无感生命体征监测的BCG原理
The principle of BCG for non-sensing vital signs monitoring
当心脏搏动向大血管内泵血时，会引起身体的微弱体动。这一重复性的微弱运动可以被高敏感度的压力传感器捕获，从而记录到相应周期性运动的图形， 被称之为心冲击图 （BCG）。由心跳引发的微弱的体动被置于床垫内的高灵敏度PVDF压电薄膜感受，引发其压电效应，将震动信号转化为模拟电压信号，通过硬件系统将信号数字化并传输到主机进行后续信号处理分析计算，从而得出一系列人体的心脏机能数据指标。
无感监测易操作
无感监测，可为不同应用场景配置不同可视化场景，简单方便，符合用户操作习惯。
极强的抗干扰能力
全球首次将相空间理论应用于BCG原始信号的修复，可最大限度的将BCG信号还原到最原始、不失真的状态。
高精度算法
基于大量临床数据和人工智能技术的高精度算法，当前构建的算法模型基于全球超过万名患者的长期临床BCG数据，总数据量超过800GB。
授权专利
公司核心研发团队成员在BCG相关技术领域已经有10余年的技术沉淀，拥有与目标研发产品密切相关的已授权发明专利8项、实用新型4项，外观专利1项。
已授权发明专利
01
已授权发明专利
02
已授权发明专利
03
已授权发明专利
04
已授权发明专利
05
已授权发明专利
06
已授权发明专利
07
已授权发明专利
08
已授权实用新型专利
09
已授权实用新型专利
10
已授权实用新型专利
11
已授权实用新型专利
12
已授权外观设计专利
13
论文专著
Thesis monograph
睡客先后在“Biomedical and Health Informatics”、“sensors”、“IEEE Engineering in Medicine and Biology Society”、“Human Computer Interaction International” 等国际知名学术杂志和学术会议上发表学术论文多篇。
基于BCG技术的胎儿健康监测，发表于HCII 2018
作者：张必勇博士、胡军教授
01/12
基于BCG技术的无感智能监护病床，发表于HCII 2017
作者：张必勇博士、胡军教授、梁伟峰院长
由埃因霍芬理工大学和浙一医院联合开展研究
02/12
基于BCG技术的无感健康促进系统，发表于Sensors期刊（影响因子：3.031）
作者：张必勇博士、胡军教授
03/12
基于BCG技术的心动房颤检测算法，发表于期刊Biomedical and Health Informatics（影响因子：4.217）
作者：张必勇博士、邬小玫教授
由埃因霍芬理工大学和复旦大学联合开展研究
04/12
基于BCG技术的心脏节律预测算法，发表于EMBC 2019
作者：张必勇博士、邬小玫教授
由埃因霍芬理工大学和复旦大学联合开展研究
05/12
基于BCG技术的无感精神压力评估系统，发表于EMBC 2019
作者：张必勇博士、胡军教授
06/12
基于BCG技术和机器学习算法的心动房颤自动检测系统，发表于EMBC 201
作者：张必勇博士、胡军教授
07/12
基于BCG技术和深度学习算法的心率变异性监测，发表于Transdisciplinary Engineering Methods for Social Innovation of Industry 4.0
作者：张必勇博士、沈刚教授
由埃因霍芬理工大学和华中科技大学联合开展研究
08/12
根据不同层面的特征融合使用心冲击图检测不显眼的房颤，发表于2021BioMedical Engineering OnLine
作者：张必勇博士
09/12
用 BCG 或脉搏波信号进行HRV分析的一致性统计分析，发表于 Sensors
作者：张必勇博士、卢佩琳医学博士、徐礼胜教授
10/12
一种使用心冲击信号估计每搏间隔的弹性流形学习方法，发表于 Advanced Engineering Informatics
作者：张必勇博士、沈刚教授
11/12
无阻塞性房颤检测中心冲击图信号持久同源特征提取的拓扑数据分析方法，发表于 IEEE Sensors Journal
作者：张必勇博士
12/12
院校合作与科研
University cooperation and scientific research
测试实验
Test experiment
Loe Feijs教授、胡军教授和张必勇博士
在荷兰实验室
睡客智能生理信号分析模组在欧洲
被应用于智能病床的研发
科研人员在浙大附属第一医院
进行数据采集和临床测试
在复旦大学实验室
进行室颤的监测验证实验
