首页
开始
手册
文档
案例
开始
手册
文档
案例
代码
码云
Github
退出登录
登录
免费注册
## 1 背景简介 近几十年来,人们已经认识到自主神经系统与心血管死亡率(包括心源性猝死)之间的重要关系。致死性心律失常的倾向与交感神经活动增加或迷走神经活动减少的迹象之间的关联的实验证据,促使人们努力开发自主神经活动的定量标记物[1][2][3][4]。HRV 是最有希望的这类标记之一,这一方法的推导简单,使得它的应用得到了迅速的普及。 心率变异性(Heart Rate Variability,HRV)指逐次心跳周期差异的变化情况,是近年来较受关注的无创性心率监测指标之一,在临床医学、体育科学等多个领域都有应用。在实践中,常通过对一段时间内 R-R 间期的变化情况进行测量与分析来反应心率变异性。 起初,HRV 是用来评估、观察心血管系统病变,长期致力于特殊工作岗位的劳动者比一般普通人心脏病猝死发生率明显高,通过 HRV 分析可早期预测并提供有效信息,此观点证实之后,专业人员开始着手研究 HRV 理论在其他疾病方面的应用性。 近年来,HRV 被用来研究婴儿猝死症 SIDS(Sudden Infant Death Syndrome)、抑郁症(depression)、糖尿病(diabetes)衰老、神经性食欲不振(anorexia nervosa)、焦虑(anxiety)/恐慌(panic disorders)等自主神经系功能障碍性疾患以及相关因素的探讨。 随着 HRV 的研究与探讨开始普遍化,相当多的 HRV 为主题的论文和事例发表,每个发表者对于 HRV 的研究方法和解释都各持己见,为了统一规范 HRV 研究,欧洲心脏协会和北美心率电生理协会于 1996 年专门成立了 TFT team 组织,发布了有关 HRV 研究的工作指南[5];俄罗斯卫生部临床诊断仪器委员会和新医疗技术委员会于 2002 年发布了在不同心电图系统下的 HRV 分析(系统建议)[6];中国病理生理学会心血管专业委员会于 2014 年发布公告,倡议心率变异性检测标准化与规范化[7],将技术与国际接轨,倡议正确的心率变异分析,提升国内普罗大众对植物神经的认知水平。 ## 2 常用分析方法、指标及生理意义 在心率变异性的监测中,常用的分析方法有三类,分别为时域分析法、频域分析法和非线性分析法[5]。其中时域分析法和频域分析法较为常用。 ### 2.1 时域分析法 时域分析法出现较早,主要是通过直接对 R-R 间期的原始数据进行分析,得到 R-R 间期随时间变化的情况,进而评价心率变异性。时域分析法所使用的指标均为在时间维度下计算所得,常用的包括总体标准差(SDNN)、相邻 R-R 间期的均方根(RMSSD)、相邻 R-R 间期差值大于 50ms 的个数(NN50)和百分比(pNN50)等。 #### 2.1.1 心跳间期标准偏差(Standard deviation of all normal to normal intervalss,SDNN) 所有正常心跳间期的标准偏差,即变异度(variance)开平方,其标准偏差越大,心率变异性越大,目前建议的是 5 分钟或 24 小时为基准,单位为毫秒(ms)。 $$SDNN=\sqrt{\frac{1}{N}\sum\_{n=1}^{N}(RR_n-\overline{RR})^2}$$ #### 2.1.2 短期时间心跳间期平均标准差(Standard deviation of average normal to normal intervals index, SDANN index) 先计算短时间的平均正常心跳间期(目前建议通常为 5 分钟)之标准差,并将全程的标准偏差值平均所得,单位为毫秒(ms)。 $$SDANN\ index = \frac{Mean\ RRs = \frac{1}{N}(\sum^NRRN)}{\sqrt{(\frac{\sum^N(Mean\ RR(N)\_{5min}-mean(Mean\ RR\_{5min})^2)}{N})}/Windows_{5min}}$$ $$N\ is\ number\ of\ Mean\ RR_{5min}$$ $$Windows\ is\ number\ of\ SDNN_{5min}$$ #### 2.1.3 相邻 R-R 间期的均方根(The square root of the mean squared different of successive NN intervals,RMSSD) 计算所有相邻正常心跳间期差值(后一个心跳间期和前一个心跳间期 RR 的差值)的平方和,在进行均方根,单位为毫秒(ms)。 $$RMSSD=\sqrt{\frac{1}{N-1}\sum\_{n=1}^{N-1} (RR_{N+1}-RR_n)^2}$$ RMSSD 描述 R-R 间期的短期变化,常用于评估副交感神经系统的活性。心脏有异常时,可见 RMSSD 数值的显著下降。 #### 2.1.4NN50 指标(NN50 count dicided by the total number of all NN intervals) 将计算出每相邻心跳之间差值超过 50 毫秒(ms)的个数,可以借此评估副交感神经的活性,单位为个数。 $$NN50 = |RR\_N-RR\_{n-1}|>50ms$$ #### 2.1.5 相邻 R-R 间期差值大于 50ms 的个数(NN50)和百分比(pNN50) 将计算出每相邻心跳之间差值超过 50 毫秒(ms)的个数,除上总心跳间期的个数,换算出百分比例,单位为百分比(%)。 $$pNN50=\frac{NN50}{N-1}\times100\%$$ pNN50 越大,说明迷走神经兴奋程度越大。 此外,还有总体平均值(MEAN)、标准差均值(SDNNI)等时域指标。 以上时域指标中,RMSSD、NN50、pNN50 均属于短期的变异度指标,用以估计心率变异性中,属于呼吸的变异度(已确认此指标代表副交感神经功能),此三者间呈高度的相关性。临床上,最常建议用来做时域分析时的心率变异性指标有整体心率变异性的指标(SDNN)、长期心率变异性的指标(SDANN)和短期心率变异性的指标(RMSSD)。 ### 2.2 频域分析法 与时域分析法不同,频域分析法需要先利用快速傅里叶变换等处理方式,将在时域中采集的心电信号转换到频域中,获得信号的功率谱[5]。并且由于转换后所得到的信号是不同频带的复合信号,还需要按频带进行分解,才可进行分析。常用指标包括高频段功率(HF)、低频段功率(LF)、极低频功率(VLF)、低频段功率与高频段功率之比(LF/HF)和总功率(TP)。 #### 2.2.1 高频段功率(HF) HF 是高频段的功率,高频段的频率范围一般选取 0.15-0.4Hz。该参数主要反应副交感神经活动情况。 #### 2.2.2 低频段功率(LF) LF 是低频段的功率,低频段的频率范围一般选取 0.04-0.15Hz。通常认为 LF 与交感神经活动有关,但也有研究表明 LF 区同时与交感神经和副交感神经活动有关。 #### 2.2.3 极低频功率(VLF) VLF 是极低频段的功率,极低频段的频率范围一般选取 ≤0.04Hz。但其生理意义尚不十分明确。 #### 2.2.3 低频段功率与高频段功率之比(LF/HF) LF/HF 是低频段和高频段的功率之比,可以反应交感神经系统和副交感神经系统的相对活性,因而是相对较为常用的频域参数。若比值增大,则说明神经系统的平衡偏向于交感神经主导。 #### 2.2.4 总功率(TP) TP 是全部频段的功率之和,与 SDNN 相似,也可反应整体的心率变异性。 ### 2.3 非线性分析法 非线性分析法认为,心率信号本质上是不平稳的非线性信号[5],具有复杂性和无序性。因此,基于混沌理论和非线性理论,提出了一系列指标,用以分析心率变异性。非线性分析法种类较多,常用的有洛伦兹散点图法,以及主要针对系统复杂性的熵分析方法。 #### 2.3.1 洛伦兹散点图 又称庞加莱散点图,绘制时以相邻 R-R 间期的值为纵横坐标,在二维直角坐标系中绘制出散点的分布图。洛伦兹散点图中包含了心率变异性的线性和非线性变化趋势,可用于进行直观的分析。 对于散点图的分析有定性和定量分析两种方式。定性分析主要是观察图形形态,通常认为“彗星形”为正常,“鱼雷形”、“扇形”、“圆形”等其他形状则代表不同的异常形式。例如心率失常患者的散点图多呈“扇形”、“格子形”、“多分布”等复杂形状。定量分析则主要是对图形参数的直接测量,常用指标包括长短轴参数、宽度、面积、矢量长度指数、矢量角度指数等。 #### 2.3.2 熵分析方法 主要用于量化心率变异性信号的复杂程度。熵分析方法种类也较多,常用的有基本尺度熵、近似熵、多尺度熵等[8]。但无论使用何种方法计算熵值,都是较大的熵代表着较高的心率变异性。 ### 2.4 几个度量 #### 2.4.1 HRV 三角指数(TINN) #### 2.4.2 贝夫斯基压力指数(SI) $$SI = \frac{AMo\times100\%}{2Mo\times{MxDMn}}$$ - Mo (Mode)是 RR 间期中最常观察到的值。取 Mo 为 RR 间期的中位数。 - AMo(Mo 的振幅)是与 Mo 值相关的 RR 间期的百分比。 - MxDMn 是最长 RR 间期和最短 RR 间期的差值。 ## 3 心率变异性的影响因素 心率变异性会受到多种生理、病理因素的影响,主要包括年龄、健康状况、体位、呼吸等。 ### 3.1 年龄 除 LF/HF 比值外,HRV 的所有时域和频域指标均随年龄增加而降低[9]。其中 LF 和 HF 成分均降低,但以 HF 降低更为显著[10]。 ### 3.2 健康状况 多项研究表明,糖尿病、高血压、冠心病等心血管疾病均可使患者的心率变异性降低[11]。如沈艳芳等人对冠心病患者和健康人进行了 24 小时动态心电图检测,结果显示冠心病组患者中 SDNN、SDANN、TP 以及 RMSSD、pNN50、HF 均较正常对照组有明显下降[12]。此外,合并多项疾病相比较单一疾病而言,对心率变异性的影响增加。例如高血压合并糖尿病的患者,其 SDNN、RMSSD、PNN50 等心率变异性指标低于仅患高血压的患者[13]。 除心血管疾病外,其他器官的相关疾病,如肾衰竭,也会使患者的心率变异性降低[14]。 ### 3.3 体位 测试时体位不同也会对心率变异性的分析结果产生影响。在时域指标上,有研究表明仰卧位、坐位和站立位情况下,仰卧的 HR 最小,站姿最大;且仰卧位的 SNN、RMSSD、NN50、pNN50 值均高于坐位和站立位。在频域指标上,站立位的 LF/HF 比值大于其他两种体位。说明仰卧姿势下副交感神经更为活跃,站姿下交感神经更为活跃[15][16]。 ### 3.4 呼吸 由于呼吸对心率震荡有显著影响,因而呼吸频率的改变可影响心率变异性。有研究表明,引导受试者进行每分钟 6 次,每次持续 10 秒的均匀呼吸,可发现时域指标 SDNN、RMSSD、pNN50 和频域指标 LF、HF、LF/HF 显著增加[17]。 除此之外,心率变异性也可受到很多其他因素的影响,例如体育锻炼、疲劳程度、工作压力[18]等。 ## 4 应用现状 由于心率是无创性指标,且通过心率带或心率手表就可采集,数据获取较为容易,因而基于心率数据分析所得的心率变异性指标也在体育科学、临床医学等领域得到了广泛应用。 目前比较成熟的应用领域如下: ### 4.1 心血管疾病 #### 4.1.1 冠心病 冠心病患者心率变异性降低,且冠心病患者心率变异性指标的变化与冠状动脉病变程度也有一定关系。冠状动脉病变程度高者,其心率变异性下降幅度也大[19]。低 HRV 被认为反映了交感神经对心率的调节过度和/或副交感神经对心率的调节不足,是冠心病患者死亡率的一个强有力的预测因子[20]。因此,有研究尝试将 HRV 加入到传统冠心病危险因素中,发现可显著提高心肌缺血的预测概率[21]。 #### 4.1.2 心肌梗死 心率变异性可用于预测心肌梗死后恶性室性心律失常的发生率,对心肌梗死患者的死亡风险具有预警价值。急性心肌梗死后,HRV 降低提示恶性室性心律失常的发生率升高[22]。心率变异性降低也与心肌梗死的部位相关。与非前壁心肌梗死相比,前壁心肌梗死患者 HRV 指标 ASDNN、RMSSD、SDANN 和 SDNN 较低[23]。 #### 4.1.3 其他心血管疾病 其他心血管疾病如原发性高血压、心律失常的患者,其心率变异性各项指标与正常人相比也会出现一定程度的改变。目前多认为这种改变与交感神经和副交感神经系统的活性改变有关。因而心率变异性也可作为这类疾病的预测或诊断指标之一。 总体上,HRV 指标可以用于预测各类心血管疾病的预后情况,预警死亡风险,识别高危人群,对降低心源性猝死的发生率具有一定意义。 ### 4.2 衡量压力水平 #### 4.2.1 贝夫斯基压力指数 Baevsky's stress index (SI) 它是反映心血管系统压力的 HRV 的几何度量。SI 值高表明变异性降低和交感神经心脏激活率高。 根据公式计算出巴耶夫斯基压力指数(SI): $$SI = \frac{AMo\times100\%}{2Mo\times{MxDMn}}$$ 参数说明: - Mo 是 RR 间期中最常观察到的值。取 Mo 为 RR 间期的中位数。 - AMo(Mo 的振幅)是与 Mo 值相关的 RR 间期的百分比。 - MxDMn 是最长 RR 间期和最短 RR 间期的差值。 ### 4.3 运动训练监控 由于心率变异性指标和身体机能水平密切相关,尤其是出现运动性疲劳时,时域指标 RMSSD、SDNN 和频域指标 TP、LF、HF 都会出现明显下降[26]。因此可以使用心率变异性来评价运动训练的强度和负荷是否适宜,有无过度训练导致的疲劳积累发生。 ### 4.4 HRV 在评估自主神经系统(ANS)功能中的作用 心率变异性 (HRV) 反映了连续的心跳间隔(RR 间期)之间的差异。自主神经系统(ANS)的交感神经和副交感神经分支都参与心率(HR)的调节。众所周知,副交感神经系统(PNS)活动(迷走神经刺激)可以降低心率并增加心率变异性。交感神经系统(SNS)活动对心率和心率变异性有或多或少相反的影响,即增加心率并降低心率变异性。因此,当我们处于休息和完全恢复状态时,HR 最低,HRV 最高。在交感神经活动增加的压力情况下,静息心率升高,心率变异性降低。 #### 4.4.1 副交感神经系统(PNS)指数 已知副交感神经性心脏活动为:降低心率(即增加连续心跳之间的时间间隔),通过增强的呼吸窦性心律失常(RSA)成分增加 HRV(即增加与呼吸相关的 RR 间隔的快速变化——在吸入期间缩短 RR 间隔并在呼气期间延长 RR 间隔),以及降低 HRV 时间序列中较低频率和高频振荡之间的比率(即与较慢的短期波动相比,增加 HRV 中快速 RSA 引起的波动的相对数量)[5][29][30]。 基于上述,在 Kubios HRV 软件中根据以下三个参数计算副交感神经系统指数(PNS 指数): 1. **平均 RR**间隔。较长的平均 RR 间期意味着较低的心率和较高的副交感神经心脏激活。 2. **连续 RR 区间差的均方根(RMSSD),**这是一个常用的时域 HRV 参数,用于捕获 RR 区间的快速节拍变化,因此与 RSA 分量幅度密切相关。RMSSD 的高值表明 RSA 成分较强,副交感神经心脏激活率高。 3. **庞加莱图指数 SD1 归一化单位**。估计 ANS 交感神经迷走平衡的常用方法是计算 HRV 频谱的低频 (LF) 至高频 (HF) 功率比。然而,在自主呼吸的情况下,特别是当受试者的自然呼吸频率较低(低于 0.15 Hz 或 9 次呼吸/分钟)时,RSA 成分部分甚至与 LF 成分部分甚至完全重叠。在这种情况下,LF/HF 比率给出了 ANS 状态的无效解释。由于已知庞加莱图索引 SD1 与 RMSSD 有关[31]SD2/SD1 与 LF/HF 比值相关,Kubios HRV 中使用归一化 SD1 值作为 PNS 指数计算的第三个输入参数。 首先将每个参数值与其正常总体值进行比较,如 所示[32]。SD1 的正常值是根据其对时域变量 RMSSD 的依赖性派生的,如中所述[31]。然后,使用法线总体的标准偏差对参数值进行缩放,最后应用专有加权以获得稳健可靠的 PNS 指数值。 $$Mean\ RR\_{index}=\frac{{Mean\ RR}-\overline{RR}}{RR\_{std}}$$ $$RMSSD\_{index}=\frac{{RMSSD}-\overline{RMSSD}}{RMSSD\_{std}}$$ $$SD1\_{index}=\frac{{SD1}-\overline{SD1}}{SD1\_{std}}$$ $$PNS\ Index = \overline{{{Mean\ RR}\_{index}}+{RMSSD\_{index}}+{SD1\_{index}}}$$ PNS 指数的解释很简单。PNS 指数值为零意味着反映副交感神经活动的三个参数平均等于正常总体平均值。相应地,正 PNS 指数值表示参数值比正常总体平均值高出多少个 SD,而负值则表示参数值比正常总体平均值低多少个 SD。请注意,Nunan 等人 2010 年提出的正常值是从静息 HRV 测量中提取的。因此,在静止状态下,PNS 指数通常(占总体的 95%)在-2 和+2 之间,即在正态总体分布的 ±2SD 内(见图 1)。在压力期间或高强度运动期间,可以预期更低的 PNS 指数值。 #### 4.4.2 交感神经系统(SNS)指数 已知交感神经心脏活动为:增加心率,降低 HRV,减少 RR 间期中特别快速的 RSA 相关变化,以及增加 HRV 数据中较低频率和较高频率振荡之间的比率[5][29][30]。 基于上述,在 Kubios HRV 软件中,根据以下三个参数计算交感神经系统指数(SNS 指数): 1. **平均心率**间隔。较高的心率与较高的交感神经心脏激活有关。 2. **Baevsky 的压力指数(SI),**它是反映心血管系统压力的 HRV 的几何度量。SI 值高表明变异性降低和交感神经心脏激活率高。 3. **庞加莱图指数 SD2 归一化单位**。如上所述(在 PNS 指数描述中),LF/HF 功率比通常用于评估 ANS 的交感迷走神经平衡,但对呼吸频率敏感。因此,归一化的庞加莱图指数 SD2,已知与 SDNN 相关联[^31]并且为了与 LF / HF 比率相关,在 Kubios HRV 中用作 SNS 指数计算的第三个输入参数。 首先将每个参数值与其正常总体值进行比较,如 所示[32].SD2 的正常值是根据其对时域变量 SDNN 的依赖关系派生的,如中所述[31].Baevsky 应力指数的正常值取自[33].然后使用正常人群的标准偏差缩放参数值,最后应用专有加权(考虑运动强度,心率和心率变异性之间的关联)以获得 SNS 指数值(见图 2)。 $$Mean\ HR\_{index}=\frac{{Mean\ HR}-\overline{HR}}{RR\_{std}}$$ $$SI\_{index}=\frac{{SI}-\overline{SI}}{SI\_{std}}$$ $$SD2\_{index}=\frac{{SD2}-\overline{SD2}}{SD2\_{std}}$$ $$SNS\ Index = -\overline{{Mean\ HR}\_{index}+{SI}\_{index}+{SD2\_{index}}}$$ SNS 指数的解释类似于 PNS 指数。SNS 指数值为零意味着反映交感神经活动的三个参数平均等于正常总体平均值。相应地,正 SNS 指数值表示参数值比正常总体平均值高出多少个 SD,负值表示参数值低于正常总体平均值多少个 SD。在压力或高强度运动期间,SNS 指数的值可高达 5-35。 ### 4.5 其他领域 心率变异性指标也在其他相关领域得到应用。例如在临床麻醉中,实时进行心率变异性分析能及时观察药物作用情况、监测麻醉深度、预测麻醉中心血管不稳定的风险,一定程度上可以预防麻醉意外的发生[^27]。在汽车驾驶中,心率变异性也可作为驾驶员的疲劳监测和诊断指标[^28]。 ## 5 小结 心率变异性因其可无创、连续采集,且数据中蕴含的信息量大,故成为评价人体机能尤其是自主神经功能的常用指标,在包括临床医学、体育科学在内的很多领域都有良好的应用前景,但是在实际应用中仍存在一些问题。 目前的心率数据采集方法尚无统一的标准和要求。使用较多的主要有两种方法,一种是长时法,即采集连续 24 小时的心电数据;另一种是短时法,仅采集连续 5 分钟的心电数据[5]。相比较而言,长时法采集的数据量更大,异常数据的筛选剔除更为繁琐,分析运算的难度也更高,但受到异常数据的影响更小。短时法采集时间短,数据处理也较为简单,但有时少量的异常数据就会对所得指标产生较大影响。因此,在进行心率采集时也应根据实际情况进行选择,如果需要对于机体某段较长时间的机能进行评定,使用长时法采集较好;如果仅需要对较短时间的数据进行分析(如某一运动过程中),使用短时法即可满足需要。另外,由于采集时诸多因素(如呼吸、体位等)都可能影响采集结果,因此在实验时要注意控制无关变量,以减少干扰。 此外,心率变异性的分析方法多样,指标也不尽相同,从时域、频域分析法到非线性分析法,均有其各自的优势与不足之处。其中时域分析法的计算方法最为简单,意义也较为明确,因此在临床上应用较多。频域分析法侧重对于能量的分析,相较时域分析法能更好地反应交感神经系统和副交感神经系统的活性和平衡关系。但时域分析法和频域分析法均属于线性分析方法,在反应心电信号的复杂性和无序性上有一定不足。非线性分析法则有效地弥补了这一缺点,但在运算上较为复杂。因此在使用心率变异性作为指标时,除了采集方法的选择外,分析方法的选择也尤为重要,应根据所希望获得的信息,选择最恰当的分析方法和指标。 ## 参考文献 > [1]: [Lown B, Verrier RL. Neural activity and ventricular fibrillation. N Engl J Med. 1976 May 20;294(21):1165-70. doi: 10.1056/NEJM197605202942107. PMID: 57572.](https://pubmed.ncbi.nlm.nih.gov/57572/) > [2]: [Corr PB, Yamada KA, Witkowski FX (1986) Mechanisms controlling cardiac autonomic function and their relation to arrhythmogenesis. In: The heart and cardiovascular system. Vol II (Fozzard HA, Haber E, Jennings RB, Katz AM, Morgan HE (Eds) Raven Press, New York, pp 1343–1403](#) > [3]: [Schwartz PJ, Priori SG (1990) Sympathetic nervous system and cardiac arrhythmias. In: Cardiac electrophysiology. From cell to bedside. ( Zipes DP, Jalife J, Eds.) WB Sanders Co., Philadelphia, PA, pp. 330–343](#) > [4]: [Levy MN Schwartz PJ eds. Vagal Control of the Heart: Experimental Basis and Clinical Implications . Armonk NY: Futura Publishing Co; 1994:613–636. ](#) > [5]: [Heart rate variability for risk stratification of life-threatening arrhythmias. American College of Cardiology Cardiovascular Technology Assessment Committee. J Am Coll Cardiol. 1993 Sep;22(3):948-50. doi: 10.1016/0735-1097(93)90217-o. PMID: 8354837.](https://pubmed.ncbi.nlm.nih.gov/8354837/) > [5]: [Heart rate variability: standards of measurement, physiological interpretation and clinical use. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Circulation. 1996 Mar 1;93(5):1043-65. PMID: 8598068.](https://pubmed.ncbi.nlm.nih.gov/8598068/) > [6]: [HRV Analysis under the usage of different electrocardiography systems(Methodical recommendations).Committee of Clinic Diagnostic Apparatus and the Committee of New Medical Techniques of Ministry of Health of Russia. 2002 April 11.](<https://www.drkucera.eu/upload_doc/hrv_analysis_(methodical_recommendations).pdf>) > [7]: [心率变异性(Heart Rate variability)检测标准与依据;中国病理生理学会心血管专业委员会,2014](#) > [8]: [Nunan D, Sandercock GR, Brodie DA. A quantitative systematic review of normal values for short-term heart rate variability in healthy adults. Pacing Clin Electrophysiol. 2010 Nov;33(11):1407-17. doi: 10.1111/j.1540-8159.2010.02841.x. PMID: 20663071.](https://pubmed.ncbi.nlm.nih.gov/20663071/) > [9]: [ANTELMI I, DE PAULA R S, SHINZATO A R, et al. Influence of age, gender, body mass index, and functional capacity on heart rate variability in a cohort of subjects without heart disease [J]. The American journal of cardiology, 2004, 93(3): 381-5.](#) > [10]: [王曙光, 张善同, 阮景纯, et al. 年龄因素对健康人心率变异性的影响 [J]. 泰山医学院学报, 1996, 04): 31-5.](#) > [11]: [李若汝, 郭小玉, 翟军鹏, et al. 心率变异性的影响因素 [J]. 临床心电学杂志, 2010, 19(04): 272-3.](#) > [12]: [沈艳芳, 蒋学俊, 雷玉华, et al. 冠心病患者心率变异性特点分析 [J]. 中国循证心血管医学杂志, 2014, 6(03): 302-5.](#) > [13]: [崔晓雪, 成忠, 顾晔. 高血压合并糖尿病患者血压变异性与心率变异性的相关性 [J]. 中国动脉硬化杂志, 2018, 26(06): 617-20.](#) > [^14]: [RANPURIA R, HALL M, CHAN C T, et al. Heart rate variability (HRV) in kidney failure: measurement and consequences of reduced HRV [J]. Nephrology Dialysis Transplantation, 2008, 23(2): 444-9.](#) > [15]: [黄心波, 张志雄. 健康大学生不同性别不同体位对心率变异性(HRV)的影响; proceedings of the 全国中医药科研与教学改革研讨会, 中国贵州贵阳, F, 2002 [C].](#) > [16]: [KUMAR P, DAS A K, PRACHITA, et al. Time-domain HRV Analysis of ECG Signal under Different Body Postures [M]. International Conference on Computational Intelligence and Data Science. 2020: 1705-10.](#) > [17]: [TAVARES B S, DE PAULA VIDIGAL G, GARNER D M, et al. Effects of guided breath exercise on complex behaviour of heart rate dynamics [J]. Clinical physiology and functional imaging, 2017, 37(6): 622-9.](#) > [18]: [VAISHALI B, AMALAN S, PREEJITH S P, et al. HRV based Stress Assessment of Individuals in a Work Environment [M]. 2020 Ieee International Symposium on Medical Measurements and Applications. 2020.](#) > [19]: [冯慧, 吴钟伟, 刘超权. 冠心病患者心率变异性指标与冠状动脉病变程度的关系 [J]. 中国医学物理学杂志, 2019, 36(12): 1472-5.](#) > [20]: [TAYLOR C B. Depression, heart rate related variables and cardiovascular disease [J]. International Journal of Psychophysiology, 2010, 78(1): 80-8.](#) > [21]: [GOLDENBERG I, GOLDKORN R, SHLOMO N, et al. Heart Rate Variability for Risk Assessment of Myocardial Ischemia in Patients Without Known Coronary Artery Disease: The HRV‐DETECT (Heart Rate Variability for the Detection of Myocardial Ischemia) Study [J]. Journal of the American Heart Association, 2019, 8(24): e014540.](#) > [22]: [丁晓云. 急性心肌梗死不同部位恶性室性心律失常与心率变异性等因素的相关性研究 [D]; 苏州大学, 2013.](#) > [23]: [白光辉, 张云强, 梁海青, et al. 急性心肌梗死患者的心率变异性特征分析 [J]. 天津医科大学学报, 2017, 23(01): 56-8.](#) > [24]: [KIM H G, CHEON E J, BAI D S, et al. Stress and Heart Rate Variability: A Meta-Analysis and Review of the Literature [J]. Psychiatry Investigation, 2018, 15(3): 235-45.](#) > [25]: [KAUR B, DUREK J J, O'KANE B L, et al. Heart rate variability (HRV): an indicator of stress; proceedings of the Independent Component Analyses, Compressive Sampling, Wavelets, Neural Net, Biosystems, and Nanoengineering XII, F, 2014 [C]. International Society for Optics and Photonics.](#) > [26]: [杨珊珊, 谭雅兮, 刘耀天. 心率变异性监控运动性疲劳的研究进展 [J]. 中国体育教练员, 2019, 27(01): 55-8.](#) > [27]: [苏丽明. 心率变异性分析在老年临床麻醉中的应用进展 [J]. 中国城乡企业卫生, 2021, 36(02): 68-71.](#) > [28]: [施翔匀. 基于心电信号的疲劳驾驶诊断 [D]; 北方工业大学, 2019.](#) > [29]: [G.G. Berntson, J.T. Bigger Jr., D.L. Eckberg, P. Grossman, P.G. Kaufmann, M. Malik, H.N. Nagaraja, S.W. Porges, J.P. Saul, P.H. Stone, and M.W. Van Der Molen. Heart rate variability: Origins, methods, and interpretive caveats. Psychophysiol, 34:623–648, 1997.](#) > [30]: [U.R. Acharya, K.P. Joseph, N. Kannathal, C.M. Lim, and J.S. Suri. Heart rate variability: a review. Med Biol Eng Comput, 44:1031–1051, 2006.](#) > [31]: [M. Brennan, M. Palaniswami, and P. Kamen. Do existing measures of Poincaré plot geometry reflect nonlinear features of heart rate variability. IEEE Trans Biomed Eng, 48(11):1342–1347, 2001.](#) > [32]: [D. Nunan, G.R.H. Sandercock, and D.A. Brodie. A quantitative systematic review of normal values for short-term heart rate variability in healthy adults. PACE, 33:1407–1417, November 2010.](#) > [33]: [R. M. Baevsky. Methodical recommendations use kardivar system for determination of the stress level and estimation of the body adaptability standards of measurements and physiological interpretation. 2009.](#) 时域分析法出现较早,主要是通过直接对 R-R 间期的原始数据进行分析,得到 R-R 间期随时间变化的情况,进而评价心率变异性。时域分析法所使用的指标均为在时间维度下计算所得,常用的包括总体标准差(SDNN)、相邻 R-R 间期的均方根(RMSSD)、相邻 R-R 间期差值大于 50ms 的个数(NN50)和百分比(pNN50)等。 #### 心跳间期标准偏差(Standard deviation of all normal to normal intervalss,SDNN) 所有正常心跳间期的标准偏差,即变异度(variance)开平方,其标准偏差越大,心率变异性越大,目前建议的是 5 分钟或 24 小时为基准,单位为毫秒(ms)。 $$SDNN=\sqrt{\frac{1}{N}\sum\_{n=1}^{N}(RR_n-\overline{RR})^2}$$ #### 短期时间心跳间期平均标准差(Standard deviation of average normal to normal intervals index, SDANN index) 先计算短时间的平均正常心跳间期(目前建议通常为 5 分钟)之标准差,并将全程的标准偏差值平均所得,单位为毫秒(ms)。 $$SDANN\ index = \frac{Mean\ RRs = \frac{1}{N}(\sum^NRRN)}{\sqrt{(\frac{\sum^N(Mean\ RR(N)\_{5min}-mean(Mean\ RR\_{5min})^2)}{N})}/Windows_{5min}}$$ $$N\ is\ number\ of\ Mean\ RR_{5min}$$ $$Windows\ is\ number\ of\ SDNN_{5min}$$ #### 相邻 R-R 间期的均方根(The square root of the mean squared different of successive NN intervals,RMSSD) 计算所有相邻正常心跳间期差值(后一个心跳间期和前一个心跳间期 RR 的差值)的平方和,在进行均方根,单位为毫秒(ms)。 $$RMSSD=\sqrt{\frac{1}{N-1}\sum\_{n=1}^{N-1} (RR_{N+1}-RR_n)^2}$$ RMSSD 描述 R-R 间期的短期变化,常用于评估副交感神经系统的活性。心脏有异常时,可见 RMSSD 数值的显著下降。 #### NN50 指标(NN50 count dicided by the total number of all NN intervals) 将计算出每相邻心跳之间差值超过 50 毫秒(ms)的个数,可以借此评估副交感神经的活性,单位为个数。 $$NN50 = |RR\_N-RR\_{n-1}|>50ms$$ #### 相邻 R-R 间期差值大于 50ms 的个数(NN50)和百分比(pNN50) 将计算出每相邻心跳之间差值超过 50 毫秒(ms)的个数,除上总心跳间期的个数,换算出百分比例,单位为百分比(%)。 $$pNN50=\frac{NN50}{N-1}\times100\%$$ pNN50 越大,说明迷走神经兴奋程度越大。 此外,还有总体平均值(MEAN)、标准差均值(SDNNI)等时域指标。 以上时域指标中,RMSSD、NN50、pNN50 均属于短期的变异度指标,用以估计心率变异性中,属于呼吸的变异度(已确认此指标代表副交感神经功能),此三者间呈高度的相关性。临床上,最常建议用来做时域分析时的心率变异性指标有整体心率变异性的指标(SDNN)、长期心率变异性的指标(SDANN)和短期心率变异性的指标(RMSSD)。与时域分析法不同,频域分析法需要先利用快速傅里叶变换等处理方式,将在时域中采集的心电信号转换到频域中,获得信号的功率谱。并且由于转换后所得到的信号是不同频带的复合信号,还需要按频带进行分解,才可进行分析。常用指标包括高频段功率(HF)、低频段功率(LF)、极低频功率(VLF)、低频段功率与高频段功率之比(LF/HF)和总功率(TP)。 #### 高频段功率(HF) HF 是高频段的功率,高频段的频率范围一般选取 0.15-0.4Hz。该参数主要反应副交感神经活动情况。 #### 低频段功率(LF) LF 是低频段的功率,低频段的频率范围一般选取 0.04-0.15Hz。通常认为 LF 与交感神经活动有关,但也有研究表明 LF 区同时与交感神经和副交感神经活动有关。 #### 极低频功率(VLF) VLF 是极低频段的功率,极低频段的频率范围一般选取 ≤0.04Hz。但其生理意义尚不十分明确。 #### 低频段功率与高频段功率之比(LF/HF) LF/HF 是低频段和高频段的功率之比,可以反应交感神经系统和副交感神经系统的相对活性,因而是相对较为常用的频域参数。若比值增大,则说明神经系统的平衡偏向于交感神经主导。 #### 总功率(TP) TP 是全部频段的功率之和,与 SDNN 相似,也可反应整体的心率变异性。非线性分析法认为,心率信号本质上是不平稳的非线性信号,具有复杂性和无序性。因此,基于混沌理论和非线性理论,提出了一系列指标,用以分析心率变异性。非线性分析法种类较多,常用的有洛伦兹散点图法,以及主要针对系统复杂性的熵分析方法。 #### 洛伦兹散点图 又称庞加莱散点图,绘制时以相邻 R-R 间期的值为纵横坐标,在二维直角坐标系中绘制出散点的分布图。洛伦兹散点图中包含了心率变异性的线性和非线性变化趋势,可用于进行直观的分析。 对于散点图的分析有定性和定量分析两种方式。定性分析主要是观察图形形态,通常认为“彗星形”为正常,“鱼雷形”、“扇形”、“圆形”等其他形状则代表不同的异常形式。例如心率失常患者的散点图多呈“扇形”、“格子形”、“多分布”等复杂形状。定量分析则主要是对图形参数的直接测量,常用指标包括长短轴参数、宽度、面积、矢量长度指数、矢量角度指数等。 #### 熵分析方法 主要用于量化心率变异性信号的复杂程度。熵分析方法种类也较多,常用的有基本尺度熵、近似熵、多尺度熵等。但无论使用何种方法计算熵值,都是较大的熵代表着较高的心率变异性。 **压力可以是积极的!** 压力被定义为身体对生活中真实或感知到的变化和挑战的身心反应和适应。虽然压力反应的产生可归因于各种常见的内部和外部因素,但个人对压力的感知可能会有很大差异。内部压力因素包括睡眠不足、饮酒和营养不良。外部压力因素包括例如与工作、财务问题和社会关系相关的工作压力。压力管理培训和学习应对压力相关的想法和感受可以对降低内部压力水平产生巨大的影响。 通过增加身体的激活水平,压力变得可见。激活水平由自主神经系统 (ANS) 控制,该系统调节胃肠、内分泌、心血管和肺系统,以促进日常生活的需求。 ANS的两个部分是交感神经和副交感神经 副交感神经活动:恢复和维持身体的休息状态 交感神经科活动:让身体做好迎接挑战的准备 交感神经活动加速身体机能(即生理应激反应)。应激反应导致应激激素分泌物(皮质醇、儿茶酚胺)的激活增加、血压和 HR 升高以及 HRV 降低。这对压力研究具有重要意义。可以使用 HR 和 HRV 无创评估 ANS 功能。 需要注意的是,压力并不总是有害的。压力可以是积极的,也可以是消极的。压力的存在可能表明该人正在经历令人兴奋或快乐的事情。然而,长时间的高压力指标会对个人福祉和健康产生负面影响。正常工作日的中等压力水平与工作效率高有关。 **恢复平衡日常压力** 生理系统需要定期恢复以克服压力的影响。恢复意味着在没有内部和外部压力因素的情况下降低体内的激活水平。在恢复期间,副交感神经(迷走神经)激活支配 ANS,心理生理资源得到恢复。 HRV 和压力恢复之间的联系是公认的。恢复的有力指标包括个别低 HR 和高 HRV。夜间恢复率是压力管理的关键因素。在生活要求高的时期,获得充足的睡眠和睡眠质量尤为重要。一般来说,成年人每晚需要大约 6-8 小时的高质量睡眠。充足的体育活动和适当的营养是健康生活方式的组成部分,可促进睡眠期间的良好恢复。忙碌了一天后可能难以入睡,或者过早醒来可能会影响睡眠。良好的时间管理可以让一个人更早地完成日常工作,允许在睡前活动和放松。### MAX 记录时间范围内RR间期的最大值### MIN 记录时间范围内RR间期的最小值### MEAN 记录时间范围内RR间期的平均值 $$\overline{RR}=\frac{1}{N}\sum_{n=1}^{N}RR_n$$<p style="line-height: 1.5em; text-align: left;"><span style="font-size: 16px;">智能可穿戴设备产品众多繁杂的私有数据协议,让应用系统开发者浪费了大量的重复性接口对接工作,导致行业不能形成完善的生态体系,影响行业可持续发展。经过与多个机构沟通协调,在国家科重点研发专项项目的支持下,借助主动健康创新联合体力量,借鉴IEEE 11073标准体系,制定了行业内的PHIC数据交换标准。FarBeat项目组遵照PHIC的标准,开发了FarBeat SDK便于各方开发使用,现已接入多家设备(接入清单),欢迎感兴趣的厂家<a href="http://47.93.251.238:9320/login.html" target="_self" style="font-size: 18px; text-decoration: underline; color: rgb(54, 96, 146);"><span style="font-size: 16px; color: rgb(54, 96, 146);"><strong>申请接入</strong></span></a>,加入PHIC大家庭,共同推动主动健康产业发展。</span></p><p style="line-height: 1.5em; text-align: left;">除了数据接口不统一外,更加让行业诟病的是数据质量参差不齐,质量鱼龙混杂,导致劣币驱逐良币的现象时有发生,久而久之,最终会影响行业健康发展。FarBeat SDK接受第三方检测组织的管理,未通过数据质量检测的设备,将不提供数据输出的结果。从而,从源头上避免了不合格产品的接入。</p><p style="line-height: 1.5em; text-align: left;">从某种意义上讲,FarBeat SDK也是产品质量的试金石,看门人。</p>### SDANN Standard deviation of average normal to normal intervals index,短期时间心跳间期平均标准差。是指短时间的平均正常心跳间期之标准差,并将全程的标准偏差值平均所得。主要意义是指在整个记录的所有5分钟片段中RR间期的平均标准差。一般采用每5分钟数据,单位为毫秒(ms)。 ##### 计算公式如下: $$SDANN\ index = \frac{Mean\ RRs = \frac{1}{N}(\sum^NRRN)}{\sqrt{(\frac{\sum^N(Mean\ RR(N)\_{5min}-mean(Mean\ RR\_{5min})^2)}{N})}/Windows_{5min}}$$ $$N\ is\ number\ of\ Mean\ RR_{5min}$$ $$Windows\ is\ number\ of\ SDNN_{5min}$$ <p class="md-end-block md-p" style="box-sizing: border-box; line-height: inherit; orphans: 4; margin-top: 0.8em; margin-bottom: 0.8em; white-space: pre-wrap; position: relative; caret-color: rgb(51, 51, 51); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; background-color: rgb(255, 255, 255);"><span class="md-plain md-expand" style="box-sizing: border-box;">当前,随着传感器和算力的提高,可穿戴设备功能越来越强大,可以采集的数据也越来越多,然而,可穿戴设备的强大功能体不仅仅是直接的测量,基于连续动态数据对人体系统的测度。所以,需要对直接采集的数据进行计算处理,这个测度操作尚缺乏标准,指标解释也千差万别,甚至南辕北辙,导致无法很好地地被利用。</span></p><p class="md-end-block md-p md-focus" style="box-sizing: border-box; line-height: inherit; orphans: 4; margin-top: 0.8em; margin-bottom: 0.8em; white-space: pre-wrap; position: relative; caret-color: rgb(51, 51, 51); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; background-color: rgb(255, 255, 255);"><span class="md-plain md-expand" style="box-sizing: border-box;">为了解决以上问题,需要统一的计算算法、统一的描述语义。统一性对于运动训练专家和医生而言至关重要。Farbeat SDK提供常用的统一计算算法库(见清单),以保证来之不同厂家的设备只要数据质量一致的数据集,就可以得到一致的测度结果。</span></p><p class="md-end-block md-p" style="box-sizing: border-box; line-height: inherit; orphans: 4; margin-top: 0.8em; margin-bottom: 0.8em; white-space: pre-wrap; position: relative; caret-color: rgb(51, 51, 51); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; background-color: rgb(255, 255, 255);"><br/></p>### SDSD NN50 count divided by the total number of all RR intervals,相邻RR间期差值的标准差。单位为毫秒(ms)。 具体计算公式如下: $$SDSD=\sqrt{\frac{\sum\_{n=1}^{N-1}((RRI\_{n+1}-RRI\_{n})-(\overline{RRI\_{n+1}-RRI\_{n}}))^2}{N-1}}$$<p style="line-height: 1.5em; text-indent: 0em;"><span style="background-color: rgb(255, 255, 255); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; orphans: 4; white-space: pre-wrap; caret-color: rgb(51, 51, 51); text-indent: 0em;">数据质量是可穿戴设备的核心关键问题。可穿戴设备是</span><span style="background-color: rgb(255, 255, 255); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; orphans: 4; white-space: pre-wrap; caret-color: rgb(51, 51, 51); text-indent: 32px;">工作在</span><span style="background-color: rgb(255, 255, 255); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; orphans: 4; white-space: pre-wrap; caret-color: rgb(51, 51, 51); text-indent: 0em;">开放环境的智能设备,数据质量控制相比医学设备难度更大,导致数据分析一致性差。</span><span style="background-color: rgb(255, 255, 255); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; orphans: 4; white-space: pre-wrap; caret-color: rgb(51, 51, 51); text-indent: 32px;">数据存在质量低,噪音大,类似石油原油如果不进行炼制除了燃烧以外,很难产生更多更大的价值,这一现状严重制约了可穿戴设备发展。如果要发挥石油价值需要对原油进行提纯、蒸馏、分解、催化合成等复杂处理。同样,针对可穿戴设备生产的数据而言,也需要进行复杂的数据处理。</span></p><p style="line-height: 1.5em; text-indent: 0em;"><span style="background-color: rgb(255, 255, 255); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; orphans: 4; white-space: pre-wrap; caret-color: rgb(51, 51, 51);">数据质量的控制,不仅仅需要从采集端进行源头优化,还需要基于对人体进行行为状态识别,进行数据分类、清洗、滤波等处理,增加数据可用性。</span></p><p style="line-height: 1.5em; text-indent: 0em;"><span style="caret-color: rgb(51, 51, 51); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; orphans: 4; white-space: pre-wrap; text-size-adjust: auto; background-color: rgb(255, 255, 255);">Farbeat® SDK在对智能设备检测分析工作的基础上,利用机器学习技术,利用各种滤波、信号增强等算法实现了原始数据质量增强功能。</span></p>### RMSSD **The square root of the mean squared different of successive NN intervals,**相邻 R-R 间期的均方根。是指所有相邻正常心跳间期差值(后一个心跳间期和前一个心跳间期 RR 的差值)的平方和,在进行均方根。主要意义是描述 R-R 间期的短期变化,常用于评估副交感神经系统的活性。如心脏有异常时,可见 RMSSD 数值的显著下降。一般采用每 5 分钟或 24 小时为基准,单位为毫秒(ms)。 ##### 计算公式如下: $$RMSSD=\sqrt{\frac{1}{N-1}\sum\_{n=1}^{N-1} (RR_{N+1}-RR_n)^2}$$ <p style="white-space: normal; line-height: 1.5em; text-indent: 0em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">可穿戴计算最大的特点是基于大量复杂的原始数据“石油”进行复杂的分解、聚合,转换等操作提炼高价值的信息,类似沙中淘金的过程。Farbeat® 利用数字信号处理、机器学习等技术,结合人体运动行为学、运动生理学、心理学和社会学,对可穿戴设备产生大数据进行深度挖掘,提取高价值信息。实现对人体健康行为的精准的实时预测、判断和干预。</span></p><p style="white-space: normal; line-height: 1.5em; text-indent: 0em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">当前,FarBeat<span style="font-family: 微软雅黑, "Microsoft YaHei"; text-indent: 32px;">® </span>已经提供了超过40+种标准化高敏指标,实现进100+种人体行为进行AI识别和分析,覆盖了健康实时检测、评估和预测。可以为专业运动员训练、运动康复、疾病管理,以及军人等特殊人群的训练、健康检测。</span></p>### NN50 **NN50 count dicided by the total number of all NN intervals。**指标是指每相邻心跳之间差值超过 50 毫秒(ms)的个数。主要意义是可以借此评估副交感神经的活性。一般采用每 5 分钟或 24 小时为基准,单位为个数。 ##### 计算公式如下: $$NN50 = |RR\_N-RR\_{n-1}|>50ms$$<p class="md-end-block md-p" style="box-sizing: border-box; line-height: inherit; orphans: 4; margin-bottom: 0.8em; white-space: pre-wrap; position: relative; caret-color: rgb(51, 51, 51); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; background-color: rgb(255, 255, 255); margin-top: 0px !important;"><span class="md-plain md-expand" style="box-sizing: border-box;">Farbeat® 计算引擎只关注数据计算本身,做到“上不碰客户”“下不碰数据”。与客户信息管理系统实现系统隔离,尊重合作方的客户信息和核心资产,寻求与合作方的长期合作,共同发展,携手前行。</span></p><p class="md-end-block md-p md-focus" style="box-sizing: border-box; line-height: inherit; orphans: 4; margin-top: 0.8em; white-space: pre-wrap; position: relative; caret-color: rgb(51, 51, 51); color: rgb(51, 51, 51); font-family: "Open Sans", "Clear Sans", "Helvetica Neue", Helvetica, Arial, "Segoe UI Emoji", sans-serif; background-color: rgb(255, 255, 255); margin-bottom: 0px !important;"><span class="md-plain md-expand" style="box-sizing: border-box;">基于信创标准,自主安全可靠的系统平台,可满足优秀运动员、军警等对数据隐私保护高敏感人群的计算分析服务。</span></p><p><strong>学术与社会兼职</strong></p><p>1) 期刊论文评审<br/>“Journal of Biomedical and Health Informatics” 期刊审稿人;<br/>“BMC Musculoskeletal Disorders”期刊审稿人;<br/>“Sensors”期刊审稿人;<br/>“Behaviour and Information Technology”期刊审稿人;<br/><br/>2)会议论文评审<br/>“The ACM International Conference on Tangible, Embedded and Embodied Interaction (TEI) 2020”会议论文审稿人;<br/>“The ACM CHI Conference on Human Factors in Computing Systems(CHI) 2019” 会议论文审稿人;</p><p> <br/></p><p><strong>代表研究成果和作品</strong></p><p>1. 上海市科委,扬帆计划,基于织物运动捕捉的康复智慧衣设计关键 技术研究,2020-07至2023-06,在研,主持;</p><p>2. 上海市文旅局,艺术科学规划项目,基于可穿戴织物变色技术的传统 文化创新性发展研究—以上海非遗纺织品为例, 2021-01至2021-12,在研,主持;</p><p>3. 同济大学,青优项目,基于多模态柔性感知和互动反馈的上肢康复 服装技术研究, 2019-01至2020-12,已结题,主持;</p><p>4. 欧盟,地平线2020WearSustain项目,Smart garment for shoulder pain prevent ion and rehabilitation(智能肩痛康复预防服装), 2017-08至2018-03,已结题 ,主持;</p><p>5. 荷兰,Design United项目,Smart rehabilitation garment for posture monito ring(智能姿态监测服装), 2015-06至2015-12,已结题,主持;</p><p>6. 上海,老字号迎进博虹桥机场艺术长廊展艺术装置设计项目,2019.9-2019.11,已结题,主持; </p><p>7. 上海,进博会上海综合形象展区设计项目,2020.9-2020.11,已结题,主持。</p><p> </p><p><strong>近五年代表性论著、教材、论文、专利与展览</strong></p><p><strong>期刊论文</strong></p><p>1) Panos Markopoulos; Qi Wang; Oscar Tomico; Bruna Goveia da Rocha; Martijn ten Bhomer; Luca Giacolini; Mantas Palaima; Nita Virtala; Actuating wearables for motor skill learning: a constructive design research perspective, Design for Health, 2020, 4(2): 231-251.</p><p>2) Panos Markopoulos, Xiaoyu Shen, Qi Wang, Annick Timmermans. Neckio: Motivating Neck Exercises in Computer Workers. Sensors, 20(17), 4928; https://doi.org/10.3390/s20174928(SCI)</p><p>3) Qi Wang*; Annick Timmermans; Wei Chen; Jie Jia; Li Ding; Li Xiong; Jifeng Rong; Panos Markopoulos; Stroke Patients’ Acceptance of a Smart Garment for Supporting Upper Extremity Rehabilitation, IEEE Journal of Translational Engineering in Health and Medicine, 2018, 6: 2168-2372. (SCI)</p><p>4) Rik Bootsman, Panos Markopoulos, Qi Qi, Qi Wang, Annick Timmermans, Wearable technology for posture monitoring at the workplace, International Journal of Human-Computer Studies,2019 132, 99-111.(SCI)</p><p>5) Qi Wang; Panos Markopoulos; Bin Yu; Wei Chen*; Annick Timmermans; Inter active wearable systems for upper body rehabilitation: a systematic review, Journal of NeuroEngineering and Rehabilitation, 2017, 14(20).(SCI)</p><p>6) Qi Wang*; Liesbet De Baets; Annick Timmermans; Wei Chen*; Luca Giacolini; Thomas Matheve; Panos Markopoulos; Motor Control Training for the Shoulder with Smart Garments, Sensors, 2017, 17: 1687-1707. (SCI)</p><p>7) Bin Yu, Mathias Funk, Jun Hu, Qi Wang, Loe Feijs.Biofeedback for everyday stress management: A systematic review. Frontiers in ICT,2018,5:13.</p><p><br/></p><p><strong>会议论文</strong></p><p>1)“Zishi: A Smart Garment for Posture Monitoring”, In Proc. Of the 34th Annual ACM Conference on Human Factors in Computing Systems (CHI’16),ACM, 2016.5,San Jose, USA;</p><p>2) Designing Posture Monitoring Garments to Support Rehabilitation The ACM International Conference on Tangible, Embedded and Embodied Interaction (TEI‘16) ACM SIGCHI, 2016.2, Eindhoven, the Netherlands;</p><p>3) Smart Rehabilitation Garment for Posture Monitoring In 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, IEEE,2015.8, Milan, Italy;</p><p><br/></p><p><strong>受邀报告</strong></p><p>1) 王琦; 面向主动健康的2.0可穿戴设计, “新工科,新设计”系列主题论坛第六期 , 在线直播, 2021-1-16至2021-1-16. (会议报告)</p><p>2) 王琦; 多学科融合的交互设计教育实践, 第九届“新兴实践”设计研究与教育会 议(EPC), 上海展览中心, 2020-11-21至2020-11-21. (会议报告)</p><p>3)Qi Wang; Development of interactive rehabilitation textile platform for compensatory movement monitoring, ArcInTex International Network Meeting Symposium., 西交利物浦大学, 2019-4-12至2019-4-18. (会议报告)</p><p><br/></p><p><strong>展览</strong></p><p>1) Manifestations, Dutch Design Week 17’,荷兰</p><p>2) Do (not) feed the makers, Dutch Design Week 17’,荷兰 </p><p>3) China Design Award 16’,</p><p> </p><p><strong>荣誉与获奖</strong></p><p>1. DIA中国设计智造大奖 Top 100, 2018</p><p>2. 红点设计奖 2011,2012;</p><p>3. 浙江省优秀毕业生(2010)</p><p><br/></p><p style="text-indent: 32px; line-height: 1.5em;"><span style="font-size: 16px; font-family: 微软雅黑, "Microsoft YaHei";"><span style="font-size: 16px;"></span></span></p><p style="white-space: normal; line-height: 1.5em; text-indent: 0em;"><span style="font-family: 微软雅黑, "Microsoft YaHei";">Farbeat®</span><span style="text-indent: 0em; font-family: 微软雅黑, "Microsoft YaHei";">计算引擎是</span><span style="text-indent: 0em; font-family: 微软雅黑, "Microsoft YaHei";">基于C语言从底层重构了算法,</span><span style="text-indent: 0em; font-family: 微软雅黑, "Microsoft YaHei";">在良好的网络环境下实现了单笔计算毫秒级出结果效率。同时,采用微服务技术,通过分布式计算和弹性调度算法,可满足大规模高并发应用。</span></p><p style="white-space: normal; line-height: 1.5em; text-indent: 0em;"><span style="text-indent: 0em; font-family: 微软雅黑, "Microsoft YaHei";">Farbeat® 计算引擎采用全球异地多点分布式计算,实现自动调整计算节点,实现高可靠计算,可满足多种应用场景。</span></p><p style="text-indent: 0em;"> <span style="text-indent: 0em;"></span> </p> <p> 宜准C009单道心电记录仪是一款便于佩戴的心率带。此款心率带目标定位于健身、骑行、跑步等运动人群。能提供较为准确的ECG心率监测,通过手机APP接入Farbeat SDK实现多场景高精度心率。 </p> <p> <span style="text-indent: 0em;">通过与国体智慧合作,此款心率带接入Farbeat SDK完成统一数据接口、统一数据标准,实现了数据增强和主动健康所需数值的算法服务。通过farbeat专业级算法实现了此款心率带在多场景模式下达到高精度、高稳定性的心率检测。</span><br/> </p> <p style="text-indent: 2em; text-align: center;"> <img src="//www.farbeat.org.cn/webfile/upload/2022/12-05/14-23-240471-1209752607.jpg" title="宜准应用farbeat.jpg" alt="宜准应用farbeat.jpg"/> </p> <p style="text-indent: 0em;"> 目前,宜准在其所使用的APP中嵌入了Farbeat SDK后,通过Farbeat算法实现了更高精度的心率识别。在提供高心率识别精度的技术上Farbeat SDK中的算法还可以通过宜准APP为用户提供: </p> <p style="text-indent: 0em;"> <strong>一、输出基于用户生理数据的身体机能状态数据报告</strong> </p> <p style="text-indent: 0em;"> 报告的内容包括:(1)活力值(表示人体的自我修复能力或者说是免疫能力);(2)活力度;(3)心率:最高心率,最低心率,平均心率(可以为用户运动过程中提供风险提醒);(4)HRV分析(可以反应用户每次心跳周期变化的差异性,评估用户的心血管疾病的状态和风险,尤其对心律失常甚至恶性心律失常时间提供重要预测价值;(5)五分钟晨测;(6)房颤预警;(7)<span style="text-indent: 32px;">训练监控;(8)睡眠评估</span>等; </p> <p style="text-indent: 0em;"> <strong>二、为用户提供基于国体智慧专业团队的训练指导方案;</strong><br/> </p> <p style="text-indent: 0em;"> 国体智慧依托于大量为专业队提供服务的自身能力和相关资源赋能宜准服务,为用户可以提供针对用户自身个性化的运动方案,为不同用户需求提供更精准的运动指导。 </p> <p style="text-indent: 0em;"> <span style="text-indent: 32px;">未来,在双方合作的基础上,集合双方的优势资源能力,可以共同为国家队专业训练、主动健康慢病管理、青少年体制提升、企事业单位安全生产等提供综合的输出能力。</span> </p> <p style="text-align: center;margin:0"> <img src="//www.farbeat.org.cn/webfile/upload/2022/12-02/14-28-210804343704957.jpg" style="margin: 0px;"/> </p> <p style="text-align: center; margin: 0px;"> <img src="//www.farbeat.org.cn/webfile/upload/2022/12-02/14-28-360061-1895831528.jpg" style="margin:0"/> </p> <p><strong>期刊论文</strong></p><p>王茜璇. 台湾人造纤维产业现况及发展趋势.纺织科学研究2017/8</p><p>王茜璇. 蕾丝- 永不过时的潮流. 中国纤维流行趋势报告 2017/2018</p><p>王茜璇. 丹宁趋势. 中国纤维流行趋势报告 2016/2017</p><p><strong><br/></strong></p><p><strong>语言及电脑技能</strong></p><p>语言: 普通话(母语), 英文 (流利), 法语 (中等), 广东话(日常交流)</p><p>电脑技能: 熟练应用Microsoft Word, Excel and PowerPoint, Adobe Illustrator, Photoshop 和 InDesign. </p><p><br/></p><p>俞梦孙(1936.03.09- )航空医学和生物医学工程专家。现任空军航空医学研究所航空医学工程研究中心主任,兼任第四军医大学、北京航空航天大学、山东大学教授、博士生导师,北京大学双聘院士,中国生物医学工程学会名誉理事长。</p><p>1953年毕业于空军军医学校。1958年,他成功地把我国第一台航空医学遥测装置送上蓝天,开创了我国航空生物医学工程研究事业。20世纪70年代,在国际上首创冲击载荷下人体脊柱动态响应模型,解决了零高度弹射救生医学难题;80年代,在国际上率先提出群浮地生物电测量技术概念,研发多种高抗干扰电生理仪器;90年代,他提出“低负荷测量”理念,倡导准自然状态下的生理测量技术,研制出国际领先的自然睡眠检测技术;本世纪初发现“柯氏音延迟现象”,在世界上首创符合柯氏音原理的全信息血压测量技术。</p><p>曾获国家科技进步一、二等奖各1项,获国家发明三、四等奖各1项,省部级一、二等奖10余项。发明专利30余项。1991年享受政府特殊津贴;1996年获中国人民解放军首届专业技术重大贡献奖;1999年当选中国工程院院士;2002年获何梁何利奖;2004年获香港理工大学杰出学人成就奖。</p><p>2009年,俞院士提出“传承中华文化,融合现代科技,量化身心状态,调理整体健康”的新时期科研方向。2011年应用钱学森的系统论提出 “人类健康工程”,矢志实践探索健康工程的技术路线,并提出以健康为中心的“健康物联网”。</p><p>2011年率领科研团队攻关高原航卫保障难题,作为其“人类健康工程”的应用实例,提出“人体自组织系统环境适应理论”,并建立训练方法,取得重大突破,被中组部树为“时代先锋”典型。2012年被评为全军“践行当代革命军人核心价值观新闻人物”奖。<br/></p><p>1999年当选为中国工程院院士。<br/></p><p><br/></p><p><strong>学术研究:</strong><br/></p><p>发表SCI检索论文:120多篇</p><p>10篇代表性论文:</p><p>[1] Lirong Cui, Alan G. Hawkes, He Yi, An elementary derivation of moments of</p><p>Hawkes processes, Advances in Applied Probability, 2020, 52(1), 102-137.</p><p>[2] Lirong Cui, Jianhui Chen, Xiangchen Li, Balanced reliability systems under Markov processes, IISE Transactions, 2019, 51(9), 1025-1035.</p><p>[3] He Yi, Lirong Cui, A new computation method for signature: Markov process method, Naval Research Logistics, 2018, 65(5): 410-426.</p><p>[4] Lirong Cui, JH Chen, B Wu, New interval availability indexes for Markov repairable systems, Reliability Engineering & System Safety, 2017, 168:12-17.</p><p>[5] Lirong Cui, Quan Zhang, Dejing Kong, Some new concepts and their computational formulae in aggregated stochastic processes with classifications based on sojourn times, Methodology and Computing in Applied Probability, 2016, 18(4): 999-1019.</p><p>[6] Lirong Cui, Jinbo Huang, Yan Li, Degradation models with wiener diffusion processes under calibrations, IEEE Transactions on Reliability, 2016, 65(2):613-623.</p><p>[7] Lirong Cui, Dejing Kong, Haijun Li, Matching via majorization for consistency of product quality, Quality Technology and Quantitative Management, 2016, 13(4):439-452.</p><p>[8] Cui Lirong. Du Shijia, Zhang Aofu, Reliability measures for two-part partition of states for aggregated Markov repairable systems, Annals of Operations Research, 2014, 212(1): 93-114.</p><p>[9] Lirong Cui & Alan G. Hawkes, A note on the Proof for the Optimal Consecutive-k-out-of-n:G Line for n<=2k, Journal of Statistical Planning and Inference, 2008, 138(11): 1516-1520.</p><p>[10] Lirong Cui, Alan G. Hawkes & Assad Jalali, The increasing failure rate property of consecutive k-out-of-n, Probability in the Engineering & Informational Sciences, 1995, 9: 217-225.</p><p><br/></p><p><strong>主要在下列期刊上发表:</strong></p><p>Applied Mathematical Modelling,</p><p>Computers & Industrial Engineering,</p><p>Naval Research Logistics</p><p>Advances in Applied Probability</p><p>Journal of Applied Probability</p><p>Methodology and Computing in Applied Probability</p><p>Reliability Engineering & System Safety</p><p>Applied Stochastic Models in Business and Industry</p><p>IEEE Transactions on Reliability</p><p>Quality Technology and Quantitative Management</p><p>IISE Transactions (IIETransactions)</p><p>Quality Engineering</p><p>Journal of Risk and Reliability</p><p>Communications in Statistics-Simulation and Computation</p><p>Communications in Statistics - Theory and Methods</p><p>Journal of Computational Science</p><p>European Journal of Operational Research</p><p>Annals of Operations Research</p><p>Mathematical Method of Operations Research</p><p>Asia-Pacific Journal of Operational Research</p><p>Journal of Statistical Planning and Inference</p><p>Stochastic Models</p><p>Statistics and Probability Letters</p><p>Probability in the Engineering & Informational Sciences</p><p><br/></p><p><strong>书籍章节</strong></p><p>[1].Gerard J. Chang, Lirong Cui & Frank K.Hwang, Reliabilities of Consecutive-k Systems, 2000, Kluwer Academic Publishers.</p><p>[2] Lirong Cui, Handbook Performability Engineering (Chapter 48), 2000, Springer.</p><p>[3] Alan. G. Hawkes, Lirong Cui & Shijia Du, Chapter16. Occupancy Times for Markov and Semi-Markov Models in Systems, Reliability Applied Reliability Engineering and Risk Analysis: Probabilistic Models and Statistical Inference, John Wiley & Sons, 2014, pp.218-230.</p><p>[4] Lirong Cui, Cong Lin & Haisheng Yang, Analysis for a Qualification Test Procedure with FMCIA (Finite Markov Chain Imbedding Approach), Chapter 1, Mathematics Applied to Engineering, 2017.</p><p>[5] H. Yi, Lirong Cui, A study on repairable series systems with Markov repairable units, Recent Advances in Multi-state Systems Reliability---Theory and Applications, Springer, 2018, p121-157.</p><p>[6] Lirong Cui, Chen Fang, Reliability-Game Theory, Advances in System Reliability Engineering, Elsevier, Chapter 3, P1-38, 2018.</p><p>[7] Lirong Cui, Qinglai Dong, Consecutive k and related models---A survey, Stochastic Models in Reliability, Network Security and System Safety, Springer, 2019, p3-18.</p><p>【8】Bei Wu & Lirong Cui, Reliability analysis of a Pseudo working Markov repairable system, Stochastic Models in Reliability Engineering, (Chapter 1), 1-18. CRC Press, Taylor& Francis Group, 2020.</p><p>[8] 崔利荣,赵先、刘芳宇,质量管理学,人民大学出版社,2012.</p><p>[9] 苗瑞、蒋祖华、崔利荣, 工程统计学,机械工业出版社,2009.</p><p>[10] 王丽英、崔利荣, 基于随机过程理论的多状态系统建模与可靠性评估, 科学出版社,2017.</p><p><br/></p><p><strong>近年来所获奖励</strong></p><p>[1] 2005年获得教育部新世纪优秀人才支持计划。</p><p>[2] 2006年荣获北京理工大学优秀硕士学位论文指导教师证书(郑治华)。</p><p>[3] 2009年荣获北京理工大学优秀博士学位论文指导教师证书(赵先)。</p><p>[4] 2009年荣获(香港)IEEM2009国际会议优秀论文奖(孙青)。</p><p>[5] 2009年荣获北京市优秀博士学位论文指导教师证书(赵先)。</p><p>[6] 2011年荣获北京理工大学优秀硕士学位论文指导教师证书(解伟娟)。</p><p>[7] 2013年荣获北京理工大学优秀博士学位论文指导教师证书(董晓芳)。</p><p>[8] 2015年荣获北京理工大学优秀博士学位论文指导教师证书(刘宝亮)。</p><p>[9] 2017年荣获北京理工大学优秀博士学位论文指导教师证书(孔德景)。</p><p>[10] 2018年荣获北京理工大学优秀博士学位论文指导教师证书(沈静远)</p><p><br/></p><p><strong>近五年来主持的科研和咨询项目</strong></p><p>主持完成了4项国家自然基金,正在主持2项国家自然基金(1项重点):</p><p>[1]. 2004.1-2006.12. 系统可靠性的一些问题探讨 (70371048)</p><p>[2]. 2007.1-2009.12. 聚合随机过程维修性模型与分析(70671009)</p><p>[3]. 2011.1-2013.12. 状态聚合模式的衍生维修性建模及相关问题研究,(71071020)</p><p>[4]. 2014.1-2017.12. 复杂随机动态系统可靠性建模与分析</p><p>[5]. 2017.1-2021.12. 系统可靠性建模与分析的理论与方法研究 (71631001) (重点项目)</p><p>[6]. 2019.1-2022.12. 系统故障自愈与部件故障相互影响的随机过程建模与分析(71871021)</p><p>[7]. 主持完成或正在进行的多项横向课题。</p><p><br/></p><p><strong>近年参加的国内外学术会议及其他专业相关会议</strong></p><p>[1] International Conference on Risk and Reliability Management, Beijing, Oct. 23-24, 2010, (大会发言) Technical Program Committee member.</p><p>[2] The 4th Asian-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM2010), Wellingtong, New Zealand, Dec. 2-4,2010. Technical Program Committee Co-Chair.</p><p>[3] 2010 International Conference on Risk and Reliability Management, 2010, October 23-25, Beijing, (大会发言).</p><p>[4] The 7th International Conference on“Methematical Methods in Reliability”: Theory. Methods. Applications. (MMR2011), Beijing, June 20-24, 2011. Technical Program Committee Co-Chair.</p><p>[5] The 9th International Conference on Reliability, Maintainability and Safety(ICRMS'2011) June 12-15, 2011,GUIYANG·CHINA, Program Committee Co-Chair.</p><p>[6] 2012 Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2012), Nanjing, China, November 1-3, 2012, Conference General Co-Chairs.</p><p>[7] 2013 The Seventh International Conference on Mathematical Methods in Reliability, Theory. Methods., Applications (Technical Program Committee member, Session-Chairs) (Cape Town).</p><p>[8] International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2014), July, 22-25, Dalian, China, Keynote speaker (大会发言).</p><p>[9] International Workshop on Applied Probability, June 16-19, 2014, Antalya, Turkey, Invited speaker,</p><p>[10] 2014 Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2014), Sapporo, Japan, August 20-23, 2014, Program Co-Chair.</p><p>[11] The 8th International Conference on Modelling in Industrial Maintenance and Reliability (MIMAR 2014), Oxford, UK., Technical Program Committee member.</p><p>[12] International Applied reliability Symposium, Shanghai, China, November, 5-6, 2014, Plenary speaker.</p><p>[13] The workshop on reliability, 2015, April 7, Plenary talk, Beijing university of Science and Technology.</p><p>[14] International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2015), July, Beijing, China, Program Co-Chair.</p><p>[15] 国家自然基金委双清论坛第123期,合肥,10月22-24,2014,小组发言。</p><p>[16] The 9th International Conference on “Methematical Methods in Reliability”: Theory. Methods. Applications. (MMR2015), Tokyo, June 1-4, 2015. Invited speaker.</p><p>[17] Second International Symposium on Stochastic Models in Reliability Engineering, Life Science and Operations Management (SMRLO’16), February 15-18, 2016, Beer Sheva, Israel, PC member.</p><p>[18] 2nd International Conference on Mathematical Techniques in Engineering Applications (ICMTEA2016), April, 29-30, 2016. India, Session/Keynote Speaker.</p><p>[19] 第五届全国可信计算学术会议(CDC2015),大会发言,2015年10月9-10日,浙江省金华市(浙江师范大学)。</p><p>[20] International Workshop on Mathematical Reliability and Safety, 2016.6.23-2016.6.25, 中国徐州,大会发言。</p><p>[21] The 1st Sino-US Research Conference on Quality, Analytics and Innovation</p><p>July 1-2, Shanghai, China, (Plenary talk)</p><p>[22] The 7th Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling, 2016.8.23-2016.8.27, Soule, Korea, Program Member,</p><p>[23] International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering, 2016.7.25-2016.7.28, Jiuzhaigou, Sichuan, China, Gou Si Chuan, Program Co-Chair.</p><p>[24] 中国运筹学会第十次全国代表大会暨2016年学术交流年会2016.10.14-2016.10.16, 云南昆明,分会场发言.</p><p>[25] The International Applied Reliability Symposium (ARS) --- 2016.11.16 -- 2016.11.18, Shenzhen, Guangdong, China, Plenary talk.</p><p>[26] 中国第一届质量可靠性青年学术论坛, 2016.12.14-2016.12.15, 湖南长沙,会议主席.</p><p>[27] 中国运筹学会可靠性分会青年学术会议, 2016.12.16-2016.12.18, 湖南长沙,会议主席。</p><p>[28] 中国运筹学会可靠性分会年会, 2017.4.23-24,北京交通大学, 大会发言,</p><p>[29] 系统可靠性及维修性学术研讨会(西北工业大学),2017,6.12-14. 大会发言。</p><p>[30] The 10th International Conference on Mathematical Methods in Reliability (MMR 2017), Grenoble, France, 2017, July3-6, PC member, Invited talk.<br/></p><p>[31] The 2017 IEEE International Conference on Software Quality, Reliability & Security (QRS2017), 2017, July 26-28, Prague, Czech, (Workshop on Reliability Modeling and Optimization, Chair, Session Chair).<br/></p><p>[32] “新兴信息技术环境下重大装备制造全生命周期管理理论、方法与应用研究”研讨会, 大会发言, 2017年8月31日。合肥(合肥工业大学)</p><p>[33] 第二届(2017年)中国质量与可靠性管理青年学者论坛,西安2017年11月24-26日。(主持2个大会报告)</p><p>[34] 中国优选法统筹法与经济数学研究会工业工程分会年会, 2017年12月1-2日, 北京。(主持会议)</p><p>[35] 8th Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2018) & 8th International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2018), Program Co-Chair. Qingdao, Shandong, China, August 21-24, 2018.</p><p>[36] 2018 International Conference on Management and Operations research, July 7-9, 2018, Beijing, China. PC member.</p><p>[37] Applied Reliability and Durability conference, 2018年8月15-17日,上海, 大会报告。</p><p>[38] 2018年可靠性青年学者学术研讨会, 2018年8月24日,青岛,大会特邀报告。</p><p>[39] Plenary talk, The symposium on Hawkes Processes, Sep. 20-24, 2018, Swansea, UK.</p><p>[40] 分会报告,中国管理科学与工程大会, 质量与可靠性论坛,昆明,10月19-21, 2018年。</p><p>[41] Conference Co-Chairs, The 3rd International Symposium on Stochastic Models in Reliability Engineering, Life Science and Operations Management (SMRLO-2019), May 28-31, 2019. Beijing.</p><p>[42] 9th International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2018), International Advisor Committee Member. Zhangjiajie, Hunan, China, August 6-9, 2019.</p><p>[43] 机械工程学会可靠性分会大会报告, 广州, 2019年8月19-21.</p><p>[44] 全国质量与可靠性高层论坛大会报告, 温州大学, 2019年11月22-24</p><p>[45] 2019年中国运筹学会可靠性分会年会大会报告, 中央财金大学, 2019年12月14-15日</p><p>[46] 第六届欧洲随机建模国际会议(SMTDA2020)大会报告, 2020年6月2-5日(Virtual/online conference, First time).</p><p><br/></p><p><strong>近年参加的国内外学术期刊活动</strong></p><p>Guest editors:</p><p>[1] 2011, IEEE Transactions on Reliability, Special Section on MMR2011.</p><p>[2] 2011, Communications in Statistics---Theory and Methods, Special Issue on MMR2011.</p><p>[3] 2011, Annals of Operations Research, Special Volume: Stochastic Methods in Reliability and Risk Management.</p><p>[4] 2012, An International Journal Quality Technology & Quantitative Management, Special issue on Reliability Modeling, Inference and Analysis.</p><p>[5] 2012,Communications In Statistics-Theory And Methods, for Special Issue on APARM 2012.</p><p>[6] 2019, IMA Journal of Management Mathematics</p><p>[7] 2019, Journal of Risk and Reliability</p><p><br/></p><p><strong>学术家谱</strong></p><p>(1) Professor M.S. Bartlett (University of Oxford , UK, Elected to NAS: 1993), he was Alan G Hawkes’ PhD supervisor;</p><p>(2) PROFESSOR ALAN G. HAWKES, HE WAS LIRONG CUI’S PHD SUPERVISOR. (SCHOOL OF BUSINESS AND ECONOMICS, UNIVERSITY OF WALES, SWANSEA, UK. EMERITUS PROFESSOR OF STATISTICS. STOCHASTIC MODELLING, HAWKES PROCESS, ION-CHANNEL, A</p><p><br/></p><p>国家支撑计划“主动健康和老龄化科技应对”方向课题负责人,美国纽约大学访问学者,国家科技专家库评审专家,中国电子学会竞赛专家组成员,重庆医学会消化病学专委会胃肠动力与消化心身疾病学组副组长,重庆市中小企业专家委员会成员;主持/参与了国家重点研发计划、国家自然科学基金、重庆市重大主题专项、重庆市自然科学基金、重庆市体育科研重点合作项目等20余项;以第一作者或通讯作者发表 SCI/EI 收录期刊论文 20 余篇,多个国际期刊评审人,授权发明专利 20 余项,其中6项实现成果转换,实现产值超过千万元;参与了多项个人健康国际标准编制,参与了《运动健康器材装备应用互操作规范》系列国家行业标准编制;获得军队科技进步三等奖 1 项,重庆大学科技进步一等奖 1 项,重庆市产学研创新成果一等奖1项。</p><p><strong><br/></strong></p><p><strong>近年主持项目</strong><br/></p><p>1. 国家重点研发计划:运动行为监测与干预关键技术研究,2020YFC2007200,2020年,课题负责人,236万;</p><p>2. 重庆市自然科学基金面上项目:基于多模态信息融合排便障碍综合征诊断模型及关键技术研究:cstc2020jcyj-msxmX0641,2020年,课题负责人,10万;</p><p>3. XXXX预研:柔性可穿戴人体应激反应装置, 2021年,课题负责人;</p><p>4. 重庆市体育重点科研计划项目:基于多传感器融合运动姿态检测系统研究,A2019021,2019年,课题负责人;</p><p>5. 重庆市技术创新与应用发展专项重点项目:车载智能语音交互系统研发及应用,cstc2019jscx-zdztzxX0051,2019年,课题负责人(企业联合),80万;</p><p>6. 重庆市技术创新与应用发展专项重点项目:轻型飞机航电系统智能检测综合平台开发及应用,cstc2019jscx-zdztzxX0029, 2019年,课题负责人(企业联合),48万;</p><p>7. 国家重点研发计划:主动健康数据采集通用技术和标准研究及示范应用:2018YFC2000804,2018年,任务负责人,30万。</p><p><strong><br/></strong></p><p><strong>近年发表论文</strong></p><p>1. DAMING SUN, ZHIYONG HUANG*, ZHUOLI ZHUANG, ZHIYAO MA, LO KAR MAN, DONGHUA LIAO, and HANS GREGERSEN; Fecobionics: A Novel Bionics Device for Studying Defecation; Annals of Biomedical Engineering, Vol. 47, No. 2, February 2019 pp. 576–589; (JCR1)</p><p>2. Huang, Zy.*, Qin, Wc., Luo, F. et al. Combination of validity aggregation and multi-scale feature for person re-identification. J Ambient Intell Human Comput (2021). https://doi.org/10.1007/s12652-021-03473-6 (JCR1)</p><p>3. Huang Z Y*, Lin S, Long L L, et al. Predicting the Morbidity of Chronic Obstructive Pulmonary Disease Based on Multiple Locally Weighted Linear Regression Model with K-means Clustering[J]. International Journal of Medical Informatics, 2020, 139:104141. (JCR1)</p><p>4. Zhiyong Huang*, Yujie Wang, Linling Wang ISO/IEEE 11073 treadmill interoperability framework and its test method: Design and Implementation; JMIR Medical Informatics. 2020;8(12):e22000 (JCR2)</p><p>5. DAMING SUN, JINGBO ZHAO, DONGHUA LIAO, ZHIYONG HUANG, and HANS GREGERSEN. The Turning Point for Morphomechanical Remodeling During Complete Intestinal Obstruction in Rats Occurs After 12–24 h. Annals of Biomedical Engineering. Vol. 46 No. 5. pp. 705-716 .2018; (JCR1)</p><p>6. Zhiyong Huang*, Zhi Yu, Yingsong Li, Yujie Wang, Shuang Lin, Daming Sun, Yuang Zhong, Hailin Cao, and Hans Gregersen ; Contribution-Based Multi-Stream Feature Distance Fusion Method With k-Distribution Re-Ranking for Person Re-Identification; IEEE Access, Vol. 7, 2019, pp:35631-35644. (JCR1)</p><p>7. Huang Z, Guo B, Shaibu R, et al. Lab-Supported Hypothesis and Mathematical Modeling of Crack Development in the Fluid-Soaking Process of Multi-Fractured Horizontal Wells in Shale Gas Reservoirs[J]. Energies, 2020, 13(5):1035-. (JCR3)</p><p>8. Kassab, G. S., Gregersen, H., Sun, D., & Huang, Z.. (2021). Novel bionics developments in gastroenterology: fecobionics assessment of lower gi tract function. Physiological Measurement, 42(6), 06TR01 (12pp). (JCR3)</p><p style="line-height: 27px"><br/></p><p style="line-height: 27px"><strong>部分授权发明专利</strong></p><p>1. 黄智勇,孙大明.一种基于多模态信息的食道功能性疾病诊断系统,210811014891.0(成果转换)</p><p>2. 黄智勇,虞智,李银松,汪余杰,林爽,孙大明.多流特征距离融合系统与融合方法,201910009037.3</p><p>3. 黄智勇,李银松,虞智,汪余杰,林爽,孙大明.一种基于k邻域分布得分的图像重排序方法,201910009038.8</p><p>4. 黄智勇,汪余杰,林爽,虞智,李银松,孙大明.一种行人重识别系统与方法,201910009061.7</p><p>5. 黄智勇,吴海华,李渊明,虞智. 基于FPGA的Tiny-yolo卷积神经网络硬件加速方法及系统,201810523619.9</p><p>6. 黄智勇,李渊明,吴海华. 用于卷积神经网络硬件加速的数据处理方法,201810523617.X</p><p>7. 黄智勇,仲元红,陈茂建. 基于机器视觉的织物叶片锈斑自动检测系统及方法,201610045839.6(成果转换)</p><p>8. 黄智勇,李杰,刘越,钟成明.基于P2P动态云的恶意软件检测系统及方法,201510730476.5(成果转换)</p><p>9. 黄智勇,曾孝平,陈新龙.一种基于行为数据融合的网络安全评分系统和方法,201310049835.1(成果转换)</p><p>10. 黄智勇,张欣,李新科,胡国庆.一种无线传感网络中红基于估距的定位方法,201310344275.2(成果转换)</p><p>11. 黄智勇,曾孝平,周建林,仲元红,熊东.一种Email蠕虫检测方法,200910250848.9(成果转换)</p><p>12. 孙大明,黄智勇.一种用于食道功能性疾病诊断系统的多模态信息融合系统,201811011746.7</p><p style="line-height: 27px"><br/></p><p style="line-height: 27px"><strong>参与制定国际标准</strong></p><p>1. IEEE Std 11073-40102-2020 Health informatics—Device interoperability Part 40102: Foundational—Cybersecurity— Capabilities for mitigation</p><p>2. IEEE Std 11073-40101-2020 Health informatics—Device interoperability Part 40101: Foundational—Cybersecurity— Processes for vulnerability assessment</p><p>3. IEEE Std 11073-10404-2020 Health informatics—Personal health device communication Part 10404: Device specialization— Pulse oximeter</p><p>4. IEEE Std 11073-20601-2019 Health informatics—Personal health device communication Part 20601: Application profile—Optimized Exchange Protocol</p><p><br/></p><p><strong>获奖</strong></p><p>1. 中国人民解放军总后勤部科技进步三等奖:消化心身与胃肠动力障碍性疾病的新型诊疗技术开发与临床应用;2018060620660003-4</p><p>2. 重庆大学科技进步一等奖:远程慢病管理设备互操作国际标准体系研制与推广;2018</p><p>3. 重庆产学研创新成果一等奖:个人互联健康设备互操作;2019CG23</p><p><br/></p>### 适用说明 #### Farbeat SDK 主要适用于运动健康设备厂商和三方应用商。如下: - 运动健康设备厂商 (1)提供统一的数据接入和统一输出协议,降低三方应用商接入设备工难度,减少开发工作量,促进运动健康设备厂商的销售。 (2)提供专业的标准化的健康计算分析,为三方应用APP或者三方应用商系统和平台提供专业化的计算,提供数据可用性,增加运动健康设备厂商服务能力,以及更好地服务三方应用商。 - 三方应用商 (1)为提供健康服务第三方的使用系统和平台提供专业化的计算,提供统一性标准化的数据,增加了不同设备选择增加了弹性,增加不同不同设备的可用性。 (2)针对不同设备提供统一的标准化计算,在服务中即便更改了设备,也不会导致数据的不一致而形成服务模型的改变。 (3)提供了更多的计算模型,提高了服务能力。 <p>男,山东人,博士、研究员,博士生导师,民革党员。国家体育总局体育科学研究所智慧体育创新研究中心主任,国家体育总局体育信息中心特聘研究员,数字体育与运动健康实验室执行副主任,华为运动健康联合实验室主任,健康中国行动计划推进委员会专家咨询委员,国家重点研发计划主动健康及老龄化科技应对专项专家组成员,国家体育总局备战2020东京奥运会科技助力专家组成员。中国国民党革命委员会第十三届中央委员会教科文卫体委员会委员,民革中央安全与健康研究中心研究员。国家体育总局“优秀中青年百人计划专业技术人才”。中国仿真学会数字体育专业委员会主任委员,中国体育科学学会体育仪器器材分会副秘书长。北京体育大学、上海体育学院兼职导师,曲阜师范大学、山东大学、成都中医药大学、暨南大学客座教授。</p><p><br/></p><p>自2006年联合陈君石院士开展可穿戴设备的研究以来,一直专注于运动健康数学建模,当前主要从事大数据和人工智能研究。现在已经初步形成了智能运动健康设备研发、评测、系统解决方案核心技术体系,初步构建了智慧体育产业生链整合的能力。<br/></p><p>经过近20年的探索,已经初步构建了主动健康原创性理论和技术体系,正在积极推动体育大数据从技术到产品的工程化研究,致力于我国智慧体育产业和主动健康服务业升级。</p><p><br/></p><p><strong>获奖情况</strong></p><p>其中山东省社会科学、哲学类优秀成果3等奖1项,山东高等学校优秀科研成果奖1项,中国体育科学学会科学技术奖1等奖1项,第29届奥运会科技攻关与科技服务贡献1等奖1项(跳水),第29届奥运会科技攻关与科技服务贡献奖3等奖1项(篮球),第30届奥运会科技攻关与科技服务贡献奖3等奖1项。中国系统仿真学会先进个人,中国系统仿真学会先进集体,中国系统仿真学会先进个人(2010),北京市中国国民党革命委员参政议政优秀党员(2012年), 第31届奥运会科技攻关与科技服务贡献奖一等奖(2013)。<br/></p><p><br/></p><p style="text-align: justify; line-height: 24px; font-size: 16px; font-family: 华文宋体; border: none; white-space: normal; text-indent: 32px;"><br/></p><p><strong>学术研究:</strong><br/></p><p>发表SCI检索论文:120多篇</p><p>10篇代表性论文:</p><p>[1] Lirong Cui, Alan G. Hawkes, He Yi, An elementary derivation of moments of</p><p>Hawkes processes, Advances in Applied Probability, 2020, 52(1), 102-137.</p><p>[2] Lirong Cui, Jianhui Chen, Xiangchen Li, Balanced reliability systems under Markov processes, IISE Transactions, 2019, 51(9), 1025-1035.</p><p>[3] He Yi, Lirong Cui, A new computation method for signature: Markov process method, Naval Research Logistics, 2018, 65(5): 410-426.</p><p>[4] Lirong Cui, JH Chen, B Wu, New interval availability indexes for Markov repairable systems, Reliability Engineering & System Safety, 2017, 168:12-17.</p><p>[5] Lirong Cui, Quan Zhang, Dejing Kong, Some new concepts and their computational formulae in aggregated stochastic processes with classifications based on sojourn times, Methodology and Computing in Applied Probability, 2016, 18(4): 999-1019.</p><p>[6] Lirong Cui, Jinbo Huang, Yan Li, Degradation models with wiener diffusion processes under calibrations, IEEE Transactions on Reliability, 2016, 65(2):613-623.</p><p>[7] Lirong Cui, Dejing Kong, Haijun Li, Matching via majorization for consistency of product quality, Quality Technology and Quantitative Management, 2016, 13(4):439-452.</p><p>[8] Cui Lirong. Du Shijia, Zhang Aofu, Reliability measures for two-part partition of states for aggregated Markov repairable systems, Annals of Operations Research, 2014, 212(1): 93-114.</p><p>[9] Lirong Cui & Alan G. Hawkes, A note on the Proof for the Optimal Consecutive-k-out-of-n:G Line for n<=2k, Journal of Statistical Planning and Inference, 2008, 138(11): 1516-1520.</p><p>[10] Lirong Cui, Alan G. Hawkes & Assad Jalali, The increasing failure rate property of consecutive k-out-of-n, Probability in the Engineering & Informational Sciences, 1995, 9: 217-225.</p><p><br/></p><p><strong>主要在下列期刊上发表:</strong></p><p>Applied Mathematical Modelling,</p><p>Computers & Industrial Engineering,</p><p>Naval Research Logistics</p><p>Advances in Applied Probability</p><p>Journal of Applied Probability</p><p>Methodology and Computing in Applied Probability</p><p>Reliability Engineering & System Safety</p><p>Applied Stochastic Models in Business and Industry</p><p>IEEE Transactions on Reliability</p><p>Quality Technology and Quantitative Management</p><p>IISE Transactions (IIETransactions)</p><p>Quality Engineering</p><p>Journal of Risk and Reliability</p><p>Communications in Statistics-Simulation and Computation</p><p>Communications in Statistics - Theory and Methods</p><p>Journal of Computational Science</p><p>European Journal of Operational Research</p><p>Annals of Operations Research</p><p>Mathematical Method of Operations Research</p><p>Asia-Pacific Journal of Operational Research</p><p>Journal of Statistical Planning and Inference</p><p>Stochastic Models</p><p>Statistics and Probability Letters</p><p>Probability in the Engineering & Informational Sciences</p><p><br/></p><p><strong>书籍章节</strong></p><p>[1].Gerard J. Chang, Lirong Cui & Frank K.Hwang, Reliabilities of Consecutive-k Systems, 2000, Kluwer Academic Publishers.</p><p>[2] Lirong Cui, Handbook Performability Engineering (Chapter 48), 2000, Springer.</p><p>[3] Alan. G. Hawkes, Lirong Cui & Shijia Du, Chapter16. Occupancy Times for Markov and Semi-Markov Models in Systems, Reliability Applied Reliability Engineering and Risk Analysis: Probabilistic Models and Statistical Inference, John Wiley & Sons, 2014, pp.218-230.</p><p>[4] Lirong Cui, Cong Lin & Haisheng Yang, Analysis for a Qualification Test Procedure with FMCIA (Finite Markov Chain Imbedding Approach), Chapter 1, Mathematics Applied to Engineering, 2017.</p><p>[5] H. Yi, Lirong Cui, A study on repairable series systems with Markov repairable units, Recent Advances in Multi-state Systems Reliability---Theory and Applications, Springer, 2018, p121-157.</p><p>[6] Lirong Cui, Chen Fang, Reliability-Game Theory, Advances in System Reliability Engineering, Elsevier, Chapter 3, P1-38, 2018.</p><p>[7] Lirong Cui, Qinglai Dong, Consecutive k and related models---A survey, Stochastic Models in Reliability, Network Security and System Safety, Springer, 2019, p3-18.</p><p>【8】Bei Wu & Lirong Cui, Reliability analysis of a Pseudo working Markov repairable system, Stochastic Models in Reliability Engineering, (Chapter 1), 1-18. CRC Press, Taylor& Francis Group, 2020.</p><p>[8] 崔利荣,赵先、刘芳宇,质量管理学,人民大学出版社,2012.</p><p>[9] 苗瑞、蒋祖华、崔利荣, 工程统计学,机械工业出版社,2009.</p><p>[10] 王丽英、崔利荣, 基于随机过程理论的多状态系统建模与可靠性评估, 科学出版社,2017.</p><p><br/></p><p><strong>近年来所获奖励</strong></p><p>[1] 2005年获得教育部新世纪优秀人才支持计划。</p><p>[2] 2006年荣获北京理工大学优秀硕士学位论文指导教师证书(郑治华)。</p><p>[3] 2009年荣获北京理工大学优秀博士学位论文指导教师证书(赵先)。</p><p>[4] 2009年荣获(香港)IEEM2009国际会议优秀论文奖(孙青)。</p><p>[5] 2009年荣获北京市优秀博士学位论文指导教师证书(赵先)。</p><p>[6] 2011年荣获北京理工大学优秀硕士学位论文指导教师证书(解伟娟)。</p><p>[7] 2013年荣获北京理工大学优秀博士学位论文指导教师证书(董晓芳)。</p><p>[8] 2015年荣获北京理工大学优秀博士学位论文指导教师证书(刘宝亮)。</p><p>[9] 2017年荣获北京理工大学优秀博士学位论文指导教师证书(孔德景)。</p><p>[10] 2018年荣获北京理工大学优秀博士学位论文指导教师证书(沈静远)</p><p><br/></p><p><strong>近五年来主持的科研和咨询项目</strong></p><p>主持完成了4项国家自然基金,正在主持2项国家自然基金(1项重点):</p><p>[1]. 2004.1-2006.12. 系统可靠性的一些问题探讨 (70371048)</p><p>[2]. 2007.1-2009.12. 聚合随机过程维修性模型与分析(70671009)</p><p>[3]. 2011.1-2013.12. 状态聚合模式的衍生维修性建模及相关问题研究,(71071020)</p><p>[4]. 2014.1-2017.12. 复杂随机动态系统可靠性建模与分析</p><p>[5]. 2017.1-2021.12. 系统可靠性建模与分析的理论与方法研究 (71631001) (重点项目)</p><p>[6]. 2019.1-2022.12. 系统故障自愈与部件故障相互影响的随机过程建模与分析(71871021)</p><p>[7]. 主持完成或正在进行的多项横向课题。</p><p><br/></p><p><strong>近年参加的国内外学术会议及其他专业相关会议</strong></p><p>[1] International Conference on Risk and Reliability Management, Beijing, Oct. 23-24, 2010, (大会发言) Technical Program Committee member.</p><p>[2] The 4th Asian-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM2010), Wellingtong, New Zealand, Dec. 2-4,2010. Technical Program Committee Co-Chair.</p><p>[3] 2010 International Conference on Risk and Reliability Management, 2010, October 23-25, Beijing, (大会发言).</p><p>[4] The 7th International Conference on“Methematical Methods in Reliability”: Theory. Methods. Applications. (MMR2011), Beijing, June 20-24, 2011. Technical Program Committee Co-Chair.</p><p>[5] The 9th International Conference on Reliability, Maintainability and Safety(ICRMS'2011) June 12-15, 2011,GUIYANG·CHINA, Program Committee Co-Chair.</p><p>[6] 2012 Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2012), Nanjing, China, November 1-3, 2012, Conference General Co-Chairs.</p><p>[7] 2013 The Seventh International Conference on Mathematical Methods in Reliability, Theory. Methods., Applications (Technical Program Committee member, Session-Chairs) (Cape Town).</p><p>[8] International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2014), July, 22-25, Dalian, China, Keynote speaker (大会发言).</p><p>[9] International Workshop on Applied Probability, June 16-19, 2014, Antalya, Turkey, Invited speaker,</p><p>[10] 2014 Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2014), Sapporo, Japan, August 20-23, 2014, Program Co-Chair.</p><p>[11] The 8th International Conference on Modelling in Industrial Maintenance and Reliability (MIMAR 2014), Oxford, UK., Technical Program Committee member.</p><p>[12] International Applied reliability Symposium, Shanghai, China, November, 5-6, 2014, Plenary speaker.</p><p>[13] The workshop on reliability, 2015, April 7, Plenary talk, Beijing university of Science and Technology.</p><p>[14] International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2015), July, Beijing, China, Program Co-Chair.</p><p>[15] 国家自然基金委双清论坛第123期,合肥,10月22-24,2014,小组发言。</p><p>[16] The 9th International Conference on “Methematical Methods in Reliability”: Theory. Methods. Applications. (MMR2015), Tokyo, June 1-4, 2015. Invited speaker.</p><p>[17] Second International Symposium on Stochastic Models in Reliability Engineering, Life Science and Operations Management (SMRLO’16), February 15-18, 2016, Beer Sheva, Israel, PC member.</p><p>[18] 2nd International Conference on Mathematical Techniques in Engineering Applications (ICMTEA2016), April, 29-30, 2016. India, Session/Keynote Speaker.</p><p>[19] 第五届全国可信计算学术会议(CDC2015),大会发言,2015年10月9-10日,浙江省金华市(浙江师范大学)。</p><p>[20] International Workshop on Mathematical Reliability and Safety, 2016.6.23-2016.6.25, 中国徐州,大会发言。</p><p>[21] The 1st Sino-US Research Conference on Quality, Analytics and Innovation</p><p>July 1-2, Shanghai, China, (Plenary talk)</p><p>[22] The 7th Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling, 2016.8.23-2016.8.27, Soule, Korea, Program Member,</p><p>[23] International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering, 2016.7.25-2016.7.28, Jiuzhaigou, Sichuan, China, Gou Si Chuan, Program Co-Chair.</p><p>[24] 中国运筹学会第十次全国代表大会暨2016年学术交流年会2016.10.14-2016.10.16, 云南昆明,分会场发言.</p><p>[25] The International Applied Reliability Symposium (ARS) --- 2016.11.16 -- 2016.11.18, Shenzhen, Guangdong, China, Plenary talk.</p><p>[26] 中国第一届质量可靠性青年学术论坛, 2016.12.14-2016.12.15, 湖南长沙,会议主席.</p><p>[27] 中国运筹学会可靠性分会青年学术会议, 2016.12.16-2016.12.18, 湖南长沙,会议主席。</p><p>[28] 中国运筹学会可靠性分会年会, 2017.4.23-24,北京交通大学, 大会发言,</p><p>[29] 系统可靠性及维修性学术研讨会(西北工业大学),2017,6.12-14. 大会发言。</p><p>[30] The 10th International Conference on Mathematical Methods in Reliability (MMR 2017), Grenoble, France, 2017, July3-6, PC member, Invited talk.<br/></p><p>[31] The 2017 IEEE International Conference on Software Quality, Reliability & Security (QRS2017), 2017, July 26-28, Prague, Czech, (Workshop on Reliability Modeling and Optimization, Chair, Session Chair).<br/></p><p>[32] “新兴信息技术环境下重大装备制造全生命周期管理理论、方法与应用研究”研讨会, 大会发言, 2017年8月31日。合肥(合肥工业大学)</p><p>[33] 第二届(2017年)中国质量与可靠性管理青年学者论坛,西安2017年11月24-26日。(主持2个大会报告)</p><p>[34] 中国优选法统筹法与经济数学研究会工业工程分会年会, 2017年12月1-2日, 北京。(主持会议)</p><p>[35] 8th Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2018) & 8th International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2018), Program Co-Chair. Qingdao, Shandong, China, August 21-24, 2018.</p><p>[36] 2018 International Conference on Management and Operations research, July 7-9, 2018, Beijing, China. PC member.</p><p>[37] Applied Reliability and Durability conference, 2018年8月15-17日,上海, 大会报告。</p><p>[38] 2018年可靠性青年学者学术研讨会, 2018年8月24日,青岛,大会特邀报告。</p><p>[39] Plenary talk, The symposium on Hawkes Processes, Sep. 20-24, 2018, Swansea, UK.</p><p>[40] 分会报告,中国管理科学与工程大会, 质量与可靠性论坛,昆明,10月19-21, 2018年。</p><p>[41] Conference Co-Chairs, The 3rd International Symposium on Stochastic Models in Reliability Engineering, Life Science and Operations Management (SMRLO-2019), May 28-31, 2019. Beijing.</p><p>[42] 9th International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE 2018), International Advisor Committee Member. Zhangjiajie, Hunan, China, August 6-9, 2019.</p><p>[43] 机械工程学会可靠性分会大会报告, 广州, 2019年8月19-21.</p><p>[44] 全国质量与可靠性高层论坛大会报告, 温州大学, 2019年11月22-24</p><p>[45] 2019年中国运筹学会可靠性分会年会大会报告, 中央财金大学, 2019年12月14-15日</p><p>[46] 第六届欧洲随机建模国际会议(SMTDA2020)大会报告, 2020年6月2-5日(Virtual/online conference, First time).</p><p><br/></p><p><strong>近年参加的国内外学术期刊活动</strong></p><p>Guest editors:</p><p>[1] 2011, IEEE Transactions on Reliability, Special Section on MMR2011.</p><p>[2] 2011, Communications in Statistics---Theory and Methods, Special Issue on MMR2011.</p><p>[3] 2011, Annals of Operations Research, Special Volume: Stochastic Methods in Reliability and Risk Management.</p><p>[4] 2012, An International Journal Quality Technology & Quantitative Management, Special issue on Reliability Modeling, Inference and Analysis.</p><p>[5] 2012,Communications In Statistics-Theory And Methods, for Special Issue on APARM 2012.</p><p>[6] 2019, IMA Journal of Management Mathematics</p><p>[7] 2019, Journal of Risk and Reliability</p><p><br/></p><p><strong>学术家谱</strong></p><p>(1) Professor M.S. Bartlett (University of Oxford , UK, Elected to NAS: 1993), he was Alan G Hawkes’ PhD supervisor;</p><p>(2) PROFESSOR ALAN G. HAWKES, HE WAS LIRONG CUI’S PHD SUPERVISOR. (SCHOOL OF BUSINESS AND ECONOMICS, UNIVERSITY OF WALES, SWANSEA, UK. EMERITUS PROFESSOR OF STATISTICS. STOCHASTIC MODELLING, HAWKES PROCESS, ION-CHANNEL, A</p><p><br/></p><p><br/></p>
←
上一篇:
下一篇:
→
以上内容是否对您有帮助?
是
否
在文档使用中是否遇到以下问题
内容错误
更新不及时
链接错误
缺少代码/图片示例
太简单/步骤待完善
其他
更多建议
提交建议