英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
可在www.sciencedirect.com上获得
ScienceDirect
程序计算机科学96 (2016)819 - 825
第20届知识与智能信息与工程国际会议
2016年9月5日至7日，英国约克
移动环境下心血管疾病患者早期预警系统的设计
严芳，赵立，孙立军
1 .东南大学系统工程学院，南京210096;2 .大连理工大学系统工程学院，大连116023
摘要：本文提出了一个移动环境下的涉及多种复杂知识的实时和个性化问题的心血管疾病预警的框架，特别提出预警的原则和方法以及关键指标的选择和收集。该系统集成了患者与家庭、医生、医院和社区诊所，分为两层。移动设备层可以检测到患者的异常情况，服务中心层可以发现并细化患者的个人情况知识，提高CVD预警的效果和效率。
关键词:e-Health;早期预警;心血管疾病;移动平台
1. 介绍
心血管疾病已成为我国居民的头号杀手，具有发病率高、致死率高的特点。卫生部2012年发布的数据显示，我国心血管病患者已超过2.7亿，其中近300万患者死于心血管病，占患者死亡总数的41%。心血管病的年医疗费用已达1300亿元。CVDs的治疗效果随着时间的推移而降低，如25%的患者在到达前死亡。CVDs爆发后，大多数幸存者留下了各种各样的后遗症。因此，对我国2.7亿心血管病患者进行有效的早期预警，延长其急救治疗时间具有重要意义。
由于CVDs的发生充满了突然性和不确定性，这将导致以下两个后果。(1)第一个是过度治疗，这意味着即使风险很低，患者仍然倾向于在医院观察更长的时间，造成了巨大的医疗资源浪费。(2)另一种情况是抢救延误——CVDs一旦在日常生活中袭击患者，专业医疗设备往往远离现场，从而增加了及时、恰当抢救的难度。近年来，随着物联网的发展，“医院到家”的概念逐步实现，可以缓解目前住院的现状，提高医疗资源的利用率。另一方面，对心血管病进行有效的早期预警，可以延长抢救时间，减轻患者家属的担忧，最大限度地保障患者的安全。
创新的物联网技术开辟了智能和移动医疗领域的新领域，也为CVDs医疗带来了机遇。特别是移动医疗作为一种新型的住院模式，将改变传统的看病、监护、就医的医疗模式。一条新的产业链正在逐步形成。预计到2017年底，中国移动医疗市场规模将达到约125.3亿元人民币，届时将有300万台移动设备接入无所不在的无线网络中的“医疗局域网”。此外，可穿戴医疗传感器将超过1亿台。
然而，有几个重要的问题在于智能医疗，例如，法律问题，数据安全，个人隐私，缺乏专业人士，等等。关键问题是由于医学知识的复杂性，这些设备的智能水平不够。因此，探索移动环境下的智能预警方法，快速准确地识别患者的真实危险，对于提高以智能名义开展的卫生保健工作是至关重要的。
论文组织如下。第二章对当前相关工作进行了文献综述，第三章详细分析了存在的问题以及系统设计的基本规则。第四部分介绍了关键指标的选择以及预警方法。第五章为预警平台。最后在第六章对本文的研究进行了总结。
2. 文献综述
下面我们将回顾与我们的问题最相关的研究领域，即(1)CVDs的医学或临床结果和(2)实时异常检测技术和平台。
对于心血管病，从医学统计学的角度进行了大量的研究，试图从外部环境因素、个人生活习惯、内在人格因素和病理角度获得心血管病进化的关键因素。Sundell等(2008)[1]揭示吸烟是男性心血管病发病和死亡的次要原因，肥胖和超重是心血管病的个体危险因素。Verdecchia等(2012)研究了血压与时间发生的关系。日本晨测家血压研究小组进行的实验研究人员对比了夜间家庭血压和医院血压，得出结论，增加家庭血压检测和监测可以提高风险评估的能力(Ishikawa, et al. 2012)[3]。研究了血脂水平对心血管病发病率的影响(Zeng, et al.， 2008;王，等，2008)[4-5]。许多学者关注气象因素，如温度、气压、风速等(Shaposhnikov, et al.， 2013;郑，等，2013;岳申，2009)[6-8]。此外，性格、运动习惯等个人因素对该病的发病率也有很大的影响(Yang, 2003)。
在线异常检测是卫生保健与人工智能相结合而产生的一个重要研究分支。Hong等(2011)[10]开发了一种基于状态的患者行为监测和室内空气质量监测，用于慢性病证候监测，可以自动预防风险，及时发现异常。Charbonnier和Gentil(2010)[11]提出了一种基于模糊决策的报警验证系统多变量趋势提取方法。结果表明，使用单项指标时，误报率可达85%。此外，为了降低误报率，使用多重来源数据并关注它们之间的关系非常重要。基于滑动窗口的数据流处理是资源约束下实时数据统计的有效方法(Zhou et al.， 2008;Datar等，2012)[12-13]。然而，由于窗口选择的限制，有时很难识别窗口之间的异常。Chandola等(2009)[14]发现，对于不同的问题，对异常的定义存在着巨大的差异。因此，很难有统一的方法，大量的训练数据对保证模型的适用性非常重要。
张等(2010)[15]在澳大利亚国家科研基金(ARC联动项目)资助下，开展了重症监护管理实时自适应流数据分析方法。该团队提出了一个两层的实时重症监护框架，其中支持向量机的回归方法用于预测各种指标，流式数据挖掘技术用于知识发现和机器学习。该框架将知识工程技术与流数据处理技术相结合，能够充分利用数据处理和人的经验，提高预测和预警的准确性。
我们可以发现，目前对实时异常的研究为我们探索移动环境下的预警系统提供了基础。但是，由于以下原因，这些不能直接应用到移动环境中。(1)在物联网环境下，会实时收集和分析大量数据。然而，移动设备的资源约束会限制数据存储和处理的功能。(2)如何正确运用专业经验和知识，提高早期预警的效率;(3)如何考虑历史数据、变化的环境和患者活动也是我们关注的问题。因此，如何设计一个资源有限的移动设备同步协调系统是一个值得探索的问题。
3.问题描述及系统设计原则
图1所示。移动环境下预警系统的原理
CVDs的早期预警是一个复杂而动态的决策问题，需要考虑患者的生理特征、当前患者的行为，如饮食或睡眠的当前状态，以及外部环境，如位置和天气等。因此，将一个或多个参数设置为报警阈值，会降低报警精度。利用物联网技术，预警系统可以自动监测和存储大量数据，并对数据进行实时处理和分析。该平台利用专业知识进行推理，从系统的角度对当前上下文的风险进行评估，从而有效地识别异常。
根据以上分析，我们设计了移动环境下心血管疾病患者预警系统，系统的基本原理如图1所示。首先，通过可穿戴传感器，如血脉传感器、心电传感器、温度传感器等，对患者当前的活动和指标以及环境数据进行采集和预处理。我们将此模块定义为(1)“实时数据采集与处理模块”。第二个功能模块称为(2)“离线知识挖掘模块”，通过获取与患者个体相关的知识来修改知识库。(3)基于实时采集的数据和预先确定的知识库，运行“在线数据流分析模块”，主要功能是上下文识别、异常检测和风险预测。最后，该系统可以为患者提供实时的预警警报或健康活动规划。
4. 选择CVDs预警的关键指标和步骤
4.1选择关键指标和收集解决方案
移动环境下的指标选择应兼顾多样性需求和可达性。数据源多样性的要求可以保证预警的准确性。同时，移动环境下对数据的访问会有多方面的限制。另一方面，我们与患者的直接接触表明，可穿戴传感器的易用性将影响其采用决策。根据规则，我们采访了多位专家和患者(大连医科大学第二医院专家4人，心血管病患者12人)，制定了以下关键指标并收集解决方案，如表1所示。指标可以分为两组。第一组包括血压、心电图、SPO、体温以及可穿戴设备自动采集的位置。第二组是需要患者自己检测的指标，如GI、血脂、体脂百分比等。并将频率设置为可接受的水平，以平衡处理的准确性和患者的便利性。
表1.数据采集解决方案
指标 收集频率描述
血压30秒可穿戴设备
心电图 30秒可穿戴设备
热点; 30秒可穿戴设备
体温30秒可穿戴设备
位置30秒手机或GPS设备
胃肠道 每天1次，早餐前后由患者自行检测
血脂每日1次，早餐前后自行检测身体脂肪百分比，每周自行检测一次
4.2.预警程序
移动终端一旦开始工作，就会产生大量多源异构的数据流。然后系统的第一项工作是对数据进行预处理，并将数据上传到服务中进行存储和分析。如图2所示，收集的数据将分为异常识别、风险预测与预警、知识获取与更新三个部分。实现了异常识别。
通过实时监测指标，并根据知识库中预先确定的异常情况分析数据。利用特征提取和相似度计算来发现潜在的异常。一旦发现异常情况，我们需要评估当前的情况是否会构成健康风险。采用基于规则的推理和数据回归方法，对当前各种在线指标构成的场景进行评估。如果健康风险被评估为高水平，就会触发风险预警。所收集的资料将储存于本服务内，并用于离线知识挖掘，以修订个人警告规则。
知识库的质量对预警的可靠性至关重要，CVDs预警知识包括常识和个人知识。在本研究中，我们首先通过专业的专家获取共同的知识要素，然后参照典型的患者进行个人规则的提取。此外，当系统运行时，会分析大量更新后的数据，生成新的知识并修改知识库，如图2所示
图2。移动环境下的预警程序与方法
5. 预警系统设计
5.1系统用户
该系统涉及的用户如下。(1) CVDs患者及其家属。早期预警服务不仅提供给心血管病患者，也提供给他/她的家人。让他/她的家人同时被告知，可以帮助降低伤害水平，并得到立即的拯救，因为大多数时候，CVDs患者可能失去意识时，突然中风发生。(二)负责医疗的人员，包括医师、护士。(三)具有预警系统的医院。(4)社区内最近的诊所或急救站，能尽快到达患者。据统计，大多数社区诊所可以在10分钟内到达城市居民区附近。诊所的医务人员都接受过培训，要尽快提供急救服务。因此，我们可以看到，系统的应用不仅是一个技术问题，而且是一个协调的过程，激励多个组织共同进行运作。
5.2系统框架设计
图3 系统架构
CVDs预警系统的体系结构设计如图3所示。该系统由数据采集、处理数据分析和知识库更新的服务中心、与各类用户交互的接口子系统和数据传输子系统组成。为了平衡效率和有效性,使用两层框架包括服务中心级别和移动终端,移动终端可以存储重要的个人特性和检测异常,而大规模知识库和复杂的数据分析处理服务中心。
6. 结论
综述所述，本文提出了一种移动环境下CVDs预警系统的框架，首先指出系统设计的原则，再利用在线分析和离线知识挖掘的优势研究关键指标和收集方案来平衡疗效、效率和患者的便利性。利用知识工程和数据挖掘的方法，提出了CVDs预警程序。最后搭建了双胎平台，实现了多用户之间的数据传输，并为CVDs患者及时报警。进一步的研究领域包括:(1)预警知识表示与推理;(2)基于流数据分析的异常识别方法;(3)系统开发与实现。
承认
本课题由国家博士后科研基金资助项目(No. 2013M541593)和江苏省博士后科研基金计划项目(No. 1302134c)资助
参考文献
[1] Sundell, L., Salomaa ,V., Vartiainen, E., et al中风风险的增加与酗酒习惯相关性研究. Stoke.2008, 39: 3179-3184.
[2] Verdecchia, P., Angeli, F., Mazzotta, G., et al. 高血压患者昼夜血压下降，清晨血压飙升.
2012, 60: 34-42.
[3] Ishikawa, J., Hoshide, S., Eguchi, K., et al. 夜间家中血压与高血压靶器官损害的风险.2012, 60: 921-928.825 Yan Fang et al. / 预测计算机技术96 ( 2016 ) 819 – 825
[4] Zeng, Q., Sun, X., Wu, H人体脂肪组成与心血管疾病危险因素的关系: [J] 引用本文:临床康复组织工程状况研究. 2008, 12(13):2473-2476. (中文)
[5] Wang, M., Zhao D., Wang W. 血清甘油三酯与35-64岁中国省队列研究中的急性冠心病事件的独立危险因素 [J]
中国心脏病学杂志t [J]. Chinese Journal of Cardiology. 2008, 36(10): 940-943. (中文)
[6] Shaposhnikov, D., Revich, B., Gurfinkel, Y., et al. 气象地磁因素对俄罗斯莫斯科地区急性心肌梗死和脑卒中的影响and brain stroke in Moscow, Russia. International Journal of Biometeorology. 2013, DOI10.10
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[20127]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
