病患生理參數管理平臺的設計與實現

溫浩杰

摘 要： 針對病患生理參數的采集，結合軟件工程學的方法論，采用遠程技術實現對體溫、血壓、脈搏等病區日常測量的生理參數的采集、分發與處理。從臨床醫生對監控系統的使用習慣出發，通過數據庫建模技術、J2EE等技術，從海量數據收集，到數據庫建模以及利用SSH框架建立起生理參數管理平臺。該系統能滿足病區的日常生理參數的智能采集與全面的匯聚，給患者的日常治療提供可靠安全保證，為醫生及時做出臨床決策提供有力的保障。

關鍵詞： 病患； 生理參數； 監控平臺； 數據挖掘

中圖分類號： TN311?34 文獻標識碼： A 文章編號： 1004?373X（2015）16?0034?04

Design and implementation of physiological parameter management platform for patients

WEN Haojie

（Nanjing General Hospital of Nanjing Military Rejion， Nanjing 210002， China）

Abstract： Aiming at the patient physiological parameter acquisition， acquisition， distribution and processing of the daily?measured physiological parameters of temperature， blood pressure， pulse and so on were implemented with remote technology according to the software engineering theory. The physiological parameter management platform with the functions of data acquisition， database modeling and SSH framework application was established with database modeling technology and J2EE technology based on clinicians habits of using their monitoring systems. The system can meet the intelligent acquisition and comprehensive convergence of daily physiological parameters of patients in an endemic area， provide reliable security guarantee for daily treatment of patients and provide a strong guarantee for doctors to make their clinical decision.

Keywords： patient； physiological parameter； monitoring platform； data mining

0 引 言

隨著我國人口結構逐漸向老齡化邁進，一些新型的醫學模式也逐漸對疾病的治療、預防和控制等方面作出新嘗試，新一代數字健康工程技術正在朝著數字化、智能化的方向快速發展[1]。目前監控儀所能監測的是很有限的參數，而能自動、連續、無創監測的參數很少，且都僅限于生理參數[2]。從醫療信息化的發展來看，通過有效的醫療物聯網，醫院可以對患者或亞健康者進行實時診斷并提供健康提醒服務，從而有效地減少和控制病患的發生與發展[3]。

隨著我國人口老齡化的進一步加劇，需要家庭健康監控的老年病人數也會越來越多，開發一種生理參數管理平臺，全面匯聚病區的日常生理參數，對于解決“監”與“護”統一問題具有重要的現實意義。

1 病患生理參數管理平臺的架構設計

1.1 業務與管理流程設計

病患生理參數管理平臺是基于物聯網，集生命體征采集和監控、遠程診斷和治療、慢病預防和干預、疾病隨訪、設備管理、居民健康檔案和健康信息統計分析于一體的大型信息系統[4]。該系統利用物聯網、數據挖掘、網絡通信等各種高科技手段，目標是通過該平臺的使用可以實現遠程的健康監控。

管理平臺的總體架構如圖1所示，被管理平臺服務的入網人群包含3部分，分別是體檢人群、門診病人和住院患者。

對于體檢人群，系統根據體檢結果對用戶進行疾病風險評估和人群分類，如果其各項指標正常，即被劃分為健康人群，出具健康體檢報告，并要求其定期進行體檢。如果其某些指標出現異常，但還沒有嚴重到患病的程度，則被劃分為亞健康人群，醫護人員利用遠程健康管理，將對其出具相應的疾病風險報告及健康干預指導。對于普通門診患者，健康管理平臺對其進行分類，如果其為健康或亞健康，則同上述體檢人群的監控方法一致。如果其患某種疾病，尚還未達到住院標準，醫護人員則可通過遠程無線健康監控平臺與病人實現互動，根據實時體征參數調整用藥和治療方案，直到病人恢復健康。

對于住院患者，在其康復出院后，利用該系統對其術后狀況、康復過程進行跟蹤、隨訪。出于醫院病床床位的限制和醫護人員的短缺，住院患者一般在病情得到初步治療和控制后就會安排出院，在家恢復康復。

圖1 醫院病患生理參數管理平臺架構圖

1.2 病患生理參數管理平臺設計

本文提出的遠程健康監控平臺，患者可以在足不出戶的情況下與醫護人員進行診斷交流并得到及時的反饋。遠程健康監控平臺通過各種采集器實時采集用戶生命體征信息，并通過無線網絡實時傳輸到網絡服務器[5]。整個平臺由心電監控系統、動態血壓監控系統、血糖監控系統、睡眠監控系統、呼吸監控系統等諸多子系統組成，分別采集不同的體征參數以滿足不同病癥的監控需求。遠程健康監控平臺的主要構成如圖2所示。

圖2 遠程健康監控平臺的組成部分

遠程心電監控系統由心電采集器、健康手機、中心管理系統、醫生工作站等4個部分組成。該系統的主要創新點在于：基于心電采集器與健康手機采用分開設計理念，同時采用單電源技術、低功耗中央處理器技術、高集成芯片設計技術與嵌入式軟件技術，并且有效集成，使得心電采集器“功耗小、體積小、重量輕、方便佩帶”；采用藍牙模塊休眠技術、CPU休眠技術、藍牙斷線自動重連技術與嵌入式軟件技術，并且有效集成[6]，確保了通信的穩定性和數據的可靠性；采用高效可靠的壓縮算法對待傳送數據進行壓縮處理，使得網絡流量降低50%左右，有效利用帶寬，提高系統實時性；采用可靠的數據傳輸協議，利用分包、編號、重傳等手段使得在采集器和智能終端之間的心電數據傳輸準確無誤；以上多種先進技術確保了心電圖數據的實時、動態、可靠傳送。

遠程動態血壓監控系統側重于與高血壓相關的臨床方面的應用及家庭血壓監測；對病人在一天中不同時間段的收縮壓、舒張壓、心率等參數進行客觀準確采集并自動傳送至e+醫健康手機，還可記錄特定事件（如進餐、運動、睡眠、其他等）發生的時間；手機端接收到測量數據后，通過GPRS實時傳輸測量記錄到遠程監控平臺[7]。遠程睡眠監控系統采用了“血氧+可調節枕頭”的方法，當患者發生阻塞性睡眠呼吸暫停綜合癥（OSAS）時，所用到的枕頭可以自動的進行調整，確保了患者的呼吸道總是處于通暢的狀態，以實現治療的效果。其特點是患者可以在家居環境下接受OSAS治療。

2 基于數據挖掘的生理參數研究

在遠程健康監控平臺上，針對通過獲取臨床信息與實時監控數據，形成監控的信息集成平臺。同時，在后臺并整理臨床治療數據與監控波形數據形成臨床信息數據庫。

本文將80個患者的MAP記錄當作測試集進行提取。在這個測試集中對T0之前的30 min PWTT信號的統計特征進行主成分變換，將變換完成后得到的結果作為特征參數輸入分類預測模型中進行分類預測。其過程可以描述為：向訓練過的BP神經網絡中輸入測試集中的數據，從Matlab中調用函數sim，初步得到神經網絡的預測分類，當預測分類的值為1，將患者歸為H組，判斷的結果是該患者在預測窗口內發生了急性低血壓；當預測分類的值不等于1，將患者歸到C組，判斷的結果是該患者在預測窗口內無急性低血壓的發生，接著對預測正確率進行統計。為了優化分類預測模型，本文試湊了BP神經網絡的結構，利用對比和分析的辦法，選取其中的最優化模型[8]。如表1網絡特性所示，表中所述的訓練集平均正確率代表了訓練集中用來測試網絡性能的子集在網絡預測下的正確率的平均值，測試集平均正確率代表了通過測試集測試網絡從而得出的正確率的平均值，從表中可以發現，選擇隱含層為2時，能得到較高的測試集平均正確率。當隱含層單元數等于2時，將實驗中的第7次交叉驗證作為最佳模型進行測試，得到了81.25%的測試集正確率。

表1 網絡特性

由表2發生與未發生記性低血壓的分類預測結果可知，針對完整的測試集（共包含80個病患者）來說，該系統正確預測了67個在T0之后的1 h內是否發生急性低血壓的患者記錄，將預測的準確率提升至81.25%。應用神經網絡能有效的對不同組之間的特征參數的差別進行快速學習，進而利用神經網絡卓越的非線性映射能力，可以對急性低血壓病癥的發生進行有效的分類。

表2 發生與未發生記性低血壓的分類預測

3 病患生理參數管理平臺的實現

從功能角度來說該平臺主要包括3部分，用戶入網注冊模塊、醫患實時交互模塊和慢病隨訪模塊，如圖3所示為病患生理參數管理平臺的模塊組成。

3.1 用戶入網注冊模塊

該模塊主要包括不同類型的用戶注冊以及用戶的權限管理，用戶主要包括體檢用戶、門診患者、出院患者和醫護人員。該模塊具備醫護人員的用戶注冊和權限管理功能，對醫護人員進行實名認證，并對于不同級別不同分工的醫護人員給予不同的權限管理，加強整個模塊的安全認證機制，保證患者的權益得到充分保護、患者的隱私不被泄露。

圖3 醫院病患生理參數管理平臺的功能模塊

3.2 醫患實時交互模塊

基于Web，該平臺的醫患實時交互模塊支持視頻、音頻、短消息、郵件等的互動，利用該模塊，用戶可以向醫護人員述說病情，征詢建議，醫護人員給予實時講解和診治。該模塊集成了視頻、語音、短消息等各種功能，以滿足醫患之間任意時間任意形式的交流。

3.3 慢病隨訪模塊

慢病隨訪模塊針對特定的慢性病人或手術后病人進行定期的遠程檢查和診治，對用藥和日常生活習慣給予指導。無論是基于Web的互動平臺還是基于Pad的移動工作站都是一種利用了云計算技術的瘦客戶端，大量資料存儲在云端數據中心，用戶通過訪問醫療云來獲取相應信息。

3.4 編程實現

本系統采用Hibernate方法對數據持久層進行開發，將Hibernate反轉工程運用其中，在數據庫中數據表生成相應的POJO （Plain Ordinary Java Object）類和映射文件[9]。以遠程心電監控表Source和分類表Holter為例，生成的Holter類用來存儲Source表的詳細信息。其中THolter類中有一個集合類型，用來存儲Patient對象，從而體現數據庫中的“一對多”的關系。在這種方法中與Holter類相對應的配置文件是Holter.Hibernate.xml。由JSP對用戶界面進行實現，同時使用Struts所提供的標簽可規避在JSP中植入太多Java腳本，以改善代碼的可讀性。通過JavaScript提供的XMLHttpRequest發送請求并得到結果，其具體實現過程為：

（1） 客戶端

首先要創建XMLHttpRequest組件，相關代碼為：

function createXmlHttpRequest0{

if（window.ActiveXObject）{//如果是IE瀏覽器

return new ActiveXObject（"Microsoft.XMLHTTP"）：

}else if（window.XMLHttpRequest）{//IE瀏覽器

return new XMLHttpRequest（）；

}

}

然后設置要提交URL地址，并設置回調函數，通過XMLHttpRequest對象的Open方法初始化，通過Send方法發送請求?；卣{函數中通過ResponseText屬性得到服務器端返回信息，判斷后輸出。

（2） Server端

在Action類方法中，通過調用數據庫中建立的“user”表來判斷用戶是否存在以及密碼是否正確，并傳遞返回值。使用Log4j日志記錄系統中日志管理所采用的Log4j技術。Log4j是Apache官方的一個開放源的代碼項目，具有強大的日志記錄管理功能，其通過修改相關配置文件，即可以指定存儲日志的輸出目的地、輸出級別，以及每條日志的輸出格式，極大地提高了日志系統的靈活性。

3.5 運行結果

網絡端口實時接收TCP/IP格式數據，包括床墊協議數據與多參數協議數據（包括長程數據與片段數據）。網絡端口實時轉發收到的數據，以廣播形式實時發送。實時數據的數據庫存儲，非實時數據與報告的上傳與下載病人檔案信息管理軟件的編寫。此功能以BS模式進行編寫，用戶使用IE瀏覽器即可瀏覽。以用戶ID號為主識別信息標志。

具體包括：用戶登錄管理、設備管理、病人信息管理、監控信息管理、數據與報告上傳功能等。此處僅列舉病患生理參數管理平臺所采集并生成的體動趨勢圖，如圖4所示。

圖4 體動趨勢圖

4 結 語

本文采用遠程技術針對生理參數的采集提出了醫院病患生理參數管理平臺，并對其進行系統設計和功能模塊的分析。針對所采集的海量數據，采用數據挖掘技術對生理參數進行分析處理與集成應用，通過采用BP人工神經網絡的方法實現急性低血壓導致休克的預測，實驗證明取得了較高的準確率。最終通過數據庫建模技術，利用SSH框架實現了醫院病患生理參數管理平臺，解決了醫護人員可以在患者足不出戶的情況下得到其生理參數，并進行相應的指導與診治的難題。

參考文獻

[1] 金凡，王成，白麗紅，等.基于Android平臺的脈搏波監測系統的研究[J].計算機測量與控制，2014，22（4）：994?996.

[2] 高翔，劉秀鵬，馮天天，等.基于無線體域網的康復監測系統設計[J].計算機技術與發展，2014，24（9）：234?237.

[3] 陳超.遠程醫療監控系統服務器平臺的設計與實現[D].成都：電子科技大學，2012.

[4] 梁鐵.基于多智能體的遠程健康監控系統結構及時間校準研究[D].保定：河北大學，2011.

[5] KOH H C， TAN G. Data mining applications in healthcare [J]. Journal of Healthcare Information Management， 2011， 19（2）： 65?70.

[6] 許雪楠，梁晉濤，黃邦宇.基于STM32的健康一體機控制系統的設計[J].微型機與應用，2013，32（16）：20?22.

[7] 陳浩，王昊翔，田志宏，等.基于嵌入式Linux的遠程生理參數監護系統的設計[J].計算機測量與控制，2013，21（7）：1843?1845.

[8] MAO Y， CHEN Y， HACKMANN G， et al. Early deterioration warning for hospitalized patients by mining clinical data [J]. International Journal of Knowledge Discovery in Bioinformatics （IJKDB）， 2011， 2（3）： 1?20.

[9] NAKAYAMA N， OKETANI M， KAWAMURA Y， et al. Algorithm to determine the outcome of patients with acute liver failure： a data?mining analysis using decision trees [J]. Journal of Gastroenterology， 2012， 47（6）： 664?677.