發布時間：2020-12-30所屬分類：醫學論文瀏覽：1次
摘 要： 摘要：目的探索穿戴式生理參數監測系統在軍事作業醫學中的應用價值。方法在某新兵訓練基地搭建了基于隨行監護系統的中央監測系統，并分別于2018和2019年度采集新兵入伍3個月軍事訓練中30人(210人次)，50人(600人次)的連續(24h)生理數據，包括兩晚的夜間睡眠
摘要：目的探索穿戴式生理參數監測系統在軍事作業醫學中的應用價值。方法在某新兵訓練基地搭建了基于隨行監護系統的中央監測系統，并分別于2018和2019年度采集新兵入伍3個月軍事訓練中30人(210人次)，50人(600人次)的連續(≥24h)生理數據，包括兩晚的夜間睡眠、日間訓練、業余活動等，通過信號質量算法和人工判讀篩選可用信號。隨機選取2019年度新兵40例，按3km跑的考核成績進行排序，將排名前20和后20名新兵分為成績高與低兩組，比較兩組夜間睡眠和運動指標的差異，探索訓練成績和生理指標變化間的關系。結果采集數據的平均時長為(36.2±12.0)h，信號質量評估結果顯示，心電和呼吸信號質量好和中等所占的比例均大于80%，系統能夠有效采集新兵軍事訓練過程中心電、呼吸、體位/體動等數據，實現實時監測和作業效能評估等功能。監測數據顯示：成績高組相比于成績低組，睡眠分期中的深睡比例更多(16.24%±5.62%vs12.19%±4.95%，P=0.042)，運動后心率恢復差值(1min、2min)下降更快[(37.89±5.53)次/分vs(31.97±6.20)次/分，P=0.003]、[(60.89±6.61)次/分vs(49.30±4.76)次/分，P=0.000]。結論可穿戴隨行監護系統能夠在軍事作業環境下有效采集新兵的生理數據，該系統通過連續生理監測與分析能夠捕捉到更多新兵身體狀態變化的信息，為評估軍事作業效能提供了新的技術手段。
關鍵詞：隨行監護系統;生理監測;睡眠;心率恢復;軍事作業醫學
軍事作業醫學是在各種環境下保護軍人健康，提高體能、技能和作業效能的軍事醫學分支學科[1-4]。在現代軍事作業環境中，存在許多復雜因素，可引起士兵嚴重的生理和心理應激反應，從而導致軍人的作業能力降低[5]。對單兵生理狀態連續實時監測與分析，可以客觀的評估作業能力，從而指導科學訓練和減少訓練傷發生[6-7]。一些發達國家研制出了多種軍用的可穿戴監測設備，例如美軍的SmartT-Shirt[8]，LifeGuard[9]，C-WHMS[10]，Zephyr系統[11]和英國Equivital公司的“BlackGhost”軍事監測系統[12]，實現心電、呼吸、體溫、體位/體動的生理參數遠程監測和狀態預警，同時基于系統可以深入研究軍人訓練過程中的生理參數變化、效能評估方法等。比較而言，我軍在該領域的研究的相對薄弱，起步相對較晚。在穿戴式生理信號檢測技術方面，很多高校、研究機構以及企業都在開展該領域的研究工作[13-16]，但缺少能夠真正用于軍事作業醫學研究的設備，對連續生理數據在軍事醫學應用研究中的可行性和應用模式和價值研究的不足�？纱┐髟O備在軍事作業醫學中具有極其重要的應用前景，但目前尚未大規模應用到軍事訓練中，收集的連續生理數據未被充分挖掘、分析、利用。為解決此問題，本文提出了用于軍事作業醫學研究可穿戴設備中的隨行監護系統(SensEcho)[17]，分析了該系統在真實軍事作業訓練中采集生理數據的效果，為軍事作業醫學研究提供新的技術方法和手段。
對象和方法
1研究對象 系統自2018年度在某新兵訓練基地部署，每年度收集9-12月新兵訓練3個月的軍事訓練數據，進行軍事作業醫學研究。隨機選取2019年度新兵40人，均為男性，年齡(20.35±1.70)歲，身高(175.13±5.12)cm，體重(69.75±7.95)kg，按照3km越野考核成績進行排序，選擇前后各20人，分為成績高(組1)和成績低(組2)兩組進行各參數比較分析。
相關知識推薦：醫學外科核心期刊有哪些，期刊表
2隨行監護系統 SensEcho系統由監測終端、無線組網和數據傳輸以及中央監測系統三部分組成。系統終端為柔性背心，內嵌有心電、呼吸、體位/體動傳感器，如圖1所示，實現生理信號長時、連續、低負荷的獲取。信號采集存儲、無線傳輸電路在可拆卸記錄盒內，該盒內集成有采樣頻率25Hz三軸加速度傳感器，用于記錄體位和體動信息，并可以實現身體姿勢和活動信息的捕捉和記錄。該系統采用的是導電性能良好的織物電極，可以獲取頻率為200Hz單導聯心電信號;呼吸信號檢測采用呼吸感應體積描記技術，頻率為25Hz;設備信號記錄盒(設備主機)可以通過藍牙與第三方傳感器連接，采集其他生理信號。無線生理信號傳輸單元為基于Wi-Fi技術的組網系統，包括超低功耗Wi-Fi模塊和WLAN系統，采用多個路由器，能夠實現區域內多個士兵的移動監護、無線組網和漫游數據傳輸。
3中央監測系統 中央監測系統實現所有隨行生理參數監測終端數據的顯示和士兵集中管理，能夠實時地顯示每一位士兵的心電、呼吸、體位、體動生理波形，歷史趨勢，活動狀態(臥床/活動)以及是否在線。中央監測系統設計有后臺數據服務器和算法服務器，與傳統的中央監測系統不同，所有監測終端的數據都先發送到數據和算法服務器，在算法服務器經過分析處理后將結果推送到中央監測系統。算法服務器能夠對連續生理數據進行深度的分析處理，例如心率變異性(heartratevariability，HRV)分析、活動量分析、多尺度熵(multiscaleentropy，MSE)分析[18-19]、睡眠質量分析、應激-響應分析等，通過士兵當前的精神-心理狀態、睡眠情況、運動-恢復水平，綜合分析士兵的作業能力。監測示意圖如圖2所示。
4軍事作業過程中監測與評估指標 1)睡眠質量分析：通過基于心電和呼吸信號的睡眠分期算法[20]，分析士兵夜間睡眠情況和整體睡眠質量，包括睡眠總時間、睡眠分期情況、睡眠呼吸事件發生時間和頻率等。2)HRV分析：通過HRV時域指標、頻域指標和非線性指標對士兵全天的HRV分析并總結。3)整體健康度分析：通過心率的MSE分析量化時間序列復雜度，反應人體系統的整體功能狀態，監護軍事作業中士兵的生命體征。4)活動量分析：通過三軸加速度傳感器判斷士兵當前的活動狀態，統計每天各種活動類型的占比。5)短時應激響應：對跑步過程中的心率和呼吸頻率時序信號進行分析，如運動過程中最大心率，最大呼吸率，運動后心率恢復(30s，1min，2min)情況[21]。6)長時應激響應：對每日的心率、三軸加速度時序信號進行分析，通過三軸加速度選擇靜止狀態，計算靜息心率、靜息心率變異性，代表士兵整天的身體基線水平。
5信號質量評估 由于采集的心電和呼吸信號來自于真實世界，存在著噪聲的干擾，故信號是否可以用于下一步的數據分析需要提前進行判斷[22]，對軍事訓練中采集的數據集進行信號質量的標注，得到人工標注有標簽的數據集;其次，心電(呼吸)信號通過30s(10s)時間窗提取特征，采用孤立森林模型，獲得該時間段信號的評分;最后，將模型得到的評分映射到三分類的信號質量評估結果上，得到信號質量好、中、差的結果，分別標記為1、2、3。
6試驗方法 受試士兵選擇日常訓練的1~2天，穿戴隨行監護系統，受制于士兵的實際意愿和部隊訓練任務，實驗中士兵每周佩戴1次設備，每次采集的總時間24~48h。實驗中記錄的士兵基本信息通過環境監測設備測量環境的溫度、濕度、光照強度、風速、噪聲等。
7分析指標 1)對采集的心電和呼吸信號的質量進行分析，統計信號質量好中差所占的比例。2)通過采集新兵的3km測試成績，選取成績好與差的兩組士兵各20名，計算兩組的睡眠質量(睡眠效率，睡眠總時間，睡眠潛伏期，每個睡眠分期占比)，3km測試過程中和運動后恢復指標(最大心率，最大呼吸率，心率恢復時間)。
8統計學方法 采用Python3.6軟件進行統計分析，數據均為計量資料，符合正態分布，以表示，兩組對比采用獨立樣本t檢驗，不符合正態分布，以Md(IQR)表示，兩組對比采用Kruskal-Wallis秩和檢驗，P<0.05為差異有統計學意義。
結 果
1信號質量評估 如表1所示，心電信號質量好和中所占比例分別為72.52%±6.38%和9.99%±1.16%，呼吸信號質量好和中所占比例為52.26%±2.48%和32.36%±1.79%，系統采集的心電與呼吸信號質量好和中所占比例均在80%以上，表明系統可高質量采集新兵軍事訓練過程中的數據。圖3分別展示了心電信號和呼吸信號質量好、中、差的示例。對于心電信號，在信號質量好時，算法可以準確地檢測出波峰的位置;而信號質量差時，由于運動偽跡對R波檢測會造成影響，部分波峰位置難以判斷。呼吸信號在夜間質量好時波形很平穩，沒有基線的漂移(圖3D)，但由于其自主性較強，個人的呼吸模式對呼吸信號的波動產生較大影響(圖3E)。圖3F是在低強度活動中的呼吸信號，由于信號中存在運動偽跡，對質量算法判斷的準確率影響較大。
2軍事作業中實時生理狀態監測 應用SensEcho監測系統共采集了連續生理數據810人次(2018年210人次，2019年600人次)，采集的數據平均時長為(36.24±12.01)h。一個中央臺系統可同時監測64名士兵，一個界面可以同時顯示16名士兵的生理信號。圖4中展示的是在安靜狀態和運動狀態下中央臺實時監測的界面。可以看出，在安靜狀態下，采集的信號較穩定，無運動偽跡的干擾;在運動狀態下，雖然存在著運動偽跡干擾，即使是在心率達到160次/min的高強度運動狀態下，系統也能準確的監測士兵的生理數據。圖5顯示的是真實3km運動過程中一名士兵的生理參數變化，圖中信號自上而下分別為體位體動、心率、呼吸率在3km測試前中后的變化趨勢。
3兩組生理參數比較 如表2所示，兩組士兵的年齡，身高，體重等基本信息無統計學差異(P>0.05)。從睡眠指標可以看出兩組的睡眠效率都較高，睡眠質量好，各睡眠分期占比在正常范圍內。組1的深睡比例高于組2(16.24%±5.62%vs12.19%±4.95%，P<0.05)，提示睡眠指標中深睡時間與第2天運動表現相關。組1運動后心率恢復差值(1min、2min)下降快于組2[(37.89±5.53)次/分vs(31.97±6.20)次/分，P<0.001、(60.89±6.61)次/分vs(49.30±4.76)次/分，P<0.001]，反應出運動表現與運動后的心率恢復之間有較強的關系。
討 論
本文介紹了隨行生理參數監測系統在軍事作業醫學的應用模式，對采集的連續生理數據可用性進行了分析，并基于連續生理數據對軍事作業醫學研究方法進行了探索，總結了連續生理數據客觀評估作業效能的方法，在新兵軍事訓練數據中進行了初步驗證。該系統不僅可以實現實時、長程、低負荷的生理狀態監測，滿足在不影響士兵訓練的同時監測生理信號，并通過信號質量評估、信號處理、數據挖掘、數據分析的方法發現軍事訓練過程中的連續生理數據隱含的有價值的信息。進一步，通過機器學習、深度學習的方法基于大樣本軍事訓練數據建立軍事作業效能的評估方法，對我軍軍事作業醫學中生理狀態監測、軍事作業能力評估具有重要的意義。我們的研究中亦存在著一些不足。首先，現階段的研究是基于單一群體，不能完全滿足針對不同軍事作業群體、類型、強度、環境下作業能力評估，由于作業環境的差異，對士兵的生理-心理、睡眠情況、運動能力等會產生不同的影響，故需進一步探索其他場景下方法的適用性。其次，在高強度運動過程中，運動偽跡較難去除，心電信號檢波、信號質量評估需繼續優化。最后，本文對基于連續生理數據軍事作業效能的評估方法進行了初步探索，重點針對運動和睡眠中的指標進行分析，下一步我們將繼續探索表征士兵作業效能的其他生理參數，并將方法應用在大樣本軍事訓練數據集上驗證其有效性和準確性。——論文作者：趙 靜1，王 釗2，張 健2，范 勇3，梁 洪3，張政波3
SCISSCIAHCI
