恶性心律失常是导致患者晕厥甚至死亡的一种心血管疾病，大部分患者在医院外发病，其具有突发性、偶发性的特点，增加了防治难度。恶性心律失常会引起心血管系统血流动力学和搏动节律的变化，现有基于脉率的诊断方法忽略了血流动力学参数的变化，准确率有待提高。因此，该项目以恶性心律失常定量识别为研究对象，将脉搏信号解析模型与脉律结合，研究脉搏信号时空解析建模方法，定量描述脉搏波形态和周期的变化；研究解析模型的参数估计方法，从模型中提取可用于极度心律过缓、极度心律过速、室性心律过速、心室扑动/颤动等恶性心律失常识别的量化参数；研究基于机器学习的恶性心律失常识别方法；研制样机验证所提出方法。该项目主要研究成果为：
（1）针对在线采集脉搏信号的噪声抑制问题，将微处理器数据更新过程与数学形态学滤波原理相结合，提出一种快速的数学形态学滤波法。实验结果表明：该方法在保持原方法精度不变的前提下，实现脉搏信号单采样点实时滤波。
（2）针对在线采集脉搏信号数据量大的问题，提出一种基于时域关键特征点的脉搏信号压缩方法，并构建信号压缩与恢复流程。实验结果表明：该方法在保持高压缩比的同时，保留了时域波形的关键特征，可直接用于脉率等参数提取。
（3）针对脉搏波周期和形态的量化描述问题，根据脉搏波的形成机理与时域波形特征的关联，构建时空解析模型及其参数求解流程，通过实验获取最优化解析模型。实验结果表明：3-Lognormal函数模型为脉搏波量化描述的最优选择，模型参数可有效反映心血管系统相关的生理和病理信息。
（4）针对恶性心律失常识别问题，分析脉搏主波间期特征及脉搏时空解析模型参数的显著性变化，选择贡献率高的特征，基于决策树、极限学习、随机森林等机器学习算法实现恶性心律失常识别。实验结果表明：四种恶性心律失常识别平均准确率在95%以上。
（5）开发和升级可穿戴设备原型样机，对所提出的技术和算法进行验证，探索项目研究理论及成果的应用前景。
该项目自启动至今，项目负责人以第一或者通讯作者发表（接受）论文14篇，其中，SCI检索5篇，EI检索5篇；申请国家发明专利4件，其中已授权并转让发明专利1件；培养研究生7人；圆满完成了该项目预定的目标和任务。
论文：
Yongxin Chou, Jason Gu*, Jicheng Liu, Ya Gu and Jiajun Lin. Bradycardia and Tachycardia Detection Using a Synthesis-by-Analysis Modeling Approach of Pulsatile Signal, IEEE Access, 2019, 7(1): 131256-131269. SCI. 第一标注
Yongxin Chou, Ping Wang* and Yufeng Feng. The Optimal Morphological Model for Arterial Blood Pressure Wave Related Classification: Comparison of Two Types of Kernel Function Mixtures, IEEE Access, 2020, 8(1): 4133-4148. SCI. 第一标注
Lijuan Chou, Jicheng Liu, Shengrong Gong, and Yongxin Chou*. A Life-threatening Arrhythmias Detection Method based on Pulse Rate Variability Analysis and Decision Tree, Frontiers in Physiology, 2022, 2158: 1-16. SCI. 第一标注
Yongxin Chou, Aihua Zhang*, Jason Gu, Jicheng Liu, and Ya Gu. A Recognition Method for Extreme Bradycardia by Arterial Blood Pressure Signal Modeling with Curve Fitting, Physiological Measurement, 2020, 41(7): 074002- 074012. SCI. 第一标注
Lijuan Chou, Shengrong Gong, Haiping Yang, Jicheng Liu and Yongxin Chou*, A Fast Sample Entropy for Pulse Rate Variability Analysis, Medical & Biological Engineering & Computing, 2023. 录用. SCI. 第一标注
Lijuan Chou, Kejia Zhang, Jicheng Liu, Shengrong Gong, Yongxin Chou*.Life-threatening Arrhythmias Recognition by Pulse-to-pulse Intervals Analysis, International Journal of Computer Applications in Technology, 2021, 67(2-3): 185-193. EI. 第一标注
丑永新, 张爱华*, 刘继承, 林家骏, 黄旭峰. 基于时空解析建模的脉搏信号量化分析方法研究, 生物医学工程学杂志, 2020, 37(1):1-11. EI. 第一标注
丑永新, 张爱华*, 顾亚, 刘继承, 冯玉峰. 一种快速的数学形态学滤波方法及其在脉搏信号处理中的应用, 仪器仪表学报, 2020, 41(2): 253-262. EI. 第一标注
Miao Yang, Aimin An, Bin Gong, Yan Zhou, Yongxin Chou*. A pulse rate prediction method in artifacts segments based on Elman neural network, the 2023 IEEE 6th Information Technology, Networking, Electronic and Automation Control Conference (IEEE ITNEC 2023), 2023, February 25-26,chongqing
Shaohuijie, Yongxin Chou*, Liguo Wang, Ya Gu and Jicheng Liu, A Modified Basic Scale Entropy Computing Method for One-dimensional Signal Complexity Analysis in Real Time, the third International Conference on Biological Information and Biomedical Engineering (BIBE 2019), Hangzhou, China, 2019: 1-6. EI. 第一标注
Shuo Cheng, Yongxin Chou*, Jicheng Liu, Ya Gu, Xufeng Huang, A Novel Identity Authentication Method by Modeling Photoplethysmograph Waveform, 2019 International Conference on Control, Automation and Information Sciences, chengdu, China, 2019:1-5. EI. 第一标注
张文涛, 丑永新*, 李鑫, 丁凯, 杨苗. 基于脉搏信号的身份识别系统[J]. 无线电通信技术, 2022, 48(03): 462-469. 第一标注
杨文龙, 李鑫, 丑丽娟, 杨海萍, 丑永新*. 基于变分模态分解的脉率变异性信号提取方法[J]. 无线电通信技术, 2022, 48(03): 457-461. 第一标注
干正立, 贺笑, 展佳南, 杨海萍, 丑永新*. 基于Arduino 单片机的脉率实时监测系统, 常熟理工学院学报（自然科学）, 2023, 37(2), 39- 42. 第一标注
丑永新*, 钟黎萍, 刘继承, 谢启, 陈飞. 面向应用型人才培养的信号类课程教学模式改革与实践, 电气电子教学学报, 42(4): 1-4, 2020. 第一标注
发明专利：
丑永新, 顾亚, 刘继承, 顾建飞. 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别系统, 专利号: ZL 2019 1 0286952.7, 2022-02-01, 已授权并转让
丑永新, 周妍, 杨海萍, 朱培逸, 鲁明丽. 心电脉搏信号在线压缩方法、系统及存储介质, 申请号：202310014669.5, 2023-01-06, 已公开
丑永新, 丑丽娟, 胡林奇, 朱培逸, 刘继承, 胡松. 一种基于脉搏主波间期的恶性心律失常识别与预测系统, 申请号: 202210524173.8, 2022-05-14, 已公开
丑永新, 刘继承, 丑丽娟, 胡松. 一种脉率变异性信号提取方法及系统, 申请号: 202210246942.2, 2022-03-15, 已公开
