分級診療中患者健康監(jiān)測物聯(lián)網(wǎng)系統(tǒng)的設(shè)計與實現(xiàn)

分級診療中患者健康監(jiān)測物聯(lián)網(wǎng)系統(tǒng)的設(shè)計與實現(xiàn)

終端中的健康數(shù)據(jù)采集、物聯(lián)網(wǎng)系統(tǒng)和云架構(gòu)之間的連接。個人健康數(shù)據(jù)采集終端是具有內(nèi)置GPS模塊、藍(lán)牙模塊和SQLite數(shù)據(jù)庫等功能的嵌入式智能終端設(shè)備，如平板電腦或智能電話1.2訪問數(shù)據(jù)的管理數(shù)據(jù)中心作為醫(yī)療私有云平臺，通過執(zhí)行需要存儲、處理和分析來自IoT子系統(tǒng)的收集的患者健康數(shù)據(jù)的繁重功能來減輕IoT子系統(tǒng)(1)患者健康數(shù)據(jù)存儲健康數(shù)據(jù)云存儲資源用于長期存儲患者的醫(yī)療信息(電子病歷)和來自物聯(lián)網(wǎng)子系統(tǒng)的數(shù)據(jù)(傳感數(shù)據(jù))。電子病歷(E-Health)包含常規(guī)臨床數(shù)據(jù)(例如，臨床觀察和實驗室化驗結(jié)果)，而傳感數(shù)據(jù)包含由BSN提供的縱向患者數(shù)據(jù)?；谠L問控制配置，醫(yī)療保健從業(yè)者或急救中心可以訪問存儲的信息而無需訪問患者。能夠訪問感官數(shù)據(jù)以及決策支持系統(tǒng)支持的電子健康數(shù)據(jù)的醫(yī)生可以通過更好，更快地預(yù)測、干預(yù)和治療建議來改善偏遠(yuǎn)地區(qū)患者的健康質(zhì)量。(2)健康數(shù)據(jù)共享策略醫(yī)療保健服務(wù)提供商收集患者臨床數(shù)據(jù)的目的之一是與授權(quán)的醫(yī)療保健專業(yè)人員共享。由于數(shù)據(jù)安全和隱私是醫(yī)療保健系統(tǒng)中的重要問題，本研究使用簽名和證書的訪問控制機制確保只有合法的最終用戶才能訪問云中的數(shù)據(jù)。本研究還使用一定策略來管理授權(quán)實體之間共享的患者數(shù)據(jù)，并用于驗證具有訪問權(quán)限的用戶的身份。例如，策略可以定義對傳感器數(shù)據(jù)存儲中的傳感器讀取的訪問以及相應(yīng)的分析結(jié)果只能由神經(jīng)病學(xué)部門的醫(yī)生訪問。健康數(shù)據(jù)共享策略還確保在與其他實體(如研究中心)共享數(shù)據(jù)之前，應(yīng)對患者的獨特身份和相關(guān)配置文件進(jìn)行匿名處理。在提議的框架中，數(shù)據(jù)監(jiān)測單元負(fù)責(zé)建立健康數(shù)據(jù)共享策略，同時考慮到遵從法規(guī)要求和共享的需要，以便為患者提供最安全的醫(yī)療護(hù)理。(3)虛擬機層虛擬機層包括虛擬機(VM)管理器和服務(wù)調(diào)度程序等(4)醫(yī)療應(yīng)用層該層提供各種服務(wù)，處理從物聯(lián)網(wǎng)子系統(tǒng)收集的臨床數(shù)據(jù)，用于臨床觀察和干預(yù)，以及派遣救護(hù)車或通知患者家屬。分析引擎(AE)從收集的數(shù)據(jù)中提取特征并對數(shù)據(jù)進(jìn)行分類，以幫助醫(yī)療保健專業(yè)人員促進(jìn)良好的患者護(hù)理。為了使醫(yī)療保健專業(yè)人員能夠使用AE的結(jié)果來獲得準(zhǔn)確和適當(dāng)?shù)捻憫?yīng)和動作，可視化引擎將使用AE的輸出來使醫(yī)療保健專業(yè)人員以易于消化的格式訪問數(shù)據(jù)。當(dāng)觀察到需要緊急干預(yù)的事件時，警報系統(tǒng)會發(fā)出警報信號。如果感測的生理參數(shù)值超過預(yù)定閾值，則警報功能生成警報。例如，當(dāng)檢測到諸如心律失?；虻脱獕旱漠惓r，產(chǎn)生警報信號。該功能可以在不去看醫(yī)生的情況下檢測患者的健康問題，通知醫(yī)療服務(wù)提供者是否需要檢查，并為急救中心生成緊急警報。1.3觀察站點觀察站點是進(jìn)行數(shù)據(jù)驅(qū)動的臨床觀察和干預(yù)的地方。該層包括醫(yī)療專業(yè)人員、緊急響應(yīng)醫(yī)療服務(wù)、醫(yī)學(xué)監(jiān)測中心和患者等實體。醫(yī)學(xué)監(jiān)測中心涉及許多醫(yī)療保健行為者，包括醫(yī)生、患者和護(hù)理人員、臨床觀察、患者診斷和干預(yù)過程。因此，所有對患者數(shù)據(jù)的訪問請求都由醫(yī)學(xué)監(jiān)測中心管理。任何想要訪問傳感器數(shù)據(jù)的授權(quán)用戶都可以通過醫(yī)學(xué)監(jiān)測中心向云發(fā)出數(shù)據(jù)請求。如果請求的數(shù)據(jù)在傳感器數(shù)據(jù)存儲器中可用，則數(shù)據(jù)將返回給用戶。因此，醫(yī)療專業(yè)人員必須具有適當(dāng)?shù)纳矸蒡炞C和授權(quán)憑據(jù)才能訪問數(shù)據(jù)。該框架還允許授權(quán)用戶或應(yīng)用程序從個人健康數(shù)據(jù)采集終端按需請求數(shù)據(jù)。個人健康數(shù)據(jù)采集終端將從其內(nèi)存或傳感器節(jié)點檢索數(shù)據(jù)，并將其發(fā)送給最終用戶或應(yīng)用程序。當(dāng)觀察到特定數(shù)據(jù)或模式時，此級別的實體可訂閱數(shù)據(jù)服務(wù)以自動通知。例如，患者可以訂閱接收數(shù)據(jù)以進(jìn)行自我健康監(jiān)測;當(dāng)系統(tǒng)向用戶提供醫(yī)療建議時，這可能發(fā)生在數(shù)據(jù)分析和健康指示之后。在這種情況下，數(shù)據(jù)在可用時立即自動發(fā)布給醫(yī)護(hù)人員。在異常檢測的情況下，患者可以使用諸如血糖水平的數(shù)據(jù)來采取適當(dāng)?shù)男袆?。這種基于知識的決策可能會減少對醫(yī)生檢查和住院治療的請求次數(shù)。該框架還可以通過短信通知護(hù)理人員和急救中心可能存在的醫(yī)療急救服務(wù)。2試驗與研究2.1監(jiān)測結(jié)果的描述一般認(rèn)為患有充血性心力衰竭(CHF)的患者可以在就近的社區(qū)診所進(jìn)行護(hù)理。但是一旦患者出現(xiàn)心臟血液泵血能力快速減弱的癥狀，就需要到中心醫(yī)院急診。本研究試圖通過所提出的PPHM框架在社區(qū)醫(yī)院采用檢測EGG方法監(jiān)測患者的心臟活動，一旦出現(xiàn)需要急診的癥狀就自動向急救中心發(fā)出警報，并及時聯(lián)系社區(qū)診所根據(jù)情況采取就地急診或轉(zhuǎn)院等措施。圖2說明了用于遠(yuǎn)程患者監(jiān)測的建議框架。如圖2所示，醫(yī)生啟動數(shù)據(jù)分析過程實現(xiàn)對患者心臟活動的監(jiān)視和分析。醫(yī)生可以定義監(jiān)測期的開始和結(jié)束時間。醫(yī)學(xué)監(jiān)測中心完成建立連接過程，包括確認(rèn)請求代理是授權(quán)個人以及與個人監(jiān)測設(shè)備連接建立。個人健康數(shù)據(jù)采集終端能夠通過物聯(lián)網(wǎng)設(shè)備收集患者心電圖數(shù)據(jù)，并通過互聯(lián)網(wǎng)把匯總的患者數(shù)據(jù)發(fā)生給數(shù)據(jù)中心。在建立連接的過程中還需要完成個人監(jiān)測設(shè)備的注冊、檢查警報啟動的閾值以及數(shù)據(jù)中心和個人健康數(shù)據(jù)采集終端之間的加密密鑰的交換。此外，醫(yī)生需要選擇監(jiān)測服務(wù)的類型是連續(xù)的或是階段性的。在建立連接步驟完成之后，物聯(lián)網(wǎng)傳感系統(tǒng)開始收集關(guān)鍵生理參數(shù)并將數(shù)據(jù)轉(zhuǎn)發(fā)到個人健康數(shù)據(jù)采集終端。采集終端聚合傳感數(shù)據(jù)并將其中繼到數(shù)據(jù)中心的云存儲系統(tǒng)中，作為患者電子健康記錄被實時存儲。一般來說，醫(yī)生需要通過視覺檢查ECG記錄的重要特征。然而這樣手動檢查可能導(dǎo)致不準(zhǔn)確的醫(yī)療診斷，因此ECG信號的自動分類對于各種心臟病的臨床診斷非常重要。然而，ECG數(shù)據(jù)集具有多維度、海量以及伴隨隨機噪聲的。為了解決這個問題，本研究使用了一種結(jié)合了減少ECG數(shù)據(jù)特征維度的一致性聚類的分類算法。多級EGG分類算法如圖3所示。首先使用維度降低算法對ECG數(shù)據(jù)集進(jìn)行處理。該算法主要通過秩相關(guān)系數(shù)(RCC)算法有效捕獲ECG信號行為的最簡特征。來自RCC的輸出被饋送到一組無監(jiān)督的聚類算法(即，期望最大化、最遠(yuǎn)優(yōu)先和簡單K均值)算法。該步驟生成一組n個獨立的簇C={C2.2chfd數(shù)據(jù)集的研究本試驗對來自西安交大一附院充血性心力衰竭數(shù)據(jù)庫(CHFD)的真實ECG信號進(jìn)行仿真分析以驗證所提出的遠(yuǎn)程監(jiān)控框架。該數(shù)據(jù)集包含來自15名患有嚴(yán)重充血性心力衰竭的受試者的ECG記錄。各個EGG的持續(xù)時間約為20小時。每個患者的監(jiān)測數(shù)據(jù)包含兩個主要的ECG信號，每個信號以250個樣本/秒進(jìn)行采樣，在±10mV的范圍內(nèi)具有12位分辨率。試驗使用在MATLAB中實現(xiàn)的ECG傳感器仿真器，通過將CHFD數(shù)據(jù)集中的每個ECG樣本轉(zhuǎn)換為一系列16位幀對，并通過藍(lán)牙將它們傳輸?shù)絺€人監(jiān)測設(shè)備，生成ECG數(shù)據(jù)流。(1)EGG分類試驗使用加權(quán)平均F值研究了所提出的分類方案的有效性。試驗使用了10倍交叉驗證，并將基于SMO的分類算法與貝葉斯網(wǎng)絡(luò)學(xué)習(xí)(BayesNet)和經(jīng)典樸素貝葉斯(NaiveBayes)算法進(jìn)行了比較。圖4采用加權(quán)平均F值評估三種分類算法的性能，它們是在初始共識聚類數(shù)據(jù)訓(xùn)練之后作為聚類數(shù)量的函數(shù)。在聚類試驗中，基于SMO的分類算法在20個聚類的中實現(xiàn)了89.7%的分類準(zhǔn)確性，在2個聚類中則實現(xiàn)了98.9%的分類準(zhǔn)確性。這些準(zhǔn)確性都高于其他兩種分類算法。結(jié)果表明，本文提出的分類算法再試驗具有最佳的分類精度。試驗結(jié)果還表明，隨著聚類數(shù)量的增加，基于SMO的分類算法仍然具有較高的分類準(zhǔn)確性，因此可以較好地適應(yīng)于大規(guī)模地數(shù)據(jù)集的分類。試驗表明，該算法可用于分析高維度、隨機噪聲和規(guī)模大的ECG數(shù)據(jù)集。(2)系統(tǒng)可擴展性能分析為了研究系統(tǒng)的可擴展性，試驗?zāi)M了一組客戶端，這些客戶端同時傳輸傳感器數(shù)據(jù)流。試驗將請求到達(dá)間隔時間建模為泊松過程，而客戶端對服務(wù)需求在1到5毫秒之間隨機選擇。重復(fù)實驗1000次，取平均值。同時請求數(shù)量變化所對應(yīng)的平均響應(yīng)時間如圖5所示。由圖5可知，隨著請求數(shù)量的增加，響應(yīng)時間呈線性增長。3患者遠(yuǎn)程監(jiān)控系統(tǒng)本文開發(fā)了一種廉價、靈活且可擴展的遠(yuǎn)程健康狀態(tài)監(jiān)測系統(tǒng)，該系統(tǒng)集成了物聯(lián)網(wǎng)和云技術(shù)的功能，可遠(yuǎn)程監(jiān)控患者的健康狀況。實驗分析已經(jīng)表明，所提出的框架具有可擴展性，具有很高的分類精度。相信本文提議的技術(shù)框架可以通過大幅改善低效率和浪費以及使患者留在社區(qū)醫(yī)院獲得相同或更好的醫(yī)療護(hù)理，來解決大中型醫(yī)院所面臨的醫(yī)療資源嚴(yán)重匱乏的挑戰(zhàn)。0醫(yī)院和基層醫(yī)院的醫(yī)聯(lián)體通過分級診療的落地解決我國醫(yī)療成本正以不可持續(xù)的速度增長的痼疾是醫(yī)療機構(gòu)的迫切希望。但是基層醫(yī)療機構(gòu)存在醫(yī)療資源薄弱、專業(yè)醫(yī)生匱乏的問題，因此需要建立中心醫(yī)院和基層醫(yī)院的醫(yī)聯(lián)體，并使得中心醫(yī)院的高水平醫(yī)生能夠不受時