面向生物医疗的电路与系统

       无线医疗保健是电子健康、精准医疗、治未病、健康物联网的重要组成部分,用无线医疗传感器组成人体传感网,并通过手机等智能设备将人体各种生理参数与云计算、大数据相联,为病人和慢性病患者提供24小时的监控,通过大数据提取各种重要健康信息,运用人工智能算法做出初步诊断,并及时将信息和诊断结果反馈给监控对象,以帮助调节用药量、饮食、运动及作息安排,甚至对可能发生的突变做出及时的预警,通过远程医生提供及时的诊断、治疗和指导等。无线医疗保健作为一个全新的保健概念将彻底改变现有的医疗保健模式。它将传统的有病求医逐步转化为以预防为主的保健机制,也就是从治已病转变为治未病。这样不但可以维持个体的健康,而且可以降低医疗费用。将慢性病人的治疗从医院转向病人家庭,可以大大降低病人的开销,最大程度地提高了医院的病房周转率。无线医疗保健的核心技术就是实时地采集人体重要的生理参数,将这些参数有效的传递到云端或者其他类型服务器上,从而使得实时监控、护理,甚至进行干预成为可能。而可穿戴的生物医疗电子系统则是实现此目标的关键技术,也是课题组长期研究的方向。


方向1.1:可穿戴连续血压监测系统


       血压是人体生命体征的一项重要指标,其受到多种因素的影响,包括生活习惯、环境、情绪等等。因此,单次的血压测量无法有效的反应患者的真实血压情况,容易造成或者误诊,比较典型的病理有白大褂高血压、夜间高血压等。为了有效的预防和治疗高血压,24小时动态血压监测技术受到了临床上的广泛关注。然而现有的动态血压监测主要采用基于示波法的袖带式血压计,需要定时通过对袖带进行充放气从而测量人体的血压值,具有体积大、噪音大等的问题,往往会给患者造成不适、甚至睡眠障碍。针对该问题,课题组采用光电容积脉搏波描记法(PPG),通过光信号来反映人体血液容积状况,并设计了面向光生物传感应用的低功耗、高集成度采集芯片,实现PPG信号的采集。基于该芯片,结合机器学习算法,研制了一套可穿戴连续血压监测原型系统,该系统区别于传统电子血压计,能够以指环形式佩戴,并通过手机端实时观察自身血压状况。该系统的实现将有助于人们更好的进行自我健康管理。

代表性成果:

[IEEE Sensors J. 2021] “Low-Power High-Sensitivity Photoplethysmography Sensor for Wearable Health Monitoring System” 

[SCIS 2020] “A Digital Signal Processor (DSP)-based System for Embedded Continuous-time Cuffless Blood Pressure Monitoring Using Single-channel PPG Signal”


方向1.2:全集成低功耗心电信号采集系统


       随着人口老龄化及城镇化进程的加速,中国城乡居民心血管病患病率呈上升趋势。据统计,心血管病死亡已成为城乡居民总死亡原因的首要因素。实时监测心脏活动对心脏病的早期预防具有重大的意义,但常规心电监护设备具有体积笨重、价格较高、不易于携带的局限性。针对该问题,课题组对全集成低功耗心电信号采集芯片进行研究,从而为实现微型化心电采集硬件提供支撑,同时通过与材料学科交叉合作,开发柔性集成系统,实现贴片式、柔性心电硬件。进一步课题组对心脏相关疾病的病理进行研究,建立各类心血管疾病包括:心肌缺血性分析和急性心肌梗死、心源性猝死风险预测方法及模型的研究风险预测及模型。最终形成柔性心电系统,实现对心脏健康实施全方位的评估、监测、及预警。

代表性成果:

[TCAS-II 2021] “A 1.3 uW Event-Driven ANN Core for Cardiac Arrhythmia Classification in Wearable Sensors” 

[IEEE TBioCAS 2019] “A 2.55 NEF 76dB CMRR DC-Coupled Fully Differential Difference Amplifier Based Analog Front-end for Wearable Biomedical Sensors”


方向1.3:可穿戴实时肺部功能监测系统


       呼吸系统疾病,尤其是传染性病毒型肺炎近年来多次严重威胁我国公共卫生安全,急需研发一种小型化、低成本、无辐射的便携式或可穿戴实时肺部功能监测设备辅助诊断。监测过程中的干扰、电路失调等问题对激励源与前端电路带来了设计挑战与功耗、面积负担。如何充分利用混合信号集成电路技术,从系统结构、电路设计上优化,实现高能效、高分辨率的激励、读取电路,是实现高精度人体肺部功能监测的关键手段。

代表性成果:

[ISSCC-2019] “A 13-Channel 1.53-mW 11.28-mm2 Electrical Impedance Tomography SoC Based on Frequency Division Multiplexing with 10× Throughput Reduction” 

[TBioCAS-2019] “A 13-channel 1.53-mW 11.28-mm2 Electrical Impedance Tomography SoC Based on Frequency Division Multiplexing for Lung Physiological Imaging” 


方向1.4:心肺音数字听诊系统及AI算法研究


       心肺功能监测设备是健康安全的一道重要防线,听诊技术是医师们第一时间了解病人心肺情况的检查方法。随着医工交叉各学科深度融合,对心肺音有效生理信息的准确转录、低耗传输以及智能分类识别,是未来实现对心肺疾病的高效远程诊断乃至人工智能自动诊断的必进之路。数字听诊器的系统和关键电路的研究已经取得一定的进展,但实际电路在抗干扰和低功耗设计等方面仍存在诸多问题亟待解决,国内医疗数据库依然面临着静态化、样本失衡、被动处理等关键性问题,数据诊断有效性及可靠度等关键设计上更是挑战重重。同时,因其使用成本高、价格昂贵,普及使用的可能也是微乎其微。在“AI+智慧医疗”的背景下,集成电路技术的飞速发展为心肺听诊设备实现更高效的性能、更低的功耗和更智能的响应提供了十分广阔的研究空间。如何设计多模信号采集电路、如何解决“AI+智慧医疗” 场景下大数据中生理信息有效性与诊断标签专业性问题、解决大数据中生理信息有效性与诊断标签专业性问题、解决心肺疾病诊断算法准确性与可靠性问题,从而达到数字听诊系统“低耗能-低成本-高精度-高效率”的新要求,为AI融入医疗领域的发展奠定应用基础。

代表性成果:

[BioCAS 2019] “LungBRN: a Smart Digital Stethoscope for Detecting Respiratory Disease Using bi-ResNet Deep Learning Algorithm” 

[Interspeech-2020] “LungRN+NL: An Improved Adventitious Lung Sound Classification Using non-local block ResNet Neural Network with Mixup Data Augmentation” 

[Physiological Measurement 2021] “LungAttn: Advanced Lung Sound Classification Using Attention Mechanism with Dual TQWT and Triple STFT Spectrogram”