经颅多普勒是一种利用超声波的多普勒效应检测颅内各主要血管及其分支的血流动力学参数的脑血管疾病检测方法,被广泛应用于医学临床监护和检测。传统经颅多普勒超声检测仪体积较大,应用受到限制。近些年嵌入式硬件设备性能的提升,为经颅多普勒超声检测仪的小型化和便携化提供了可能。本课题主要实现面向运动强度监测的经颅多普勒软件系统开发,该系统由客户端和服务器两部分组成。客户端软件运行在Android平台上,具有便携易用的特点,用户可以在家中对颅脑生理参数进行长期监测。服务器端软件运行在Web平台上,用户的检测数据实时同步到服务器端软件,方便医生远程分析和诊断。该系统独有的运动强度监测算法,可利用用户的脑血流参数实时监测用户运动状态,防止用户发生运动过量等危险。本课题的研究内容如下:首先,本文给出普通经颅多普勒模式和M-模经颅多普勒模式的相关算法,使用MATLAB对两种模式的相关算法进行仿真并验证功能。在仿真过程中通过优化参数,改善算法成像质量。其次,采集用户运动过程中的经颅多普勒生理参数,使用不完全穷举的封装式特征选择算法选取特征参数,使用SVM分类算法训练样分类模型,使该训练模型具有判断用户运动状态的功能。再次,在Android平台上实现普通经颅多普勒模式和M-模经颅多普勒模式的相关算法。客户端软件实时计算经颅多普勒生理参数,并将这些参数存储到Android设备的数据库中。客户端软件的运动强度监测模块,实时判断用户运动状态,对危险状态进行预警以防止运动过量的风险发生。该软件还包括数据可视化模块,以实现对所存储医学数据的统计和可视化展示。最后,在Web平台上开发服务器端软件,实现数据同步功能。服务器端软件采用增量式同步算法与客户端软件进行数据同步,存储所有用户的经颅多普勒生理数据,为医生的远程诊断和后续的数据挖掘提供数据储备。此外,服务器端软件具有账号管理功能,能够响应多账户登录验证、注册等操作。