一种基于智能手机的新移动医疗系统模式


收稿日期: 2012-10-17; 修回日期: 2012-11-22 基金项目: 浙江省科技厅科技计划公益技术研究基金资助项目( 20011C23097); 浙江省 自然科学基金资助项目( LY12F03023); 浙江省教育厅资助项目( Y20107866) 作者简介: 孟濬( 1966-),男( 通信作者),副教授,博士,主要研究方向为系统生物学、数字化医疗等( junmeng@ zju. edu. cn); 朱天宇( 1989-), 男,硕士研究生,主要研究方向为数字化医疗、移动医疗平台开发等. 一种基于智能手机的新移动医疗系统模式* 孟 濬 ,朱天宇 ( 浙江大学 电气工程学院,杭州 310027) 摘 要: 针对探究智能手机与移动医疗相结合的新模式,以脉搏信号为例,开发了一系列基于 Android 智能手机 的软件,使得智能手机实现了对脉搏信号的采集、传输和分析,尤其是利用手机摄像头采集脉搏信号及脉搏信号 在手机的本地智能分析。同时,基于智能手机完整的信号采集、分析和网络通信功能,提出了一种基于智能手机 的自组织医疗数据共享网络。该模式下,智能手机同时完成移动医疗系统中的采集、传输和分析功能,有效地简 化了移动医疗系统。 关键词: 智能手机; Android; 移动医疗; 脉搏; 自组织网络 中图分类号: TP391 文献标志码: A 文章编号: 1001-3695( 2013) 07-2055-06 doi: 10. 3969 /j. issn. 1001-3695. 2013. 07. 035 New mobile medical system mode based on smart phone MENG Jun ,ZHU Tian-yu ( College of Electrical Engineering,Zhejiang University,Hangzhou 310027,China) Abstract: In order to explore the new mode of the combination of smart phones and mobile medical,using pulse as an exam- ple signal,this paper developed a series of software,based on Android smart phone. It achieved the collection,transmission and analysis of pulse signal through smart phone. Especially,it captured the pulse signal by using a mobile phone camera and intelligent analyzed through smartphone. In this mode,the smart phone possessed with the collection,transmission and analysis functions in mobile medical system. This may effectively simplify the mobile medical system. Key words: smart phone; Android; mhealth; pulse; self-organizing network 智能手机越来越普及,人们几乎随时携带着它。如何利用 便携的智能手机辅助移动医疗监测,受到国内外学者关 注[1 ~ 9]。然而大多数应用模式中都需要借助额外的传感器来 采集医疗信号,实现的功能也以信号显示为主。 智能手机拥有高速的数据传输能力,可以作为医疗传感器 信号的移动接收和中转平台[10,11]。智能手机可以通过蓝牙、 WiFi 等方式和外设进行无线连接[12],基于此,可将便携传感器 获得的数据以无线方式发送给智能手机,智能手机把医疗数据 通过 WiFi、Internet 等方式与服务器完成通信[13 ~18]。这有利于 扩大数据采集、健康监护的应用范围,使得人们可以在携带一些 传感器的情况下,比较灵活地实现远程数据采集、医疗监护。 然而,传感器与智能手机、智能手机与服务器无线传输过 程中不可避免地会出现误码,这必然会影响到分析结果的准确 性。并且,目前所谓的便携式传感器只是相对而言的,强制用 户长期佩戴传感器本身就是对人体健康的干扰。而手机是人 们每天都会携带的,同时手机本身具有多种传感器,如摄像头。 合理地利用这些手机自带传感器,将使得智能手机自身具备医 疗信号的采集功能。 传统模式下,采集的医疗数据需要上传到专门的服务器进 行分析[19 ~ 24],而智能手机完全可以实现在手机本地对数据进 行智能分析。实现医疗数据的本地处理,将使得用户可以在更 短时间内看到数据分析结果和相关的健康建议,也进一步避免 了传输过程中的数据丢失。随着智能手机性能的迅速提高,在 本地进行复杂医疗数据的处理愈加具有可行性。 传统模式下,数据的共享需要通过服务器自上而下组建的 网络。本文提出充分利用手机的网络功能,通过自组织的方 法[25],将孤立的智能手机组织到一起,构建医疗数据共享网 络,完成数据的共享。自组织的数据共享将有利于最优样本的 收集,长期健康优化的比对以及亲友之间的互助。 为了充分利用智能手机这一移动平台,本文选取脉搏信号 为例,设计了一套基于 Android 平台的医疗系统软件。通过智 能手机对脉搏数据进行转发、传输,并且利用智能手机摄像头 采集脉搏数据以及脉搏数据的本地处理模式,使得智能手机具 备了脉搏数据的采集、传输、分析一系列完整功能。同时,本文 利用智能手机强大的网络通信能力,探究通过自组织的方法组 建医疗共享网络,完成医疗数据的共享。 1 系统平台 智能手机使用独立的操作系统,可以由用户自行安装软 件、游戏等第三方服务商提供的程序,通过此类程序可以不断 地对手机的功能进行扩充,并可以通过移动通信网络来实现无 线网络接入。智能手机的综合处理器性能已经越来越接近于 第 30 卷第 7 期 2013 年 7 月 计 算 机 应 用 研 究 Application Research of Computers Vol. 30 No. 7 Jul. 2013 笔记本电脑,同时其便携性能又是传统笔记本电脑无法比拟 的。各种集成于智能手机的传感器大大丰富了智能手机的应 用,随着未来智能手机所集成的传感器性能和数量的提高,其 必将在医疗监护上有着巨大的应用前景。智能手机常用的操 作系统有 Android、IOS、Symbian、Windows Phone 等。根据 2012 年 6 月数据,Android 占据全球智能手机操作系统市场 59% 的 份额,中国市场占有率为 76. 7% ,成为全球第一大智能操作 系统。 Android 为开源系统,这使得开发人员可以进行二次开发。 它为开发者提供了框架 API 的全部访问权限,开发者可以非常 方便地利用所使用手机的软、硬件资源进行开发。例如要使用 手机蓝牙,只需调用相关的蓝牙 API 即可快速完成开发。作为 一款易于二次开发的系统,Android 深受广大智能手机开发者 的青睐[26,27]。本文选取了一款配置中等、价格中等的智能手 机 Htc DesireZ,内 置 Android 2. 3. 3 系 统。详 细 配 置 如 表 1 所示。 表 1 Htc DesireZ 参数 项目 参数值 操作系统 Android 2. 3. 3 CPU 频率 800 MHz 摄像头 500 万像素 机身内存 1. 5 GB ROM、512 MB RAM 存储扩展 支持 32 GB 网络 GPRS/3G 数据通信 蓝牙、WiFi、MicroUSB 传感器 电子罗盘、重力感应器、光线传感器、距离传感器、3D 加速 本文在 Android 平台上所作的开发主要是探究利用智能 手机完成脉搏数据的采集、传输和分析,尤其是利用手机摄像 头采集脉搏数据、脉搏数据在手机本地分析以及手机自组织医 疗共享网络的探究。实现方式是通过开发相应的智能手机软 件,所用的开发环境为 Eclipse + SDK + ADT。可以通过图 1 来 进一步说明本文利用智能手机所进行的开发。 2 系统的实现 2. 1 脉搏信号的传输 智能手机具有强大的数据传输能力,可以作为移动的脉搏 数据中转站。用户可以使用便携脉搏传感器采集脉搏数据,脉 搏数据通过智能手机的中转,以无线方式发送到服务器。借助 智能手机的移动无线传输功能,有效扩大了传统脉搏采集方式 的应用范围。 2. 1. 1 局域网内的脉搏数据传输 传统的脉搏传感器大多是通过有线的方式与服务器进行 连接。服务器的位置一般不方便移动,这就限制了用户要在相 对规定的位置使用脉搏传感器来采集脉搏。在这种情况下,可 以使智能手机与脉搏传感器通过蓝牙方式进行通信。传感器 将采集到的脉搏信号通过蓝牙适配器发送到智能手机自带的 蓝牙适配器。 脉搏传感器采用合肥华科电子技术研究所提供的 HK- 2000C\D 型集成化脉搏传感器,该产品性能稳定、体积小巧、携 带方便、性价比高,232 接口输出数字化脉搏数据。为了使数 据可以通过蓝牙方式发送到智能手机,本文在传感器的串口输 出端连接了一个蓝牙适配器模块。 在智能手机端设计一款软件,其功能主要是实现智能手机 与传感器端蓝牙适配器的连接与通信。 引入 Bluetooth 包,取得本地蓝牙适配器。取得蓝牙适配 器后,打开蓝牙,接下来搜索传感器端的蓝牙设备。注册发现 蓝牙适配器( BluetoothDevice. ACTION_FOUND) 和搜索完成 ( BluetoothAdapter. ACTION _ DISCOVERY _ FINISHED) 接 收 器 ( BroadcastReceiver) 。通过一个 button 触发蓝牙搜索( startDis- covery) 。搜索过程中,若有触发上述两个接收器的事件,就会 直接传递给接收器保存; 搜索结束后,所有结果显示在屏幕。 接下来构建蓝牙 Socket 服务器。注册具有名 称 及 UUID 的 BluetoothSeverSocket,然后一直监听客户端( 传感器端蓝牙适配 器) BluetoothSock 的请求。调用 BluetoothSocket 的 connect 方法 实现连 接。成 功 连 接 后,通 过 BluetoothSocket 的 getOutput- Stream 向脉搏传感器发送控制指令启动传感器开始采集脉搏 数据; 通过 getInputStream 来读取蓝牙设备发送来的脉搏数据。 局域网内数据传输示意和脉搏检测平台如图 2、3 所示。 引入 WiFi 开发包,通过 WifiManager 获取 WiFi 服务并开 启 WiFi。接下来注册 WiFi 扫描监听器,并开始扫描,获取到 周围 WiFi 列表后,让手机连上该 WiFi。此时智能手机通过 WiFi 接入局域网,类似于一台接入局域网的电脑,系统会自动 为其分配一个 IP 地址。在服务器端建立 SeverSocket 对象来监 听来自多个手机客户端的 Socket 连接。手机客户端通过使用 Socket 的构造器来连接到指定的服务器( 服务器的 IP 地址一 般是固定的),当服务器监测到有手机客户端的连接请求时, 将返回一个与客户端对应的 Socket。之后两个 Socket 通过 In- putStream 和 OutputStream 来交互数据。至此脉搏数据到达服 务器端,服务器对数据进行相应的存储和分析即可。 系统开启后,传感器不断将采集到的脉搏数据通过蓝牙发 送到智能手机,智能手机将数据转发给本地服务器。蓝牙和 WiFi 的稳定通信距离都在十几米以上,这样用户可以在相对 大的范围内选择自己舒适的位置进行脉搏采集。传感器的成 ·6502· 计 算 机 应 用 研 究 第 30 卷 本不高,这样可以同时使多个用户采集脉搏数据,通过局域网 传送给服务器,提高了脉搏数据采集的效率。 2. 1. 2 广域网内的脉搏数据传输 本地服务器的处理能力有限,要想获得更好的脉搏分析结 果,需要将数据传送到终端服务器进行分析,这就需要实现大 量的传感器终端将用户的数据发送到远程服务器。智能手机 可以通过 Internet 非常便捷地与远程服务器进行通信,将传感 器发送来的脉搏数据与用户信息进行绑定,借助 Internet 服务 发送到远端服务器。广域网内数据传输示意如图 4 所示。手 机通过蓝牙获取的脉搏数据首先存储到本地的 SD 卡中。本 文在手机 SD 卡中建立一个 PulseData 的文件夹,用来存储用户 的信息及脉搏数据。利用智能手机的 Internet 网络,以邮件传 输的方式将脉搏数据发送到远端服务器: 建立一个 Intent 启动 Intent. ACTION_SEND,调用 Android 系统自带的邮件服务,通 过 Intent. EXTRA_EMAIL 设置服务器设邮件地址,使用 Gmail 邮件的附件来发送完整的脉搏数据。邮件发送界面如图 5 所示。 在服务器端利用邮件读取软件,从邮箱中读取邮件信息并 放到服务器的指定位置。至此,脉搏数据传送到服务器终端, 实现广域网的数据传输。 智能手机作为一种便捷、廉价的移动医疗平台得到广泛的 应用,尤其是其高速的无线数据传输功能。本文以脉搏数据为 例,对智能手机辅助脉搏信号传输的模式进行了探究,实现了 智能手机在局域网和广域网内对脉搏数据的有效传输。该模 式是对传统脉搏采集、传输模式的改进,只需要脉搏传感器增 加蓝牙适配器即可投入使用。在该模式下,借助智能手机,用 户可以在更加自由的时间、空间完成脉搏数据的采集和传输, 有利于实现基于脉搏信号的移动医疗监测。 然而,智能手机这一移动医疗平台的功能不应仅局限于脉 搏数据的传输,完全可以利用智能手机实现脉搏采集与分析, 充分利用这些手机自带的传感器,使手机实现脉搏信号的采 集。同时,手机自身具有较高的处理能力,完全可以在手机上 完成脉搏信号的处理,在第一时间给予用户分析结果。 2. 2 脉搏信号的采集 智能手机具有数百万像素的高清摄像头,摄像头的周围还 具有高亮度的 Led 灯。手机摄像头附近的高亮度 Led 灯照亮 人体组织,人体毛细血管动脉血和静脉血颜色是不一样的,动 脉血颜色鲜红,静脉血颜色暗红,这种颜色变化是无法用肉眼 观测到的,但手机摄像头可以敏锐地记录下这些变化,毛细血 管中血液不同时刻的颜色变化可被手机摄像头捕获。本文开 发一款软件,通过对摄像头拍摄图像的快速读取、处理,得到脉 搏信号。手机摄像头采集脉搏数据流程如图 6 所示。 其实现步骤如下: a) 用户信息录入。首先使用者要先输入个人信息,这些 数据将和用户的脉搏数据关联到一起。当用户输入相应的信 息后,点击“开始采集脉搏数据”按钮,系统会创建一个 Person 类对象 P,用来存储从“信息录入界面”获得的用户信息,以便 下一步的调用。 b) 初始化摄像头。通过 Android 的 Camera 开发包来获取 摄像头的控制,完成摄像头的初始化。设定每帧像素为 176 × 144,以使系统获得较高的采样频率。通过 setFlashMode( cam- era. parameters. FLASH_MODE_TORCH) 保持在脉搏采集的过 程中高亮度 Led 始终处于打开状态,为检测提供稳定的光源。 c) 获得一帧图像。完成摄像头控制的初始化后,摄像头 开始读取视频数据。使用者将手指指尖覆盖在摄像头上,如图 7( a) 所示。摄像头旁边的 Led 灯给予恒定的光源来照亮之间 的毛细血管,摄像头将拍摄到的指尖的图像数据通过 Preview- Callback() 返回给软件,准备作下一步的分析。 d) 图像进行解码。从摄像头获得的手指尖图像数据是 YUV420SP 格 式,而该格式不利于进一步的分析。 将 YUV420SP 格式的数据根据式( 1) 进行解码,得到 RGB 格式的 图像数据,所用解码公式为 R = Y + 1. 4074 × ( V - 128) G = Y + 0. 3455 × ( U - 128) - 0. 7169 × ( V - 128) B = Y + 1. 779 × ( V - 128           ) ( 1) 式中: Y、V 为摄像头采集的每个像素点 Yuv 格式数据; R、G、B 为解码获得的每个像素点的 RGB 值。通过测试发现,毛细血 管中颜色变化主要存在于红色频段,所以本文采用对 RGB 格 式中红色的数值进行累加并求平均值,得到当前时刻的脉 搏值。 e) 脉搏波形的显示。将脉搏数据进行存储的同时,在手 机屏幕实时显示脉搏的波形图,给用户提供更直观的观察自己 脉搏波的方式。波形的显示通过调用 SurfaceView 的 Surface- Holder 实现,使用 canvas. drawLine() 方法将当前获得的脉搏数 据点在 SurfaceView 上平滑地连成曲线,效果见图 7( b) 中的第 二条曲线。 通过手机显示的脉搏波形可看出,该方法可以有效检测到 脉搏信号。在图 7 中同时显示了脉率以及脉率曲线。下面介 绍脉率即时计算的实现。 ·7502·第 7 期 孟 濬,等: 一种基于智能手机的新移动医疗系统模式 f) 得到即时脉率。首先采用差分阈值法来处理原始脉搏 数据。差分阈值法是提取时域信号特征的重要方法,比较适合 周期稳定的信号的波形检测,而人体的脉搏信号就具有较强的 周期性。其运算公式为 Xi ( d) = ( xi ,xi + τ ,…,xi + ( m - 1) )( 2) 式中: x( n) 表示原始信号,k( n) 表示差分序列。 利用式( 2) 对摄像头采集到的原始脉搏信号进行差分处 理,找出差分序列的最大值,将该最大值作适当降权后作为阈 值。用此阈值与新得到的差分序列值对比,差分序列中比该阈 值大的值即在脉搏波的第一个上升阶段。同时,为了规避系统 启动及测试中的干扰,系统每隔几秒自动生成新的阈值。通过 图 7 中脉搏曲线和脉率曲线可以看出,软件准确地分辨出了每 个脉搏周期,根据脉搏波的间隔时间,即可粗略计算出脉率值, 并将其送到屏幕显示。至此,实现了通过手机自带的摄像头采 集脉搏数据以及即时心率的计算。该软件使用简单、方便,且 不受地理环境的影响,将有利于实现连续的脉搏数据采集,特 别是记录突发的不正常脉搏信号。 2. 3 脉搏数据的分析 为了得到更详细的脉搏分析结果,传统模式下需要传输到 远程的服务器,传输过程需要消耗时间,而且脉搏数据有可能 丢失、被不法分子截获,这对用户是潜在的危险。在智能手机 本地对脉搏数据进行分析、处理,不但可有效避免自身医疗数 据的泄露,同时也能够让用户很方便地在第一时间获得分析结 果。本文还实现了在智能手机本地对脉搏数据的小波分析、相 空间重构及 EMD 分析。 2. 3. 1 小波分析 脉搏信号可以采用小波包分析技术进行时频分析,通过分 析、比较不同时刻的脉搏信号的瞬时频率和能量,可以掌握不 同状态下脉搏信号的变化。 取待分析的脉搏信号 4 096 个点,用 sym 8 小波得到的滤波 器系数进行小波分解,获得各层的小波系数。所用传感器的采 样频率为 200 Hz,根据奈奎斯特采样定律有效范围 100 Hz,对信 号进行 5 尺 度 的 分 解,分 别 表 示 为 TA5 ( 0 - 3. 15 Hz) 、TD5 ( 3. 125 -6. 25 Hz) 、TD4( 6. 25 - 12. 5 Hz) 、TD3( 12. 5 - 25 Hz) 、 TD2( 25 - 50 Hz) 、TD1( 50 - 100 Hz) 六个频域段。进行归一化 后得出各频段所占百分比。除了显示每一次的分析结果外,还 可以对相似样本数据的分析结果进行统计分析。图 8 所示为一 组健康人样本数据,可以看出他们 TD5 的比例基本一致。 该分析模式适合医生使用,医生在遇到相似样本数据时, 可以收集其脉搏数据,应用小波分析寻找其共同点。因为小波 分析的研究相对成熟,得出的数据作为分析诊断依据也为大多 数医务人员所接受。 2. 3. 2 脉搏波的相空间重构 首先用互信息法求最佳时延 τ。互 信 息 法 由 Fraser 等 人[28]提出。由于它可以判断非线性相关性,因此在最优时间 延迟的估算中被广为采用。Fraser 等人建议采用与时间延迟 τ 有关的函数 I( t) 的第一个极小值点作为最优时间延迟。其次 用 Cao[29]方法求最小嵌入维 m。Cao 方法是一种与虚假最近 邻点法原理相类似的计算最佳嵌入维数的方法,该方法定义了 E2 ( m) 用于确定最小的嵌入维数 m,指出 E2 ( m) 在随 m 的演 变中趋于平稳时对应的 m 值即为最小嵌入维数。之后,重构 相空间中的向量点。在已知时延 τ、嵌入维数 m 的情况下,将 一维时间序列重构为 m 维的矩阵。为了便于分析和观察,将 这个空间投影到二维或三维空间上; 为了方便结果的统一比较 和分析,重构时,横轴表示第一个向量点,纵轴表示第二个向量 点。据此在手机屏幕上显示相空间重构的投影图,如图 9 所 示。利用手机对脉搏数据进行相空间分析,得到关键参数,构 建、保存最优重构图。通过一段时间的积累,进一步分析有助 于了解用户的健康变化[30]。 2. 3. 3 FFT 与 EMD 分析血压状况 通过研究发现[31],正常人的脉搏波频谱能量下降更快,正 常人在 10 Hz 以上基本不存在更多能量,而高血压人脉搏波的 能量在 10 Hz 以上仍然有起伏波动的变化; 血压偏高者的脉搏 波功率谱下降更慢,在高频区有额外能量。经过计算可得,正 常人的脉搏波 5 Hz 内能量占 99% 以上,血压偏高者 5 Hz 内能 量占 97% 左右,即在 5 Hz 以上正常人与血压偏高者的能量比 值为 1∶ 3,有明显差别,如表 2 所示。 表 2 正常人与血压偏高者脉搏波频域差异 分类 频域功率谱 5 Hz 以上占比 模态商 X 血压正常人的脉搏波 1% 及以下 20% ~ 30% 血压偏高人的脉搏波 3% 左右 45% ~ 55% a) FFT 分析。在 Java 编程中,编写 Fft 及 Complex 两个类。 其中 Complex 类用来描述复数并可进行复数间的加减乘除,可 用做快速傅里叶变换计算; FFT 类则用做计算由脉搏波信号 x ( n) 经过傅里叶变换得到的 X( k) 频谱。最后得到脉搏波频谱 和脉搏波功率谱。 b) EMD 分析。设采集的脉搏波信号为 x( n),对脉搏波信 号进行 EMD 分解后可以得到 m 个 IMF( 固有模态函数): IMF1 ( n),IMF2( n),…,IMFm( n) 。其中 IMFm 表示残余分量,是脉 搏信号的最后一个模态。最后得到每个 IMF 分量的能量: Ei = ∫ ∞ - ∞ | IMFi ( n) | 2 dn i = 1,2,…,m FFT 和 EMD 在本方案中起到的作用如表 3 所示。 利用 FFT 得到脉搏波的频谱分布,利用 EMD 分解得到更 精确的频域能量分布。通过以上分析,最终给用户提供的参考 界面如图 10 所示。 该软件操 作 简 单,得到的结果简单易读。通 过 FFT 与 ·8502· 计 算 机 应 用 研 究 第 30 卷 EMD 分析,能够识别血压正常人群与高血压人群,可以立即给 出用户关于血压状况的建议。摈弃复杂、深奥的专业分析结 果,直接呈现健康建议,适合大众使用。 表 3 FFT 与 EMD 作用对比 分类 FFT EMD 运算时间 快 慢 对脉搏波定性的判断 更好 稍差 对脉搏波定量的判断 稍差 更好 在脉搏波识别中作用 先用做判断病人 属于哪个群体 后用做判断病人 血压健康状况 综上,本文实现在智能手机上采用小波分析、相空间重构、 EMD 分析方法来分析脉搏数据,初步实现了脉搏数据的本地 处理。相对于传统的集中到服务器进行处理的模式,更加灵 活,本地数据即时处理将是未来医疗监护的模式。 3 基于手机的自组织医疗共享网络 单一的手机虽然实现了完整的采集、分析和传输功能,但 传统上共享数据仍然需要通过服务器组组建的网络。充分利 用手机的网络通信功能,借助各种手机可用的通信介质,通过 自组织的方法,将孤立的智能手机连接到一起,构建医疗数据 共享网络,完成数据的共享。手机构建自组织网络如图 11 所 示。通过手机具备的智能分析功能,得到相关的分析结果和聚 类号。该聚类号可自动为用户贴上属性,手机附加该属性或者 用户自动增加标签后接入网络。根据不同的聚类号和标签,相 同的用户将自动组织到一起,通过进一步的深入自组织,逐步 细化形成更有相关性的网络。这样组织到同一网络的用户在 某些用户期望的方面具有较高的相关性,该网络的用户可以共 享各种医疗数据、资讯,该共享资料对于同一自组织网络中的 用户具有极高价值。 人们可以在自主选择的情况下决定数据是否共享,而无须 像传统的方式一样每次采集的数据都要传送到远程服务器。远 端服务器也不一定可以寻找到最好的样本来分析自己的情况, 而通过自我主动组建的局域网可以寻找到最佳的对比对象。 本文通过使用手机的蓝牙功能,在两台手机之间组建最小 自组织网络。两个人在自愿组建网络的情况下,通过手机自带 的蓝牙进行配对连接,组建最小自组织网络。在该网络中,两 台手机借助蓝牙进行通信,手机 1 利用摄像头采集脉搏数据, 通过蓝牙将数据传输到手机 2,手机 2 对脉搏数据进行处理, 并将即时处理结果返回到手机 1 进行显示。这样手机 1 和手 机 2 完成了医疗数据的共享和硬件平台的共享,在共享中两台 手机的地位是平等的。 图 12 展示了利用智能手机的蓝牙实现脉搏数据的共享, 而这种共享不仅局限于使用蓝牙这一介质,还可以通过手机的 WiFi、Internet 等多种通信介质组建自组织共享网络。 这种自上而下的自组织可以借助智能手机形成最有效果 的医疗数据共享网络,通过该网络,用户可以自主地完成医疗 数据样本的共享。这样选择的样本可用于自身健康分析的参 考样本,相对于传统的服务器在海量样本中寻找匹配对象更加 有效。一种应用前景案例是医生可以借助该网络活动大量的 同种病例,有利于培养医生; 一种是获得了大量相似用户的数 据,有利于发现规律。而目前尚未有对利用手机组建医疗数据 共享网络的报道。 4 结束语 本文以脉搏信号为例,设计了一套基于智能手机 Android 平台的脉搏采集、传输和分析一体化系统,通过开发一系列 Android 手机应用软件,构建了一种新的移动医疗系统模型,进 一步挖掘了智能手机这一移动医疗平台的潜在价值。 a) 利用智能手机实现了对脉搏数据的高速传输。本文通 过开发一套软件( 图 4) 实现调用手机自带的蓝牙、WiFi 来实 现局域网内的无线通信。在这种模式下,只需要在传统的脉搏 传感器端增加一下位机蓝牙适配器,该下位机蓝牙适配器将传 感器获取的脉搏数据发送到手机,而手机可以通过蓝牙或者 WiFi 的方式将数据传送给局域网内服务器,如果需要传到广 域网的服务器,只需要使用 Internet 方式( 图 6) 即可。该模式 只需要对传统脉搏采集、传输方式稍作改进,借助于便携的脉 搏传感器和智能手机的无线通信功能,即可使得用户在更加自 由的时间、空间进行脉搏数据的采集,有助于实现基于脉搏信 号的移动医疗。 b) 实现了利用手机摄像头来采集脉搏数据。本文利用智 能手机的摄像头来采集人体手指尖的血液颜色变化图像,通过 对该图像进行处理得到包含的脉搏信号。目前尽管有许多便 携式脉搏传感器的研究,但是这一类似的方案均要人体长期佩 戴额外的传感器,这本身就增加了人体健康生活的一种干扰。 因而本文设计了利用手机自带的摄像头来采集脉搏数据。目 前人们的生活离不开手机,而手机携带的传感器越来越多,该 模式的探究将有利于更加便捷地实现脉搏信号的实时采集。 c) 实现了利用手机智能分析脉搏数据。本文将实验室在 小波分析、相空间重构分析、EMD 分析方面的研究方法移植到 智能手机平台,实现了在手机本地进行脉搏数据的智能分析, 即时反馈分析结果和建议。传统的模式下需要将脉搏数据传 送到服务器进行集中处理,该过程消耗时间长,而且容易丢失 数据。同时手机的数据处理性越来越强,实现手机本地对脉搏 数据的处理是一种必然的趋势。 d) 探究了利用智能手机构建自组织医疗共享网络。通过 上面的开发,使得智能手机具备了脉搏信号的采集、传输和分 析一体化功能,因而每一个智能手机可以作为一个完整的个体 参与到网络中。基于此,本文提出了一种基于智能手机的自组 织医疗共享网络。借助智能手机的网络功能,用户可以主动组 建、搜索其他的用户,完成医疗数据的共享。区别于传统的医 ·9502·第 7 期 孟 濬,等: 一种基于智能手机的新移动医疗系统模式 疗网络,该网络自下而上自组织构建,类似于某些社交网络,只 是在这里共享的将是健康医疗数据。该网络将使得用户可以 自主地寻找最佳的参考样本、病友、健康信息等,有助于自我分 析健康状况和寻找恢复方案。 综上,本文以脉搏信号为例,探究了利用智能手机本地采 集、分析脉搏数据的新模式,实现了智能手机这一移动医疗平 台对脉搏数据的便携采集、移动传输及智能分析。该模式可将 人们从复杂的移动监测设备体系中摆脱出来,引导移动医疗转 向智能手机端的本地采集及本地分析,是未来移动医疗的研究 方向。更深层次上,本文借助功能完善的智能手机这一移动医 疗平台构建的自组织医疗网络,将使得病人的亲属、病友、监护 医生真正便捷地参与到移动医疗中来,扩大了移动医疗的应用 范围,使之更好地造福于民。由于条件有限,本文仅使用脉搏 信号为例进行了探究。移动医疗的数据采集对象不仅局限于 脉搏信号,如何实现其他医疗信号,如 ECG、EEG 等,使用手机 进行采集、分析,需要进一步地探究。 参考文献: [1] HII P C,CHUNG W Y. A comprehensive ubiquitous healthcare solu- tion on an androidTM mobile device[J]. Sensors,2011,11 ( 7 ) : 6799-6815. [2] ALTINI M,PENDERS J,ROEBBERS H. An Android-based body area network gateway for mobile health applications[C]/ /Proc of Wireless Health. New York: ACM Press,2010: 188-189. [3] KUO Ye-sheng,VERMA S,SCHMID T,et al. Hijacking power and bandwidth from the mobilephone’s audio interface[C]/ /Proc of the 1st ACM Symposium on Computing for Development. New York: ACM Press,2010: 24. [4] WYLIE C G,COULTON P. Persuasive mobile health applications [M]/ /Electronic Healthcare. Berlin: Springer-Verlag,2009: 90-97. [5] GUPTA S,CHANG P,ANYIGBO N,et al. MobileSpiro: portable open-interface spirometry for Android [C]/ /Proc of the 2nd Confe- rence on Wireless Health. 2011: 24. [6] LATHIA N. Using idle moments to record your health via mobile ap- plications [C]/ /Proc of the 1st ACM Workshop on Mobile Systems for Computational Social Science. New York: ACM Press,2012: 22- 27. [7] LIN Y H,LIN Zhe-min,HSU Y T,et al. A mobile intelligent blood pressure monitor based on the android smartphone [M]/ /Security- Enriched Urban Computing and Smart Grid. Berlin: Springer-Verlag, 2011: 178-187. [8] FAHIM M,FATIMA I,LEE S Y,et al. Daily life activity tracking ap- plication for smart homes using android smartphone[C]/ /Proc of In- ternational Conference on Advanced Communication Technology. 2012: 241-245. [9] SILVA B M,LOPES I M,RODRIGUES J J P C,et al. SapoFitness: a mobile health application for dietary evaluation [C]/ /Proc of IEEE International Conference on e-Health Networking Applications and Services. 2011: 375-380. [10]于洋,刘静. 手机无线心电监测技术系统实现及性能测评 [J]. 中国医疗器械杂志,2010,34( 6) : 392-396. [11]POSTOLACHE O,GIRAO P S,RIBEIRO M,et al. Enabling telecare assessment with pervasive sensing and Android OS smartphone[C]/ / Proc of IEEE International Workshop on Medical Measurements and Applications Proceedings. 2011: 288-293. [12]樊宁. 基于 Android 平台的无线控制系统设计与实现 [D]. 上 海: 华东理工大学,2012. [13] AGARWAL S,LAU C T. Remote health monitoring using mobile phones and Web services[J]. Telemedicine and e-Health,2010,16 ( 5) : 603-607. [14]BOLAND P. The emerging role of cell phone technology in ambulatory care[J]. Journal of Ambulatory Care Management,2007,30 ( 2) : 126-133. [15]PARE G,JAANA M,SICOTTE C. Systematic review of home tele-mo- nitoring for chronic diseases: the evidence base[J]. Journal of the AmericanMedical Informatics Association,2007,14 ( 3 ) : 269- 277. [16]ZHENG H,NUGENT C,McCULLAGH P,et al. Smart self manage- ment: assistive technology to support people with chronic disease [J]. Journal of Telemedicine and Telecare,2010,16 ( 4) : 224- 227. [17]张天翼. 蓝牙技术在便携式心电监测仪中的应用研究 [D]. 哈 尔滨: 哈尔滨工程大学,2008. [18]陈廷鋆. 脉搏波自动检测及无线通讯技术的研究 [D]. 北京: 北 京工业大学,2009. [19]PAN Qing,YANG Pan,ZHANG Rui,et al. A mobile health system design for home and community use[C]/ /Proc of IEEE-EMBS Inter- national Conference on Biomedical and Health Informatics. 2012: 116-119. [20]BOUROUIS A,FEHAM M,BOUCHACHIA A. A new architecture of a ubiquitous health monitoring system: a prototype of cloud mobile health monitoring system[J]. International Journal of Computer Science Issues,,2012,9( 2) : 434. [21]SUNG W T,CHIANG Y C. Improved particle swarm optimization al- gorithm for Android medical care IOT using modified parameters[J]. Journal of Medical Systems,2012,36( 6) : 3851-3860. [22]CHALLA S,GEETHAKUMARI G,PRASAD C S N. Patient data vie- wer: an Android application for healthcare[C]/ /Proc of Annual IEEE India Conference. 2011: 1-4. [23]REHUNATHAN D,BHATTI S,CHANDRAN O,et al. vNurse: using virtualisation on mobile phones for remote health monitoring [C]/ / Proc of IEEE International Conference on e-Health Networking Appli- cations and Services. 2011: 82-85. [24]HOWE T D. Cloud-Enabled health monitoring and visualization on an Android device [D]. Oregon: Oregon State University,2012. [25]吴彤. 自组织方法论论纲[J]. 系统辩证学学报,2001,9( 2) : 4- 10. [26] KANG K C,HEO S U,BAE C S. Android/OSGi-based mobile healthcare platform[C]/ /Proc of International Conference on Ad- vanced Information Management and Service. 2011: 125-126. [27]罗震. Android 平台环境下应用程序架构的设计与实现 [D]. 武 汉: 华中科技大学,2009. [28]FRASER A M,SWINEEY H L. Independent coordinates for strange attractors from mutual information[J]. Physical Review A,1986,33 ( 2) : 1134-1140. [29]CAO L. Practical method for determining the minimum embedding di- mension of a scalar time series [J]. Physical D : Nonlinear Phe- nomena,1997,110( 1-2) : 43-50. [30]孟濬,王磊,黄德样,等. 基于相空间重构的脉搏波观测方法: 中 国,201010139536. 3[P]. 2010-09-08. [31]俞梦冰. 基于 Android 手机平台的脉搏识别方法 [D]. 杭州: 浙 江大学,2012. ·0602· 计 算 机 应 用 研 究 第 30 卷
还剩5页未读

继续阅读

下载pdf到电脑,查找使用更方便

pdf的实际排版效果,会与网站的显示效果略有不同!!

需要 10 金币 [ 分享pdf获得金币 ] 0 人已下载

下载pdf