chun/template or format of ecg.docx · web...

具有資料壓縮功能之個人化心電訊號擷取記錄裝置之研製

李文志莊大緯高詩婷賴信志*

南華大學資訊工程學系

*[email protected]

1

摘要

本論文實現出自製的前端讀取電路，硬體電路的組成包含了由電極貼片、儀表放大器、濾波器、箝位電路組成的心電訊號擷取電路(ECG Read-out Circuit)，結合近距離無線通訊界面(NFC)、薄膜電晶體液晶顯示器(TFT-LCD)、SD-Card資料儲存裝置、藍芽傳輸介面，並且將壓縮演算法運用於系統上。我們進一步在Arduino程式上實現液晶顯示控制平台，透過NFC連接取得個人資料，在液晶顯示器中記錄並顯示心電訊號，並透過藍芽傳輸資料至手機中；使用者可輕鬆透過手機與擷取系統溝通，並能即時觀看心電訊號。我們也採用了第四型離散餘旋轉換(DCT-IV)做為核心的壓縮演算法，讓原始資料有較佳的壓縮比，有效地減少資料的儲存空間及傳輸時間，經實驗結果之平均壓縮比(CR)為5.267、失真率(PRD)為0.187、品質分數可達28.223。最後，本論文所提出的系統架構有助於整合心電訊號於即時手機監控等相關應用議題。

關鍵字：心電訊號擷取、近距離無線通訊、第四型離散餘旋轉換、壓縮演算法、壓縮比。

1. 簡介

近年來，針對心血管慢性疾病患者的心電訊號監控和個人居家醫療照護需求的增加，以及網路雲端資料傳送的完備，遠距醫療照護已成為未來的發展趨勢。一些生理訊號必須透過長時間監控、甚至是24小時不間斷的收集，才可達到輔助醫師診斷了解病人當下的身體狀態。但長時間的資料收集對於傳輸上而言是種相當龐大的負擔。為了解決大量資料訊息的問題，高效能的資料壓縮技術不僅會被應用在資料的儲存上，也被廣泛運用在資料傳輸上。一個有效的壓縮演算法可以大幅節省醫療紀錄的儲存空間，同時也縮短通訊時間。

在心電訊號擷取相關的文獻中，大多的議題著墨於低功率消耗的晶片設計上，最新的電壓管理方法[1]提出各種降低系統耗電量的方式並有效地應用於生理訊號擷取裝置。在Nemati 等人的設計中[2]，藉由低電壓消耗元件和發展電池儲存控制技術能獲得長時間的電池壽命；除此之外，Chang 等人[3]提出了在生物電位擷取系統中，使用低電壓元件來模擬前端電路，這系統當中包含了儀表放大器、濾波器和箝位電壓。此外，由於心電訊號中的雜訊干擾會被耦合到人體上，在前端電路設計中必須使用高共模訊號互斥比(CMRR)、高電源供應抑制比率(PSRR)、低雜訊與高Q值的濾波器來擷取生理訊號。

從前面的介紹知道，在可攜性的生理訊號擷取系統中，電源消耗是一個非常重要的問題，一般而言，主要的電源消耗是來自射頻(RF)傳送資料時所造成。假如我們能藉由壓縮減少生理資料量的傳送，直接降低了傳送的時間將有助於節省大量的電壓消耗量。Chen 等人 [4]提出應用於無線身體感測網路中的資料壓縮方法。從他們的研究結果發現，體溫、脈搏血氧量和血糖等訊號的壓縮比率可以達到3.33；血壓量、心電訊號和肌電訊號則可以達到1.92。

ECG(Electro-cardiogram)心電圖為診斷心血管疾病的重要工具，當心臟疾病發生的時間無法被預測或是需要長期觀測時，一套具有24小時的 ECG 心電訊號監測儀器資料壓縮的儀器便可以有效使用通訊傳輸系統上。遠距離心電訊號監測系統包涵量測裝置與傳輸系統的結合，如圖1所示。

圖1 心電訊號管理系統示意圖

過去心電圖的量測方式多半要病人靜躺在病床上才能完成靜態心電圖的記錄，但病患心律不整的症狀，並不是隨時會發生，所以需要24小時連續監測的心電訊號監測系統來隨時偵測並分析訊號狀況。醫院的系統能將病患的心跳所產生的心電訊號圖透過Holter做24小時不間斷連續記錄，使醫師得到完整資料並分析心電訊號狀態，做為診斷心臟功能最佳依據。過去十年來，連續型心電圖監測系統成為診斷心臟疾病的工具之一；然而，目前的結果卻顯示，此監測器材也可能無法在一天的診斷中檢查出任何異常狀況，因此攜帶型監控心電訊號記錄器便成為心臟科醫師的最佳工具。美國心臟協會據此制訂出一項臨床準則[5]，擁有心臟疾病患者在連續型心電圖監測系統呈現無異常反應，後續需再使用心臟監控記錄器監測心臟的情況。由於心臟疾病具有不定時發作的特性，因此在現代中發展出可攜式、微小化與居家化的心臟監測產品，以符合未來趨勢所需。

根據 ECG 市場分析，近年來呈現穩定的成長，圖2為歐洲2007年至2014年 ECG 市場的分析，在圖3中尤以心電圖資料管理系統成長最為快速。[6]強調整合式的心電訊號資料管理系統，將會是未來發展的趨勢之一，以監控生理健康方法將可以為個人的身體狀況達到監測效果。[5]也強調心電訊號管理系統在歐美國家已經是非常成熟的階段，而且市場在近年持續在成長當中，反觀在台灣還是僅止於推廣的狀態，缺乏的是完整的制度與推廣，相信在台灣未來的醫療系統當中會有相當大潛能做為發展。

圖2 歐洲ECG市場分析

圖3 歐洲ECG產品市占率分析資料來源：Frost&Sullivan(2008)；工研院IEK

本論文藉由擷取人體的ECG (Electro-cardiogram)心電訊號，嵌入式系統將訊號經由壓縮演算法的運算後，透過藍芽裝置將訊號及時顯示在手機螢幕中。系統透過此架構可以有效地實現24小時的心電訊號監測系統。受測者將透過個人資料卡(IC-Card)來查看自己的心電訊號健康狀況，受測者也可以將記錄好的心電訊號經由藍芽或是無線裝置把資料上傳至醫院的雲端系統中，醫院的醫生透過雲端下載心電訊號圖並診斷受測者的健康狀況，然而在醫院的受測者不只一位，有時高達數十位甚至上百位。由於資料傳送頻寬的關係，要同時間內獲取大量的資料勢必造成資料頻寬的負擔，因此將利用資料壓縮演算法的特點與心電訊號系統結合，將可以減少傳輸資料上耗費的時間以及降低雲端的使用空間。

本論文接下來依序在第2節介紹實現出來心電訊號擷取的電路設計。第3節介紹心電訊號壓縮演算法。第4節討論整體擷取系統所偵測到的心電訊號量測結果，討論和比較運用在本論文的心電壓縮演算法和其它相關辦法的表現，最後會在第五節說明結論。

2. 心電訊號擷取電路設計

為了實現擷取心電訊號電路如圖4的架構，包含前端讀取電路、濾波處理電路、微處理器單元、SD-Card儲存裝置和藍芽傳輸介面、近距離無線通訊(NFC)、薄膜電晶體液晶顯示器(TFT-LCD)。

圖4 心電訊號擷取電路方塊圖

2.1 實驗步驟

使用本系統使用心電訊號實現的流程如圖5所示，信號擷取來源為電極感測貼片，並經由前端讀取電路來獲得心電之生理訊號，再透過10位元的數位類比轉換器(ADC)轉換得到數位電壓訊號，藉由Bluetooth溝通協定，將數位訊號傳送到後端的Arduino嵌入式平台中。在Arduino嵌入式平台中的AVR處理器，負責一些周邊的控制運用，例如透過Bluetooth接收外部取樣的心電訊號，把ADC取樣的信號先將資料儲存在SD-Card中、透過TFT-LCD面板的心電訊號繪製、無線射頻辨識自動辨識使用者身分以及無線傳輸裝置將資料傳送到雲端網路或是智慧型手機中，此外，透過AVR處理器也可以執行心電的壓縮演算法。

圖5 實作之軟硬體系統架構圖

2.2 心電訊號前端電路系統架構

本系統之前端電路系統架構如下圖6所示，其中，心電訊號讀取電路包括儀表放大器、濾波器與非反向放大器組成。然而要與後端的嵌入式系統結合需要將類比訊號透過Mega2560本身的類比數位轉換器，後端平台才可以執行數位訊號處理的程序。

圖6 前端電路系統架構

前端電路設計考量:

(1) 心電訊號讀取電路(ECG Read-out Circuit)-儀表放大器：心電訊號是一個小於4mV的差動訊號，一般來說，量測心電所需要的共模互斥比(CMRR)必須大於60dB，而電源供應抑制比率(PSRR)大約在50~60dB，採用INA118(Texas Instruments)來做為儀表放大器，其特性具有低功耗、高共模拒斥比、高輸入阻抗、低偏壓電流和拒雜訊能力等功能，適合作為生理訊號擷取用途。

(2) 心電訊號讀取電路(ECG Read-out Circuit)-濾波處理器：擷取感測元件所輸出之類比訊號時，需要使用濾波器得以擷取某段特定頻率範圍之訊號，除去不必要之雜訊。在頻率的設定上，範圍介於0.5Hz~100Hz，藉由被動元件上的頻率設計濾除我們不需要的頻率以及做一個訊號放大的動作，完成心電訊號讀取電路。圖7為ECG讀取電路圖包含儀表放大器(INA118)、濾波器組及運算放大器(OPA2335)。此外，讀取電路的電壓範圍介於0~1.8V，直流準位設定為1.98V。

(a)儀表放大器 (b)濾波器與箝位電路

圖7 心電讀取電路板

(3) 心電訊號前端電路實體規格：經由上述的電路架構描述，完成電路實作如圖7所示，儀表放大器與濾波處理器分別製成兩塊電路板，大小分別為5.933.7 cm2和5.253.46 cm2，詳細規格如表1。

表1 前端電路系統規格

ECG Read-out Circuit

儀表放大器

INA118

運算放大器

OPA2335、OPA134

尺寸

5.933.73&5.253.46 cm2

第一級放大倍率

可放大1~10000倍

第二級放大倍率

放大46倍

第三級放大倍率

可放大1~100倍

第四級放大倍率

放大1倍

2.3 AVR核心處理器

本實作中與前端電路最後所傳送出來的心電訊號做整合，使用到AVR RISC-based核心處理器，在AVR核心處理器中帶有16-channel、10-bit 類比數位轉換器、256K Bytes快取記憶體和8K Bytes暫存記憶體供給程式使用，表示著本實作將可以簡單地實現藉由軟體設計架構提出來的壓縮演算法。為了收集由心電訊號電路上接收到的訊號內容，將會在使用Arduino Mega-2560平台上並且配著藍芽模組、SD-card儲存裝置、近距離無線通訊(NFC)與薄膜電晶體液晶顯示器(TFT-LCD)。

如圖8所示為心電訊號擷取核心平台的實體設計，可以看到整體架構非常精巧、實用性佳與功能廣的研發模組板，非常適合應用在心電壓縮或是其它生物醫學的訊號處理議題。

圖8心電訊號擷取核心平台硬體設計

3. 應用於ECG壓縮演算法

為了符合軟體的設計，心電壓縮演算法由正規化所組成，包括第四型離散餘弦轉換(DCT-IV)的計算振幅、訊號元切割、混合微分計算、非均勻量化和熵編碼。使用到MIT-BIH資料庫分析，每一段心電訊號在360Hz下進行截取，在這模式下我們將會定義64個截取數目成為一個區段，然後每個過程都可以處理依序輸入的資料，為了重建壓縮後的ECG位元串流，解壓縮的程序可以透過反轉的編碼程序輕易獲得，從第四型離散餘弦轉換當中可以發現到它正向與逆向的計算是相同的特別計算公式。為了實現電子化生醫系統和可攜性的生理監控系統裝置，它包含了一個統一的轉換核心對於程式碼設計有相當的幫助，在未來晶片實現上可以得到更大的減少面積成本。

3.1 正規化與第四型離散餘弦轉換

壓縮演算法的第一步驟將輸入的心電訊號正規化，如果未做正規化，經過轉換後的係數值會隨著輸入值的大小而改變，反而花費更多的位元表示，首先設定MIT-BIH的資料從振幅範圍0~2048(11位元)，將可以簡單地正規化這些訊號至-1~1，如下公式(1)

3.2 64點DCT-IV頻譜轉換

N點的DCT-IV數學模型定義如下(2)，x[n]代表了時間域序列係數、X[k]代表了頻域序列係數，藉由索引值n和k的交換可以清楚理地證明到第四型離散餘弦逆轉換與正轉換是相同的。

其DCT-IV有兩種特性，經觀察如下：1)索引得係數增加時，DCT-IV的頻譜會收斂於零；2)訊號位元的振幅會根據以下規則規律地重複，即 -,+,-....,-和+,雖然振幅會稍微在係數索引值#1到索引值#30不隱定增加。這裡提出了一種方法，將振幅切成一個訊號的符號(1位元)和幅度(浮點數)，因此可以很清楚的發現到DCT-IV的每個索引係數都非常接近，而且這種特性可以與後向差分計算結合，以產生一組新的具有較低變化地序列。另一方面，也提出了一種方法來記錄訊號位元的局部的係數，而不是所有訊號位元的係數，主要原因是因為當頻率變得更高時振幅的幅度將會變得更穩定。因此，我們只需要將第1到第32與第64訊號元符號做紀錄，這33個訊號元符號可以被切成三個序列，每一個序列具有11 bits以及正規化的心電訊號位元幅度格式。通常，這三個序列可能是(10101010101)2, (01010101010)2,與 (10101010100)2，其中“0”帶有粗體與底線是DCT-IV第64訊號元符號的係數，而“1”為粗體字是DCT-IV第23訊號元符號的係數。有一個簡單的計算，利用改變第64的訊號位元符號成為最高有效為元(Most Significant Bit)，因而會獲得一組新的11-bits序列為(01010101010)2。

3.3 定值與後向差分計算

現在，我們提出一種有用的方法，即是一種定值差分運算去減少三個位元符號序列的動態範圍，如公式(3)，它將可以大大地改善“0”的發生率和提高熵編碼表現率。

此外，提出來的一個後向差分的計算來處理所有DCT-IV係數的大小。該過程被列成：

首先，從第一列的DCT-IV的係數大小減去1.248，然後會得到第一個後向差分序列。相對地，第二個後向差分也可以得到，其次，其它序列藉由直接計算後向差分的公式獲得。

3.4 非均勻量化和熵編碼

再獲得的後向差分序列中，將完成非均勻量化的程序，如果索引數量大於40，可以看到DCT-IV係數的幅度將會變得非常小。因此可以改變Q1和Q2兩個數值已進行頻譜幅度的量化，根據先前的經驗知道，一種會選擇到0.039，另一種會到0.02，而且每一個序列量化的數據會用11-bit表示。所運用的壓縮演算法最後一個步驟是熵編碼(或稱為霍夫曼編碼)，處理的過程中，採用相同的一個差分表和一個霍夫曼表概念在JPEG中，利用MIT-BIH資料庫中模擬所有心電訊號圖型，可以根據不同發生的概率去指定霍夫曼樹。從理論上來說，較頻繁出現的資料將會分配到較低位元，最後結果表明到此演算法可以實現出更好的壓縮比。

4. 系統實作

為了改善現有心電訊號顯示不便性的問題，本專題之監控心電訊號透過手機、平板連結後，將生理訊號感測裝置、嵌入式系統裝置相互連接並供電即可實現心電訊號擷取監控的功能，以提升心電訊號擷取系統監看的便利性，本章節將可以呈現系統實作結果，包含監控程式、裝置控制程式、生理訊號偵測裝置。

4.1 韌體控制硬體與程式

本韌體的主要控制流程圖所示如下：

圖9韌體控制流程圖

使用Arduino-Mega 2560韌體並且搭配TFT_LCD、Robot_NFC和Bluetooth HC-05傳送生理訊號資料監看心電訊號，一開始先等待使用者拿著個人的IC Card來給NFC偵測，偵測完個人IC Card後進到SD Card中的TXT檔案搜尋是否有此卡號，若無此卡的卡號會給他建立使用者清單，並且顯示在螢幕上面。進入之後，畫面會顯示選單包括監看心電訊號、讀取SD卡、藍芽傳送與返回首頁。在監看心電訊號的頁面時，裡面有設定三個選擇包括紀錄、停止與返回，記錄功能選項中會紀錄個人的心電訊號資料，在讀取SD Card時候監看個人的心電訊號是否有變化，停止功能選項中讓心電監測畫面停止更新讓使用者方便的去觀測心電訊號的起伏變化。

在讀取SD卡時候，設定了三個選擇包括上一頁、下一頁與返回，使用上、下頁是為了方便讓使用者監看心電訊號的起伏變化。在藍芽傳送的時候，利用Bluetooth HC-05來傳送心電訊號到手機APP端，來監看即時心電訊號，如圖10。

圖10 TFT-LCD清單內容

4.2 手機版本監測裝置

本軟體的主要控制流程圖所示如圖11：

圖11 軟體主要流程圖

監測裝置程式主頁面如圖12所示，使用Android軟體開發，監測裝置主頁面可以收尋藍芽裝置以及即時量測訊號等功能。使用者可以利用藍芽裝置將心電訊號數值傳送，透過手機即時量測接受訊號後將心電圖顯示至手機的螢幕上。

手機軟體首先會要求使用者選擇是否開啟藍芽如圖13所示，如果沒有開啟藍芽手機的APP程式將會自動結束，開啟完成藍芽程式後便會去搜尋身旁是否有藍芽裝置開啟，使用者將可以去點擊此我們心電系統上的藍芽裝置後連線，連線完成後右上方便會顯示“connected”，以方便告知使用者是否連上量測系統，如果沒有連線成功變將會顯示“not connected”。在使用者點擊下“即時量測”後將會開始量測使用者本身的心電訊號並將訊號值透過藍芽傳送到手機中並顯示使用者的心電圖，最後使用者可以觀測自己的心電起伏如圖14。

圖12 手機系統主畫面圖13 詢問是否開起藍芽圖14 最後實現的心電圖

4.3 比較結果

六種的效能指標從(5)~(11)被用來評估心電訊號的理論和其它方法，這些數值得測量分別為壓縮比(CR)、均方根(RMS)、均方根差百分比(PRD)、PRD無基準線(PRD-wb)、RMS差值正規化百分比(PRDN)、訊號的雜訊比(SNR)與訊號品質分數(QS)，依據下列公式：

其中Xs(n)代表著原始訊號、Xr(n)代表著重構的訊號和Xm代表Xs(n)的平均，每一個從MIT-BIH資料庫的紀錄包含兩條導線，平均每一條導線有65萬筆資料，將每個資料的振幅轉換成16-bit格式，在Lee et al. [8]透過同樣方式實做，並透過MATLAB軟體將提出的壓縮演算法進一步執行。為了在有損的演算法中實現最小的失真率，採用100%的窗口尺寸[8]來實現該演算法。

表2中所示為所提出演算法的結果與其他方法之比較，CR值比Lee et al.’s提出的方法[8].更好，該演算法具有最低PRD值和較高SNR值。結果清楚表明該演算法具有高精準度和高壓縮率的優點，接收到高於28的值量分數，比較Lee et al.’s理論，大幅增加25.1%，表示著心電訊號採用壓縮理論可以被應用到攜帶型裝置或在電子醫療系統中，將會是一種更好方是去解決在數據傳輸大量電壓消耗。

表2 所提出演算法的性能與其它方法之比較

Method

CR

PRD

PRDN

RMS

SNR

QS

[7]

6.11*

0.78

unlisted

unlisted

unlisted

7.83

[8]

5.19

0.23

3.56

2.22

29.67

22.56

[9]

5.82*

0.80

unlisted

unlisted

unlisted

7.27

Proposed

5.267

0.187

3.66

1.84

30.10

28.223

5. 結論

本論文中，實現心電訊號電路實作並帶有資料壓縮演算法應用，其特色有低價格、低雜訊，結果證明所採用的演算法是有效，並且和其他相關方法比較證明可以達到更高的值量分數。最後，我們設計出一個精巧的心電讀取電路，結合了SD Card資料儲存、藍芽模組傳輸與Arduino嵌入式系統應用。因此，本專題成果將有助於應用於攜帶型的個人健康監測系統開發。

參考文獻

[1]. C.-L. Chang, C.-W. Chang, C.-M. Hsu, J.-C. Chiou, and C.-H. Luo, “Power-efficient wireless sensor for physiological signal acquisition,” Journal of Micro/Nanolithography, MEMS, and MOEMS, vol. 8, pp. 021120-021120-7, 2009.

[2]. E. Nemati, M. J. Deen, and T. Mondal, “A wireless wearable ECG sensor for long-term applications,” Communications Magazine, IEEE, vol. 50, pp. 36-43, 2012.

[3]. C.-L. Chang, C.-W. Chang, H.-Y. Huang, C.-M. Hsu, C.-H. Huang, J.-C. Chiou, et al., “A power-efficient bio-potential acquisition device with ds-mde sensors for long-term healthcare monitoring applications,” Sensors, vol. 10, pp. 4777-4793, 2010.

[4]. S.-L. Chen, H.-Y. Lee, C.-A. Chen, H.-Y. Huang, and C.-H. Luo, “Wireless body sensor network with adaptive low-power design for biometrics and healthcare applications,” Systems Journal, IEEE, vol. 3, pp. 398-409, 2009.

[5]. 謝夢蝶。遠距照護產業營運模式-以心電圖監測為例。台灣台北：國立政治大學智慧財產研究所碩士論文。2010。

[6]. 張慈映，心電圖計應用市場分析。台灣新竹，工業技術研究院。2009

[7]. M. S. Alam and N. M. S. Rahim, “Compression of ECG signalbased on its deviation from a reference signal using discrete cosine transform,” in Electrical and Computer Engineering, 2008. ICECE 2008. International Conference on, 2008, pp. 53-58.

[8]. S. Lee, J. Kim, and M. Lee, “A real-time ECG data compression and transmission algorithm for an e-health device,” Biomedical Engineering, IEEE Transactions on, vol. 58, pp. 2448-2455, 2011.

[9]. A. Bendifallah, R. Benzid, and M. Boulemden, “Improved ECG compression method using discrete cosine transform,” Electronics letters, vol. 47, pp. 87-89, 2011.

-1024

=

1024

原

始輸

入

正

規化

輸

入

)

(

1

0

2

[][]cos(21)(21)/(4)

N

n

XkXnnkN

N

p

-

=

=´´++

å

_[1]Si_[1]683,

_[2]Si_[2]682,

_[3]Si_[3]682,

FixedSequencegnSequence



=+

=-

=-

(2)

_[1]_[1]1.248,

_[2]_[2]0.624,

_[]_[]_[1].

ifi

DiffSequenceMagnSequence

DiffSequenceMagnSequence

else

DiffSequenceiMagnSequenceiMagnSequencei

<

=-

=-

=--

of Original Data Bits

Number

CR

NumberofCompressedDataBits

=

[

]

1

2

0

1

2

0

()()

(%)100

()

N

sr

n

N

s

n

XnXn

PRD

Xn

-

=

-

=

-

=´

å

å

[

]

[

]

1

2

0

1

2

0

()()

_(%)100

()1024

N

sr

n

N

s

n

XnXn

PRDwb

Xn

-

=

-

=

-

=´

-

å

å

[

]

[

]

1

2

0

1

2

0

()()

(%)100

()

N

sr

n

N

sm

n

XnXn

PRDN

XnX

-

=

-

=

-

=´

-

å

å

[

]

1

2

0

()()

N

sr

n

XnXn

RMS

N

-

=

-

=

å

[

]

[

]

1

2

0

1

2

0

()

()10log

()()

N

sm

n

N

sr

n

XnX

SNRdB

XnXn

-

=

-

=

æö

-

ç÷

ç÷

=´

ç÷

-

ç÷

èø

å

å

CR

QS

PRD

=

chun/template or format of ecg.docx · web...

Documents