一个基于android的心监测系统为老年人和心脏病患者

文摘

当前的趋势在健康监测系统是将从医院到便携式个人设备。这项工作表明,消费者可以使用心率监视器等设备不仅应用在体育运动中,也用于医学研究和诊断的目的。我们组所追求的目标是开发一个简单、准确,和廉价的系统使用几件心率监测器获得的数据和处理它们在智能手机上(我)提供详细的测试报告对用户的健康状态;(2)存储报告记录;(3)生成紧急电话或短信;和(iv)连接到一个远程远程医疗门户将数据传送到一个在线数据库。系统由我们的开发团队使用复杂的算法来检测应力状态,检测和心律失常事件进行分类,计算能量消耗。适用于老年人和心脏病患者使用(例如,那些恢复心肌梗死)或神经疾病如帕金森症。简单,直接,因此可以实现远程医疗和经济控制而不需要昂贵的医院设备,仅使用便携式消费设备。

1。介绍

最近在电子和生物医学工程技术的进步使得人们可以移动健康监测远离医院和诊所的便携式个人设备(1]。现在可以使用智能手机和生物传感器。这些设备,通常用于竞赛项目的相关应用,获得一个重要的角色在卫生研究和监控,使健康的快速测量参数,准确诊断的条件,减少住院。

心脏功能监测,准确诊断心脏疾病,预防心脏病的重要目标。心电图(ECG)是黄金标准方法检测心血管异常。这种非侵入性诊断技术记录心脏的电活动,使许多异常的诊断和条件基于一些简单的功能。所述系统不使用多道心电图仪,但一个更昂贵的心率(HR)监测并提供三种类型的测试:(我)压力测试,基于人力资源变化(HRV)和瞬时人力资源;(2)心律失常分类、基于R峰的峰值(RR)间隔;(3)能源消耗评价,基于人力资源和瞬时人力资源。

HRV可以与慢性和急性应激(2]。HRV降低一直是记录在焦虑症患者和慢性或创伤后应激,无论个人特征(3),由于自主神经系统的改变。几项研究已经证明慢性应激状态之间的联系和心血管疾病(CVD)的风险4]。快速和简单的心脏活动的主要参数的测试是因此在日常生活中非常有用。个人压力实时监测可以提供连续的信息用户的压力水平在任何时候和任何地方。

RR间隔是重要措施窦性节律心律失常事件的分类和识别,并允许检测窦性心律不齐,过早心室收缩,室性心动过速、心室扑动或颤动,二级房室传导阻滞(5]。便携式系统提供每小时测试的心脏活动和检测心血管疾病患者的心律失常的发作是有价值的。几个技术能够提供这些结果;一些检测单个类型的心律失常,而另一些检测多种类型。前者技术包括时域分析、连续的假设检验算法,threshold-crossing间隔,人工神经网络、时频分析、模糊自适应共振理论映射,和序列检测算法;后者的方法包括多路连续的假设检验、小波分析、人工神经网络、复杂性度量,多重分形分析,小波分析结合径向基函数神经网络,和非线性动态建模5]。这些方法依赖于ECG信号分析;然而,由于信号分析技术上并不总是可行的噪声和高计算成本的实时分析。而且这种系统检测只有少量的心律失常类型。我们描述一个验证方法,允许实时分类窦性节律类型和不同心律失常事件的检测和分类的方法基于RR间隔和瞬时人力资源5]。

瞬时人力资源是心肌梗死后复苏的一个重要指标的影响药物的神经系统疾病(6,7]。它也可以用来估计任何类型的活动消耗掉的卡路里。目前,最准确的方法基于热量计测量能量消耗和呼吸器,但是他们非常昂贵,不适合便携设备。可移植性要求了方法基于人力资源监控和加速度计,提供有效手段来评估个人的能量消耗在一个给定的活动。我们描述一个小说HR-based算法,尽管比上面提到的方法是充分的不准确的应用程序,它提供了一个人只有一个索引的活动水平。

很多类似的系统和应用程序已经设计了,但没有一个集成了强大的算法流程人力资源和血流速度图成一个易于使用的应用程序,提供了明确和直接用户测试报告和医务人员。而且大多数现有的系统只显示原始数据通过一个或多个可穿戴传感器(8),而其他人使用传感器在智能手机显示原始数据(9]。

所述设备的另一个显著的和创新的特性是,与现有的系统,包含一个单一类型的信号处理算法,它提供了三种不同的测试(10),也就是说,压力测试,窦性心律的实时分类类型,检测和分类不同的心律失常事件。这个特性允许记录压力之间的相关性和心律失常发作,使心血管疾病患者,是谁规定的运动,测量实时卡路里的消耗。测试报告可以发送和存储在一个在线数据库,可以搜索一个医生。

本文展示了数据可以收集的关于一个人的健康状态实时采样和分析一些参数使用非侵入性,廉价、便携设备。

2。材料和方法

人力资源监视器用于这项工作是一个和风HxM-BT设备(西风科技公司)被选为其温和的成本,高可用性,和良好的性能。申请Android操作系统,广泛应用于便携式设备在世界各地,是由我们的团队。其主要任务包括数据处理;测试结果的报告给用户;测试安排在白天;自动紧急拨号电话或发送短信的关键用户条件;和数据存储在远程医疗门户数据库(图1)。应用程序还提供了控件,设置,所需的视图和蓝牙连接管理系统使用方便和清晰的测试报告。

2.1。数据采集和存储

蓝牙连接智能手机或平板电脑和人力资源监测提供了可靠的数据采集。这项工作中使用的人力资源监控传输数据包含有生物传感器获得的信息在1赫兹的频率11];常规在Android应用程序中实现每个数据包的摘录以下信息:瞬时人力资源,最后15心跳时间戳,最后心跳进步的数量。除非测试正在进行智能手机显示只显示人力资源。然后测试结果保存到一个内部SQLite数据库和在线可能被发送到一个MySql数据库通过wi - fi或3 g连接使用Json格式的Android设备和Php web页面。

2.2。压力测试

HRV分析在时域的计算是基于数量的统计指标在一个适当的数据采集窗口(12]。第一个关键特性,需要计算标准差的RR间隔():这是方差的平方根,与所有周期性组件连接到可变性在观察期间检测到。重要的是要注意,HRV方差取决于观察期间的长度;测量重复性和可比性需要提前建立[这段时间13]。标准时间(例如,5分钟)因此需要设置。下一个特性来提取的平方根均方不同的连续的RR间隔()。最后收集特性的比例获得连续的区间差异数除以RR间隔大于50毫秒(ms)的总数RR间隔,在观察窗()。这些数据和平均人力资源()压力测试的关键参数和基于阈值决定为每个特性。

因为在压力测试分析的情况下需要心跳时间戳、算法存储这些值:很多高峰时间戳是提取每个数据包根据心跳后,已发现最新的包已经收到。这种控制是通过检查心跳数量从每个数据包中提取。然后RR间隔时间戳的实时计算和存储。

初的算法(图2),有包收到了,心跳检测到。后的到来th包,第一个控制指数是否< 2。如果这是真的该系统在处理之前必须等待下一个数据包的数据;如果它是假的心跳数量上的控制(HBN)。如果从去年的区别HBN以前HBN是0,未发现新的心跳和算法等待下一个数据包。如果不同的是1、2、3或4,发现了新的心跳和有关RR间隔计算和存储。极限是4心跳因为人力资源的最大人力资源可衡量的监视器是240次/ 4分钟/秒。下一个控制包括指数这是比预定的时间分析。事实上,这个指数也被用作定时器算法的相对于收到1包/秒的频率。如果该指数小于观察窗系统的持续时间等待下一个数据包重复之前的步骤;否则,它计算的统计特性和比较他们与阈值,以确定是否存在应力状态。达成的决定是多数投票:如果三四个值超过()或低于(其他特性)的阈值(表1)[14),在场的应力状态被认为是(15]。

重要的是要注意这一点计算每隔5分钟的平均持续时间的分析,然后在此期间,因为这个参数变化区间的长度和,因为相关的阈值被称为一个5分钟窗口(13]。血流速度图是绘制的演变在电话上显示和最终的测试结果显示并存储在本地数据库中。应用程序还允许提醒一个遥远的人(例如,一个相对)拨打紧急电话,预先录制的消息或发送短信到最喜欢的数字如果检测到应力状态。测试结果也可以存储在病人的帐户在远程医疗数据库中。实时应力分析算法,包括上面提到的公式和HRV的阈值,已完全由我们的研究团队。

2.3。检测心律失常的发作

心律失常可能出现在一个健康的心脏以最小的后果。它可能出现呼吸性窦性心律不齐,自然周期人力资源的变化,或者它可能是一个严重心脏病(指数16]。提供一种自动装置实时检测心律失常和节奏分类因此有可能成为非常有用的心脏病患者的日常监控。

这里描述的方法提供了窦性节律类型分类和检测和分类不同的心律失常事件使用一个方法基于RR间隔和瞬时人力资源5]。它是基于三个算法并行运行。

2.3.1。窦性心律的分类

最直接的分析所提供的系统分类室上正常的节奏,心动过缓、心动过速。

该算法计算在观察窗(图3与用户),在休息的时候。它提取每个数据包的瞬时人力资源和总价值。的然后获得除以吗通过观察窗的持续时间,也就是说,收到的数据包的总数,和比较两个阈值:节奏是归类为心动过缓是<每分钟60次(bpm),正常如果由60至100 bpm,心动过速,如果是> 100 bpm(表吗2)[17]。

2.3.2。窦性心律不齐检测

窦性心律不齐也被我们的系统。这是一种常见的室上节奏和呼吸:有关人力资源增加在灵感(班布里奇反射)和减少在过期(迷走神经的影响)。它影响特别是年轻人,不认为是病态的。

我们的算法使用RR间隔(图4):因为每个包包含新节拍,相对RR间隔与实际计算和比较和值,如果需要替换他们。当收到的数据包的总数与预先确定的观察窗,最长和最短的区别RR间隔计算检查如果是> 0.16秒(s) (18]。如果这是真的,窦性心律不齐被认为是现在和生成一个报告在电话上显示。

窦性心律分类和窦性心律不齐检测算法已经完全由我们的团队开发的实时使用。

2.3.3。检测其他心律失常类型

其他类型的心律失常可以使用更复杂的检测和分类算法。我们的设备中实现的方法包括两个步骤:心律失常分类和心律失常事件的分类。情节,可以分类包括室性期前收缩、室性二联,心室三联,心室对联、室性心动过速、心室扑动/颤,心传导阻滞和第二学位。

该算法还使用RR间隔。它是基于Tsipouras描述的算法等。5];我们改进了添加实时实现。第一步是击败分类(图5)。这个初步的任务是基于3-RR间隔窗口(,,幻灯片),一次一个击败,RR间隔分类是中间的一个。这击败最初被认为是正常的,可能后来被分配到另一个类别根据三个规则与临床医学相关的数据。有四个类别:(1)正常窦击败(N);(2)过早心室收缩(PVC);(3)心室颤动/颤(VF);和(4)二度心传导阻滞(BII)。这些缩写词是用于MIT-BIH数据库。这三个规则如下。

规则1。VF:它被激活如果持续时间小于0.6秒。在这种情况下被认为是VF的开始事件和随后的windows测试以下两个条件:(我)1.1:条件的持续时间窗口中的每个RR-interval < 0.7秒;(2)1.2:条件的整体时间窗口是< 1.7;如果这两个条件之一是满足中间RR间隔分类为类别(3)。整个VF的规则是基于分类集中,没有一个节拍,和应用连续窗口。VF集将只有在检测到窗口包含指数比分类为类别(3)4所示。该算法继续下一条规则,回到窗口如果没有条件为真连续至少4窗户或如果没有验证规则1。

规则2。PVC、类别(2):这种状态存在,如果满足以下条件之一:(我)条件2.1:如果和,时间间隔是归类为一个孤立的PVC;(2)条件2.2:如果年代,两和< 0.8年代,然后我们有一个PVC对联;(3)条件2.3:如果年代,两和小于0.8年代吗,然后我们有一个PVC对联。

规则3。BII、类别(4):3.1和3.2都是真的,如果条件时间间隔是分配给这个类别:(我)条件3.1:年代;(2)条件3.2:年代或年代。该算法对所有后续重复窗口。规则是互斥的,必须应用于序列。击败后被一个分类规则的分类不能改变另一个。

打分类的结果作为输入自动机(图6)心律失常事件的检测和分类。节奏分类类别和相关MIT-BIH符号是正常窦性心律N,室性期前收缩VPS,室性二联B,心室三联T,心室对联C,室性心动过速VT,心室颤动/颤VFL,第二学位的心块BII。默认的节奏是正常的,除非一集检测到上述规律之一。集从一个独特的搜索实例,B的PVC击败是第一个打败,T, VT发作;VF VFL集;和BII BII集中的特点是一个特定的序列模式;然后最后一个特异性的节拍。B PVC-N-PVC-N --N-PVC模式,T PVC-N-N-PVC-N-N --PVC-N-N-PVC模式,风险投资的模式是PVC-PVC-not PVC, VT PVC-PVC-PVC——的模式vc结构(3连续pvc)。遇到的一个重大挑战自动机是歧视这些心律失常类型中,由于每一集的相似度的初始阶段。VF集开始VF拍和拍连续VF的数量决定了它的持续时间。这同样适用于BII集。自动机的状态如下。(我)自动机的状态1:开始:自动机仍然在这种状态下,只要输入一个N击败。它移动到状态2 7或8如果PVC, VF,或出现BII击败,分别。(2)状态2:可能B、T、C和单一的VPS或VT:自动机→状态3如果下击败N;国家5如果下一个节拍是聚氯乙烯;或状态1如果下一个打一个N和PVC。(3)州3:可能的B和T和单一的VPS:如果下一个节拍是聚氯乙烯和B检测到自动机返回状态1。如果下一个节拍是N,它移动状态4;如果超过以上类型,它移动到1,也没有检测到事件。(iv)国家4:可能的T和单一的VPS:如果下一个节拍是PVC,检测到T,而如果击败N,检测到一个VPS;否则,没有发现和自动机返回状态1。(v)国家5:可能的C和VT:如果下一打不是PVC, C是发现和自动机返回状态1;如果是PVC,自动机状态6。(vi)国家6:VT检测:如果击败PVC,自动机仍然在国家6,直到VT发作已经结束。如果下一个节拍是VF或BII自动机动作,分别向国家7或8;如果它是不同的,它移动到状态1。(七)州7:VFL检测:如果下一个节拍是VF,自动机仍然在国家7,这一事件被认为是继续。在任何其他情况下,自动机返回状态1。(八)州8:BII检测:如果下一个节拍是BII,自动机仍在政府8,这一事件被认为是继续。在任何其他情况下,自动机返回状态1。自动机返回状态1,上一次被认为是完成的报告(由系统如果它已经达到了最低要求HBN);如果发生意外击败,新的事件将被忽略。

2.4。评估能源消耗

这里描述的方法需要知道用户的体重、身高、性别、年龄、和人力资源。然后计算卡路里的消耗在观察期间通过整合人力资源价值。在我们的应用程序中使用的算法是进化算法的由李和同事(19),利用当前智能手机的计算能力:人力资源连续监控,而不是在预定的时间点取样。实时分析是主要的进步在过去的方法。值得注意的是,这种新方法可以扩展到任何类型的体力活动。

方法由李和同事需要进入休息人力资源,最初的人力资源,人力资源,和总持续时间的分析。这需要很多的局限性。(我)了解分析持续时间和最终总人力资源的要求排除了实时计算。(2)它假定最后人力资源是整个运动的峰值;任何停顿或最终冷却可能因此影响计算。前面的方法(19]使集成计算能耗:三种类型的瞬时能量消耗计算函数是线性依赖于人力资源的总持续时间和随后整合分析。计算方法包括三个步骤:(我)卡路里的消耗静止在整个活动;(2)卡路里的消耗开始锻炼,到山顶后人力资源(总时间的10%);(3)卡路里的消耗最大持续期间人力资源(总时间的90%)。因此,暂停或中断任何类型的不适应。

由我们的团队开发的方法分析10秒windows和涉及两个步骤:(我)计算卡路里的消耗在休息;(2)基于均值计算卡路里的消耗在运动过程中人力资源采样间隔。两个步骤提供最终的卡路里的消耗值,这是更新每10年代通过添加两个新的值。静止的方程估计能量消耗(步骤(i)) 在哪里的能源消耗是吗在千卡th间隔,人力资源在休息,人力资源的分析,系数的基础代谢率(每秒在这种情况下),是一个值的不同性别(女1男,0),然后呢是间隔时间(年代)。

基础代谢率允许根据用户的物理特征(计算能量消耗20.]: 在哪里是用户的体重(公斤),身高(米),是年龄(年)。

运动方程计算卡路里的消耗每秒的步骤(2)和(3) 在哪里人力资源在开始或结束时的锻炼,而和是

瘦体重,等于什么

是身体脂肪百分比21]:

是身体质量指数(22]:

所涉及的计算步骤(3)如下(步骤(2)并不是用于我们的方法): 在哪里意味着人力资源的价值吗th间隔和间隔时间。也为每个时间间隔计算。

总和值将被添加到获得: 假设窗户数量。

图7显示了上述计算。是灰色地带的总和。

2.5。应用程序的细节

我们的团队开发的其他功能包括蓝牙连接,图形界面,用户设置,报警管理。

蓝牙连接使用Android操作系统的智能手机和建立人力资源监控蓝牙api和Java库的脉冲传感器(23]。唯一要求是配对的连接两个设备通过Android设置菜单。选择用户命令后,在屏幕上提示连接按钮的外观,应用程序搜索设备,这是保税设备列表中列出,蓝牙套接字。一个连接线程侦听传入的数据包并将它们保存在一个缓冲区。最后,从数据包中提取所需的信息和发送到类分配给加工使用obtainMessage方法(处理程序类)。

用户可以通过主界面与应用程序交互,菜单界面,设置界面(图8)。主界面包含按钮设备通过蓝牙连接和断开和展示了几个项目的信息:连接状态,连接的电池状态脉冲传感器,瞬时人力资源,当前测试的进程和结果。它也可以显示人力资源趋势或血流速度图(RR间隔趋势);这些图表是使用创建的aChartEngine图书馆和实现缩放和滚动功能。

菜单界面允许激活/禁用不同的分析算法,清理表、访问设置菜单,查看历史数据,和戒烟。

使用服务类,后台应用程序的一部分提醒用户执行任何安排测试。

设置界面可以输入用户特征(年龄、体重、身高、人力资源、休息和性别),设置测试时间,管理警报消息并调用(激活,电话号码,和预配置文本消息),并安排测试。

警报发送到远程电话使用SmsManager和TelephonyManager。

最后人力资源,RR区间信号,可以保存到测试报告^∗. txt文件和本地SQLite数据库,准备以Json格式发送到远程医疗门户组成的MySql数据库和Php web页面。

3所示。结果与讨论

3.1。压力测试结果

压力测试是评估在审判涉及20健康人(6女和14名男大学生汽车岁没有神经紊乱)从咖啡和酒精饮料弃权了12小时。参与者接受了10分钟我们的应用程序的分析和测试结果没有显示。随后完成了压力知觉量表(PSS)验证问题的问卷(24]。测试数据和问卷的结果被发表在表3,对象分为压力和相应的基于测试结果和PSS评分是报道两组。相同的数据在图所示9在传统的箱线图,点中间值和平均值的平方。

这两个数据集被假定正态分布。由此产生的值为4.49,(学生的以及)。的平均PSS评分两组明显不同()。

3.2。心律失常事件检测的结果

窦性心律分类和窦性心律不齐检测测试25 23-29岁健康的学生。实验涉及10分钟的并行测试设备和一个心电图。算法的输出简单描述主题的心脏节律和他/她是否窦性心律不齐。的心电图轮廓被心脏病专家评估,相比我们的应用程序的测试结果报告。两套测试报告,证明该算法在窦性心律是100%准确分类和窦性心律不齐检测。至于窦性心律,18个参与者一个正常的节奏,5心搏徐缓的节奏,和2 tachycardic节奏。此外,16/25主题提出了窦性心律不齐,这在年轻人中很常见。这些数据被发表在表4。

心律失常事件的检测和分类之前被Tsipouras和同事测试(5),发现非常高的敏感性和特异性。我们测试了我们的实时Java实现离线仿真使用MIT-BIH数据库作为输入的值,而不是从心脏监测获得的信号。我们发现94%的准确率在心律失常事件检测和分类,相同的结果通过Tsipouras et al。5]。

3.3。能源消耗评价的结果

所述能量估计算法与Garmin公司所使用的方法。这种方法被选为参考,因为Garmin在自己所处的领域被广泛认为是一个领导者。除了大量的数据可用于比较佳明平台上是可用的。

对于这个测试我们的离线使用实现算法,模拟实时设备操作。算法应用于10个不同的人力资源相关收购10主题和三种不同类型的活动(佳明网络平台上可用)。结果如表所示5。获得的结果,我们的设备非常接近得到Garmin(图的方法10)。两个数据集之间的皮尔逊相关系数线性。因为仅仅使用的测试表明用户活动信息水平,结果是完全可以接受的。

3.4。应用程序的可用性和有效性

需要测试的最终功能是用户感知。为此我们管理20个参与者参与压力测试验证一个额外的问卷调查,问题的系统可用性量表(SUS) [25),这是一个独立于平台的模型广泛应用于主观评价软件。转换后的值,平均值和标准偏差(Std)为每个问题以及总SUS分数报道在表6。每分的总得分是75.625,它对应于一个[B级,因此一个好的结果26]。性病值非常小,这就增加了狭窄的扩散到的意思。在更一般的和客观的术语中,用户和患者使用应用程序在测试期间使用表示满意。重要的是,长时间使用的应用程序没有证据错误或意想不到的系统崩溃。

4所示。结论

介绍了心脏实时监测系统适用于各种用户包括老年人和心血管疾病患者。系统是基于一个简单、廉价和可穿戴设备相媲美的功能更加昂贵和复杂的临床设备。相关系统的高级表演一套复杂的算法,实现了在Android设备。压力测试、心律分类和窦性心律检测算法已经开发完全由我们组,而心律失常分类和检测算法和该算法评估能量消耗使用已知的方法,改善了适合实时和移动环境的应用程序。

压力测试和心律失常算法被证明是能够识别心律失常的应力状态和事件。显然,计算机软件不能取代医生,但它确实提供信息和警报。能量消耗算法实时计算卡路里的消耗;它是基于现有的方法,提高了我们的团队和扩展覆盖大量的一般条件(运动与休息,运动与冷却下来,和正常的日常活动)。这些特性使得该设备适合用户需要监控由于健康原因白天卡路里的消耗。

额外的新型设备的特性是,它集成了三种不同的算法为人力资源和血流速度图处理在一个移动应用程序(我)提供远程监控病人在医院外面,(ii)是易于使用,(3)为用户和医务人员提供明确的测试报告。所有关于病人的健康状况的数据可以存储在一个在线数据库。

的患者HRV和心律失常算法提供有用信息的一系列疾病。例如据报道,之间可能存在一种密切的联系减少HRV和帕金森病(PD)的严重程度(27]。的确,PD影响昼夜自主心血管调节的改变似乎更深刻更严重疾病患者。这些变化的结果是减少了HRV,但是目前的知识某些人力资源特性和HRV的长期后果,例如,生理调节,是有限的。我们正在收集区域医院的心脏活动数据从PD患者康复部(意大利安科纳)与一个视图来验证我们的系统和测试相关的假说PD和HRV异常之间的关系。

我们也测试算法开发了我们的设备,其应用的范围的条件和使用针对其营销在不久的将来。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

作者感谢美国摩德纳博士是语言版本(http://www.silviamodena.com/)。

引用

1. m . Miloševićm . t .忏悔,e . Jovanov”智能手机的应用无处不在的健康监测和健康管理”《信息技术与应用,1卷,不。1,2011。视图:谷歌学术搜索
2. j . Kulmala和大肠Hynynen心率变异性在慢性和急性应激,2011年。
3. c . m . m . Licht e . j . c . de Geus f . g . Zitman w·j·g . Hoogendijk r·范·戴克和b·w·j·h·Penninx“重度抑郁症之间的联系和心率变异性在荷兰研究抑郁和焦虑(NESDA)”普通精神病学文献,卷65,不。12日,第1367 - 1358页,2008年。视图:出版商的网站|谷歌学术搜索
4. j·麦克劳德·g·d·史密斯,p . Heslop c·梅特卡夫d·卡罗尔和c·哈特,“心理压力和心血管疾病经验:示范偏见的前瞻性观察性研究的苏格兰人,”英国医学杂志,卷324,不。7348年,第1251 - 1247页,2002年。视图:出版商的网站|谷歌学术搜索
5. d . i m·g·Tsipouras Fotiadis, d . Sideris“心律失常分类系统基于RR-interval信号,”人工智能在医学上,33卷,不。3、237 - 250年,2005页。视图:出版商的网站|谷歌学术搜索
6. r . Piotrowicz和j . Wolszakiewicz“心肌梗死后心脏康复,”心脏病学杂志,15卷,不。5,481 - 487年,2008页。视图:谷歌学术搜索
7. c·l·考米拉·g·t·史泰宾斯,n . Brown-Toms和c . g . Goetz,“物理治疗和帕金森症:临床试验控制,”神经学,44卷,不。3我,376 - 378年,1994页。视图:出版商的网站|谷歌学术搜索
8. A . Bourouis m . Feham, A . Bouchachia”一个新的体系结构健康监测系统中无处不在,”2012年。视图:谷歌学术搜索
9. o . Postolache博士,p . s . Girao m·里贝罗et al。”使telecare评估与普遍的传感和Android操作系统的智能手机,”《IEEE国际研讨会医疗测量和应用程序(MeMeA 11)2011年5月,293年,p . 288。视图:出版商的网站|谷歌学术搜索
10. s . Gradl p . Kugler c Lohmuller, b . Eskofier“实时心电图监测和心律失常的检测使用android的移动设备,”《IEEE国际年会,生物医学工程学会(EMBC 12),第2455 - 2452页,2012年。视图:谷歌学术搜索
11. ZephyrTechnologyCorporation,“蓝牙hxm api指南”,2011。视图:谷歌学术搜索
12. a . Camm m·马利克j .大et al .,“心率变异性:标准的测量、生理的解释和临床使用。工作组的欧洲心脏病协会和北美社会的节奏和电生理学,”循环,卷93,不。5,1043 - 1065年,1996页。视图:出版商的网站|谷歌学术搜索
13. m·马利克“心率变异性”,年报的无创性心电学,1卷,不。2、151 - 181年,1996页。视图:出版商的网站|谷歌学术搜索
14. h·杨,j·李,李k . et al .,“可穿戴的心申请活动监测系统:分析HRV的自主功能,”《IEEE 30年国际会议在医学和生物工程协会(磨床' 08)2008年8月,页1258 - 1261。视图:谷歌学术搜索
15. 答:安德烈奥利,r . Gravina r . Giannantonio p . Pierleoni和g . Fortino”SPINE-HRV: BSN-based工具包对心率变异性时域分析,”可穿戴和自主生物医学设备和系统在智能环境卷,75课堂讲稿电气工程施普林格,页369 - 389年,柏林,德国,2010年。视图:出版商的网站|谷歌学术搜索
16. a . l . Goldberger临床心电描记法:一个简化的方法爱思唯尔健康科学,2012。
17. r·a·O’rourke诉柱身,r·亚历山大,赫斯特。伊尔库雷,Il Manuale麦格劳希尔,2003。
18. k . Najarian r .分裂,生物医学信号与图像处理泰勒和弗朗西斯,第二版,2012年版。
19. M.-H。李,H.-K。李,崔k . s .爆炸,j .金和金,“便携式仪器的方法测量卡路里的消耗,”第27届国际研讨会论文集,生物医学工程学会(IEEE-EMBS ' 05),第5206 - 5203页,上海,中国,2006年1月。视图:出版商的网站|谷歌学术搜索
20. j·A·哈里斯和f·g·本尼迪克特,“人类基础代谢的生物研究,”美国国家科学院院刊》上的美利坚合众国,4卷,不。12,370页,1918年。视图:谷歌学术搜索
21. a . n, s·h·科恩Vaswani, s . Yasumura k .袁和k·j·埃利斯,“改善体内脂肪的测定模型中子活化,”美国临床营养学杂志》上,40卷,不。2、255 - 259年,1984页。视图:谷歌学术搜索
22. 世界卫生组织,BMI分类20102013年,卷。27日,http://www.who.int/features/factfiles/obesity/facts/en/。
23. 西风科技公司,“Hxm bt android api用户指南,”2011年。视图:谷歌学术搜索
24. 科恩,t .转向,r . Mermelstein“全球感知测量压力,”健康与社会行为》杂志上,24卷,不。4、385 - 396年,1983页。视图:出版商的网站|谷歌学术搜索
25. j .布鲁克”Sus-a快速和肮脏的可用性,”可用性评价在工业,第189卷,第194页,1996年。视图:谷歌学术搜索
26. a .班戈,p . Kortum和j·米勒,“确定个人sus分数是什么意思:添加一个形容词评定量表,”可用性研究杂志》,4卷,不。3、114 - 123年,2009页。视图:谷歌学术搜索
27. 刘n . Covassin a . b . Neikrug l . et al .,“临床特征之间的关系和夜间心脏自主神经活动在帕金森病,”自主神经系统,2012年。视图:出版商的网站|谷歌学术搜索

版权

版权©2014 Paola Pierleoni et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。