最近几年来,随着可佩戴传感器技术,医学信号处理技术,无线传输技术的发展,医疗仪器的发展也开始从复杂、昂贵的医院式大型台式医疗设备,转向适用于家庭和个人的小型化、智能化、便携式医疗设备发展,即低负荷医疗设备。本文将对‘基于人体传感器网络的体征参数动态提取方法及其在呼吸反馈中应用的研究’展开研究,达到以家庭为中心,突破低负荷技术、特征提取方法、呼吸反馈机理等关键科学问题,自主研发一套低负荷呼吸反馈原型样机,使人们居家享受个性化、交互式的健康服务,以解决人口老龄化、心血管疾病等家庭健康隐患,实现“家庭保健”、构建“健康家居”的新模式。　　 主要创造性成果如下:　　 研制基于人体传感器网络的呼吸反馈样机,研发面向个人和家庭应用、自主知识产权的低负荷呼吸反馈软硬件系统,突破了常规生物反馈仪体积大、价格高、不适用于移动医疗应用等局限。　　 基于人体传感器网络平台的呼吸反馈电子健康腰带,具有低负荷、低功耗、低成本、小型化、便携式等特点;　　 采用低复杂度-高能效的简化MAC无线通信协议,包括基于BSN的冲突避免机制和基于BSN的数据恢复方法;　　 低负荷传感技术,包括非接触式心电监测技术,呼吸感应体积描记术,和惯性加速度传感技术;　　 低负荷呼吸反馈电子腰带保证了生物反馈过程中受试者保持相对正常的生理和心理状态,从而实现了低负荷呼吸反馈。通过可穿戴式呼吸反馈实验,验证了低负荷呼吸反馈设备。　　 采用心电、RIP、加速度三种信号混合提取呼吸率:通过24人次、约70个小时的实验测试,发现混合三种信号的呼吸率提取方法具有高可靠性,五种典型日常生活中呼吸率测量精度达95.4%。　　 首次提出了一种加速度提取呼吸率的新方法,即采用自适应滤波结合主成分分析的方法。与Bates(2010年)、Pung(2008年)等提出的基于时空信息的方法比较,该方法受运动伪差干扰显著减小,在五种典型日常生活中平均测量精度约90%。Bates等则仅采用阀值的方法直接去除受运动伪差影响严重的数据,结果发现整夜6.9小时的监测中超过五成的数据受干扰而无法计算出呼吸率。　　 首次采用心电、RIP、加速度三种信号混合提取呼吸率的方法,在五种典型日常生活中其测量精度达到95.4%。与类似的研究相比,Boyle等在五种典型日常生活中采用心电提取呼吸率的方法,其测量精度约83%。此外,本文还深入分析了三种呼吸率测量方法的差异性。　　 基于上述工作,首次探索信息熵等非线性新指标对自主神经动态评估的稳健性:以健康年轻组和帕金森组为例,跟常规的时域和频域指标相比,信息熵等非线性新指标对自主神经评估具有更高的稳健性,并且适用于呼吸反馈效果评估。　　 以12例健康研究生组和10例帕金森患者组为例,对连续5分钟RR间期时间序列进行时域、频域和信息熵分析,研究发现,样本熵、近似熵等信息熵对自主神经功能评估具有更强的鲁棒性,显著差异*p值均小于0.0001,而时域指标SDNN显著差异*p值为0.003,频域LF/HF指标显著差异指标*p值为0.59。　　 基于自制的呼吸反馈电子健康腰带,进行短时(2分钟)呼吸反馈训练实验。20例健康研究生自愿参加了一系列呼吸反馈实验,包括不同的呼吸率、呼吸时间比、呼吸反馈位置等。采用信息熵(如样本熵)、时域(如标准差)和频域指标(高低频比)等多指标集对自主神经进行动态评估,研究发现,可穿戴呼吸反馈训练时,采用呼吸率为8次/分钟,呼吸时间比为1.0,腹式深呼吸训练对自主神经调节更加显著。　　 综上所述,本研究在生命体征参数的低负荷监测技术、高可靠性健康指标动态提取、自主神经功能综合评估、呼吸反馈机理探索等方面具有一定贡献。我们自制的低负荷呼吸反馈系统也克服了传统静态生物反馈仪所具有的一定主观随意性,及价格昂贵、体积庞大、不适合于移动医疗等缺点。总之,本研究具有一定的应用价值和社会效益。