為了提高可穿戴設備中血壓測量的準確性,本文提出了一種基于多脈搏波參數的人體血壓檢測方法,該方法通過對脈搏傳輸時間(PWTT)、每搏心輸出量、波形系數、升支平均斜率、脈率等多脈搏波參數的多元線性回歸分析,建立了基于多脈搏波參數的人體血壓計算模型,利用該模型計算出血壓值;以心音信號為參考計算PWTT(PWTTPCG),克服了以心電信號為參考計算PWTT(PWTTECG)需要更換電極、有導連線穿戴不方便的不足。分別對基于PWTTPCG和多脈搏波參數的人體血壓計算模型計算血壓進行了實驗驗證,實驗結果表明利用PWTTPCG作為PWTT計算人體血壓的可行性;利用該模型計算的收縮壓和舒張壓的平均誤差分別為1.62 mm Hg和1.12 mm Hg,較單一參數分別提高了57%和53%,具有較高的測量精度。
臨床上基于個人電腦的腦電監護系統不適用于便攜和家庭的監測，并且癲癇患者長期住院檢測會增加醫療負擔。為此本文設計了一種基于Android智能手機的16導便攜式、網絡化監控系統。整個系統采用了主動電極技術、WiFi無線傳輸技術、多尺度排序熵算法、反向傳播(BP)神經網絡優化算法等，并基于Android手機應用軟件實現對腦電數據的處理、分析、顯示、報警等功能。系統在多臺Android 2.3以上系統的手機上測試后運行穩定、可靠，為醫護人員和患者提供了一種便攜、可靠、實用的癲癇發作監控解決方案。
本文介紹了一種基于移動醫療的孕產婦健康監護系統。系統利用可穿戴設備檢測用戶的心電和血氧飽和度信號，在智能終端完成量表篩查和孕產婦臨床信息的錄入。上述結果及醫院生化分析結果通過移動互聯網上傳到云服務器端，利用機器學習算法進行數據挖掘，能夠實現孕產婦身體及精神健康狀態的評估與監護，最終結果與保健指導可以發送到用戶的智能終端進行顯示及存儲。
可穿戴式設備是一種新型的人機交互方式，對提升用戶的環境感知、獲取自身狀態和“無處不在”的計算能力起著不可替代的獨特作用，自2013年以來，已經井噴式地出現在我們身邊。文中對已經面世和文獻報道過的大部分可穿戴式設備按照功能和佩戴位置進行了分類；對可穿戴式設備使用的傳感技術、無線通信技術、電源管理技術、顯示技術、大數據等相關技術進行了概述；最后對可穿戴式設備發展存在的挑戰進行了剖析，并對可穿戴式設備的發展趨勢進行了展望。
針對人體呼吸信號檢測的重要性，基于Cole-Cole生物阻抗模型，研制了一種可穿戴的呼吸信號檢測裝置。以Cole-Cole生物阻抗理論為基礎，分析了人體在不同頻率電信號下的阻抗特性。基于比例測量法設計了高信噪比的呼吸信號采集與調理電路。利用離散傅立葉變換（DFT）和動態差分閾值峰值檢測技術從獲得的數據中提取呼吸波形與呼吸率數值。通過實驗驗證了系統的有效性。測試結果表明，本系統可以準確檢測呼吸波形，呼吸波形峰值點檢測準確率在98%以上，可以滿足實際呼吸檢測需要。
針對可穿戴技術發展現狀及當前社會對健康監測智能化的需求，本文對多功能集成的智能手表解決方案及其實現的關鍵技術展開了研究。首先，本文將高集成度的傳感器技術、藍牙低功耗（BLE）技術與移動通信技術一體化融合后應用于本項目開發實踐；其次，本文所設計的系統在硬件設計上選擇高集成度、高性價比的模組與芯片方案；再次，該系統利用實時操作系統 FreeRTOS 平臺開發了可與觸摸屏進行交互的友好圖形界面；最后，基于安卓系統，開發了可與 BLE 硬件實現無線連接并進行數據同步的高性能應用軟件。本文設計的系統具備了實時日歷時鐘、電話短信、通訊錄管理、計步、心率以及睡眠質量監測等功能。經試驗測試表明，系統中各傳感器采集數據精度、系統數據傳輸能力、整機功耗等指標均達到產品化標準，而且系統運行穩定，總功耗低，可以實現有效的智能健康監測的目的。
針對傳統海豚輔助療法成本高、且受時間和場地限制等缺陷，本文設計了一種基于虛擬現實技術的三維虛擬海豚輔助治療系統。該系統借助可穿戴三維顯示器 Oculus，并將基于高精度手勢識別設備 Leap Motion 的自然人機交互手段與認知訓練相結合，以達到在沉浸式三維交互游戲中進行兒童康復訓練的目的。實驗數據表明，該系統可有效提高孤獨癥譜系障礙兒童的認知與社交能力，這為游戲化的孤獨癥譜系障礙兒童輔助康復提供了有益探索。
帕金森病（PD）患者的運動功能障礙是其主要的臨床癥狀和診斷依據。本文共招募 30 名受試者，其中包括 15 例 PD 患者（PD 組）和 15 例健康受試者（對照組），然后將 5 個慣性傳感器節點分別佩戴在受試者的四肢和腰部，通過提取和分析受試者在 6 個范式動作下的加速度、角速度信號，得到 20 個評估不同身體部位運動功能的定量指標，包含動作的幅度、頻率以及疲勞程度等信息。通過對兩組受試者的數據進行對比分析，使用誤差反向傳播（BP）神經網絡進行自動判別并預測患者臨床量表評分。最終統計結果表明，兩組受試者的多數指標的差異均有統計學意義；10 次 5 折交叉驗證表明，BP 神經網絡對兩個受試組的分類準確率達 90%，對 PD 組的亨-雅（H-Y）分期和統一帕金森氏病評分量表運動功能（UPDRS Ⅲ）評分的預測準確率分別為 72.80% 和 68.64%。該研究表明了利用可穿戴設備來對 PD 患者運動癥狀進行定量評估的可行性，文中所獲得的定量指標對于今后的相關研究也具有一定的參考價值。
該前瞻性多中心Ⅲ期臨床試驗的目的在于評估在癲癇監測單元（Epilepsy monitoring unit，EMU）中使用可穿戴的表皮肌電圖（surface electromyographic，sEMG）監測系統來檢測全面強直-陣攣發作（Generalized tonic–clonic seizures，GTCS）的性能和耐受性。199 例有 GTCS 病史的患者被收入 11 個Ⅳ級癲癇中心的 EMU 中，在進行臨床視頻腦電圖（VEEG）監測的同時，也通過在肱二頭肌上佩戴可穿戴設備接受了 sEMG 監測。所有 sEMG 數據記錄都使用先前開發的檢測算法在中心站點處理。將 sEMG 檢測到的 GTCS 與 3 名評審專家驗證的發作事件進行比較。在所有受試者中，檢測算法共檢測到了 46 次 GTCS 中的 35 次［76%，95%CI（0.61，0.87）］，陽性預測值（Positive predictive value，PPV）為 0.03，平均誤報率（False alarm rate，FAR）為 2.52/24 h。對于在肱二頭肌中線上方記錄到的數據，系統檢測到了全部的 29 例 GTCS［100%，95%CI（0.88，1.00）］，檢測時間平均延遲 7.70 s，PPV 為 6.2%，平均 FAR 為 1.44/24 h。28%（55/199）報告了輕至中度的不良事件，并導致 9% 的研究中止（17/199）。這些不良事件主要是電極貼片引起的皮膚刺激反應，這種情況未經治療即可緩解。研究中無嚴重不良事件報告。在肱二頭肌上使用 sEMG 監測裝置來檢測 GTCS 是可行的。正確放置該裝置對于檢測準確性至關重要，但是對于一些患者而言，減少誤報數仍有一定難度。
為實現住院患者連續生命體征監測，研制了隨行生理參數監護系統 SensEcho。該系統由隨行生理參數監測終端、無線組網和數據傳輸單元、中央監護系統三部分組成。其中隨行生理參數監測終端為一件柔性背心，內嵌有呼吸感應體積描記傳感器和織物心電電極，實現心電、呼吸、體位和體動等基本生理參數的穿戴式低負荷監測；無線生理信號傳輸單元為基于 WiFi 技術的組網系統，能夠實現病區內多個患者的移動監護，并設計有多重數據續傳和數據完整性保障機制；中央監護系統實現所有隨行生理參數監測終端數據的顯示和患者集中管理，設計有后臺數據服務器和算法服務器，支持醫療大數據深度挖掘分析應用。為驗證系統性能，我們開展了生理參數檢測算法有效性和受試者可靠性測試，以及無線組網和數據傳輸可靠性測試。測試結果顯示，系統無論在基本生理參數監測還是無線數據傳輸方面都能達到可靠性要求。該系統在醫療領域的應用有望開啟個體化連續生命體征監護醫療新模式，為疾病診斷提供基于連續動態生理數據分析的精準信息。