#第六届立创电赛#智能胸外按压电除颤综合抢救仪 - 嘉立创EDA开源硬件平台

注：* 为必填项

请在报名阶段填写 ↓

* 1、项目功能介绍

请输入内容…

  心脏骤停是最严重的猝死疾病，患者一旦发病会在短短5分钟后脑死亡，中国每年有约55万人死于心脏骤停，心脏骤停有效抢救时间仅为4分钟。突发心脏骤停最有效的救治方法为正确胸外按压和及时准确地电除颤。

心脏骤停逐渐引起了政府重视，近几年我国很多公共场所逐渐配备了AED（自动体外除颤仪）。然而，我国的心脏骤停救治成功率依然不足1%，远低于发达国家30%的成功率。究其原因，心脏骤停的救治远远不是仅配备电除颤仪就能解决的。发达国家的成功经验来源于其数十年的国民急救知识的培养，很难适用于我国国情。心脏骤停救治的时间紧迫性和急救设备、专业人员的稀缺性的矛盾，成了目前中国心脏骤停救治的重大难题。

  我们合作的急救科医生对现有的AED提出了质疑：现有的AED等急救设备存在重大缺陷！主要缺陷如下：

（1）胸外按压风险巨大。将胸外按压交给没有经过专业训练的人是极不负责任的，错误的操作会起反作用并承担法律风险。

（2）现有设备不好用。现有的除颤设备往往只有除颤功能，并且危险性高，甚至我们研发人员都不敢轻易使用AED。急救时，手动胸外按压和电除颤需要来回切换，很可能伤害施救者。

（3）心电分析不智能。现有设备受限于只搭载传统算法，心电诊断的准确性低，大大限制了救治的成功率。

  为了解决目前我国心脏骤停救治面临的困境以及医生提出的现有设备的缺陷。如图1所示，我们设计了“智能胸外按压电除颤一体仪”。

图1 智能胸外按压电除颤一体仪

  本装置是一个无需专业人士介入的一体化急救设备。其集成了心脏骤停急救所需的全部功能。风险低、功能全、成本低、高智能、使用方便、存储维护方便。能有效解决现有设备风险大、使用繁琐、成本高、低智能、维护难的问题。

  本设备自主创新地设计了一种将可折叠救护担架、自动心电监护仪、自动心电分析仪、全胸自动胸外按压机、双相电除颤仪一体化集成的救护设备，取得了“1+1>2”的巨大提升。

  本装置的电除颤电路设计采用多隔离方案，与传统非隔离式电除颤电路相比，具有工作更稳定，抗干扰能力更强的优点。同时，得益于采用了纯数字控制方案，具有控制自由度高的优点。

  本装置在机械结构上将电除颤和胸外按压一体化，可节省30秒以上的抢救时间。这在黄金4分钟内具有极大的意义。

  本装置创新地采用了转运-全功能救治同时进行的方案，该方案为我们首创，如动图2所示，进一步提升了救治效率。

动图2 同时转运救治（双击播放）

二、作品难点

（1）本设备综合国家标准和整机需求自主研发设计了专用电除颤电路板，如图3所示：

图3 自主设计的专用电除颤电路板

  并对电除颤电路进行了各种测试，如动图4、动图5所示，我们采用与人体胸阻抗接近的双鸡蛋作为实验测试负载。

  首先测试生物阻抗，下波形凹陷部分为测试波形：

随后进行高压充电：

动图4 快速充能1KV(235J)能量

充满电后进行放电：

动图5 根据生物阻抗释放100J除颤能量

下图是释放100J能量的波形图：

下图是释放200J能量的波形图：

（2）本设计自主设计了胸外按压功率驱动电路、胸外按压控制电路、心电采集电路等，集成在整机主板上，如图6示：

图6 整机主板

（3）本设计自主研发设计了一套自动诊断程序，识别率远超市面产品，高达99.7%以上。并有合作医院急诊科的数据支持。

图7 心电信号分类结果混淆矩阵

（4）本设计采用小波阈值去噪进行心电信号预处理。相比传统的算法，性能更强、频谱更干净，有利于提高分类准确性，如图8所示。

图8 小波去噪结果

（5）本设计遵循国家标准设计，比如：在不进行电除颤的时或设备意外掉电时，能自动快速放掉电容中的高压电，电除颤后立即恢复正常工作等，符合国家安全标准。

  本产品市场潜力巨大，美国每十万人就配备350台以上的AED，这还不含其它救护设备，而中国迟早也会达到这个规模。今年北京市已经要求每个学校都要配备AED。

  由于政府目前对心脏骤停救治的支持和本身产品的优势，仅中国潜在市场就高达数千亿元，大规模部署可以为政府节省千亿经费。

  本产品有效解决了心脏骤停急救过程中的设备各自为政问题，有效解决了AED对救护人员人身安全的危害，有效解决了急救和转运间的矛盾，实用价值巨大，本产品样机完成初版样机的研制，目前已有多家规模较大的医疗器械厂商有合作意向并完成初步洽谈。

注：主题不限，可以是解决生活/工作中的某个问题、为某个人群/场景设计的方案、毕业设计/课程设计/DIY项目/纯属炫酷项目等。主要讲一下自己通过什么手段解决了什么问题。

*2、项目属性

请输入内容…

本项目为首次公开。

本作品所有软硬件均由队员分工协作原创设计，主板搭载的心电采集电路参考了上届大赛冠军作品《USB便携式ECG心电图监护自动分析仪》并针对本产品应用场景加以改进。

注：请说明项目是否首次公开；项目是否为原创；项目是否曾经在其他比赛中获奖，若有获奖则叙述获奖详情；项目是否在学校参加过答辩。

* 3、开源协议

开源协议：GPL3.0

注：我们允许任何人使用本项目所有的开源内容，但必须注明出处。

注：利他即利己，请认真阅读下述内容。

1. 拥抱开源，赋予项目无限价值。建议项目核心功能开源80%以上；
2. 若某一部分功能不可替代且删掉之后项目无法解决对应的问题，则这一部分实现的功能就是项目的核心功能；比如设计了一台电子负载且设计了一款上位机软件监控功率变化，则电子负载为核心功能，上位机软件为辅助功能；比如电子负载中使用了一款隔离485模块与上位机通信，则此485模块实现的通讯功能为辅助功能；
3. 项目应选择适合自己的开源协议，若项目引用其他开源项目，应注明来源并遵循原作者的开源协议规定；原创项目推荐使用GPL3.0开源协议；
4. 直接引用开源项目的原电路或原代码实现的功能不可作为自己项目的核心功能、使用市场上通用模块直接实现的功能不可作为自己项目的核心功能。

请在竞赛阶段填写 ↓

*4、硬件部分

由于项目原理图较多，在此只展示部分，全部PCB均可在附件下载。

（1）主控单元电路PCB部分原理图（见附件）

（2）电除颤电路PCB（见附件）

（3）电源管理电路（见附件）

      电除颤电路用于产生电除颤的“双相指数截尾”波，该电路会产生用于测量人体的胸阻抗的恒流源脉冲，并通过胸阻抗，和放电电流，以及放电电压实时计算出放电的能量值上传至整机控制电路。

     生理信号采集电路部分负责采集心电数据和胸阻抗数据，实时对心电数据进行分类与分析，计算心率、心熵值等重要数据，判断病人的心脏工作状态并将诊断数据上传至控制电路部分。

     电源管理部分则负责电池的充放电和电量管理，并向电路部分提供合适的电源。该电路需要针对医疗器械的特殊性，针对电源的 EMI 问题进行优化。整机控制电路部分主要负责提供各部件工作的触发信号，并实时接收各部件上传的数据进行分析处理，并进行相应的响应操作。

      电机驱动电路部分主要用于驱动胸外按压机械以及其他各部件的电动机工作，达到控制电机的转速和功率的目的，该设备从控制电路接收触发信号，并反馈电流，电压等电机工作数据。运动传感电路部分则用于感知胸外按压设备的实时运动状态，将状态上传到整机控制电路部分。

 

      整机控制电路部分电路包含主控电路、接口电路、电源电路和模拟电路四大部分，其大致结构图如图所示：

    电除颤电路部分是本设计的电路设计中最重要的一部分，该电路组成如图所示：

   电除颤电路主要包括五部分：

（1）高压储能电容阵列部分，该部分电路用于暂时存储高压放电需要的能量。

（2） 高压电容充电电路部分，该部分电路用于在 20S 内给高压电容阵列充电到 1KV-2KV 左右。

（3）控制电路部分，该部分电路由高性能数字电源专用单片机以及若干外围电路组成。

（4）波形产生电路，该部分电路用于产生高压双相指数截尾波并通过电极片输出到人体。

（5）胸阻抗测量信号调制解调器电路部分，该部分电路用于产生恒流调整脉冲通过电极片输出给人体，并进行解调，得到人体的胸阻抗信号，通过将电极两端信号输出给生理信号采集电路。

本设计会自动采集人体生理信号，并自动分析给予正确的反馈动作，因此本设计需要设计生理信号采集电路。生理信号采集电路主要由信号调理电路、CPU主控电路、通讯电路、电源电路四部分组成，如图所示：

下图为核心电路装机图（整机包含采购的卡片电脑、显示屏等部件，包括但不限于图示电路，但图示电路可独立工作）：

注：推荐使用立创EDA。若选择其他EDA工具，请在附件上传PDF格式的原理图，PDF格式的PCB图纸，Gerber格式的PCB文件。这里可以详细说明您的项目实现原理和机制、注意事项、调试方法、测试方法等。推荐图文并茂的形式向别人介绍您的想法。

*5、软件部分

（1）主控单元固件（见附件）

（2）电除颤单元固件程序（见附件）

（3）电源管理单元固件程序（见附件）

（4）卡片电脑控制界面程序（见附件）

（5）自动分析算法程序（见附件）

由于篇幅限制，在此只介绍我们的最核心的软件，即心电自动分析程序，其它所有源码均可在附件下载！

    心电信号自动识别算法流程如图所示，主要对心电信号进行预处理、特征提取、信号分类等操作，

    由于心电信号通常十分微弱，采集过程中容易受到各种因素的干扰，心电信号的噪声种类繁多，所以心电图分类识别的首要步骤就是对信号进行预处理。国内外研究学者针对去噪方面做了很多研究，主要的去噪手段有经典的数字滤波器和基于小波变换的阈值去噪等。④经典的数字滤波器根据频率范围的不同对噪声进行去噪：对于基线漂移使用高通滤波器去噪、对于肌电干扰使用低通滤波器去噪、对于工频干扰使用带通滤波器去噪。近年来，小波变换技术的快速发展催生出了一系列基于小波阈值去噪技术。该类技术是根据信号和噪声的频率在不同尺度上的分布，先对信号进行小波变换，再根据阈值对各层小波系数进行处理，最后重构信号实现去噪。小波阈值去噪技术对于非平稳信号具有优秀的处理效果，与传统处理方法相比有显著的优越性。

    在对心电信号进行预处理和特征提取的基础之上，使用深度学习对心电信号进行自动分类识别。深度学习的研究与神经网络有着密不可分的联系。2006 年，Hinton 提出了深度置信网络，成为了深度学习领域的一个里程碑。如今在大数据、计算机算力大幅度增加的背景下，深度学习已经在图像处理、语音识别和 NLP等众多领域的研究中取得了巨大进展。而卷积神经网络模型经历了从最早的LeNet 模型到现在的 GoogleNet、ResNet 等不断的演进，识别率已经十分优秀。在研究心电分类算法时，利用深度学习在大量数据处理方面表现出的优势，使得分类效果有着显著的提升。心电信号分类模型架构如图所示，主要对输入信号先进行小波变换然后

进行小波阈值去噪，再对去噪后的信号进行小波反变换得到去噪后的信号。分类模型整体采用 CNN 架构，一维卷积可以有效的提取心电信号特征，再将提取的心电信号特征送入全连接层进行进一步的特征提取和训练，实验表明该模型架构对心电信号分类效果显著。

下图为分类模型预测的混淆矩阵，对于 21543 个正常心电信号的预测正确的个数为 21513，对于 513 个房性早搏数据预测正确个数为 518，对于 2124 个室颤数据预测正

确个数为 2106，1914 个左束支传导阻滞搏动数据和 1516 个右束支传导阻滞搏动数据预测正确的个数分别为 1912，1513。可以看出模型对于心电数据的分类预测效果非常好。

下图 为模型预测的 ROC 曲线和 AUC 值，可以看出模型对于五个类别的预测AUC 值都接近于 1，进一步说明了模型对于心电信号的分类非常准确。

 

注：若您的项目涉及软件开发，请在附件上传对应的工程源码。这里可以详细说明您的软件流程图、功能模块框图、相关算法的解释或科普、源码结构、编译环境的搭建和配置、源码编译方法、程序烧录方法等。推荐图文并茂的形式向别人介绍您的想法。

*6、BOM清单

以下是主控PCB的BOM，具体见附件：

以下是电除颤单元的BOM:

以下是电源管理单元BOM：

注：项目涉及的BOM清单。这个位置请上传BOM的截图。清单详情请以PDF的格式上传到附件中。建议包括型号、品牌、名称、封装、采购渠道、用途等内容。具体内容和形式应以表达清楚项目构成为准。

*7、大赛LOGO验证

请上传包含大赛logo的项目图片，logo以丝印形式印刷在PCB上面。

点击zip下载大赛logo标识！ （大赛标识）.zip

* 8、演示您的项目并录制成视频上传

视频要求：请横屏拍摄，分辨率不低于1280×720，格式Mp4/Mov，单个视频大小限100M内；

视频标题：立创电赛：{项目名称}-{视频模块名称}；如立创电赛：《自动驾驶》-团队介绍。

更多详情：https://diy.szlcsc.com/posts/06c94d90c2c447dfbd9ed7339ff4a5b1