高原低氧环境下穿戴式动态心电监测研究

Plateau hypoxia environment has a great impact on the cardiac autonomic nervous system and pacing conduction system, leading to an increased risk of cardiovascular disease (CVD). Monitoring ECG in plateau hypoxia environment has great significance, and can enhance the capabilities of army training and actual combat, protect people's lives and health. Thus, this project aims to monitor the real-time, dynamic, long-term ECG recordings from 100 subjects moving from plain normoxic to plateau hypoxia environments. The project plans to construct an open-access wearable ECG database under plateau hypoxia environment, and to study the Bayesian probability model-based data automatic labeling algorithm. Then, it will study the algorithms for dynamic ECG signal quality assessment, adaptive filtering and feature detection. Then the project plans to combine the techniques of big-data analysis and machine learning, to predict the disease/abnormal situations in hypoxic environments. Meanwhile, it will compare the ECG characteristics between normoxic and hypoxic environments, to explore how the ECG dynamic characteristics change in hypoxic environment, and thus to explore the physiological and clinical factors that produce these changes, including age, sex, clinical baseline data (heart rate, blood pressure, blood oxygen) and disease history. The project aims to achieve the accurate monitor of wearable ECG, and thus to provide technical support for accurately and early alarming the CVD risks in plateau hypoxia environment.

高原低氧环境会对心脏自主神经系统和起搏传导系统产生较大影响，导致心血管疾病的风险大大增加。高原低氧环境下进行连续动态心电监测，对提升部队训练和实战能力，保障人民生命健康有重大意义。鉴于此，本项目拟通过穿戴式监测100例由平原常氧到高原低氧环境下的实时、动态、长程心电信号，建设开源的穿戴式心电数据库，针对穿戴式大数据，研究基于贝叶斯概率模型的数据自动标注分析算法，研究穿戴式动态心电监测的质量评估、自适应滤波和特征检测算法，在此基础上研究基于大数据和机器学习的心电疾病/异常检测方法，对常氧/低氧环境下心电特征进行对比分析，研究低氧环境下心电特征的动态变化规律，探究产生这些变化的生理及临床因素，包括年龄、性别、临床基线资料（心率、血压、血氧），以及受测者病史等，以期实现穿戴式心电的准确监测和异常风险的准确获取，为高原低氧环境下心血管疾病的准确预警提供技术支撑。

高原低氧环境影响人体自主神经系统和心脏电生理系统功能，导致心脑血管疾病风险增加。开展高原低氧环境下动态心电监测研究，对于早期预警特殊环境疾病风险，保障生命健康具有重要价值。.本项目研发了适用于高原低氧环境的长程、动态、实时心电监测设备，以及对应的动态心电信号处理算法，并通过高原低氧环境受试者数据采集、临床心血管疾病患者数据采集等实验，验证了相关技术的有效性。本项目在心电电极材料对信号质量影响，非接触心电采集，高频心电采集，心血管病人心电数据库与高原低氧环境心电数据库构建，动态心电信号质量评估，心电特征稳健获取，心电多特征识别，心电多异常分类，房颤事件检测，早搏事件检测，心交感神经活性评估，低氧暴露下心电以及其他生理特征变化规律与生理解释等方面开展了系统的研究工作，取得了较为突出的研究成果，在 Critical Care Medicine，IEEE Trans. Biomedical Engineering，IEEE Trans. Instrumentation and Measurement，Neural Networks，Knowledge-Based Systems等期刊上发表 SCI论文 41篇，出版动态心电方向英文专著一部，申请并授权中国发明专利6项，获得2021年江苏省高等学校科学技术研究成果奖二等奖（自然科学类），2019年中国计算机学会科技进步优秀奖，项目完成了博士后、博士和硕士研究生的人才培养目标。.通过本项目研究，课题组研究了高原低氧环境下心电等生理信号特征变化规律，探究了高原低氧环境下穿戴式心电监测的应用潜力，相关研究成果为提高个体低氧习服能力、早期发现高原低氧环境下心脑血管潜在疾病风险提供了理论和技术支持。