基于AD8232的心电实时监测及分析系统设计

陈嘉绪,周 颖

(上海理工大学 医疗器械与食品学院，上海 200093)

基于AD8232的心电实时监测及分析系统设计

陈嘉绪,周 颖

(上海理工大学 医疗器械与食品学院，上海 200093)

为了方便对患者心电信号进行实时监测，实现对心脏疾病的及时预防及诊断，利用一款基于ATmega328p微控制器的Arduino开发板、一块心电监测前端模块AD8232及上位机软件LabVIEW开发出一套心电实时监测系统，并利用LabVIEW设计出多种软件滤波方法来抑制心电信号中的噪声;由于心电信号的时频特性能提供反映患者心脏活动动态行为的信息，该系统还包括基于LabVIEW设计出的多种用于心电信号实时分析的程序，使被试心电信号所包含的生理特性能够及时地被分析出来;利用所开发的心电实时监测分析系统对被试的心电信号进行采集和分析，发现系统能够非常灵敏、准确地检测心电信号，并对信号噪声有着很好的抑制能力;此外系统能够对信号进行各式的实时分析，且分析结果可靠，能够运用于临床诊断;利用该系统对心电信号进行实时采集和分析，其测量结果准确、去噪效果良好、分析结果可靠，为今后心电实时监测分析系统的设计提供了借鉴。

心电信号； 实时监测；实时分析；软件滤波

0 引言

人体心肌细胞产生的心电活动可以通过周围的导电组织传导到体表的任何部位，因此将电极片放置于体表某个部位，就可以检测到该处的电位变化。通过记录每个心动周期内由心脏生物电位变化引起的两个电极间的电位差随时间变化的波形，就可以绘制出心电图[1]。心电信号可以反映心肌受损的程度以及心房、心室的功能结构情况，也对各种心律失常、心室肥大、心肌梗死、心肌缺血等病症检查具有重要的参考价值。例如，心电图是临床诊断心血管疾病的重要依据[2]，而心电信号又是早期应用于医学研究的人体生物电，其研究发展较为成熟，因而医生专家已经可以通过研究分析心电信号的特征以及规律来准确地预测和诊断心脏病变。通常来说，猝发性心室颤动和窦性停搏等的患者在病发后的长达6分钟的时间内，若有医生对其及时实行心肺复苏救治，其中70%～80%的患者可以脱离死亡。然而心血管系统的异常生理变化经常在患者本人没有自觉症状的情况下发生[3]，即异常心电信号的出现具有偶然性和不确定性。所以，针对心脏电位变化的实时监测，无疑是一种用于确诊心肌梗死和各种心律失常的疾病的重要手段[4]。在这一背景下，心电实时监护仪应运而出。本次研究的主要内容就是为今后的心电实时监测，设计出一款基于AD8232模块、 Arduino开发板、虚拟仪器LabVIEW的心电实时监测和分析系统。

1 下位机部分的设计

1.1 心电检测模块的设计

AD8232是一款用于心电信号及其他生物电信号测量应用的集成信号调理模块，具有尺寸小和功耗低的优点。AD8232的功能和引脚如图1和2所示。

图1 AD8232的功能框图

图2 AD8232的引脚图

如图3所示，AD8232内置的电路包括：运算放大器(A1)、仪表放大器(IA)、右腿驱动放大器(A2)、中间电源电压基准电压缓冲器(A3)、导联脱落检测电路以及快速恢复电路。除了放大心电信号，AD8232同时具有通过间接电流反馈架构来抑制电极半电池电位的功能。AD8232的各部分放大器及电路原理如图3所示。

图3 AD8232的原理结构图

1.2 Arduino的设计及工作原理

Arduino UNO开发板是一款内置有ATmega328p微控制器的开发平台。ATmega328是一款基于Atmel 8字节AVR RISC的高性能、低功耗的微控制器。Arduino UNO具有14个数字输入、输出引脚、6个模拟输入引脚、一个16 MHz的陶瓷谐振器、一个USB接口、一个电源、一个在线串行编程和一个复位按钮。Arduino可以通过向开发板上的微控制器发送计算机代码来实现命令。Arduino开发套件包括Arduino Uno开发板和基于C++语言编程实现控制开发板的软件开发环境IDE。整个Arduino硬件开发电路板的结构和实物图如图4所示。

1.3 硬件部分的整体设计

硬件部分总共由一块心电测量模拟前端AD8232、Arduino UNO开发板、心电测量导联线(如图5(a)所示)、心电电极片(如图5(b)所示)、跳线、面包板和USB线组成。测量时，Arduino开发板的3.3 V和GND接口分别和AD8232的VCC和GND引脚相连，并且将AD8232的OUTPUT和Arduino开发板的模拟输入端(A0～A5)相连，用于采集AD8232模块测量到的心电信号。随后将心电导联线的总插头插入AD8232的插口，并将导联线与电极片安装在一起，根据想要测量的不同导联将电极片粘贴在被试者身上。一切配置完成后，用USB线将Arduino开发板接入计算机，之后开始上位机部分的操作。

图5 心电测量导联线和电极片

2 上位机部分的设计

2.1 Arduino开发环境的设计

2.1.1 Arduino开发环境与下位机之间的通信

建立开发环境IDE和下位机Arduino开发板之间的通讯需要在IDE的“工具”栏里的“开发板”以及“端口”里选择当前通过USB连接至计算机的正确开发板型号以及串行端口COM的编号。在检验通讯是否架构成功时，通常采用烧写检验程序至开发板的方式来检查开发板是否有相应的回应，从而判断上、下位机是否可以正常通信。在使用开发环境IDE将程序烧写至开发板的过程中，RX指示灯会变红一段时间，烧写成功后RX指示灯会开始闪烁。若无以上现象，则表明烧写失败，而开发环境IDE也会出现程序烧写失败的指示。

2.1.2 Arduino开发环境下的数据采集

利用Arduino开发环境IDE，编写出读取模拟输入口的信号的程序，可由IDE自带的串口监视器和串口绘图器分别读取和显示出心电信号的电压幅值和心电图曲线。其中，Arduino读取串口模拟信号的代码如下：

/*

AnalogReadSerial

Reads an analog input on pin 0, prints the result to the serial monitor.

Graphical representation is available using serial plotter (Tools > Serial Plotter menu)

Attach the center pin of a potentiometer to pin A0, and the outside pins to +5V and ground.

This example code is in the public domain.

*/

// the setup routine runs once when you press reset:

void setup() {

// initialize serial communication at 9600 bits per second:

Serial.begin(9600);

}

// the loop routine runs over and over again forever:

void loop() {

// read the input on analog pin 0:

int sensorValue = analogRead(A0);

// print out the value you read:

Serial.println(sensorValue);

delay(1); // delay in between reads for stability

}

烧写以上程序至Arduino开发板后，可以在串口绘图器里观测到开发板模拟端A0接收到的心电模拟信号。在串口监视器里可以观测到具体的心电信号电压幅值。但开发环境很难对信号进行复杂的处理和分析，此时需要运用虚拟仪器开发环境LabVIEW来完成对于心电信号完整的采集、处理和分析程序的编写。

2.1.3 Arduino开发环境下的心电采集效果评价

如图6(a)和(b)所示，分别是在外部供电设备较多和外部供电设备较少的环境下利用AD8232所得的心电数据。从中可以清楚地看出，当外部工频干扰过于密集时，仅仅利用AD8232内部的滤波电路对心电信号进行预处理是远远不够的。同时，用户在使用心电实时监测设备时所处的环境各式各样，因而必须要求设备具备优秀的滤波去噪能力，才能使得无论在什么样的环境下使用，系统都能够将清晰的心电信号呈现出来。且Arduino开发环境只能通过串口绘图器观察模拟信号波形，无法对其进行复杂处理，故要使用的功能更为强大的上位机软件(如LabVIEW等)对心电信号进行进一步的软件滤波去噪或是其他处理。

图6 Arduino IDE下测得的心电波形

2.2 LabVIEW实现与Arduino通信和控制的方法

LabVIEW实现与外部设备建立通信并进行数据采集的方式包括：1)基于VISA函数库及驱动的实现软硬件通讯、控制的数据采集；2)基于NI-DAQmx的数据采集；3)基于LabVIEW专门针对不同硬件开发的接口的采集方式，例如专门实现LabVIEW和Arduino通讯和控制的LabVIEW Interface for Arduino、LabVIEW Interface for Arduino Toolkit(LIAT)工具包，以及LVH开发的LabVIEW Hacker LINX Toolkit(LINX)等。本系统采用LabVIEW Interface for Arduino(LIFA)在上位机LabVIEW和下位机部分(包括Arduino开发板和AD8232)之间建立通信，进行数据采集。

2.3 基于LabVIEW的心电信号采集、处理和HRV分析的程序设计

2.3.1 上位机软件运用的心电数据处理及分析方法概述

2.3.1.1 去噪及滤波方法

前文中已有提及，AD8232在工频干扰极小的理想环境下测得的心电信号已经具有相当高的信噪比，也很少存在基线漂移。而在电子器件、电线等比较密集的外部环境中，由于缺乏外部干扰屏蔽包装等一系列原因，测得的心电图会出现较大的噪声干扰等状况，故在AD8232设计便携式的实时心电监测设备时，必须考虑到用户使用心电监测系统时所在不同环境下的状况，从而必须设计软件滤波去噪系统，使得检测出来的信号在任何环境下都具有较高的信噪比，方便观察及分析。本系统中上位机软件LabVIEW所用到的一些滤波去噪方法如下：

1)小波去噪(Wavelet Denoise)。不同于傅里叶分析，小波变换在时域和频域同时都有良好的局部化特性[5]，故小波分析能够有效地检测出信号很小的波动或奇变[6]。小波变换的原理实际上是对函数的分解。由于具有带通的功能，所以小波变换可以将原信号分解成互不重叠的不同频率的信号，分解之后的频率区间包含了原函数的所有频率区间。由于信号中的有用部分与噪声具有不同的时频特性，例如有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则主要集中在高频层。因此，通过选取合理的阈值可以有效去掉噪声信号[7]。

在LabVIEW中，需要使用高级信号处理工具包添加小波去噪(Wavelet Denoise)处理模块，从而过滤原始心电信号中的噪声。模块的具体配置如图7所示，其中使用DWT(离散小波变换)对心电信号进行去噪。

图7 小波去噪(Wavelet Denoise)的配置

2)FIR加窗滤波。本系统采用了LabVIEW中的窗函数设计FIR滤波器的模块对原始心电信号进行滤波处理，并和小波去噪处理后的心电信号进行对照，选择最佳信号后进行后续分析。FIR滤波器设计的主要是选择有限长度的h(n)，使传输函数满足一定的幅度特性和线性相位要求[8]。由于FIR滤波器能够较容易实现严格的线性相位，故其设计的核心思想是求出有限的脉冲响应来逼近给定的频率响应[9]。FIR滤波的窗函数分为以下几种：矩形窗、Hanning窗、高斯窗、Blackman Nuttall窗、Kaiser窗等。本文中对于FIR滤波器的具体设置如图所示。其中高截止频率fh和低截止频率fl的值必须符合下列条件：0

图8 FIR加窗滤波器的设置

3)多分辨率分析进行消噪和信号重建。在进行HRV心率变异性分析时，需要从心电信号中提取包括QRS波形以及RR间期等特征。在心电信号中检测QRS波群和R波峰，可以提供关于RMSSD、心率均值(HR mean)以及RR间期(RR Interval)等信息。然而噪声和随时间变化的心电波形形态为HRV分析带来了诸多不便。本文中使用LabVIEW高级信号处理工具包ASPT中的Multiscale Peak Detection函数检测QRS波形。在进行R波检测前，可以使用多分辨率分析模块(Multiresolution Analysis Express)将原始心电信号分解为8级的Haar小波，然后使用D1至D7子带进行信号重建，提取出QRS波形细节，使得HRV分析更为精确可靠。多分辨率分析模块(Multiresolution Analysis Express)的具体配置如图9所示。

图9 多分辨率分析的设置

2.3.1.2 心电信号分析方法

1)功率谱分析。功率谱定义为单位频域范围里的信号功率。它表示了信号功率在信号不同频率成分内的变化情况，即信号功率在频域的分布状况。对于心电信号而言，一般较多使用常见的时域波形图进行分析。然而，基于频域分析的功率谱包含有很多较时域波形而言更为丰富且复杂的信息，对于分析一些疾病的心电特征以及病理有着很大帮助。此外，在对原始信号去噪之前运用功率谱对信号进行分析可以清楚地分析出噪声信号的频率，从而在之后的去噪和滤波设计中将位于该频段内的噪声信号去除。

2)频域分析。不同于在时间轴上反映信号幅度变化的时域分析，频域分析是反映原有信号不同频率成分的各自的幅度变化情况。频域心电图相较于时域心电图，敏感性更高，有时更能体现出时域分析所无法展现的心电波形特征，在临床诊断上一直被广泛使用。在LabVIEW中，需要使用快速傅里叶变换(FFT)子VI将原始的时域信号进行转换，由于信号输出值为幅值之和，因此需要用FFT变换后的值除以获取波形成分VI提取出的数组大小，从而需求出均值，再使用“复数至极坐标转换VI”将复数分离出幅值。

3)心率变异性分析(HRV分析)。心率变异性(Heart Rate Variability，HRV)是指相邻RR间期(心搏间期)之间的微小变异。由于窦房结的自律活动通过交感、迷走神经，神经中枢和呼吸活动等因素的调节作用，使得心脏在相邻的心搏间期存在几十毫秒的差异，从而导致了心率变异现象的出现。由于HRV信号中包含有关心血管调节的重要信息，因而对心率变异进行分析不仅可以间接地定量评价心肌交感、迷走神经紧张性和均衡性，还能评价自主神经系统的活动情况。目前针对HRV的分析方法已经有很多种。其中大致分为线性分析法和非线性分析法。其中,线性分析法又可分为统计学方法(时域分析法)、谱分析法(频域及功率谱分析法)和传递函数分析法等;非线性分析法又可分为Poincare(庞加莱)映射图法、分数维法和复杂度分析法等[10]。

进行HRV分析，则必须要准确检测出心电信号中的QRS波群。目前医学界已经研究出不少QRS波检测方法，然而每一种方法均有其不足之处。其中，心电信号的复杂性、干扰的存在以及患者生理参数的不稳定性，都会让QRS波群的精确检测面临较大的困难。本系统利用了小波去噪和多分辨率分析法对原始心电信号进行去噪和信号重建，使得QRS波形能够更为精确地被检测出来，从而提高了基于LabVIEW的HRV分析的可靠性。2.3.2 利用LIFA进行数据采集、处理和HRV分析的程序设计

2.3.2.1 程序流程图设计

利用LIFA进行数据采集、处理和HRV分析的程序的流程图设计如图10所示。

图10 LIFA进行数据采集、处理和HRV分析的程序的流程图

2.3.2.2 程序具体模块的详细设计

在初始程序Init中选定与所使用的下位机开发板连接至计算机相同的的串口型号、设定好波特率(Baud Rate)和开发板型号后，上、下位机通信搭建完毕。之后设定采样率和采样数(分别为600 Hz及200个)和pin(管脚)编号。如果AD8232模块的output和Arduino开发板上的模拟端0号相连接，则pin应设置为0。前期设置工作完毕后，上位机LabVIEW开始采集心电信号。

由于采集过程中存在一定的工频信号、肌电信号、基线漂移等干扰，需要运用LabVIEW的去噪、数字滤波模块进行过滤处理，从而得到正确的心电图。针对得到的实时心电信号，运用LabVIEW的生物医学工具包(Biomedical Toolkit)以及高级信号处理工具包(Advanced Signal Processing Toolkit)进行心率变异分析(HRV, Heart Rate Variability)。

此外，为防止导联脱落，将AD8232模块引脚LOD-以及LOD+分别连接至Arduino开发板的数字输入引脚。同时，上位机LabVIEW运用数字信号读取VI分别检测LOD-以及LOD+的电平状态。当导联脱落时，输出高电平；反之，输出低电平。

一个完整的基于LIFA进行心电信号采集、处理及分析的程序流程如图11所示。

图11 心电信号实时采集、处理及分析的程序框图

其中，在条件判断时间框中设置一个HRV分析子VI，当“开始HRV分析”的布尔按钮为“真”(即按钮按下)时，开始HRV分析。HRV分析部分的子VI的具体设置如图12所示。经小波去噪和多分辨率分析后的信号由Multiscale Peak Detection.vi进行峰值检测。由于该vi的位置(Location)输出端输出的是每个波峰(R波)的相应时间节点，若要得到RR间期的时间长度，则还需要让第i+1个R波的对应时间值减去第i个R波的对应时间值，从而求出RR间期。使用一个for循环结构可以解决这个问题，其中，循环次数设为时间节点(Location)数组大小减去1后的值，并利用计数接线端i来对时间节点(Location)数组进行前后索引，实现第i+1个时间值减去第i个时间值的功能，从而求出RR间期。之后再使用Biomedical Toolkit中的HRV Histogram.vi和HRV Statistics.vi便可分析得出RR峰值图(Peak Plot)、RR间期直方图(RR Interval Histogram)和HRV统计性数据(HRV Statistics Measurements)。

图12 HRV分析子VI的程序框图

3 心电信号的分析结果

根据上述设定好的程序，选取被试一名，在外部工频干扰较大的环境下进行心电测量(采样数200个，采样频率600 Hz)，并根据检测结果进行功率谱分析、频域分析以及HRV分析。详细的分析结果如下。

3.1 FIR加窗滤波和小波去噪前后的心电信号对比分析

如图13所示，分别是采集到的原始心电信号、经FIR加窗滤波后的信号和经小波去噪后的信号(横轴为时间(s)和样本数N(个)、纵轴为幅值(mV))。经对比不难发现，经FIR滤波后的信号质量已经有了大幅提升，但是还是略微带有一点噪声和基线漂移。而经过小波去噪后的心电信号几乎没有任何噪声，且基线平稳。

此外，LabVIEW中的FIR加窗滤波器VI(如图13所示)滤波后的输出信号不再带有对应的时间序列信息，故在图(b)中，横坐标的值是采集样本数而非时间序列。前文已提及，本次实验每次采样数为200个，采样频率为600 Hz，即每次显示的心电图都是3 s以内的心电波形，因而可以在波形图属性里将横坐标的大小设置为0～3 s，从而将心电幅值和对应的时间节点匹配起来。以上只是在心电图面板上显示出时间的方法，若想使得经“FIR加窗滤波器VI”输出的信号重新带有原来的时间序列，可以利用LabVIEW里的“创建波形VI”，将“FIR加窗滤波器VI”输出的幅值接至该“创建波形VI”的Y输入端，t0选择输入为0，dt设置为3 s/200=0.015 s(即每两个采集到的幅值点之间的时间间隔为0.015 s)，就可以在该VI输出端重新得到经过FIR滤波的、带有原始时间序列的心电信号。

3.2 心电信号功率谱分析

除了能够很好地反映出很多病理特征之外，功率谱在对原始信号去噪之前运用功率谱对信号进行分析可以清楚地分析出噪声信号所在的频域及其功率大小，从而在之后的去噪和滤波设计中将位于该频段内的噪声信号去除。图14(a)和(b)是在使用小波去噪前后的心电信号功率谱图(横轴为频率(Hz)、纵轴为功率(s2/Hz))，从中可以很清楚地看到，去噪前的信号中夹杂有功率较大的频率约为50 Hz左右的工频干扰。对信号进行小波去噪后，再次观察心电信号功率谱图，发现50 Hz频率附近已无功率较大的信号(波形未凸起)。这不仅说明了使用小波去噪法是对夹杂有工频干扰的心电信号有效的过滤方法，而且体现出功率谱在分析噪声频率及功率大小时无可比拟的优越性。

图14 小波去噪前后心电功率谱

3.3 心电信号的频域分析

图15是对时域心电信号进行快速傅里叶变换(FFT)后得到的心电频域波形(横轴为频率(Hz)、纵轴为幅值(mV))。频域心电图能够反映心电信号在频率-幅度范围内的变化情况，能够提供很多时域心电图无法提供的生理信息。人体心电信号频率主要由0.5 Hz至100 Hz的频段组成，其中大多数信号集中在低频段。如图所示，被试的心电信号频域范围主要集中在40 Hz以下频段。

图15 频域心电图

3.4 HRV的分析结果

如图所示是针对监测过程中对于被试心电信号的实时HRV分析结果。从图16可以看出NN50(两个临近的RR间隔之差超过50 ms的对数)为0、PNN50(NN50对数占所有RR间隔数的比值)也为0、RMSSD(相邻RR间隔之差的均方根值，单位：毫秒ms)为21.21、HR std(心率的标准差，单位：跳/分钟bpm)为2.823、HR(心率)为每分钟92.37下，符合正常人心率60—100下/分钟的范围、RR std(RR间期的标准差，单位：秒s)为0.02041 s，RR min(RR间期时间，单位：秒s)为0.65 s。

其中，从峰值图(Peak Plot)中看出峰值检测VI(Multiscale Peak Dectection.vi)已经自动在心电图的R波峰值处用红叉标记，方便观测具体的各个R波对应时间及其幅度。

图16 HRV统计性参数和峰值图

同时利用HRV直方图VI(HRV Histogram.vi)可以绘制出不同时间长度的RR间隔的点数。从而可以清晰地反映出不同时间长度的RR间隔的分布情况。

图17 RR间期直方图

4 总结

本文所开发的心电数据实时采集和分析系统能够很好地实现上、下位机间的通信，心电信号采集灵敏、准确。通过利用LabVIEW进行软件滤波及去噪，很好地解决了AD8232硬件滤波电路性能不理想的问题。此外，系统包含一套针对心电信号进行频谱分析和心率变异性(HRV)分析的程序，能够对心电信号进行频域分析、功率谱分析、R波识别、峰值图绘制、RR间期直方图绘制和心率变异性参数计算等。该程序分析结果准确可靠，有利于辅助临床对于各式心脏疾病的诊断。

[1] 于 洋, 刘 静. 手机无线心电监测技术系统应用验证[J]. 中国医疗器械杂志, 2011, 35(1):11-14.

[2] 张亚君, 余永纪, 洪 明. 一种便携式心电监测仪的设计[J]. 电子器件, 2010, 33(1):105-108.

[3] 徐胜鹤. 基于虚拟仪器的心电信号采集系统研究[D]. 济南：山东大学, 2008.

[4] 陶智仁. 基于Android的心电监护手机系统设计[D]. 济南：山东大学, 2015.

[5] 徐长发．实用小波方法[M]．武汉: 华中科技大学出版社, 2001.

[6] 冯伟东,孙 莹,曲东超,等. 信号的多分辨率分析在消噪中的应用[J]. 长春工业大学学报:自然科学版, 2007, 28(1):101-104.

[7] 陶 珂, 朱建军. 小波去噪质量评价方法的对比研究[J]. 大地测量与地球动力学, 2012, 32(2):128-133.

[8] 丁玉美, 高 西. 全数字信号处理[M]. 西安: 西安电子 科技大学出版社, 2000, 12：19-222.

[9] 谢秀娟，潘晓文. 窗函数法设计FIR数字滤波器的仿真分析[A].中国自动化学会华东六省一市学术年会[C]. 2007.

[10] 明 东, 田锡惠, 杨春梅,等. 心率变异(HRV)信号的谱分析方法研究[J]. 北京生物医学工程, 2001, 20(4):252-255.

Development of a Real-time ECG Monitoring and Analysis System Based on AD8232

Chen Jiaxu, Zhou Ying

(School of Medical Instrument and Food Engineering，Shanghai of University Science and Technology，Shanghai 200093,China)

This paper presents a low-cost, precise and reliable real-time ECG monitoring and analysis system for the real-time ECG signals acquisition to realize the prediction and diagnosis of heart diseases. This system is designed by using a signal disposal module AD8232, an Arduino UNO board based on ATmega328p microcontroller and the PC software LabVIEW. The windowed FIR filter and wavelet denoise module are designed for the preprocess of the extracted signals. Since time and frequency characteristics of the ECG signals can provide information on the dynamic behavior of the patient's heart activity, a variety of programs used for ECG signal analysis are designed, such as the Spectrum Analysis and Heart Rate Variability (HRV) analysis. The developed system is able to conduct real-time analysis on the measured ECG signals. The physiological characteristics contained in the ECG signals of patients can be measured accurately and the interference signals can be filtered very well. This system can also perform various kinds of analysis and the analysis results are reliable enough to be used in the clinical diagnosis. Being able to measure and analyze signals accurately and filter the noise well, this ECG real-time measuring and analysis system is of great values for the future development of ECG monitors.

ECG signals; real-time monitoring; real-time analysis; software filter

2016-08-14；

2016-09-19。

上海理工大学2016年度教师教育发展研究项目(CFTD16034Y，CFTD16037Y)；2015、2016年度“精品本科”教学改革项目；2016年度上海理工大学研究生《生物力学》翻转课程项目。

陈嘉绪(1994-)，男，甘肃兰州人，大学，主要从事医疗器械工程方向的研究。

1671-4598(2017)02-0026-06

10.16526/j.cnki.11-4762/tp.2017.02.007

TH776

A