李婷等：基于ECG信号的高精度血糖监测 1217 糖监测准确度具有重要的研究意义 者.在12名志愿者中，9名为健康志愿者，3名为 糖尿病患者(A1,A2..A9分别对应于9名健康志 1 数据采集及数据预处理 愿者；B1,B2,B3分别对应于3名糖尿病志愿者) 1.1数据采集 如表1所示，所招募的志愿者分布在各个不同年 为研究基于ECG信号的无创血糖监测方案的 龄段、不同性别及不同体型.其中，有5名男性志 可行性，课题组在中国科学院健康信息重点实验 愿者和7名女性志愿者；4名志愿者年龄小于 室进行了在体实验研究（实验已获得中国科学院 24岁、5名志愿者年龄在24岁到40岁之间、大于 深圳先进技术研究院人体实验伦理管理委员会批 40岁的志愿者有3名.此外，考虑到身体质量指数 准，批准号：SIAT-IRB-200815-H0525) (Body mass index,BMI)常用来衡量人体胖瘦程 实验之前，课题组对招募的12名志愿者（所有 度，论文中对志愿者的BMI进行了分析，其中3名 志愿者都已签署志愿者知情同意书)进行了口服 志愿者体重偏低，6名志愿者体重正常，3名志愿 葡萄糖耐量试验以确认志愿者是否为糖尿病患 者体重超重 表112名志愿者信息分布（人数） Table 1 Quantity of volunteers with different body information Gender Age bracket BMI Male Female ≤24 (24,40) ≥40 <18.5 (Low weight) [18.5,23)(Normal weight) ≥23(Overweight) 5 7 4 5 3 3 6 3 正式实验通过使用采样频率为1000Hz、陷波 滤波器开关为ON、高通滤波器为1.0Hz、波动模 式为NORM的BIOPAC系统（型号为MPI50)通 道2，该系统可通过电极片实现胸导联以连续获 1.5 取志愿者ECG信号，该设备可以连接到装有 AcqKnowledge(Acq)软件的计算机(PC)并将采集 入A 0.5 的ECG信号转换为数字信号存储在计算机中.并 在实验开始1d前为志愿者佩戴德康G6设备以获 取CGM数据，此设备可连续监测志愿者血糖水 0.5 300 600 9001200 1500 平，每5min获得一次血糖数据.其中，每位志愿者 Time/ms 实验持续5d,每天上午2.5h.ECG数据采集实验 图2一个ECG信号周期示意图 如图1所示.本次研究使用12名志愿者共60d Fig.2 ECG signal cycle diagram 756160个ECG周期信号作为数据集.一个ECG 1.2数据预处理 信号周期如图2所示 1.2.1信号提取及滤波 如图3(a)所示，实验所采集到的ECG信号中 存在干扰噪声，去除ECG信号噪声干扰是数据预 CGM 处理的关键步骤 综合考虑自适应滤波去噪、小波去噪)及递 归滤波器(Infinite impulse response,.IIR)等去噪方 BIOPAC 法2四，本文最终选用高通为0.2Hz、低通为30Hz 的R滤波器以滤除部分噪声，滤波前后的ECG信 号对比如图3所示.滤波预处理完成后，根据Acq 软件获取ECG信号中峰值点对应的时间，并利用 图1ECG数据采集实验图 Matlab软件分离出ECG信号的单个心跳并联接实 Fig.1 ECG data acquiring experiment 时CGM的血糖值即完成初步的数据预处理糖监测准确度具有重要的研究意义. 1    数据采集及数据预处理 1.1    数据采集 为研究基于 ECG 信号的无创血糖监测方案的 可行性，课题组在中国科学院健康信息重点实验 室进行了在体实验研究（实验已获得中国科学院 深圳先进技术研究院人体实验伦理管理委员会批 准，批准号：SIAT-IRB-200815-H0525）. 实验之前，课题组对招募的 12 名志愿者（所有 志愿者都已签署志愿者知情同意书）进行了口服 葡萄糖耐量试验以确认志愿者是否为糖尿病患 者. 在 12 名志愿者中，9 名为健康志愿者，3 名为 糖尿病患者（A1，A2...A9 分别对应于 9 名健康志 愿者；B1，B2，B3 分别对应于 3 名糖尿病志愿者）. 如表 1 所示，所招募的志愿者分布在各个不同年 龄段、不同性别及不同体型. 其中，有 5 名男性志 愿 者 和 7 名女性志愿者 ； 4 名志愿者年龄小 于 24 岁、5 名志愿者年龄在 24 岁到 40 岁之间、大于 40 岁的志愿者有 3 名. 此外，考虑到身体质量指数 （Body mass index, BMI）常用来衡量人体胖瘦程 度，论文中对志愿者的 BMI 进行了分析，其中 3 名 志愿者体重偏低，6 名志愿者体重正常，3 名志愿 者体重超重. 表 1  12 名志愿者信息分布（人数） Table 1   Quantity of volunteers with different body information Gender Age bracket BMI Male Female ≤24 (24,40) ≥40 <18.5 (Low weight) [18.5,23) (Normal weight) ≥23 (Overweight) 5 7 4 5 3 3 6 3 正式实验通过使用采样频率为 1000 Hz、陷波 滤波器开关为 ON、高通滤波器为 1.0 Hz、波动模 式为 NORM 的 BIOPAC 系统（型号为 MP150）通 道 2，该系统可通过电极片实现胸导联以连续获 取 志 愿 者 ECG 信 号 ， 该 设 备 可 以 连 接 到 装 有 AcqKnowledge（Acq）软件的计算机（PC）并将采集 的 ECG 信号转换为数字信号存储在计算机中. 并 在实验开始 1 d 前为志愿者佩戴德康 G6 设备以获 取 CGM 数据，此设备可连续监测志愿者血糖水 平，每 5 min 获得一次血糖数据. 其中，每位志愿者 实验持续 5 d，每天上午 2.5 h. ECG 数据采集实验 如图 1 所示. 本次研究使用 12 名志愿者共 60 d 756160 个 ECG 周期信号作为数据集. 一个 ECG 信号周期如图 2 所示. BIOPAC PC CGM 图 1    ECG 数据采集实验图 Fig.1    ECG data acquiring experiment 2.5 2.0 1.5 Time/ms The definition of an ECG signal cycle in this paper 0 300 600 900 1200 1500 Voltage/mV 1.0 0.5 0 −0.5 图 2    一个 ECG 信号周期示意图 Fig.2    ECG signal cycle diagram 1.2    数据预处理 1.2.1    信号提取及滤波 如图 3（a）所示，实验所采集到的 ECG 信号中 存在干扰噪声，去除 ECG 信号噪声干扰是数据预 处理的关键步骤. 综合考虑自适应滤波去噪、小波去噪[21] 及递 归滤波器 (Infinite impulse response， IIR) 等去噪方 法[22] ，本文最终选用高通为 0.2 Hz、低通为 30 Hz 的 IIR 滤波器以滤除部分噪声. 滤波前后的 ECG 信 号对比如图 3 所示. 滤波预处理完成后，根据 Acq 软件获取 ECG 信号中峰值点对应的时间，并利用 Matlab 软件分离出 ECG 信号的单个心跳并联接实 时 CGM 的血糖值即完成初步的数据预处理. 李    婷等： 基于 ECG 信号的高精度血糖监测 · 1217 ·