低负荷生理信息动态提取方法及其在睡眠健康评估中应用的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61401521
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    28.0万
  • 负责人：
    刘官正
  • 依托单位：
    中山大学
  • 学科分类：
    F0125.医学信息检测与处理
  • 结题年份：
    2017
  • 批准年份：
    2014
  • 项目状态：
    已结题
  • 起止时间：
    2015-01-01 至2017-12-31

项目摘要

The project researched deeply the theory and method of ubiquitous physiological information dynamic extraction and its application on sleep health evaluation and early-warning. The project realized ubiquitous physiological information monitoring (e.g. ECG, Multi-bioimpedance measurements) and feature extraction by using wearable micro-sensors based on body-area sensor networks (BSN). Then, the model of sleep health evaluation and warning was established, and the relationship between risk factors and the model was deeply researched. The project mainly studies: 1) ubiquitous physiological information dynamic monitoring method; 2) high reliability health indexes dynamic extraction method; 3) high robustness model for sleep health evaluation and early-warning. The key scientific problems: system error minimization and model robustness. Main innovations: 1) physiological information dynamic extraction and sleep health evaluation were systematically investigated by sensing method, removing motion artifact and credibility enhancement algorithm. 2) organically integrated of physiological information monitoring and sleep health evaluation model. The project will expand the field of application for ubiquitous physiological information monitoring. On the other hand, it will contribute to exploring sleep health physiological mechanism and providing theoretical basis for practical technique of low cost health.
本项目深入探讨低负荷生理信息动态提取的理论和方法，并针对睡眠健康评估与预警展开应用研究。项目采用可穿戴微型传感器构成的体域网，实现对心电（ECG）、多通道生物电阻抗等生理信息的低负荷监测和特征提取。在此基础上，建立睡眠健康评估与预警模型，研究睡眠危险因子与模型之间的相互关系。研究内容主要包括：1） 低负荷生理信息动态监测方法；2）高可信度健康指标特征提取算法；3）高稳健性睡眠健康评估与预警模型。关键科学问题是低负荷生理信息动态提取的全局误差最小化问题和睡眠健康评估与预警模型稳健性问题。创新点主要体现在：1）从传感方式、伪差去除、可信度增强算法等多方面系统研究低负荷生理信息动态提取方法及睡眠健康评估方法；2）将低负荷监测方法与睡眠健康评估有机结合。通过本项目研究，一方面为低负荷生理信息监测开辟更广阔的应用空间，另一方面有助于探索睡眠生理机理，进而为全民低成本健康实用技术的开发提供理论基础。

结项摘要

本项目深入探讨低负荷生理信息动态提取的理论和方法，并针对睡眠健康评估与预警展开应用研究。项目采用可穿戴微型传感器构成的体域网，实现对心电（ECG）、多通道生物电阻抗等生理信息的低负荷监测和特征提取。在此基础上，建立睡眠健康评估与预警模型，研究睡眠危险因子与模型之间的相互关系。研究内容主要包括：1）低负荷生理信息动态监测方法；2）高可信度健康指标特征提取算法；3）高稳健性睡眠健康评估与预警模型。关键科学问题是低负荷生理信息动态提取的全局误差最小化问题和睡眠健康评估与预警模型稳健性问题。创新点主要体现在：1）从传感方式、伪差去除、可信度增强算法等多方面系统研究低负荷生理信息动态提取方法及睡眠健康评估方法；2）将低负荷监测方法与睡眠健康评估有机结合。通过本项目研究，一方面为低负荷生理信息监测开辟更广阔的应用空间，另一方面有助于探索睡眠生理机理，进而为全民低成本健康实用技术的开发提供理论基础。整个项目执行过程发表高质量SCI-JCR1区的论文5篇，其中健康信息管理TOP3期刊（IEEE Journal of biomedical and health informatics）1篇。

项目成果

期刊论文数量（8）
专著数量（1）
科研奖励数量（0）
会议论文数量（1）
专利数量（8）
A Novel and Effective Method for Congestive Heart Failure Detection and Quantification Using Dynamic Heart Rate Variability Measurement.
使用动态心率变异性测量进行充血性心力衰竭检测和量化的新颖有效方法
  • DOI：
    10.1371/journal.pone.0165304
  • 发表时间：
    2016
  • 期刊：
    PloS one
  • 影响因子：
    3.7
  • 作者：
    Chen W;Zheng L;Li K;Wang Q;Liu G;Jiang Q
  • 通讯作者：
    Jiang Q
A Principal Component Analysis Based Data Fusion Method for Estimation of Respiratory Volume
基于主成分分析的数据融合方法估计呼吸量
  • DOI：
    10.1109/jsen.2015.2411288
  • 发表时间：
    2015-03
  • 期刊：
    IEEE Sensors Journal
  • 影响因子：
    4.3
  • 作者：
    Liu Guanzheng;Zhou Guangmin;Chen Wenhui;Jiang Qing
  • 通讯作者：
    Jiang Qing
Detection of Respiration Movement Asymmetry Between the Left and Right Lungs Using Mutual Information and Transfer Entropy
使用互信息和传递熵检测左右肺之间的呼吸运动不对称性
  • DOI：
    10.1109/access.2017.2772819
  • 发表时间：
    2018-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Zheng，Lianrong;Li，Yifan;Liu，Guanzheng
  • 通讯作者：
    Liu，Guanzheng
Use of Mutual Information and Transfer Entropy to Assess Interaction between Parasympathetic and Sympathetic Activities of Nervous System from HRV
利用互信息和传递熵从 HRV 评估神经系统副交感神经和交感神经活动之间的相互作用
  • DOI：
    10.3390/e19090489
  • 发表时间：
    2017-09
  • 期刊：
    Entropy
  • 影响因子：
    2.7
  • 作者：
    Lianrong Zheng;Weifeng Pan;Yifang Li;Daiyi Luo;Qian Wang;Guanzheng Liu
  • 通讯作者：
    Guanzheng Liu
A Respiration-Derived Posture Method Based on Dual-Channel Respiration Impedance Signals
一种基于双通道呼吸阻抗信号的呼吸衍生姿势方法
  • DOI：
    10.1109/access.2017.2737461
  • 发表时间：
    2017-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Liu, Guanzheng;Li, Kunyang;Jiang, Qing
  • 通讯作者：
    Jiang, Qing

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

呼吸反馈的研究进展
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    中国生物医学工程学报
  • 影响因子：
    --
  • 作者：
    刘官正;朱青松;郭彦伟;王磊
  • 通讯作者：
    王磊

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码