區(qū)域心電監(jiān)護物聯網云計算平臺關鍵技術研究

楊 樞，邱昱炎，石 波

1 蚌埠醫(yī)學院衛(wèi)生管理系，蚌埠市，233030

2 合肥工業(yè)大學計算機與信息學院，合肥市，230009

3 蚌埠醫(yī)學院醫(yī)學影像學系，蚌埠市，233030

區(qū)域心電監(jiān)護物聯網云計算平臺關鍵技術研究

【作者】楊 樞1,2，邱昱炎1，石 波3

1 蚌埠醫(yī)學院衛(wèi)生管理系，蚌埠市，233030

2 合肥工業(yè)大學計算機與信息學院，合肥市，230009

3 蚌埠醫(yī)學院醫(yī)學影像學系，蚌埠市，233030

該文探討構建一個區(qū)域心電監(jiān)護物聯網的方法，重點是基于云計算平臺的心電監(jiān)護中心的實現。文章分析了心律失常類型自動識別功能的實現原理，并對云計算平臺的總體架構、關鍵技術進行了研究，包括服務器負載均衡技術、海量小文件可靠存儲與快速檢索功能的實現方式等。

心電監(jiān)護；物聯網；云計算

0 引言

心電監(jiān)護是預防心血管意外和及時進行醫(yī)學干預的一種有效手段。物聯網技術的出現使心血管病患者在醫(yī)院外進行心電監(jiān)護成為可能。已有研究表明，遠程心電監(jiān)護以及個體化醫(yī)療可以使心血管病患者增加求診間隔，縮短住院時間，大幅度降低死亡風險。區(qū)域心電監(jiān)護物聯網是以某一區(qū)域（如縣、市）為單位，對心血管病患者或高危人群進行網絡化、遠程化的心電監(jiān)護，從而實現心臟健康管理和預警分析，協助用戶進行個性化健康指導，如給與疾病預警、修正治療方案或進行緊急干預。本文主要探討區(qū)域心電監(jiān)護物聯網的構建和云計算平臺的實現方法。

1 方法

1.1 區(qū)域心電監(jiān)護物聯網總體架構

區(qū)域心電監(jiān)護物聯網由感知層（心電監(jiān)護終端）、網絡層和應用層（心電監(jiān)護中心）三部分組成。感知層將被監(jiān)護者的心電信號，經網絡層，傳送到應用層。應用層對采集的心電信號進行自動分析，并實時反饋分析結果；當心電信號異常時，將根據受監(jiān)護者預置要求采取干預措施；作為區(qū)域心電監(jiān)護物聯網的中樞，實現數據存儲、檢索及各種管理服務功能。區(qū)域心電監(jiān)護物聯網架構如圖1所示。

圖1 區(qū)域心電監(jiān)護物聯網的架構Fig.1 System architecture of the regional ECG monitoring internet of things

本研究設定區(qū)域為一個地級市規(guī)模，最多可管理心電監(jiān)護終端約5萬個。心電監(jiān)護終端采樣頻率為200 Hz、3導聯、分辨率16位。心電監(jiān)護終端每天定時上傳心電信號6次，被監(jiān)護者也可主動發(fā)送即時心電信號（一般為體感不適時，每天不超過10次），每次采集時長均為2 min。為降低心電監(jiān)護中心負荷、減少數據流量，心電監(jiān)護終端對心電信號進行預處理，包括濾波、降噪、QRS波識別與定位、心搏聚類等，將不同的心搏聚類發(fā)送到心電監(jiān)護中心進行自動分析。以5萬個心電監(jiān)護終端計，每天產生的數據量約為20 GB，1年約為7 TB。

1.2 心電信號心律失常類型自動分析方法

區(qū)域心電監(jiān)護物聯網采用文獻[1]介紹的“基于模糊隸屬度與支持向量機心律失常分類模型”算法實現心電信號類型識別功能。首先通過心電信號預處理、QRS波的識別與定位、心搏聚類、心電信號特征提取與模糊化等環(huán)節(jié)，獲得每個心搏聚類由[0, 1]范圍26個特征參數組成的心律失常特征參數集，再使用支持向量機的多分類方法（通過組合多個兩分類器，構造多分類器）判定每類心搏聚類心律失常類型，最終綜合評價心電信號心律失常類型及置信度。

心電信號特征提取與模糊化、基于支持向量機的多分類方法是心電信號類型識別算法的核心，也是云計算平臺的主要功能。心電信號特征提取包括心電信號波形特征點計量和波形相似度計算兩種類型。為節(jié)省計算資源，預先利用MIT-BIH標準心電數據庫作為訓練集，獲得n-1個支持向量機分類器（n為分類數，包括不可識別類），云計算平臺直接使用支持向量機分類器（分類函數）對每類心搏的特征參數集進行分類判斷。

1.3 云計算平臺相關技術

云計算是一種計算模型，云計算概念被提出后，不斷地有IT廠商推出自己的云計算平臺，如Amazon的AWS、微軟的Azure和IBM的藍云等。本研究主要采用基于開源項目的云計算相關技術，如OpenStack、Spark、Cassandra和Linux虛擬服務器。

OpenStack是一個開源的云計算項目，提供了基礎設施即服務(IaaS)的解決方案[2]。Xen、KVM和VMWare是目前使用最廣泛的虛擬化技術，OpenStack對以上三種虛擬化技術有很好地支持。

Spark是開源的類Hadoop MapReduce的通用并行框架，與MapReduce的區(qū)別是Job中間輸出結果可以保存在內存中[3]。Spark使用內存分布數據集，在部分應用場合性能表現優(yōu)異。

Cassandra是一個混合型的非關系數據庫，以Dynamo為基礎，功能比Dynamo更全面；同時結合了Google BigTable基于Column Family數據模型、P2P去中心化存儲等技術。Cassandra與其他數據庫比較，具有模式靈活、高可擴展性、多數據中心識別等特點[4]。

Linux虛擬服務器 (Linux Virtual Server，LVS)是國防科大章文嵩博士主持的一個開源項目。它基于集群技術、負載均衡技術等，可以將許多低性能的物理設備組合在一起，構成一個高可用的超級服務器；當部分失效時，集群整體仍能正常工作。

1.4 云計算平臺設計思路

海量分析任務高速處理是區(qū)域心電監(jiān)護物聯網的主要特征，心電信號分析請求高峰時并發(fā)數可達100個/秒。如何能快速、準確的響應用戶要求，包括自動分析心電信號、數據存儲、數據檢索，是區(qū)域心電監(jiān)護物聯網需要解決的重要問題。鑒于區(qū)域心電監(jiān)護物聯網服務要求的高擴展性、高可用性和計算量，設計心電監(jiān)護中心的主要功能由云計算平臺實現。云計算平臺主要解決分布式計算(心電信號自動分析)、分布式存儲(數據讀寫)兩大問題，其主要設計思路：

(1) 基于LVS集群技術實現云計算平臺的高可擴展性和負載均衡

通過Xen對底層硬件虛擬化，構成一個統一、可有效管理的虛擬資源?；贚VS集群技術構建云服務器，可以根據用戶數量的多少增減服務器集群的物理設備，而用戶不會受到擴展過程的任何影響。LVS集群采用網絡層負載均衡、基于內容請求的任務分發(fā)等技術，將用戶請求均衡地分配到各個服務器節(jié)點進行處理，并且能自動屏蔽發(fā)生故障的節(jié)點[5]。

(2) 面向海量小文件和頻繁寫操作的可靠存儲和快速檢索機制

區(qū)域心電監(jiān)護物聯網存儲的文件是海量的小文件，文件大小不斷地動態(tài)增加，這不同于通常云存儲針對的大文件、多次讀少量寫的應用場合?，F階段流行的Hadoop等常用云計算技術不適合海量小文件且頻繁寫的場合，參考分布式實時數據庫的相關要求，筆者設計了基于云技術的區(qū)域心電監(jiān)護物聯網數據存儲與檢索架構（以下簡稱ECG-SR架構），以實現心電數據等的可靠存儲和快速檢索。

1.5 ECG-SR架構

區(qū)域心電監(jiān)護物聯網歷史數據檢索行為，大部分是面向被監(jiān)護者個體，涉及群體某時間段、某年齡段的查詢行為比例較低。因此，設計以每個被監(jiān)護者數據為一個獨立文件，該文件在用戶注冊時自動建立，也可由系統管理員手工添加。每一個心電信號文件以ID唯一標識，每條分析記錄按照上傳時間進行排序。基于云技術的可靠存儲與快速檢索機制滿足以下要求：

(1) 支持50個/s及以上數據幀并發(fā)寫入、分布式冗余存儲，冗余參數N≥3；

(2) 支持50個客戶端/秒并發(fā)查詢，單個查詢服務響應時間＜2 s。

當前大規(guī)模分布式存儲系統架構主要包括以Google的GFS、Hadoop的HDFS為代表的Master/Client架構和以Amazon的Dynamo、Apache支持的Cassandra為代表的去中心化架構。對于海量小文件、頻繁寫的應用場合下，Master/Client架構即使在盡量減少Master數據處理的情況下仍難以避免成為“熱點”，進而成為整個系統的瓶頸。去中心化的分布式架構，存在數據一致性維護機制復雜等問題，但能夠有效避免系統瓶頸以及熱點問題；采用多個對等的服務器節(jié)點之間通過一致性哈希表對數據進行分片和冗余備份等方法，可具有較好的可擴展性和穩(wěn)定性[6]。

云計算平臺數據存儲與數據檢索功能都是在ECG-SR架構上實現的。ECG-SR架構基于Cassandra實現心電信號數據文件的可靠儲存，并保證多個副本間數據同步。Cassandra是一個典型的NoSQL解決方案，查詢速度快；同時Cassandra寫性能較好，滿足系統功能需要。客戶端的檢索請求，通過負載調度器處理后，發(fā)送給ECG-SR架構服務器池，并將檢索結果回送給Web服務器。將Cassandra與Spark結合以實現虛擬云平臺邏輯架構，使端到端的分析工作流更易于實現。

ECG-SR架構具體如圖2所示，該架構部分參考文獻[7]，它較好地解決了海量小文件的可靠存儲與快速檢索問題，同時數據分析性能也得到很大的提升，使心電監(jiān)護中心能更快地響應客戶請求。

圖2 ECG-SR架構Fig.2 Architecture of ECG-SR

2 仿真驗證

搭建了1個模擬測試系統以實現對區(qū)域心電監(jiān)護物聯網云計算平臺設計的驗證。模擬測試系統包括1臺PC機（雙網卡）和心電監(jiān)護中心。PC機模擬海量心電監(jiān)護終端（以100個/s并發(fā)，發(fā)送心電分析請求）和海量客戶端（以50個/s并發(fā)，發(fā)送查詢請求），分別連接心電監(jiān)護中心Web服務器和通信服務器。心電監(jiān)護中心包括1臺Web服務器、1臺通信服務器和云計算平臺。云計算平臺由5臺服務器組成，1臺服務器作為負載均衡器，其余虛擬為服務器池，并共享存儲，以完成心電信號分析的云計算服務和心電數據存儲與檢索的云存儲服務。模擬測試系統仿真結果表明，本文提出的云計算平臺可以正?？煽抗ぷ?，滿足心電監(jiān)護物聯網系統需求。

3 結論

本文介紹的心電監(jiān)護中心云計算平臺不同于常用的云計算應用，它實現的服務包括海量的分析計算、海量的小文件頻繁寫少量讀操作等，并要求云計算平臺具有高可擴展性、高可用性。針對以上需求，對心律失常類型自動識別功能、海量小文件可靠存儲與快速檢索功能的實現方式、ECG-SR架構等進行了分析研究?；谠朴嬎闫脚_的區(qū)域心電監(jiān)護物聯網可以實現對海量心臟病患者和易感人群全天候、方便快捷的心電監(jiān)護，對于心臟病的早發(fā)現、早預防、早治療、提高大眾的健康水平具有重要意義。

[1] 楊樞, 朱超, 劉玉文. 基于模糊隸屬度與支持向量機的心律失常分類模型[J]. 蚌埠醫(yī)學院學報, 2012, (8): 985-987.

[2] 林利, 石文昌. 構建云計算平臺的開源軟件綜述[J]. 計算機科學, 2012, (11): 1-7.

[3] 嚴玉良, 董一鴻,何賢芒等. FSMBUS:一種基于Spark的大規(guī)模頻繁子圖挖掘算法[J]. 計算機研究與發(fā)展, 2015, (8): 1768-1783.

[4] 李戴維, 潘純娣, 夏清發(fā)等. Facebook Cassandra架構和設計的可信性研究[J]. 信息網絡安全, 2011, (8): 11-15.

[5] 劉玉艷, 沈明玉. LVS負載均衡技術在網絡服務中的應用[J].合肥工業(yè)大學學報(自然科學版), 2007, (12): 1592-1595.

[6] 錢益舟. 基于云技術的分布式實時數據庫高性能數據存儲檢索機制的研究[D]. 杭州: 浙江大學, 2012.

[7] 陳洪鈺. Cassandra聯姻Spark 大數據分析將迎來哪些改變？[EB/ OL]. http://www.searchbi.com.cn/showcontent_83436.htm, 2014-7-8.

The Key Technology Study on Cloud Computing Platform for ECG Monitoring Based on Regional Internet of Things

【Writers】YANG Shu1,2, QIU Yuyan1, SHI Bo3
1 Department of Health Management, Bengbu Medical College, Bengbu, 233030
2 School of Computer and Information, Hefei University of Technology, Hefei, 230049
3 Department of Medical Imaging, Bengbu Medical College, Bengbu, 233030

This paper explores the methods of building the internet of things of a regional ECG monitoring, focused on the implementation of ECG monitoring center based on cloud computing platform. It analyzes implementation principles of automatic identif cation in the types of arrhythmia. It also studies the system architecture and key techniques of cloud computing platform, including server load balancing technology, reliable storage of massive small f les and the implications of quick search function.

ECG monitoring, internet of things, cloud computing

R318.6

A

10.3969/j.issn.1671-7104.2016.05.007

1671-7104(2016)05-0341-03

2016-04-06

安徽省高校自然科學研究項目(KJ2015B061by)；蚌埠醫(yī)學院自然科學重點研究項目(BYKY1412ZD)

楊樞，E-mail: yangshu@bbmc.edu.cn

石波，E-mail: shibohome@qq.com