郅伏利,于 紅,劉 穎,黃云鋒
(首都醫科大學附屬北京康復醫院勞模健康管理中心,北京 100010)
隨著我國經濟的快速發展,人們的生活水平不斷提高,對生活質量的要求也越來越高。但是,處于亞健康的人們也越來越多。現代日常生活的節奏明顯加快,醫院傳統意義上的體檢業務存在工作效率低下的問題,需要利用進行數字化改革[1-3],從而提高醫院的業務處理效率。這也是未來醫院信息化發展的方向。
相比國外醫院的人體生理參數采集系統[4-5],我國健康體檢起步較晚。陸燕琴等[6]提出了一種基于.NET的軍衛體檢系統的設計。該系統采用C/S三層架構+抽象工廠模式,可維護性較強。但是該系統設計沒有涉及任何嵌入式硬件方面的工作,因此工作效率提升有限。陳建福等[7]使用C#語言編寫了臨床體檢信息管理系統,降低了醫院的體檢業務成本支出。但是該系統在體檢結果的診斷上沒有作出優化,導致存在一定的誤判情況。由于ARM Cortex系列平臺具有功耗低、便攜性和成本低等優勢,何秀強等[8]提出了一種基于先進微處理器(advanced RISC machines,ARM)的運動環境監測系統設計方法,為人體健康監測系統的研究提供了思路。
因此,在上述研究的基礎上,本文設計了一個基于ARM平臺的醫院數據采集管理系統。該方法利用Cortex-A8開發板采集并傳輸體溫、心電和血氧等體檢常用生理指標數據,在服務器中結合模糊推理模型對數據進行融合處理,完成體檢結果的決策判斷。
本文設計的體檢數據采集與管理系統選用ARM公司的低成本、低功耗ARM芯片[9]開發板主控制模塊。系統總體框圖如圖1所示。

圖1 系統總體框圖
主控制模塊采用Cortex-A8系列的TQ210,負責對各個采集子模塊采集的數據進行分析和處理。身份信息采集模塊采用了常用的13.56 MHz頻率非接觸式卡片,實現5 cm范圍內的卡片信息讀取,并通過Cortex-A8開發板上的I/O接口[10]進行通信。從圖1中可以看出,該系統共有5個采集子模塊:心電(electrocardiogram,ECG)采集模塊、體溫采集模塊、血氧飽和度采集模塊、體重采集模塊和身份信息采集模塊。此外,為了實現與客戶端進行通信,網絡傳輸模塊使用了均支持TCP/IP 協議的兩種模式:①可以實現WiFi功能的HLK-RM04網卡;②可以實現有線以太網功能的DM9000網卡。
系統主控制核心板電源適配器的頻率為50/60 Hz,通過保險絲對100~240 V的輸入電壓進行過壓保護。電源保護電路如圖2所示。

圖2 電源保護電路
圖2中,WiFi 模塊的輸入電壓為5 V。由于各個子采集模塊的輸入電壓為3.3 V,因此需要5 V轉3.3 V。電壓轉換電路如圖3所示。

圖3 電壓轉換電路
心電采集模塊的原理框圖和電路圖分別如圖4和圖5所示。

圖4 心電采集模塊原理框圖

圖5 心電采集模塊電路
心電采集模塊的主要元件為ADS1293 芯片,負責通過串行外設接口(serial peripheral interface,SPI)將低頻雙極性生物信號(0.05~150 Hz)發送到Cortex-A8主控制模塊[11]。電路內置 RFI 濾波器,電流為0.17 m A,電壓為2.0~3.5 V。
體溫采集模塊采用了精度為0.5 ℃的90615紅外溫度傳感器,檢測距離為1~2 cm,并通過Cortex-A8開發板的通用型輸入/輸出(general-purpose input output,GPIO)接口進行通信,具體采用了I2C總線模擬方式。
體溫采集模塊電路如圖6所示。

圖6 體溫采集模塊電路
圖6中:SDA負責數據信號傳輸,SCL負責時鐘信號同步。體溫采集模塊的溫度測量范圍為-40~+85 ℃。90615傳感器的絕對溫度輸出需要轉換為常用單位,具體方法為:
To=R×0.02-273.15
(1)
式中:R為絕對溫度數據存儲的空間地址。
血氧飽和度采集模塊選用了NJL5501R紅外傳感器進行指尖檢測,主要原理為光波長595 nm的通透式脈搏檢測。
血氧飽和度值SpO2的計算公式為:
(2)
式中:CHbO2為血液中氧合血紅蛋白的濃度;CHb為血液中還原血紅蛋白的濃度。
血氧飽和度采集模塊的接收器采用光敏二極管,實現光電信號轉換。
血氧飽和度采集電路如圖7所示。

圖7 血氧飽和度采集模塊電路
體重采集模塊采用了20位串行AD轉換芯片CS5513,稱重的靈敏度為(2±0.002)mV/V。體重采集模塊電路如圖8所示。

圖8 體重采集模塊電路
整個體檢護理數據采集管理系統采用瀏覽器和服務器(browser/server,BS)模式。客戶端可以通過網頁的形式查看體征檢測結果。整體系統的軟件設計分為兩個部分,即嵌入式端程序和服務器端程序。
由于嵌入式端采用了ARM Cortex-A8開發板,嵌入式軟件開發選取了開源的Linux系統,具體為Ubuntu 2.6.29版本。使用arm-linux-gcc-4.3.2搭建了交叉編譯環境,并進行了內核的編譯及移植。嵌入式端主程序采用了Epoll 架構。主程序流程如圖9所示。圖9中均為Epoll 架構中epoll_even變量的函數。

圖9 主程序流程圖
為了優化體檢結果的診斷結果,本系統在服務器端對各采集子模塊的數據進行融合處理,通過模糊推理模型[12],完成診斷結果判斷。基于模糊推理模型的體檢數據融合步驟如下。
①對于時刻t的體檢系統來說,當前各采集子模塊采集到的數據(心電、體溫、血氧飽和度和體重等)為Si(t),則兩個不同數據樣本之間的絕對值大小dij(t)為:
dij(t)=|Si(t)-Sj(t)|
(3)
設數據樣本Si(t)與其他所有體檢數據樣本之間的距離平均值為di(t),并設d(t)為其他所有體檢數據樣本之間的平均距離,則:
(4)
(5)
式中:n為樣本總數。
③通過融合度函數Cij(t),對各采集子模塊數據之間的誤差進行判斷。
(6)
④實際判讀過程中采用模糊權值系數進行簡化觀測。融合結果的計算方式如下:
(7)

Tomcat服務器端使用的數據庫是關系型My SQL數據庫,體檢用戶實體的主要屬性與身份信息采集模塊的身份信息綁定,通常采用用戶編號或者身份證號碼。
為了驗證提出系統的可行性和先進性,進行了Web登錄服務器測試。在系統嵌入式端的網絡傳輸模塊中設置IP地址為192.168.100.101,即服務器端的網址。客戶端通過瀏覽器訪問體檢系統的Tomcat服務器。用戶可以根據時間和姓名信息,查詢自己的體檢信息。在登錄成功后,就會跳轉到體檢護理數據采集管理系統的主頁,從而全面顯示用戶體檢的各種數據以及最終體檢診斷結果。同構這種網頁瀏覽查詢的方式,有效提高了醫療體檢業務的工作效率,為用戶提高了服務便捷性。例如體檢信息顯示為“姓名:李富國;年齡:36;性別:男;心率:67;血氧:96;體溫:366;體重:76;體檢時間:2019-3-18;體檢結果:您的生理指標都在正常范圍之內。身體非常健康;”。
為了驗證采用模糊推理模型對體檢結果進行融合決策判斷的性能,隨機選取了5位體檢用戶的數據進行診斷精度分析,包括心電、體溫、血氧飽和度和體重。用戶體檢測量數據如表1所示。

表1 用戶體檢測量數據
從表1可以看出,4個生理指標的測量誤差均較小,體重誤差測量<0.1 kg,心電誤差測量<1 bpm,體溫誤差測量<0.1 ℃,血氧飽和度誤差測量<0.5%。而5位用戶體檢診斷結果的準確率達到100%。在3個月周期的測試中,大量用戶體檢診斷結果的準確率達到99.3%,相比與文獻[7]提高了約1.6%。
本文設計了一個基于ARM平臺的醫院數據采集管理系統,提出利用ARMCortex-A8開發板采集體檢常用生理指標數據,并在Tomcat服務器中結合模糊推理模型對數據進行融合處理,完成體檢結果的決策判斷。測試結果表明,該系統可以有效提高醫療體檢業務的工作效率和診斷精度。但是,目前網頁界面較為簡陋,用戶條件查詢功能有限。后續將對UI界面進行美化,并添加更豐富的頁面功能。