高级搜索

基于涡轮式气体流量传感器的用力呼气容量计算方法

王辰硕 何光强 李玥琪 赵荣建 陈贤祥 杜利东 赵湛 方震

引用本文: 王辰硕, 何光强, 李玥琪, 赵荣建, 陈贤祥, 杜利东, 赵湛, 方震. 基于涡轮式气体流量传感器的用力呼气容量计算方法[J]. 电子与信息学报, 2019, 41(10): 2396-2401. doi: 10.11999/JEIT190051 shu
Citation:  Chenshuo WANG, Guangqiang HE, Yueqi LI, Rongjian ZHAO, Xianxiang CHEN, Lidong DU, Zhan ZHAO, Zhen FANG. Calculation of Forced Vital Capacity Based on Turbine Air Flow Sensor[J]. Journal of Electronics and Information Technology, 2019, 41(10): 2396-2401. doi: 10.11999/JEIT190051 shu

基于涡轮式气体流量传感器的用力呼气容量计算方法

    作者简介: 王辰硕: 男,1993年生,博士生,研究方向为生命信息感知与计算;
    何光强: 男,1995年生,硕士生,研究方向为可穿戴式技术;
    李玥琪: 女,1990年生,博士生,研究方向为可穿戴式技术;
    赵荣建: 男,1985年生,博士生,研究方向为生命信息感知技术;
    陈贤祥: 男,1979年生,副研究员,硕士生导师,研究方向为可穿戴式技术;
    杜利东: 男,1981年生,助理研究员,研究方向为微纳制造技术;
    赵湛: 男,1958年生,研究员,博士生导师,研究方向为微纳制造技术,无线传感器网络,生命信息感知与计算;
    方震: 男,1976年生,研究员,博士生导师,研究方向为可穿戴式技术
    通讯作者: 方震,zfang@mail.ie.ac.cn
  • 基金项目: 北京市自然科学基金重点研究专项Z16003,国家重点研发计划2016YFC1304302

摘要: 涡轮式气体流量传感器在用力肺功能测试中用于记录人体呼气信号,由于旋转惯性,对于相同用力呼气容量(FVC)值,测量结果因呼出气体流量而异,且差异值通常不可接受。针对该问题,该文通过在传统稳态涡轮流量计算模型的基础上引入速度惩罚项,构建一种FVC速度惩罚模型,与此同时,提出使用过幅降采样涡轮旋转周数算法,二者结合,提高了FVC测试结果的可接受性。利用国际通用的标准3 L定标桶,模拟真实用力肺功能测试过程,对算法的有效性进行验证。实验结果表明:所提方法能够有效降低前述差异,在一定程度上满足美国胸科协会(ATS)和欧洲呼吸学会(ERS)所提出的用力肺功能测试可接受标准和准确度要求。

English

    1. [1]

      VAN DER HEIJDEN M, LUCAS P J F, LIJNSE B, et al. An autonomous mobile system for the management of COPD[J]. Journal of Biomedical Informatics, 2013, 46(3): 458–469. doi: 10.1016/j.jbi.2013.03.003

    2. [2]

      POLVERINO F and CELLI B. The challenge of controlling the COPD epidemic: Unmet needs[J]. The American Journal of Medicine, 2018, 131(9 Suppl 1): 1–6.

    3. [3]

      WANG Chenshuo, CHEN Xianxiang, ZHAO Rongjian, et al. Predicting Forced Vital Capacity (FVC) using Support Vector Regression (SVR)[J]. Physiological Measurement, 2019, 40(2): 025010. doi: 10.1088/1361-6579/ab031c

    4. [4]

      World Health Organization 2018. Chronic Obstructive Pulmonary Disease (COPD)[EB/OL]. https://www.who.int/respiratory/copd/en/, 2018.

    5. [5]

      SHARAN R V, ABEYRATNE U R, SWARNKAR V R, et al. Predicting spirometry readings using cough sound features and regression[J]. Physiological Measurement, 2018, 39(9): 095001. doi: 10.1088/1361-6579/aad948

    6. [6]

      ZHONG Nanshan, WANG Chen, YAO Wanzhen, et al. Prevalence of chronic obstructive pulmonary disease in china: A large, population-based survey[J]. American Journal of Respiratory and Critical Care Medicine, 2007, 176(8): 753–760. doi: 10.1164/rccm.200612-1749OC

    7. [7]

      JOHNSON J D and THEURER W M. A stepwise approach to the interpretation of pulmonary function tests[J]. American Family Physician, 2014, 89(5): 359–366.

    8. [8]

      MILLER M R, HANKINSON J, BRUSASCO V, et al. Standardisation of spirometry[J]. European Respiratory Journal, 2005, 26(2): 319–338. doi: 10.1183/09031936.05.00034805

    9. [9]

      WAN E S, FORTIS S, REGAN E A, et al. Longitudinal phenotypes and mortality in preserved ratio impaired spirometry in the COPDgene study[J]. American Journal of Respiratory and Critical Care Medicine, 2018, 198(11): 1397–1405. doi: 10.1164/rccm.201804-0663OC

    10. [10]

      RAO M V A, KAUSTHUBHA N K, YADAV S, et al. Automatic prediction of spirometry readings from cough and wheeze for monitoring of asthma severity[C]. The 25th European Signal Processing Conference, Kos, Greece, 2017: 41–45.

    11. [11]

      SAHIN D, ÜBEYLI E D, ILBAY G, et al. Diagnosis of airway obstruction or restrictive spirometric patterns by multiclass support vector machines[J]. Journal of Medical Systems, 2010, 34(5): 967–973. doi: 10.1007/s10916-009-9312-7

    12. [12]

      何子军. 呼气信号分析方法及其在肺功能检查中的应用研究[D]. [博士论文], 中国科学技术大学, 2014: 17–22.
      HE Zijun. The method for analyzing expiratory signals and its application in pulmonary function testing[D]. [Ph.D. dissertation], University of Science and Technology of China, 2014: 17–22.

    13. [13]

      CHEN Xiaoying, WANG Na, CHEN Yue, et al. Costs of chronic obstructive pulmonary disease in urban areas of China: A cross-sectional study in four cities[J]. International Journal of Chronic Obstructive Pulmonary Disease, 2016, 11(1): 2625–2632.

    14. [14]

      LOU P, ZHU Yanan, CHEN Peipei, et al. Vulnerability, beliefs, treatments and economic burden of chronic obstructive pulmonary disease in rural areas in China: A cross-sectional study[J]. BMC Public Health, 2012, 12: 287. doi: 10.1186/1471-2458-12-287

    15. [15]

      BOSHNYAK L L, BYZOV L N, KAZNACHEEV B A, et al. Calibration of turbo-tachometric flowmeters[J]. Measurement Techniques, 1962, 5(7): 592–596. doi: 10.1007/BF00989035

    16. [16]

      LOPATA V, POPOV A, ELSHABBAH M, et al. Dynamic errors of forced expiration measurements by spirometers[C]. The 35th IEEE International Conference on Electronics and Nanotechnology, Kiev, Ukraine, 2015: 406–408.

    17. [17]

      SOKOL Y I, TOMASHEVSKY R S, and KOLISNYK K V. Turbine spirometers metrological support[C]. 2016 International Conference on Electronics and Information Technology, Odessa, Ukraine, 2016: 1–4.

    18. [18]

      赵荣建, 周旺, 汤敏芳, 等. 四线涡轮式慢阻肺健康监护系统研究[J]. 电子与信息学报, 2019, 41(2): 469–476.
      ZHAO Rongjian, ZHOU Wang, TANG Minfang, et al. Research of chronic obstructive pulmonary disease monitoring system based on four-line turbine-type[J]. Journal of Electronics &Information Technology, 2019, 41(2): 469–476.

    19. [19]

      文红燕. 涡轮流量计在线监测系统的研究[D]. [硕士论文], 中国计量大学, 2016: 8–14.
      WEN Hongyan. Research on the online monitoring system of turbine flow meter[D]. [Master dissertation], China Jiliang University, 2016: 8–14.

    1. [1]

      杨鹏飞, 彭春荣, 张海岩, 刘世国, 夏善红. SOI微型电场传感器的设计与测试. 电子与信息学报, 2011, 33(11): 2771-2774.

    2. [2]

      谢琼, 李建平, 高晓光, 贾建. EMD方法及其在红外气体传感器信号处理中的应用. 电子与信息学报, 2008, 30(10): 2516-2519.

    3. [3]

      张星, 白强, 夏善红, 郑凤杰, 陈绍凤. 小型三维电场传感器设计与测试. 电子与信息学报, 2007, 29(4): 1002-1004.

    4. [4]

      谐振式微型电场传感器芯片级真空封装及测试. 电子与信息学报, 2015, 37(9): 2282-2286.

    5. [5]

      郝晓辰, 刘金硕, 姚宁, 解力霞, 王立元. 无线传感器网络基于容量和传输能耗的功率与信道联合博弈算法. 电子与信息学报, 2018, 40(7): 1715-1722.

    6. [6]

      翟双, 钱志鸿, 刘晓慧, 孙大洋. 无线传感器网络中基于序列相关性的数据压缩算法. 电子与信息学报, 2016, 38(3): 713-719.

    7. [7]

      刘素艳, 刘元安, 吴帆, 范文浩. 物联网中基于相似性计算的传感器搜索. 电子与信息学报, 2018, 40(12): 3020-3027.

    8. [8]

      王天荆, 杨震, 胡海峰. 基于空间相关性的事件驱动无线传感器网络分簇算法. 电子与信息学报, 2008, 30(3): 699-702.

    9. [9]

      黄友锐, 陈珍萍, 李德权, 唐超礼, 曲立国. 无线传感器网络二阶一致性时间同步. 电子与信息学报, 2017, 39(1): 51-57.

    10. [10]

      李莉, 温向明. 无线传感器网络中分簇算法能量有效性分析. 电子与信息学报, 2008, 30(4): 966-969.

    11. [11]

      刘锋, 张翰, 杨骥. 一种基于加权处理的无线传感器网络平均跳距离估计算法. 电子与信息学报, 2008, 30(5): 1222-1225.

    12. [12]

      孙勇, 景博, 张宗麟, 张劼. 分簇路由的无线传感器网络通信模式与能量有效性研究. 电子与信息学报, 2007, 29(9): 2262-2264.

    13. [13]

      傅质馨, 徐志良, 黄成, 吴晓蓓. 节点失效对无线传感器网络覆盖与连通可靠性影响的模型研究. 电子与信息学报, 2009, 31(11): 2744-2750.

    14. [14]

      赵荣建, 周旺, 汤敏芳, 陈贤祥, 杜利东, 赵湛, 杨汀, 詹庆元, 方震. 四线涡轮式慢阻肺健康监护系统研究. 电子与信息学报, 2019, 41(2): 469-476.

    15. [15]

      杨立君, 丁超, 吴蒙. 一种同时保障隐私性与完整性的无线传感器网络可恢复数据聚合方案. 电子与信息学报, 2015, 37(12): 2808-2814.

    16. [16]

      金圣经, 朴燕, 王瑞光, 刘维亚, 丁香. 声光频谱分析器的信号处理. 电子与信息学报, 1993, 15(2): 128-132.

    17. [17]

      刘小强, 袁国顺, 乔树山. FPGA硬核处理器系统加速数字电路功能验证的方法. 电子与信息学报, 2019, 41(5): 1251-1256.

    18. [18]

      夏永平, 翁默颖, 李培健. 产生彩色电视同步信号和彩色测试卡的微处理机系统. 电子与信息学报, 1986, 8(6): 449-456.

    19. [19]

      禹卫东, 吴淑梅. 用ADSP21062高速信号处理系统实现机载SAR实时成像处理器的方位向处理. 电子与信息学报, 2002, 24(8): 1143-1147.

    20. [20]

      屈玉贵, 蔺智挺, 赵保华. 无线传感器网络的WPCS覆盖策略. 电子与信息学报, 2007, 29(4): 767-770.

  • 图 1  呼气信号采集系统框图

    图 2  低频信号检测

    图 3  高频信号检测

    图 4  3种峰值流速下对不同体积的20次测试结果

    图 5  Bland-Altman图

    图 6  测量结果与真实值的相关性

    表 1  10次随机气体推进实验对涡轮旋转周数测量值与真实值对比

    实验(次)12345678910
    真实值(周)2561501783583218920531656124
    测量值(周)2531481723543168720431056122
    下载: 导出CSV
  • 加载中
图(6)表(1)
计量
  • PDF下载量:  19
  • 文章访问数:  832
  • HTML全文浏览量:  548
文章相关
  • 通讯作者:  方震, zfang@mail.ie.ac.cn
  • 收稿日期:  2009-01-18
  • 录用日期:  2019-05-14
  • 网络出版日期:  2019-06-04
  • 刊出日期:  2019-10-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章