下肢静脉功能智能筛查系统

AI Visual Analysis + EMG Assessment
设备未连接
1
视觉筛查
2
肌电评估
3
综合报告
主观症状评估

请评估患者近一周内的症状严重程度（0=无，1=轻度，2=中度，3=重度）

小腿疼痛
小腿肿胀
小腿疲劳/沉重感
夜间抽筋
皮肤瘙痒
AI 正在分析小腿照片...
视觉筛查结果
低风险
未发现明显静脉曲张征象
小腿肌肉泵功能评估

连接肌电采集设备，按照提示完成收缩-保持-放松三步测试，评估小腿肌肉泵功能。

🧘
放松基线
5秒
💪
最大绷紧
3秒
⏱️
持久保持
极限
🔄
快速恢复
监测
点击"开始测试"进入评估流程
0%
当前激活度
0%
峰值
0s
耐力
综合筛查报告
--
综合健康评分 (0~100)
低风险
--
C0
CEAP 分级
静脉疾病临床分级
0
VCSS 评分
静脉临床严重程度评分 (0-30)
60%
EF 射血分数
肌肉泵射血效率
视觉分析
主观症状评分
肌电评估
--
激活峰值
--
耐力
--
恢复时间
历史记录
暂无历史记录

📋 技术文档

下肢静脉功能智能筛查系统 — 硬件架构与实现细节

1. 系统总体架构

📷
视觉感知层
摄像头实时取景
或本地图片上传
⚡
肌电感知层
Muscle Sensor v3
小腿肌肉电信号
⇊
前端 Web 浏览器 (HTML5)
MediaStream API / FileReader → base64 dataURL
Web Serial API ← UART@115200 → STM32 PA9/PA10
边缘计算 — STM32F103C8T6
ADC采样(PA0) → 滑动窗口均值滤波 → baseline校准(2048)
归一化 → USART1 TX(CH340 USB转串口)
⇊
AI推理引擎 — DashScope
qwen-vl-plus 千问VL
CORS开放直连
输出 JSON：CEAP C0-C6 + 征象评分
融合引擎 — 加权综合评分
S = V × 0.4 + Symptom × 0.3 + EMG × 0.3
阈值判定: ≥70低风险 / 40~70中风险 / <40高风险
⇊
诊断报告生成器
CEAP临床分级 → ESVS 治疗建议映射
VCSS评分 · EF射血分数估算
数据持久化与导出
localStorage 历史记录
CSV 表格导出 · 浏览器打印
🔋 ±9V双电源 → Muscle Sensor v3 → 分压电路 (20k+10k) → PA0
💾 Ag/AgCl电极贴 → 小腿腓肠肌腹 → 黄/绿/红三色导联

2. 硬件清单与规格

序号 硬件名称 规格 用途
1EMG肌电传感器Muscle Sensor v3采集小腿肌肉电信号
2主控板STM32F103C8T6 蓝板ADC采集 + 串口通信
3下载器ST-Link V2烧录固件
4串口模块CH340 USB转TTLWeb Serial通信
5电源9V电池 × 2EMG模块±9V双电源
6电极片Ag/AgCl 心电电极贴附小腿采集肌电
7连接线杜邦线 + 面包板电路连接

3. 硬件实物

EMG传感器
EMG肌电传感器
STM32蓝板
STM32主控板
ST-Link
ST-Link下载器
CH340
USB转串口
面包板
面包板
杜邦线
杜邦线
跳线
面包板跳线
飞线
面包板飞线
舵机
舵机（扩展）

4. 信号流与数据链路

  ┌────────────────── 信号链 ①（EMG路径）─────────────────────────┐
  │                                                                │
  │  Ag/AgCl电极 ───→ Muscle Sensor v3 ───→ [包络检波] ───→ SIG  │
  │                      │                                    │   │
  │                      │  ±9V双电源                        │   │
  │                      │ 运放IC                              │   │
  │                      │ 整流 + 低通滤波                    │   │
  │                                                           │   │
  │  SIG ───→ [20kΩ] ───┼──→ PA0(ADC) ───→ USART1 ──→ CH340 ──→ USB ──→ 浏览器 │
  │                     │                                      │
  │                    [10kΩ]                                    │
  │                     │                                        │
  │                   GND(共地)                                   │
  │                                                               │
  └────────────────── 信号链 ②（视觉路径）────────────────────────┘
  │
  │  摄像头/Web文件上传 ──→ base64 dataURL ──→ DashScope API ──→ qwen-vl-plus
  │                                                          │
  │  JSON: {"蜘蛛静脉":1,"ceap_grade":"C1",...}             │
  │                                                          │
  └────────────────── 信号链 ③（融合输出）─────────────────────┘
  │
  │  视觉分40% + 症状分30% + 肌电分30% = 综合评分S
  │  S ≥ 70 → 低风险(C0)     40≤S<70 → 中风险(C1-C2)     S<40 → 高风险(C3-C4+)
  │
  └──────────────────────────────────────────────────────────────┘

5. 双电源接线说明

⚡ 电源拓扑图

  电池1 ────[红+][黑-]──── 电池2
                │
          ┌─────┴─────┐
          │ 电源地(GND)│──→ 模块GND ──→ 蓝板GND
          │           │
          ├────→ 模块 +VS (+9V)
          └────→ 模块 -VS (-9V)

  模块SIG ───[20kΩ]───┬──→ 蓝板PA0
                     ├──[10kΩ]──→ GND
            分压比=1/3 → ~3V安全值

⚠️ 常见问题排查

症状可能原因解决方案
raw恒4095单电源供电改±9V双电源
raw恒0分压接反检查20k/10k方向
raw乱跳未共地电源地→蓝板GND

6. 软件工作流程（状态机）

  IDLE → 填写症状评分 → STEP1(视觉) → 拍照/上传 → AI分析
                                  │                 │
                                  ↓                 ↓
                                (等待)         parseJSON(CEAP+征象)
                                                    │
                                              ┌────┼────┐
                                              ↓    ↓    ↓
                                           继续肌电  直接报告  返回重拍
                                              │
                                            STEP2(肌电) → [放松基线5s]
                                                            │
                                                          峰值≥阈值?
                                                          │
                                                     [绷紧保持3s]
                                                             │
                                                           [放松恢复5s]
                                                             │
                                                          计算指标
                                                        • 激活峰值(%)
                                                        • 耐力(s)
                                                        • 恢复时间(s)
                                                             │
                                                          STEP3(报告)
                                                      融合引擎(V+E+S)
                                               CEAP分级 → 治疗方案映射
                                                      CSV导出 / 打印

7. 数据处理流水线

▸ EMG数据处理栈
阶段1：原始采样
ADC通道: PA0
分辨率: 12位 (0~4095)
采样率: 根据波特率动态调整
阶段2：均值算法
滑动窗口平均滤波
消除高频噪声
baseline校准 (~2048)
阶段3：归一化
percentage = (raw - baseline) / range × 100%
阶段4：Web接收
Web Serial API
UART @115200 bps
GBK/UTF-8文本解析
阶段5：特征提取
峰值(Peak)、耐力(Endurance)、恢复时间(Recovery)
三维度评分 → E分数 (0-100)
▸ 视觉AI处理栈
阶段1：图像采集
输入方式: 摄像头实时帧 或 本地文件选择
格式: JPEG base64 data URL
压缩质量: 0.8
阶段2：API调用
DashScope OpenAI兼容接口
模型: qwen-vl-plus
CORS开放浏览器直连
阶段3：Prompt设计
医疗角色设定 → 征象识别列表 → CEAP标准参考 → 输出JSON格式约束
阶段4：结果解析
正则提取JSON块
逐字段数值验证
范围钳制 [0,1,2]
阶段5：分级判定
CEAP C0-C6映射 → 风险等级
VSS评分计算 → 治疗建议查询表

8. STM32引脚定义

模块引脚功能类型
Muscle Sensor v3
SIGPA0模拟信号输入(经分压)ADC Input
GND共地Power
-VS/+VS±9V供电Power
ST-Link
TCK/SWCLKPB14调试时钟Digital IO
TMS/SWDIOPB15调试数据Digital IO
RSTNRST复位Reset
SWOUTPB13调试输出(可选)Digital IO
3.3V/VCC-不接(外部供电)Power
CH340 USB-TTL
TXPA9 (USART1_TX)发送端Serial
RXPA10 (USART1_RX)接收端Serial

9. 参考文献

[1] Peter Gloviczki, Andrew J. Comerota, Michael C. Dalsing, et al. The 2020 revision of the CEAP classification for chronic venous disorders. Journal of Vascular Surgery: Venous and Lymphatic Disorders, 2021, 9(1): 1-13.

[2] Robert B. Rutherford, Frank A. Baker, Charles H. Liu, et al. Recommended standards for reporting deals with lower extremity ischemia. Journal of Vascular Surgery, 2002, 35(3): 610-611.

[3] European Society for Vascular Surgery (ESVS). 2022 Clinical Practice Guidelines on the Management of Chronic Venous Disease of the Lower Limbs. European Journal of Vascular and Endovascular Surgery, 2022.

[4] Konstantinos T. Delis, Antonios D. Bountouroglou, Peter J. E. Crandon. Calf muscle pump function in chronic venous insufficiency. European Journal of Vascular and Endovascular Surgery, 2005.

[5] Nicos Labropoulos, Larry A. Schuler, John M. Pappas, et al. Gastrocnemius muscle pump function assessment. Journal of Vascular Surgery, 2008.