基于PYNQ的心电监测与分析装置

2017 DDC中国区选拔赛作品  |  健康关怀

Wayne   项目发起人 06-21
5 0

在PYNQ-Z1开发板中搭建神经网络,使用MIT-BIH数据库的标准心律失常数据库Arrhythmic Database对其进行训练,从而可以对心电波形进行分类,将异常的心电信号与正常的区分开来,对心电异常数据进行监测、分析和报警,后续关于客户端、服务端的整体架构及更多功能将在暑期实现。

项目采用平台:

PYNQ-Z1:支持Python编程的Zynq开发板

数量 1

参与者
ElegantLIN  参与者

同济大学 学生

项目详情

项目创意灵感

随着中国老龄化加剧,生活压力越来越大,罹患心血管疾病的人也越来越多,同时,大多数心脏疾病在发生时,患者会出现心律失常的现象,而心律失常的监测与识别对于预防和治疗心血管疾病有着非常大的意义。同时,市面上目前已有的便携式监测产品也有着各自的缺点,如只能测量心跳频率,或者只能当做记录仪器等,因此我们决定基于PYNQ设计一款心电监测和分析的报警装置,促进医疗资源的更合理分配,给心脏病患者提供更好的治疗效果。

设计特色创新

使用神经网络对整个心电图进行分析,而不是单纯的对心跳频率的测量,同时根据特定的病人的心电数据还可以训练出有针对性的神经网络,从而实现类似于个性化定制的服务。此外,由于pynq硬件计算的优势,因此其便携性和实时性得以更好的体现。并且对于心律失常的不同特定情况,医生的标注多达三四十种,因此如果需要更细致的分类和报警类别,可以在此基础上进一步实现。

系统原理功能

系统原理功能:使用MIT-BIH心律失常数据库的数据去训练用numpy编写的二值神经网络,然后将该神经网络烧入PYNQ-Z1中。由于周围没有心脏不正常的人,由于周围没有心脏不正常的人,因此当我们使用数据库的其他数据输入时,PYNQ开发板可以实现识别、分析并闪烁LED灯进行报警的功能。

完成情况概述

使用MIT-BIH数据库的数据训练出了一个可以对心电波形进行分类的神经网络,并且下载到pynq-z1开发板中,可以对心电异常数据进行监测、分析和报警,后续关于客户端服务端的整体架构及更多功能将在暑期实现。


我要评价