心脏的搏动，可以引起人体一系列相应的周期性震动，借助灵敏的仪器，把这些震动记录下来，描记成波形图，这就是心冲击图（BCG）。研究心冲击图的学科就称为心冲击图学。
与心电图不同，心冲击图描记的是心脏活动产生的一系列人体震动信号，而心电图描记的是生物电信号。
心脏的搏动，可以引起人体一系列相应的周期性震动，借助灵敏的仪器，把这些震动记录下来，描记成波形图，这就是心冲击图（BCG）。研究心冲击图的学科就称为心冲击图学。
与心电图不同，心冲击图描记的是心脏活动产生的一系列人体震动信号，而心电图描记的是生物电信号。
除了心冲击图的记录，我们还记录了您的呼吸波形图，由吸气到吐气，每一个细节从来没有如此清晰。
专业水准 低成本 轻管理 无感
设备可随身携带，用于人体的基础身理体征（心跳、呼吸），通过蓝牙和终端连接，使用时单手手指捏住设备侧面区域，将设备黑色的一面紧贴胸口心脏所在区域，记录时保持手的稳定及人体平稳 。
设备可广泛的应用于应急、急救场景，还可以应用于其它微震动检测场景。
设备用于监测人体在床的基础身理体征（心跳、呼吸）和在床活动状态，设备放置于枕头（可多个枕头）下，和使用者不直接接触，记录数据准确，使用安全可靠。
设备可广泛的应用于集中（居家）养老监护、婴儿监护、运动身体状况追踪、睡眠监护、慢病管理、病房监护等场景。
设备用于监测人体的基础身理体征（心跳、呼吸），用户使用设备时放松正坐且背靠椅背。
设备可广泛的应用于养老机构、药店自测、预诊初筛、慢病管理等场景。
日本顺天堂大学与河北工业大学独立研究，两项成果均发表于国际权威SCI期刊，从“临床数据精度”与“底层AI算法”两个维度，为DEEBCG设备构建了完整的技术背书体系。
| HRV指标 | 相关系数 (r) | 显著性 (p) | 偏差评估 |
|---|---|---|---|
| Mean IBI (心跳间期) | 0.999 | <0.001 | 无固定偏差 (p=0.139) |
| SDNN (整体变异性) | 0.931 | <0.001 | 无固定偏差 (p=0.255) |
| RMSSD (副交感神经) | 0.923 | <0.001 | 固定偏差可校正 |
| pNN50 (副交感神经) | 0.964 | <0.001 | 固定偏差可校正 |
| 算法性能指标 | 测试结果 | 技术评价 |
|---|---|---|
| J波识别准确率 | 99.67% | 远超传统BCG算法 |
| 敏感度 / 召回率 | 99.14% | 极低漏检率 |
| 假阴性率 | < 1% | 关键生理事件不丢失 |
| 平均偏差率 | 0.27% | 误差控制极小 |
| 实时检测延迟 | 0.473秒 | 满足实时预警需求 |
长期跟踪发现，严重呼吸障碍均发生于自主神经应急能力最低时段。将发病机制从“气道结构狭窄”拓展至“自主神经调控失衡”，为鼾症评估与干预提供全新理论依据。
自主神经应激耗竭 = 呼吸障碍触发点突破传统PSG依赖脑电的技术路径，融合HRV、心率平稳度、呼吸规律性、体动及鼾声等多维信号，构建自主神经行为特征睡眠分期模型，多维度精度优于传统PSG。
无脑电 · 多维融合 · 精度优于PSG通过LF/HF比值等核心指标捕捉呼吸障碍时交感神经的爆发状态，该比值与呼吸暂停严重程度呈线性正相关，可精准量化自主神经应激负荷，为心血管风险分层提供高敏感性工具。
Mean IBI与ECG偏差仅 1.68ms (p=0.139)无感化监测让患者在居家环境中自然入睡，彻底消除传统PSG的“首夜效应”干扰。长期纵向跟踪验证，不同夜晚分期结果高度一致，充分证明居家场景下的可靠性。
无感化 · 消除首夜效应 · 连续多晚趋势分析
使用DEE心冲击图记录枕和得意健康平台，可应用于居家养老、集中养老，医养结合等多种场景。家庭成员可以通过微信监护平台，对老人的起居和生理状况进行监测，这种监测可以是远在千里，也可以是近在咫尺，打破了地域和空间的限制。服务机构通过平台对本机构以及散居在家中的老人的起居和生理状况进行实时监护，并作出相应的服务响应。医务人员通过平台获取数据，经过专业的判读，对老人进行更加精准的治疗和服务。
使用DEEBCG系列设备和得意健康平台，对心血管慢性疾病、呼吸系统慢性疾病进行长期的跟踪管理。
使用DEEBCG系列设备和得意健康平台，对家庭成员进行睡眠监护管理，跟踪家人睡眠健康。
使用DEEBCG系列设备和得意健康平台，对住院病人进行在床体征、活动状态管理。
使用DEEBCG系列设备和得意健康平台，对运动健身效果进行长期的跟踪管理。