面向孕妇体域网的绿色智能信息获取与处理方法研究

Body sensor network based Maternal-fetal monitoring can acquire abundant physiological information, and realize high quality remote monitoring through wireless transmission, so it is one of the research hotspots for Maternal-fetal monitoring. However, there is contradiction between the high precisely acquiring of abundant physiological information and the requirement for low power consumption and radiation, which hinder the clinical application. The aim of the research project is to explore the theory and method of high efficient compression of Maternal-fetal physiological signal, high efficient fusion of physiological information, layered monitoring architecture and wireless body network channel with low loss and distortion, realize green intelligent information acquiring and processing for Maternal-fetal wireless body network, then obtain theory and techniques of green intelligent wireless body network for Maternal-fetal monitoring. The key research contents mainly include: (1) exploring high compression algorithm of abdominal ECG/PCG with high ratio and low SNR, and FECG extraction algorithm based on tensor decomposition, thereby realizing high efficient compression of physiological information; (2) investigating layered Maternal-fetal monitoring system based on feature selection ensemble model, thereby realizing high efficient fusion of multi-sensor's physiological information; (3) studying theory and method of synchronization acquisition of multi-source signal and low-power data transmission for maternity wireless body network, thereby realizing transmission channel with low loss and distortion.

基于体域网的母胎监护可获取丰富生理参数信息，并通过无线传输实现高质量远程监护，是目前相关研究热点问题之一，但是高准确性丰富生理参数获取与低功耗低辐射要求的矛盾严重阻碍了其临床应用发展。围绕此矛盾，本项目研究旨在探索母胎生理信号参数高效压缩、生理参数信息有机融合、分层式监护体系、母胎体域网信道传输低损耗失真等理论方法，实现面向孕妇体域网的绿色智能信息获取与处理，形成适用于孕妇随身监护的绿色智能体域网理论与技术基础。主要内容包括：1）研究低信噪比腹壁心电/心音信号的高压缩比压缩算法和基于张量分解的胎儿心电信号波形提取算法，实现生理参数信息高效压缩；2）研究基于特征选择集成模型的分层式母胎综合监护预警系统，实现多传感器生理参数信息的高效融合和分层式监护体系。3）研究母胎生理信号采集的多源同步及面向母胎监护的低功耗体域网传输理论与方法，实现信道数据传输的低损耗失真。

融合体域网的远程母胎监护系统仍然面临着异常检测基础信息有限、检测智能化程度较低和无线传输辐射总量影响等问题。这些问题集中反映了一对突出矛盾-提取供监护所需的母胎多体征信息与满足低功率低辐射的要求。至今，这个矛盾问题一直没有得到很好解决，极大的阻碍了其临床应用。.本项目主要内容有：1） 研究了包括母体的人体生理信号采集的多源同步理论与方法，包括传感器布置、采集参数（包括采样率）、多源数据采集与融合理论方法。 2） 研究了基于特征选择集成模型的分层式母胎综合监护预警系统，包括异构源传感器数据融合、多源数据挖掘、分层式母胎综合监护预警体系架构。 3） 研究了人体生理信号时频域与波形形态学特征提取与优选方法，卷积重构机制设计，从而实现低信噪比心电/心音、声音信号的高质量特征学习算法。 4） 研究了面向人体生理信号的深度特征证学习方法，包括内嵌式深度堆栈自动编码器、多阶段深度迁移学习算法、深度胶囊融合网络等母胎生理信号波形提取算法。.本项目取得了重要研究结果，包括：1）提出了面向多种人体生理信号传感器数据处理方法，涉及心电/心音、声音、汗液等生理信号，涉及人体生理信号类型最为广泛。2）取得了多个面向人体生理信号传感器数据的特征提取与优化方法，在方法选型与参数优化方面进行了改进，准确率明显提高。3）提出了多个面向人体生理信号传感器数据监护的改进深度学习方法，在方法选型与参数优化方面进行了改进。4）综述了面向母胎监护的智能信息处理方法，发表了迄今为止首篇关于母胎监护的智能信息处理方法的国内综述文章。.本项目首次研究了面向孕妇体域网的绿色智能信息获取与处理方法，解决了孕妇体域网中关键科学问题-多体征信息处理与小样本低数据的矛盾问题，尤其是在智能信息处理角度进行了重点研究，给出了可行性方法结果，为孕妇体域网乃至其它领域的生命体域网研究提供了理论方法参考。