基于云技術的動態心電監護系統研究

摘 要：臨床研究發現動態心電圖監測（Dynamic electrocardiogram （ECG） monitoring）效果明顯優于傳統靜態心電圖監測，隨著人們對醫療保健的重視，醫療保健和健康監測平臺將產生大量的監測數據。傳統的健康監測技術不能有效的對這些收集的大數據進行管理和分析。針對這些問題，本文提出了一種基于云平臺的動態心電監護分析系統。首先，利用數據采集傳感器采集動態心電信號與心跳數據，然后，傳感器通過藍牙技術將收集到的數據發送給終端，終端再將數據發送到云存儲平臺進行存儲。該云平臺采用分層服務建立的建模框架，而云存儲是由數據庫存儲（MySQL）和分布式文件系統存（HDFS）所組成的。該系統可以讓用戶更好的了解自己身體狀況，達到疾病監測的目的。

關鍵詞：動態心電圖；醫療保健；Hadoop；云平臺；智能手機

中圖分類號：TH77；TP393.09 文獻標識碼：A文章編號：2096-4706（2018）01-0037-02

Research on Dynamic ECG Monitoring System Based on Cloud Technology

YAN Xilan，XIE Jingming

（Guangzhou Panyu Polytechnic School of Information Engineering，Guangzhou 511485，China）

Abstract：Clinical studies showed that the dynamic electrocardiogram（Dynamic electrocardiogram （ECG） monitoring）is obviously superior to the traditional static ECG monitoring，as people focus on health care，health care and health monitoring platform will have a large number of monitoring data.The traditional health monitoring technology can not effectively manage and analyze the large data collected. To solve these problems，a dynamic ECG monitoring and analysis system based on cloud platform is proposed in this paper. First，data acquisition sensors are used to collect the dynamic ECG and heartbeat data. Then，the sensor sends the collected data to the terminal through Bluetooth technology，and the terminal sends the data to the cloud storage platform for storage. The cloud platform is modeled by hierarchical services，while cloud storage is composed of database storage （MySQL）and distributed file system storage （HDFS）. The system can make users better understand their own physical condition and achieve the purpose of disease monitoring.

Keywords：dynamic electrocardiogram；health care；Hadoop；cloud platform；smart phone

0 引 言

隨著運動量的增加，人將不但耗費心肌氧，心率變異性異常，從而很容易誘發心臟疾病，通常的心電圖很難發現該類疾病，然而，動態心電圖監測卻可以很容易地解決這些問題。動態心電圖監測在一些疾病診斷方面具有不可替代的作用，比如冠心病，陣發性心律失常，心絞痛與心肌缺血等。因此，可以使用收集到的動態心電圖數據去分析這些病情的嚴重程度[1，2]，判斷藥物和治療的效果并指導病人進行康復訓練。

隨著移動終端設備和云平臺的發展與普及[1，2]，使得利用基于移動終端和云平臺的健康監護系統為病人提供醫療服務也變為可能，從而有利于降低醫療費用并為老齡化社會、高昂的衛生保健成本和數量有限的醫院設備等問題提供了一個很好的解決方案。然而，隨著健康監測平臺中的醫療保健數據越來越大，傳統的數據監控技術已經無法有效地管理和分析這些數據了，當面對如此大量的數據時，最重要的任務是解決如何正確存儲、提取和分析用戶的歷史數據，合理識別病人特征與相似案例匹配方法。基于云平臺的健康監控系統的概念已經提出很久了[3]，幾乎沒有文獻提出使用基于云服務體系結構建立動態心電圖監測的方法。本文提出了一種基于Hadoop構架建立的云服務平臺的動態心電圖監測系統，該系統具有較高可靠性、較大處理容量、較靈活的擴展性和性能穩定等特點。

該系統主要分為三個模塊：動態心電數據采集模塊（傳感器裝置）、監測服務模塊（智能移動終端）及大數據處理模塊（云服務管理平臺），動態心電數據采集模塊主要由心率傳感器和配備藍牙技術的心電傳感器組成。監測服務模塊主要由與云端服務平臺連接的智能移動終端組成。而大數據處理模塊是利用網絡服務器及主從服務節點最大的優化大數據的存儲和分析，這些大規模數據的存儲和分析都是傳統數據庫及應用軟件無法處理的。

1 云服務平臺的體系結構設計

1.1 云服務平臺總體設計

基于云服務平臺的動態心電監護系統主要由生理傳感器、智能移動終端、云服務管理平臺組成。主要研究工作包括：利用數據采集傳感器（包括心率傳感器和心電傳感器）同時采集動態心電信號和心率數據，將采集到的數據通過藍牙技術發送到智能移動終端（通常是智能手機終端）進行顯示和預處理，然后終端再將加密并壓縮后的數據通過4G或者Wi-Fi網絡傳送到云服務管理平臺，該云平臺對這些數據進行分析，完成后，反饋發送到用戶移動終端，用戶即可以得到一份他們自己的健康評估報告。例如當診斷出心率不齊這樣的疾病時，智能移動終端即會利用其定位裝置通知醫療中心并報告用戶的位置。

云服務平臺接受到用戶的生理數據后，也會實時存儲這些數據用于進一步的健康分析，系統最終會生成一份健康診斷結果并發送回用戶的移動終端。云服務平臺總體設計圖如圖1所示。

1.2 云存儲與數據分析

由于需要實時響應和存儲大量的結構化和非結構化生理數據，所以云平臺中的云存儲模塊采用數據庫存儲（MySQL）和分布式文件系統存儲（HDFS）方式進行數據的存儲。MySQL數據庫主要用于存儲個人數據，管理員信息和診斷信息，收集到的大規模數據和診斷報告主要存儲在HDFS。這些數據是根據用戶的ID號進行分類的，分布式存儲方式非常有益于擴展，也能為用戶提供擁有長期的電子健康記錄。本系統中的海量健康數據的處理與分析算法都被集成在基于Hadoop集群建立的MapReduce框架中。

2 云服務管理平臺

云服務管理平臺包含了三層：網絡服務器，主服務器節點，從服務器節點。網絡服務器通過虛擬化技術為主/從服務器節點和云端數據庫服務，云端數據庫用于數據存儲和管理，主/從服務器節點用于接收生理數據，對不同疾病和用戶交互進行分析處理。醫務人員和用戶也可以通過網絡服務器進入云管理平臺。網絡服務器發送請求和命令給主服務器節點，該主服務器節點控制其他的從服務器節點的數據資源，從服務器節點主要負責數據存儲、數據計算并將結果返回給主服務節點。

3 智能終端應用程序的實現

智能終端應用程序的程序流程如下，首先，用戶注冊成為會員，登錄后即可使用該應用程序動態監護心電圖。該應用程序主要由用戶信息管理、動態心電圖監測、診斷記錄管理和緊急報警功能四部分組成，用戶信息管理程序可以收集用戶的個人信息，比如身高，體重，習慣，疾病史和藥物使用等，用于輔助診斷；動態心電圖監測部分是采用藍牙技術接收采集的心電數據包，并對心電信號進行分析和預處理，同時，實時顯示收集到的心率數據和動態心電圖信號。完成收集數據后，該應用程序將通過網絡自動的把這些信號數據上傳至云服務平臺；診斷記錄管理程序可以為用戶顯示歷史診斷記錄，心率趨勢、健康咨詢和動態心電信號；急救報警功能是當用戶處于緊急情況時，應用程序將自動的通知專業保健人員或緊急聯系人，并向他們發送用戶的位置信息和身體狀況。

4 結 論

本文提出的基于云服務平臺的動態心電監護分析系統涉及了多項技術，包含有傳感器技術，網絡通信技術，信號處理技術和軟件設計，系統將傳感器，智能終端，網絡服務器和Hadoop集群結合起來，搭建了一個實時動態心電圖分析系統，實現一個完整的醫學數據分析系統。云平臺的引入，提高了系統的可擴展性，降低維護平臺的成本和負擔，同時節省了功耗，緩解了海量數據的儲存和處理問題。利用Hadoop集群的優勢，系統可以實現數據的高度共享和深度利用。利用MapReduce計算框架進行數據挖掘，統計分析醫學數據與疾病相似性，可以幫助專家制定健康改善計劃。系統使得用戶更好地了解自己的身體狀況，達到疾病監測和早期警告監測的目的。

參考文獻：

[1] K. Imenes et al.，Implantable MEMS acceleration sensor for heart monitoring recent development and outlook [A].Electronic System-Integration Technology Conference （ESTC）[C]，2012（5）：1-5.

[2] 廖昌興.壓縮域圖像與隱寫算法研究 [D].西南交通大學，2008：11-16.

[3] Wang Lijun，Huang Yongfeng，Chen Ji，Zhou Ke and Li Chunhua.Medoop：A medical information platform based on Hadoop [A]. e-HealthNetworking，Applications Services （Healthcom）[C]，2013 IEEE 15thInternational Conference on，Lisbon，2013，pp.1-6.

作者簡介：晏細蘭（1985.09-），女，漢族，江西南昌人，中級講師，碩士。研究方向：圖像處理，智能算法；謝景明（1977.05-），廣東湛江人，漢族。研究方向：移動互聯網開發，游戲引擎技術。