些因素使得INA333适合集成系统的模块化设计。

的传递函数设计如下: (1) 获得 = 1 + One hundred. k Ω R G Ω + 1 / j w × 47 μ F 。

在这个电路, R G = 14.7 K 设置的增益放大器。前置放大器幅值设置为7.8 V / V,截止频率是设计为0.103赫兹。因此,电路实现高绩效在第一阶段,如图 2(一个)(仪器放大器的示意图)。在第二阶段,OPA2333抵消低电压(10 µV),低静态电流(17所示 μ),一个优秀的CMRR (130 dB),和一个低功耗运算放大器。在这个阶段,OPA2333作为带通滤波器。二阶高通滤波器电路如图 2 (b)。

有源电路提出了系统的前端。图表(a)的仪器放大器和(b)二阶高通滤波器。(c)电路的逻辑电平转换器。Arduino系统一般工作在5 V,但MSP430的用于我们的脑电图描记器系统是一个单片机的操作在3.3 V - 3.7 V如果TX / RX是直接相连的,它很容易导致MSP430系统磨损甚至过热。(d)因此,在两个系统之间,这里给出的逻辑电平转换器用于电压转换。

EEG信号过滤由二阶高通滤波器截止频率为0.108赫兹在第二阶段。高通滤波器的增益设置为174 V / V。这个设计高通滤波器电路的传递函数如下: (2) G 年代 = 121年 年代 2 年代 2 + 1.11 年代 + 0.463 , 年代 ≈ 0 低频率的 G 一个 我 n = 0 V V , 年代 ≈ ∞ 高频率 G 一个 我 n = 174年 V V , f l = 0.108 赫兹 。

2.2.2。模拟-数字转换器(ADC)

ADC的单位,ADS1298集成了8通道的高分辨率(24位)delta-sigma ADC和提供了一个高数据率(每秒32 k的样品)。ADS1298通常用于心电图和脑电图监测,如表所示 1。

ADS1298有源电路的规范和规范。

ADS1298:8-channel ADC
决议 24位/ 16位高分辨率
输入通道 8通道
电力/渠道消费 0.75兆瓦
控制接口 SPI
规范的电路
信号 脑电图描记器
输入信号范围 10 µv - 100 µV
获得 1357年
抽样频率(赫兹) 512年

总的来说,有源电路的总收益约1357 V / V,噪音低于0.108赫兹是过滤掉。放大和过滤脑电图信号数字化的ADC单元(ADS1298)。总共8通道有源电路是在大约2.8马3 V直流电源。有源电路的细节如表所示 1。

 2.2.3。单片机:MSP430

完成数字化后,单片机单元(美国德州仪器MSP430F5522)接收数字信号。MSP430的包含一个16位RISC CPU、外围设备10 KB SRAM, 128 KB闪光。专用嵌入式仿真逻辑驻留在设备本身和访问通过联合测试行动小组(JTAG)使用任何额外的系统资源。一套每秒500样品的采样率是ADC。

MSP430处理EEG信号并通过通用异步接收/传送发射机Arduino电路板(UART)接口。最后,EEG数据同时显示在屏幕上和其他生物和保存到电脑 8, 33]。

 2.3。心电图模块

AD8232是心电图信号模块测量的应用。它的目的是提取、放大和过滤噪声条件下(小生物 34]。AD8232选择,因为它有最好的输出阻抗和收益。高通滤波器,使用双刀高通滤波器、低通滤波器,采用双刀Sallen-Key低通滤波器 34]。AD8232可在4毫米×4毫米,20-lead LFCSP包。所有的规格让AD8232适用于集成系统。

 2.4。热点2 <子> < /订阅>模块

的热点;2MAX30100模块使用,是一个集成的脉搏血氧仪和人力资源监测传感器。它结合了两种发光二极管,光电探测器,优化光学和低噪声模拟信号处理来检测脉搏血氧仪和人力资源信号。MAX30100运作从1.8 V至3.3 V电源( 35),可以简化电路设计,减少系统的足迹,和减少设计时间和系统功耗;因此,它适用于系统[ 35]。

 2.5。微控制器单元

Arduino使用开源软件和硬件平台,提供了一个简单的I / O接口。它还支持开发环境如Java和c。在实验中,我们不同的模块连接到Arduino兆2560。Arduino电路板可以接受7 - 12 V的输入电压。此外,它可以输出3.3 V和5 V提供不同的生理模块和足够数量的I / O引脚,使许多生理信号的集成模块简单。

Arduino超级2560是一个ATmega2560-based单片机板。它拥有54座数字I / O引脚(15可以作为PWM输出),16个模拟输入,4 uart(硬件串口),16兆赫晶体振荡器,USB连接和杰克。它包含所有必要的支持单片机和只需要与一个USB电缆连接到计算机或启动一个交直流适配器或电池。

 2.6。Arduino BR8连接:逻辑电平转换器

Arduino板一般在5 V函数,但MSP430的用于我们的脑电图描记器系统是一个单片机的操作在3.3 - -3.7 V。如果TX / RX连接,它将很容易磨损,甚至过热MSP430系统(图 2 (c))。两个系统之间的逻辑电平转换器用于电压转换(图 2 (d))。

这个系统的原理很简单。当电流端子(Arduino电路板)的重要输入5 V,晶体管不行为,和后端(MSP430) VH输出3.3 V。相反,当前端重要的输入为0 V,晶体管,和后端VH输出也是0 V;因此,电压可以转换为适合不同的系统。结合逻辑电平转换器,发射峰电压MSP430(图 3(一个))变化从3.28 V至4.8 V电压就接收峰Arduino电路板(图 3 (b))。此外,Arduino电路板的发射峰电压变化从4.8 V至3.28 V电压就接收峰MSP430。

逻辑电平变换器,透射峰电压MSP430 (a)被转换从3.28 V至4.8 V的电压就接收到的峰Arduino电路板(b)。(c)数据包由穗轴解码器解码。

一致的开销字节填料(领导人)是一种数字数据包编码算法实现高效、可靠的包框架。它使用0作为一个特定的字节,插入一个包作为分隔符。发生零数据字节时,操作代替了零字节与一个非零值。因此,零包中不存在的数据和误解为一个包边界(如表所示 2)。这种方法使数据包接收快速高效地恢复其原始数据形式的数据包和无错传输效率。

玉米穗轴的例子。

未编码数据(十六进制) 编码和穗轴(十六进制)
00 01 01 00
00 00 01 01 01 00
11日22日00 33 03年11 22日02 33 00
11 22 33 44 05年11 22 33 44 00
11日00 00 00 02年11 01 01 01 00

数据传输从MSP430利用玉米穗轴Arduino电路板进行编码。从每个模块集成不同的信号,数据包需要解码成原始数据。数据包解码后,开销字节和分隔符字节被淘汰,与零值降低,如图 3 (c)。

 3所示。结果与讨论 3.1。脑电图测试结果

在本文实验报告被批准的机构审查委员会(IRB)国立交通大学(变- rec - 106 - 057)和遵循赫尔辛基宣言的规则。在脑电图信号测试中,我们使用正式的脑电图测试信号发生器模拟固定频率信号(500 μV, 2赫兹正弦波)进行测试。基本的信号通过BR8模块和框架作为一个数据包传输到Arduino董事会。然后,Arduino板恢复数据包通过UART原始波形。提出系统的设计成功地通过脑电图仿真测试和获得相同的质量EEG信号,通过脑电图的连接模块(BR8)。

 3.2。心电图测试结果

在心电图独立的测试中,我们使用一个UART连接AD8232 Arduino董事会通过TX / RX信号接受实验的测量数据。Arduino板然后组织的成果转化为数据传输到电脑,如下所示。电极被组合在一起,从不同的角度观察心脏的活动。典型的心电图波形可以清楚地观察到图 4(一)。PQRS矩形和不那么明显 T波也可以看到。

(一)Arduino接口和心电图测量获得的情节Arduino设备。(b)血氧测量后爬楼梯。

 3.3。热点<子> 2 < /订阅>测试结果

不像AD8232 MAX30100使用我2C和Arduino电路板传输数据。通过两个信号线路sci和SDA Arduino电路板连接,过程开始后,红色LED MAX30100被激活,说明正常操作。红色的领导中扮演一个重要的角色在测量血氧数据。

测量时,我们按食指红色发光二极管,允许光线穿过手指,反射的光线被接收者监控。接收机接收到的信号的分析对交流信号和直流信号。除了测量血氧浓度,MAX30100能计算出节奏。图 4 (b)显示了动脉血氧饱和度的结果传输到计算机。

图中的数据更新大约每秒。我们进行一个简单的测试:主题是首先测量在平静的状态,然后,主题爬楼梯到八楼,再次测量。一个简单的比较表明,显著提高心律后爬楼梯。一个成年人的正常血氧数据从大约94%到100%。

 3.4。图形用户界面测试

监测各种各样的生物医学信号,我们必须开发一个集成的接口,可以同时显示脑电图、心电图和热点2监测结果。在这项研究中,我们使用MATLAB来实现我们的目标。MATLAB强大的功能为我们提供了一个波形接口和串行通讯端口的数据包的集合。收集到的数据很容易存储和使用在后续计算。在实验中,我们使用界面显示脑电图和心电图实时波形、血氧水平和人力资源。用MATLAB本身,观察波形放大个体并将它们存储的测量。每个实验的数据可供日后回顾。

 3.5。在线演示的集成系统

集成接口测试,戴着每个模块的所有传感器,包括四个脑电图从BR8渠道,从AD8232三个电极,一个热点2通道从MAX30100(图 5)。四个脑电图电极放在前额(数字 5(一)和 5(b)),三个心电图电极放置在胸部(图 5(c))和主题的手指放在MAX30100动脉血氧饱和度测量(图 5(c))。制备过程完成后,开始进行测量脑电图,心电图,同时和动脉血氧饱和度信号。我们获得的结果提出了在集成界面如图 5(d)。第一,第四频道的信号收到的四个电极脑电图测量。第五频道是心电图信号,通过测量上述三个电极。第六个和第七频道是人力资源和热点2信号。在实验中,我们问这个话题闭上眼睛大约10秒钟,然后快速眨眼大约10秒钟。如图所示,大约67 - 75秒,EEG信号有一个温柔的波形,代表的脑波闭眼睛。75秒至85秒,每个峰代表一个眨眼(图 6(一))。扩大ECG信号之后,我们观察到每一个完整的心脏节律周期PQRST波(图 6 (b))。最后,人力资源和动脉血氧饱和度值在正常范围内(图 6 (c))。

(a)、(b) (c)的实际位置测量模块。(d)集成所有信号的测量结果。

(一)脑电波信号对应于闭上眼睛,闪烁的眼睛。(b)心电信号的放大图,显示每一个完整周期的心可以被视为一个完整的PQRST波。(c)人力资源和血氧测量。

 4所示。结论

本研究开发了一种multiple-biosignal记录系统基于模块化设计,集脑电图、心电图和热点2医疗应用程序模块。这三个模块的数据传输到单片机单元,Arduino电路板,通过设计的逻辑电平转换器。Arduino董事会使用玉米穗轴同时解码数据和发送在一起为近实时演示一个定制的图形用户界面在MATLAB环境中,能够接收和可视化数据的实时和离线分析提供数据。该系统通过模拟信号测试,目的是当应用到一个真正的人类。模块化设计能赋予集成系统具有较高的灵活性和使我们的脑电图模块成功地结合其他商业测量设备在一个共同的Arduino平台。在未来,我们将取代单片机与更先进的单片机(例如,Arduino零)来提高数据传输的速度。这个改进可以使测量(例如,肌电图)或不同的生物信号通道脑电图模块在本系统的完整的人类健康状况的监测。此外,wi - fi /蓝牙将支持移动平台增加方便使用和应用程序。我们预计这个multiple-biosignal采集系统用于各种真实的医学应用,如在紧急或ICU设置,和提高人类的生活质量。

 数据可用性

请求通过相应的数据将提供这篇文章的作者。

 的利益冲突

作者宣称没有利益冲突。

 确认

这项工作是支持部分由澳大利亚研究理事会(ARC)发现奖助金DP180100670和DP180100656。这项研究也得到了陆军研究实验室的资助下完成合作协议w911nf - 10号- 2 - 0022和w911nf - 10 d - 0002 / - 0023。这项研究的部分支持由台湾的科学技术部通过金融支持下批准号。107 - 2221年- e - 400 - 002 - my3, 107 - 3111 y - 043 - 012, 108 - 2221 - e - 400 - 003 - my3, 108 - 2221 - e - 009 - 120 - my2, 109 - 2221 - e - 009 - 050 - my2,和109 - 2314 - b - 400 - 037;由美国国家卫生研究院下的台湾格兰特。nhri - ex108 - 10829 ei nhri - ex109 - 10829 ei和nhri ei - ex110 - 10829;S & T赠款从台湾的中央政府批准号。106-0324-01-10-05,107-0324-01-19-02,108-0324-01-19-06,109 - ec - 17 - 22 - 1650和110 - ec - 17 - 22 - 1650。

 Kyriacou E。 Pavlopoulos 年代。 berl 一个。 多功能医疗远程医疗系统与移动通信链接的支持 生物医学工程在线 2003年 2 10.1186 / 1475 - 925 x - 2 - 7所示 2 - s2.0 - 1942520082 Tachakra 年代。 Banitsas k。 Tachakra F。 无线远程医疗系统的性能在医院事故和急诊 远程医疗和Telecare杂志》上 2006年 12 6 298年 302年 10.1258 / 135763306778558169 2 - s2.0 - 38149022620 Rezayi 年代。 Safaei 答:一个。 数 N。 设计和评价的可穿戴智能全面系统监测生命体征的患者救护车 杂志上的传感器 2021年 2021年 11 8820740 10.1155 / 2021/8820740 Catarinucci l 德不清楚 D。 梅内 l 一个IoT-aware智能医疗系统的体系结构 IEEE物联网 2015年 2 6 515年 526年 10.1109 / jiot.2015.2417684 2 - s2.0 - 84961620802 刘 J。 刘 M。 白 Y。 张 J。 刘 H。 朱 W。 灵活的可穿戴传感器的最新进展生命体征监测 传感器(瑞士巴塞尔) 2020年 20. 10.3390 / s20144009 Thakor n V。 通 年代。 定量脑电图分析方法的进步 生物医学工程的年度审查 2004年 6 1 453年 495年 10.1146 / annurev.bioeng.5.040202.121601 2 - s2.0 - 4444277301 廖 L.-D。 吴 S.-L。 Liou 学术界。 一种新颖的16通道脑电图测量用干弹簧传感器的无线系统 IEEE仪表和测量 2014年 63年 6 1545年 1555年 10.1109 / tim.2013.2293222 2 - s2.0 - 84903737731 林 c . T。 余 y . H。 王 j . T。 刘 c . H。 廖 l D。 埋线增强硅干接触传感器脑电图信号测量 IEEE传感器杂志 2020年 20. 3831年 3837年 金 H。 金 年代。 范Helleputte N。 一个可配置的和低功耗便携式心电图监测应用程序混合信号SoC IEEE生物医学电路和系统 2014年 8 2 257年 267年 10.1109 / tbcas.2013.2260159 2 - s2.0 - 84902278850 吴 s . L。 廖 l D。 陆 s W。 江 w . L。 程ydF4y2Ba 美国一个。 林 c . T。 控制人机界面系统一种新的分类方法,使用electrooculography信号 IEEE生物医学工程 2013年 60 8 2133年 2141年 10.1109 / tbme.2013.2248154 2 - s2.0 - 84880880661 气 y . M。 Ng P。 Cauwenberghs G。 无线无触点心电图和脑电图生物电势传感器 Acm交易嵌入式计算系统 2013年 12 10.1145/2485984.2485991 2 - s2.0 - 84881299996 卢 D。 程ydF4y2Ba X。 赵 Z。 无线健康监测系统基于android操作系统 IERI Procedia 2013年 4 208年 215年 10.1016 / j.ieri.2013.11.030 廖 l D。 林 c . T。 麦克道尔 K。 生物传感器技术增强脑-机接口在未来几十年 《IEEE纪念特刊 2012年 One hundred. 1553年 1566年 10.1109 / jproc.2012.2184829 2 - s2.0 - 84862777322 不结盟运动 s . H。 李 j . Y。 金 j . Y。 虚拟现实应用医疗Biological-signal-based用户界面系统 杂志上的传感器 2018年 2018年 10 10.1155 / 2018/9054758 2 - s2.0 - 85051595811 9054758 余 y . H。 陆 s W。 廖 l D。 林 c . T。 设计、制造和实验验证新颖灵活的硅干脑电图信号测量的传感器 IEEE平移工程在健康和医学杂志》上 2014年 2 2700307 10.1109 / JTEHM.2014.2367518 2 - s2.0 - 84916920033 林 c . T。 Nascimben M。 王 j . T。 王 y K。 任务相关脑电图和HRV熵因素在不同实际疲劳场景 Neurocomputing 2018年 311年 24 31日 侯赛因 美国J。 伊尔凡 M。 Jhanjhi n Z。 侯赛因 K。 Humayun M。 性能增强体内无线区域网络安全通信 无线个人通信 2021年 116年 1 1 22 10.1007 / s11277 - 020 - 07702 - 7 费利克斯 C。 科伦 j . P。 Rothmayer M。 基于计算机的自动检测癫痫发作 神经学前沿 2018年 9 特谢拉 c。 Direito B。 Feldwisch-Drentrup H。 EPILAB:一个软件包研究预测癫痫发作 神经科学杂志》上的方法 2011年 200年 257年 271年 Ahammad N。 Fathima T。 约瑟夫 P。 使用脑电图检测癫痫发作事件和发病 生物医学研究的国际 2014年 2014年 7 450573年 10.1155 / 2014/450573 2 - s2.0 - 84896855032 雅各 年代。 Alagirisamy M。 梅农 诉G。 一种自适应和灵活的大脑活力全身外骨骼与物联网的优势帮助瘫痪病人 IEEE访问 2020年 8 100721年 100731年 10.1109 / access.2020.2997727 卡森 a·J。 可穿戴的脑电图和超越 生物医学工程的信 2019年 9 1 53 71年 10.1007 / s13534 - 018 - 00093 - 6 2 - s2.0 - 85063517023 艾迪生 p S。 小波变换和心电图:审查 生理测量 2005年 26 5 R155 R199 10.1088 / 0967 - 3334/26/5 / r01基金 2 - s2.0 - 23744458827 朱 h·L。 程 C。 阴 H。 自动multilabel心电图诊断心律与深度学习或传导异常:队列研究 柳叶刀数字医疗 2020年 2 E348 E357 10.1016 / s2589 - 7500 (20) 30107 - 2 曾 c K。 曹国伟 s . H。 黄 y S。 应用程序最小化的可穿戴设备结合动脉血氧饱和度和心电图传感器来检测狭窄或闭塞的动静脉瘘/贪污,动脉硬化的进展和心律失常 学报2018年第七届IEEE国际研讨会上新一代电子产品(Isne) 2018年5月 台北,台湾 198年 201年 莫迪 a . M。 Kiourkas r D。 李 J。 斯科特 j·B。 智能手机的可靠性在受试者脉搏血氧测量血氧不足的风险 呼吸道护理 2021年 66年 384年 390年 Hasanin 一个。 卡拉姆反对 N。 穆赫塔尔 a . M。 哈比卜 美国F。 脉冲的能力oximetry-derived外围灌注指数检测流体响应性脓毒性休克患者 杂志的麻醉 2021年 35 2 254年 261年 10.1007 / s00540 - 021 - 02908 - w Navarro-Martinez 年代。 Carrasco-Llatas M。 Matarredona-Quiles 年代。 阿瑞斯 j . a D。 托马斯 n P。 胡安 r·T。 家庭在一夜之间连续脉搏血氧测量的可行性对阻塞性睡眠呼吸暂停在减肥手术候选人筛选 欧洲Oto-Rhino-Laryngology档案 2021年 10.1007 / s00405 - 021 - 06660 - 5 Dunnwald T。 Kienast R。 Niederseer D。 Burtscher M。 在评估使用脉搏血氧测量高海拔适应环境 传感器 2021年 21 10.3390 / s21041263 米拿现 年代。 Sehgal 一个。 米格尔 年代。 严重先天性心脏病的早期检测:胎儿心脏超声的贡献和新生儿脉搏血氧仪筛选 儿科和儿童健康杂志》上 2021年 57 3 323年 327年 10.1111 / jpc.15355 Mostafa 美国年代。 Mendonca F。 Morgado-Dias F。 Ravelo-Garcia 一个。 使用深度学习基础睡眠呼吸暂停检测动脉血氧饱和度 学报2017年IEEE 21智能工程系统国际会议(Ines) 2017年10月 拉纳卡、塞浦路斯 91年 96年 Yousefi R。 Nourani M。 Ostadabbas 年代。 帕纳西 我。 一个可穿戴photoplethysmographic生物传感器motion-tolerant自适应算法 IEEE生物医学和卫生信息学杂志》上 2014年 18 2 670年 681年 10.1109 / jbhi.2013.2264358 2 - s2.0 - 84896467607 林 c . T。 刘 c . H。 王 p S。 王 j . T。 廖 l D。 设计和验证的干传感器多通道数字有源电路对人类大脑的脑电图信号采集系统 机器 2019年 10 10.3390 / mi10110720 Gifari m·W。 扎卡里亚 H。 Mengko R。 设计心电图的家庭护理:使用单通道心电图12导心电图采集设备上开发AD8232模拟前端 5日学报》国际会议于2015年电气工程和信息学 2015年8月 印尼巴厘岛 371年 376年 王ydF4y2Ba j . X。 邹 y . H。 李 Y。 王 J。 反射式血氧饱和度检测系统基于MAX30100 学报2017年国际会议上安全、模式分析、控制论(Spac) 2017年12月 深圳,中国 615年 619年