非接触式生理信号监测装置

1.本实用新型属于生理信号检测技术领域，具体为一种非接触式生理信号监测装置。


背景技术：

2.随着经济的不断发展，人口老龄化的问题日益突出。在社会发展的大潮中，年轻一代的生活方式也慢慢发生改变。这些因素导致脑血管疾病的发病率持续上升，且呈现年轻化的趋势。若没有有效的检测和防治措施，不仅严重威胁患者的生命和健康，还给患者的家庭，乃至社会带来沉重的经济和社会负担[1-2]。因此，对大脑内部机理的不断探索，对脑科学研究中面临的难点持续攻关，并在此基础上寻求脑部疾病的早发现早治疗，具有重大的医学意义和经济社会效益。人的一生大约有三分之一的时间在睡眠中度过。脑部疾病在夜间发作的概率非常大。为了提高人民的生活质量，在夜间进行睡眠监测是一件十分有意义的事。脑血氧、心率、脑部血管张力与脑部疾病的发作息息相关。对这三个生理信号进行监测可以对疾病进行评估和预警。
[0003]
近年来,随着传感器技术、监测技术和现代影像技术的不断发展,脑功能监测的手段越来越多,例如有：
[0004]
1、脑电图
[0005]
脑电图(eeg)可以反映脑细胞群的自发性、节律性电活动，对脑部疾病的诊断、病情监测、预后判断及临床治疗等方面都有重要的应用价值。临床上常用的脑电图监测设备主要包括常规脑电图(recg)、视频脑电图(veeg)、动态脑电图(aeeg)以及颅内脑电图(ieeg)。
[0006]
2、近红外光谱仪(nirs)
[0007]
nirs其原理是：近红外光在一个特定位置发射到头部，并在组织中经历随机散射和吸收过程，衰减7-9个数量级。其中一部分光通过香蕉形状的路径传回组织表面，然后被敏感的光电探测器检测到。通过检测入射光和透射光的强度，经beer-lanbert定律换算得出氧合血红蛋白和去氧化血红蛋白的浓度，还可通过血氧饱和度的变化与氧合血红蛋白和去氧化血红蛋白的浓度变化推算出脑部血液流量和脑血容量。nirs于1985年被引入临床实践，用于评估早产儿的大脑氧合情况，经过不断改进现已应用于各种手术麻醉中的监测。但由于个体基础差异，nirs监测无法确定脑组织缺氧的绝对阈值，当前临床所使用的设备只能监测脑部血氧的相对变化，脑血氧饱和度监测属于趋势性指标，不能诊断病因，仅具有警示作用。
[0008]
除了上述提到的两类，还有我们熟知的ct(电子计算机断层扫描)、正电子发射断层扫描仪(pet)、核磁共振成像(mri)。目前脑电、脑血氧以及脑血流的监测领域已经发展出了多种多样的方法与设备，极大地推动了脑科学的发展，但是现有的设备仍存在一定的局限性，总结如下：
[0009]
1、脑电图监测的灵敏度比脑血氧饱和度差、需要专业医师分析；
[0010]
2、ct设备体积大、有电离辐射，而且还需要专业的医生操作，不能实时监测；
[0011]
3、pet设备价格非常昂贵、体积大，需要专门医生操作，不能实时监测；
[0012]
4、mri设备费用昂贵、体积大，一般基层医院都很少见，需专门医生操作，不能实时监测；
[0013]
由于上述设备的缺陷，现在市场上已经研制出了多种便携式脑功能监测设备。但是这些设备具有如下缺陷：
[0014]
1、大部分便携式仪器紧贴头部，舒适度和易用性不高。
[0015]
2、目前，基于摄像头的非接触式仪器和基于近红外光的非接触式仪器没有自动追踪功能。由于人的头部会移动，这些仪器不能准确、实时地进行生理信号监测。
[0016]
针对上述问题，本实用新型提出了一种能够进行人脸跟踪定位的非接触式生理信号监测装置器。本实用新型能够追踪人脸，将激光精确照射在被试者脑前额，实现精确的检测。
[0017]
参考文献：
[0018]
[1]edwards a.d et al.cotside measurement of cerebral blood flow in ill newborn infants by near infrared spectroscopy[j].1988,332(8614):770-771.
[0019]
[2]wyatt j s et al.quantitation of cerebral blood volume in human infants by near-infrared spectroscopy[j].journal of applied physiology(bethesda,md.:1985),1990,68(3):1086-91.
[0020]
[3]黎奎,宋宇,邓建奇,刘民,陈忠林,周激流.基于特征脸和bp神经网络的人脸识别[j].计算机应用研究,2005(06):236-237 248.


技术实现要素：

[0021]
本实用新型的目的在于提供一种具有人脸追踪定位功能、能够精准采集信号的非接触式生理信号监测装置。
[0022]
本实用新型提供的非接触式生理信号监测装置，包括：生理信号检测装置、人脸检测装置、微处理器、用于追踪定位的机械结构、用于数据显示的上位机五个部分；其中：
[0023]
(一)所述生理信号检测装置，包括：激光发射模块、光信号检测转换模块其中：
[0024]
所述激光发射模块，是一激光发射器，用于发射激光；
[0025]
所述光信号检测转换模块，包括光电转换电路、自动增益电路、锁相放大电路、可编程滤波电路。
[0026]
(1)所述光电转换电路，主要用于对0ua至5.43ua的光电二极管电流产生0.1v至4.9v的输出电压。
[0027]
(2)所述自动增益电路，采用pga281芯片,用于提供最低为0.125倍增益，最高可达176倍；
[0028]
(3)所述锁相放大电路(也称为相位检测器)，是一种可以从干扰极大的环境(信噪比可低至-60db，甚至更低)中分离出特定载波频率信号的放大器。
[0029]
(4)所述可编程滤波电路，采用max262构建的滤波器。max262内部有两个独立的程控滤波器；其中，低通、高通、带通、带阻、全通，以及中心频率和q值都可以通过处理器调节；
[0030]
进一步地，光信号检测转换模块内部的具体流程如图5所示：
[0031]
光电二极管将光信号转换为对应的电流，结合光电转换电路，将电流信号转换为电压信号；
[0032]
电压信号进入自动增益电路进行放大。因为光电二极管对不同波长的光信号具有不同的响应程度，所以不同波长的光信号转变过来的电压信号大小不一样，为了让电路有一个比较大的动态范围，需要对不同波长的光信号进行不同倍数的放大，因此在电路中设计了自动增益电路(pga)；
[0033]
信号经过自动增益电路放大后，分为两部分：一部分进入锁相放大器，进行脑血氧原始信号提取；另一部分经过带通滤波器，进行心率原始信号和脑血管张力原始信号的提取；微处理器对原始信号进行数模转换，再通过算法进行计算，获得结果。
[0034]
(二)所述人脸检测装置，包括红外摄像头，红外摄像头用于夜间捕捉、采集人脸信息；
[0035]
(三)所述微处理器，采用stm32f4，微处理器根据红外摄像头捕捉、采集到的人脸信息，判别人脸位置和朝向，并控制滑轨和云台，调整激光发射角度，对准人脑前额进行照射；微处理器采集到原始生理信号，并进行后续的生理参数计算，包括：脑血氧饱和度、心率、脑部血管张力等常见生理参数的计算；这些算法原先部署在微处理器中，计算时调用这些算法即可；再通过蓝牙将计算值发送至上位机；
[0036]
(四)所述用于追踪定位的机械结构，包括：用舵机搭建的云台、弧形滑轨、电动机。弧形滑轨的两端固定在对应于人头部位置的床铺的两侧，弧形轨道环绕人头部位置，云台可沿着弧形轨道移动；云台通过电机驱动，并控制在弧形滑轨上移动。所述激光发射模块(激光发射器)、光信号检测转换模块和红外摄像头部署在云台上；
[0037]
部署在云台上的红外摄像头，获取人脸信息后，微处理器驱动电机，将部署在云台上的激光发射器发射激光的照射位置锁定在被试者的额头。这样即使被试者头部移动，激光也能精准地照射在相关部位，进行精确地测量。
[0038]
(五)所述上位机，通过蓝牙与微处理器进行数据交互。上位机可以对原始信号进行初步分析、实时显示生理信号的波形、控制仪器的相关动作。硬件系统将采集处理好的数字生理电信号通过串口通信模块回传至pc端的上位机，上位机将接收的数据实时绘制原始数据波形图，并将数据存入数据缓冲区进行数据转存。
[0039]
本实用新型的非接触式生理信号监测装置的工作流程为：
[0040]
(1)由微处理器驱动电动机和云台。在云台上的红外摄像头开机进行人脸捕捉。微处理器用两层循环分别控制x方向和y方向的舵机运动，实现摄像头的二维运动。一旦识别到人脸，退出人脸捕捉模式，进入人脸跟随模式，让摄像头跟随人脸运动；
[0041]
(2)由于激光发射器和红外摄像头都部署在云台上，当摄像头跟随人脸运动时，激光发射器也会跟随人脸运动。
[0042]
(3)激光照射脑前额后，光以香蕉型的路径在大脑皮层进行散射、折射。在云台上的光信号检测转换模块将反射回来的光转化为电压信号。微处理器根据这些电压信号，调用预先部署的算法，解算出脑血氧、心率、脑血管张力等生理参数。
[0043]
对比现有的技术路线，本实用新型的有益效果在于：
[0044]
1、在非接触的条件下，本实用新型实现脑血氧、心率、脑血管张力三种生理信号采集。
[0045]
2、在夜间睡眠监测中，本实用新型能够自动跟踪定位人脸位置，从而调整光信号的发射角度，实时、精准地进行信号采集。
[0046]
3、本实用新型价格适中、方便安装、适用于普通居家监测。
附图说明
[0047]
图1为系统总体框架图。
[0048]
图2为激光驱动电路。
[0049]
图3为光电转换电路仿真。
[0050]
图4为pga281增益控制。
[0051]
图5为光信号检测转换模块内部的具体流程。
[0052]
图6为结构示意图。
[0053]
图7为上位机界面。
[0054]
图8为原始信号。
具体实施方式
[0055]
图1为本实用新型实施例的架构图，下面通过具体实施例与附图进一步介绍本实用新型。
[0056]
本实用新型提供的非接触式生理信号监测装置，包括：生理信号检测装置、人脸检测装置、微处理器、用于追踪定位的机械结构、用于数据显示的上位机五个部分；其中：
[0057]
(一)所述生理信号检测装置，包括：激光发射模块、光信号检测转换模块；其中，
[0058]
所述激光发射模块，是一激光发射器，用于发射激光。具体驱动电路如图2所示，包括两个三极管q1与q2，以及六个外围电阻r40、r41、r42、r43、r44、r45。两个三极管q1与q2的外围电路是一样的，因此只要介绍其中一个电路即可。例如：由q1、r40、r41、r42组成的电路如下，电阻r40接到三极管q1的基极上，电阻r42接在三极管q1的集电极上，r41接在三极管发射极和基极之间。当三极管q1基极为高电平时，三极管导通，激光点亮；当三极管q1基极为低电平时，三极管截止，激光熄灭。为了仪器能够达到高精度，激光的强度要尽可能保持恒定，并且不受电源电压和温度变化的影响。除此之外，采用pwm(脉冲宽度调制)波作为激光驱动信号。所以电路的设计兼容pwm驱动。
[0059]
所述光信号检测转换模块，包括光电转换电路、自动增益电路、锁相放大电路、可编程滤波电路。
[0060]
(1)、所述光电转换电路，设计目标是针对0ua至5.43ua的光电二极管电流产生0.1v至4.9v的输出电压。
[0061]
具体电路如图3所示，此电路包括一个配置为互阻抗放大器的单电源运算放大器(ad8605)，该放大器的带宽大于1mhz，用于放大光电二极管(vemd5060)的光依赖电流。电流模型ipd和电容cj并联，构成光电二极管(vemd5060)的仿真模型；电容c1和电阻r1并联跨接在运算放大器的反向输入端和输出端，构成反馈网络；电阻r2和r3构成一个分压电路，将电压源v1的电压进行分压，给运算放大器的同相输入端提供一个低偏置电压。这可以防止在缺少输入电流的情况下，输出在负电源轨上饱和；电路中用电阻r4和电容c3组成一个无源滤波器，用于滤除高频噪声。
[0062]
(2)所述自动增益电路，采用pga281芯片进行设计。因为pga281是一款可编程芯片，它的关键电路已被厂家高度集成，所以只需关心pga281外部管脚的连接，然后编写mcu驱动程序即可。图4展示了pga281管脚与输出增益的关系，通过mcu改变g4～g0管脚的高低电平，即可改变增益。由图4可以看出：pga281最低能够提供0.125倍增益，最高可达176倍。
[0063]
(3)所述锁相放大电路，锁相放大电路采用ad630芯片和低通滤波电路实现。ad630是一款高精度的平衡调制器，内部电阻均是高稳定度的薄膜电阻，保证了其工作的精确性和稳定性。锁相放大器实际上是一个模拟的傅里叶变换器，输出信号经过低通滤波电路，得到一个直流电压，这个直流电压正比输入信号中某一特定频率(参数输入频率)的信号幅值。而输入信号中的其他频率成分对输出电压没有任何贡献。低通滤波电路采用下文提到的可编程滤波电路实现。
[0064]
(4)所述可编程滤波电路，采用max262构建的滤波器。max262内部有两个独立的程控滤波器；其中，低通、高通、带通、带阻、全通，以及中心频率和q值都可以通过处理器调节。
[0065]
本实用新型中涉及两个可编程滤波电路。一个可编程滤波电路设计为截止频率为0.2hz的低通滤波电路，与ad630芯片构成锁相放大器，用于提取脑血氧信号；另一个可编程滤波电路设计为频率范围为0.2hz-2hz的带通滤波器，用于提取心率信号和脑血管张力信号。
[0066]
部署在微处理器中的生理参数算法，主要包括脑部血氧饱和度计算、心率的峰值计算、脑血管张力计算。微处理器通过adc(模拟信号转数字信号)将原始信号转变为数字信号后，调用这些算法进行计算。
[0067]
在进行血氧计算时，假设散射系数为常数且已知时，辐射传递方程给出了获得不同距离反射光强度后吸收的空间导数。结合菲克扩散定律，可以获得如下解析解：
[0068][0069]
这里，r是光的波长，μa是介质的吸收系数，ρ是光源与探测器之间的距离，k是常数，h是散射系数与波长之间的归一化斜率。a是光密度，定义为：
[0070][0071]
其中，io和i分别是原点和距离ρ的光强度。吸收系数μa可以表示为：
[0072][0073]
其中，ε
hb
和为特异性消光系数，c
hb
和分别为脱氧血红蛋白和脱氧血红蛋白的摩尔浓度。对于两个波长，此方程可以重写为：
[0074][0075]
脑部血氧浓度可以表示为：
[0076][0077]
在计算心率时，采用峰值检测算法，即计算两个信号峰值之间的周期，从而得出心率。
[0078]
在计算脑血管张力时，通过计算信号峰值的大小，来反映脑血管张力的大小。
[0079]
(二)所述人脸检测装置，包括：红外摄像头，红外摄像头用于夜间捕捉、采集人脸信息。微处理器根据红外摄像头捕捉、采集人脸信息，调用opencv-python、nump库实现人脸检测。其中采用传统的特征子脸判别方法[3]，主要思想是：从统计的观点，寻找人脸图像分布的基本元素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。这些特征向量称为特征脸。特征脸反映了隐含在人脸样本集合内部的信息和人脸的结构关系。将眼睛、面颊、下颌的样本集协方差矩阵的特征向量称为特征眼、特征颌和特征唇，统称特征子脸。特征子脸在相应的图像空间中生成子空间，称为子脸空间。计算出测试图像窗口在子脸空间的投影距离，若窗口图像满足阈值比较条件，则判断其为人脸。
[0080]
(三)所述用于追踪定位的机械结构，包括：用舵机搭建的云台、弧形滑轨、电动机。弧形滑轨的两端固定在对应于人头部位置的床铺的两侧，弧形轨道环绕人头部位置，云台可沿着弧形轨道移动；这些机械结构通过电机驱动。部署在云台上的红外摄像头，获取到人脸后，微处理器驱动电机，云台上的激光发射模块将激光照射位置锁定在被试者的额头。这样即使被试者头部移动，激光也能精准地照射在相关部位，进行精确地测量。总体结构关系如图6所示。
[0081]
电机驱动电路采用电机驱动芯片tb6612fng设计的相关电路。这款芯片体积小巧、输出电流大、支持双路电机驱动。
[0082]
(四)所述上位机，界面如图7所示。上位机包含：串口号搜索、波特率设置、停止位设置、数据位设置、校验位设置。同时上位机有一个接收区和一个发送区。上位机通过蓝牙串口与微处理器通信，点击“打开”按键，通信开启，接收区将会把接收到的数据进行波形绘制，如图8所示；点击“关闭”按键，通信结束，上位机把接收到的数据保存到一个txt文件中；点击“清空”按键，接收区的波形将会被清空；点击“发送”按键，发送区的指令将会传送到微处理器。