姚小慧　邵　堃　王雯云　孫傳能　金柳頎*

1(合肥工業(yè)大學(xué)智能制造研究院　安徽 合肥 230009) 2(合肥工業(yè)大學(xué)計算機與信息學(xué)院 安徽 合肥 230009)

0　引　言

老年癡呆癥AD[1]是一種常見的老年疾病，隨著全球人口老齡化趨勢嚴(yán)峻，成為了一個愈發(fā)嚴(yán)重的社會問題。輕度認(rèn)知損傷MCI被認(rèn)為是介于正常衰老和AD之間的一種過渡階段，因此對MCI 群體的研究對于 AD 的早期預(yù)測具有重要的意義[2]。

目前國內(nèi)外對老人MCI評估主要依靠認(rèn)知篩查工具。Nasreddine等[3]研制的蒙特利爾認(rèn)知評估量表MoCA，可有效快速地對患有輕度認(rèn)知功能障礙MCI的老人進行評估。孟曉梅等[4]用蒙特利爾認(rèn)知評估量表評估輕度認(rèn)知功能障礙患者，發(fā)現(xiàn)MCI患者及健康人群MoCA總分與MMSE總分相關(guān)，MoCA用于MCI篩查時敏感性優(yōu)于MMSE。但這些傳統(tǒng)的周期性評估方法存在回訪間隔長，通常會出現(xiàn)忘記評估的問題，以致無法及時發(fā)現(xiàn)老人認(rèn)知健康下降，造成采集的數(shù)據(jù)離散等情況。

而老人從健康到虛弱是一個不易察覺的漸變過程，當(dāng)老人認(rèn)知有輕微的衰退時，會反映在老人日常行為中，如頻繁忘記關(guān)門等行為。同時，研究表明老年人夜晚清醒狀態(tài)時間較長與其認(rèn)知衰退顯著相關(guān)。通過監(jiān)測老人的睡眠、開關(guān)門等日常行為來預(yù)判其認(rèn)知健康變化，探索睡眠、行為等數(shù)據(jù)與AD早期進程之間的關(guān)系，從而進行相應(yīng)的照護和主動干預(yù)，以降低老人的患病率，并維持其獨立、良好的生活品質(zhì)。

當(dāng)前已經(jīng)存在一些老人行為檢測的報警系統(tǒng)，這些系統(tǒng)大多用于老人獨居報警，如外人入侵，忘關(guān)燃氣及跌倒無法及時報警等情況[5-6]。從實現(xiàn)方面來看，主要有以下幾種：接觸式穿戴設(shè)備，如Simona Bar-Haim等研發(fā)的Re-StepTM是一種專門的治療系統(tǒng)，可改善行走障礙患者的日常步態(tài)穩(wěn)定性[7]；非接觸式視頻圖像和音頻等，如通過視頻來智能監(jiān)控獨居老人突發(fā)異常報警等[8-9]；非接觸式信號感知，如用傳感設(shè)備來檢測老人跌倒等[10-11]。其中，由于穿戴式設(shè)備老人接受度較低，而視頻監(jiān)控可能侵犯隱私，因此不太能被老人接受?；趥鞲衅鞯碾[式感知由于具有良好的隱私保護和非接觸、非侵入特性，已成為老人居家預(yù)警研究的一個非常重要的方向。

在此背景下設(shè)計了一套基于隱式感知的老人認(rèn)知健康評估系統(tǒng)。該系統(tǒng)首先通過量表篩查及一體機數(shù)據(jù)來對老人認(rèn)知進行評估，判斷老人是否適合獨居。對適合獨居的老人，在家中安裝報警設(shè)備，通過隱式感知信息平臺來獲取報警信息。應(yīng)用基于Node.js的Express框架在云端進行數(shù)據(jù)分析處理，基于前期報警數(shù)據(jù)和量表數(shù)據(jù)的線性回歸訓(xùn)練，實現(xiàn)老人認(rèn)知下降預(yù)測，引導(dǎo)老人進行認(rèn)知評估，可以有效解決老人獨居評估周期長、執(zhí)行困難等問題。

1　系統(tǒng)總體設(shè)計

基于隱式感知信息平臺的老人認(rèn)知健康評估系統(tǒng)架構(gòu)如圖1所示。系統(tǒng)基于TCP/IP通信協(xié)議，采用C/S架構(gòu)進行開發(fā)，根據(jù)“高內(nèi)聚、低耦合”思想，構(gòu)建三層邏輯架構(gòu)，主要分為數(shù)據(jù)層、邏輯處理層及界面層，即數(shù)據(jù)采集、數(shù)據(jù)分析及用戶交互三個功能模塊。

圖1　系統(tǒng)架構(gòu)圖

(1) 數(shù)據(jù)采集模塊主要有居家數(shù)據(jù)采集和評估數(shù)據(jù)采集兩部分。居家數(shù)據(jù)采集利用各種傳感器收集老人行為數(shù)據(jù)，這些傳感器包括門磁報警器、紅外報警傳感器、燃氣傳感器及一鍵報警等。主要使用一體機和老人認(rèn)知評估量表進行評估數(shù)據(jù)采集。一體機型號為SK-T6，可采集老人生理信息，如心電、血糖、膽固醇含量等；蒙特利爾認(rèn)知評估等量表用來采集認(rèn)知數(shù)據(jù)。

(2) 數(shù)據(jù)處理模塊對采集到的傳感器數(shù)據(jù)與量表數(shù)據(jù)進行存儲及分析。對于數(shù)據(jù)存儲，運用MongoDB數(shù)據(jù)庫來實現(xiàn)。數(shù)據(jù)分析主要包括統(tǒng)計分析及回歸分析。運用計數(shù)統(tǒng)計、頻率分析等統(tǒng)計手段來處理采集到的數(shù)據(jù)，以便用戶查詢?；貧w分析則是擬合傳感器數(shù)據(jù)與量表數(shù)據(jù)，通過訓(xùn)練得到預(yù)測模型，當(dāng)出現(xiàn)新的報警數(shù)據(jù)時，用預(yù)測模型進行評估，從而縮短評估周期，以便及早干預(yù)。

(3) 用戶功能模塊則主要為用戶與系統(tǒng)之間交互。用戶主要分為三類：老人親屬、社區(qū)工作人員以及系統(tǒng)管理人員。老人及親屬可以查詢、修改個人信息；工作人員則可以進行基本管理及主動查詢功能，同時系統(tǒng)可自動報警并及時反饋評估結(jié)果。管理人員可管理用戶角色，設(shè)備信息及采集到的數(shù)據(jù)。

2　系統(tǒng)詳細設(shè)計

2.1　用戶功能模塊

在用戶和系統(tǒng)交互模塊，將數(shù)據(jù)庫中采集和分析的數(shù)據(jù)顯示在Web應(yīng)用上，供老人和工作人員查看。通過對數(shù)據(jù)庫中模型進行操作來實現(xiàn)不同的功能模塊。為了更好地實現(xiàn)老人評估，系統(tǒng)設(shè)計多用戶交互模式。用戶登錄系統(tǒng)中，根據(jù)權(quán)限不同，基本功能也不同。如圖2所示，對于不同角色用戶有著不同功能，具體介紹如下。

圖2　用戶功能模塊

老人及其親屬：主要有查詢功能及修改個人信息功能。對于查詢，老人及親屬可以對老人健康信息、報警信息以及認(rèn)知評估結(jié)果進行查詢，以便更好地了解健康狀態(tài)，從而家屬能有針對性地干預(yù)。同時，也可以對基本信息，如家庭住址、聯(lián)系方式、小區(qū)物業(yè)等進行查詢。修改功能實現(xiàn)用戶修改個人基本信息，不需要對平臺中報警數(shù)據(jù)及評估數(shù)據(jù)進行修改，但可根據(jù)上面信息來大概知道工作人員對老人評估時間。

工作人員：對于工作人員來說，則是可以對老人基本信息、健康信息及報警信息等基本信息進行更新、刪除以及查詢等操作。而自動提醒功能，則是兩種提醒，一是當(dāng)老人家中有緊急情況報警時，將會由系統(tǒng)提醒工作人員有報警行為。工作人員根據(jù)報警信息查詢老人聯(lián)系方式，第一時間聯(lián)系老人或物業(yè)來確定報警信息準(zhǔn)確性及進行人為干預(yù)，及時對老人每次報警的信息進行日志記錄。二是系統(tǒng)將結(jié)合老人報警信息，與認(rèn)知評估做擬合之后，主動提醒工作人員對老人進行認(rèn)知評估，工作人員收到提醒后，即可對老人進行操作。而當(dāng)老人評估結(jié)果不如意的時候，工作人員將及時與老人親屬聯(lián)系，提供意見以便家屬干預(yù)，具體評估活動如圖3所示。

圖3　評估活動圖

管理人員：管理人員有著很高的權(quán)限，以便能對平臺數(shù)據(jù)進行處理。管理人員不僅能對老人及工作人員用戶進行管理，同時可以查看傳感器數(shù)據(jù)，老人相關(guān)數(shù)據(jù)，平臺工作日志等功能。

2.2　數(shù)據(jù)處理模塊

2.2.1數(shù)據(jù)存儲

本系統(tǒng)采用的MongoDB，是一個分布式文件存儲的數(shù)據(jù)庫，介于關(guān)系數(shù)據(jù)庫和非關(guān)系數(shù)據(jù)庫之間。MongoDB最大的特點是支持強大的查詢語言，可以實現(xiàn)類似關(guān)系數(shù)據(jù)庫單表查詢的大部分功能，還支持對數(shù)據(jù)建立索引。數(shù)據(jù)庫文件保存在監(jiān)控服務(wù)器，由監(jiān)控端程序負(fù)責(zé)維護。數(shù)據(jù)庫是采用基于角色的訪問控制方法來設(shè)計的，用戶通過角色與權(quán)限相關(guān)聯(lián)。通過對平臺信息進行分析，我們用以下這些表來存儲數(shù)據(jù)。

權(quán)限表用來說明該平臺共有哪些權(quán)限；角色表用來分配用戶角色，角色對應(yīng)權(quán)限；報警信息表里面記錄了報警名稱，發(fā)生時間，是否為誤報，誤報次數(shù)等信息；傳感器信息表用來存儲報警設(shè)備信息，如傳感器名稱，功能描述，生產(chǎn)廠家，聯(lián)系電話，發(fā)送頻率等信息；傳感器數(shù)據(jù)表用來存儲傳感器編號，信號值，時間等信息；用戶表主要為用戶登錄名、密碼以及基本用戶信息和所屬角色；一體機信息表字段主要為一體機為老人測試的數(shù)據(jù)字段，用來保存老人一體機數(shù)據(jù)；認(rèn)知評估表用來記錄量表種類；認(rèn)知健康評估統(tǒng)計表記錄了老人每次認(rèn)知評估表的類型與結(jié)果，便于后面統(tǒng)計分析。

2.2.2數(shù)據(jù)分析

對于數(shù)據(jù)分析模塊，則是通過數(shù)據(jù)分析實現(xiàn)底層數(shù)據(jù)與上層用戶之間的交互。主要分為主動查詢管理功能以及自動提醒功能分析實現(xiàn)。

主動查詢，主要為對簡單功能使用頻率統(tǒng)計及報警信息進行統(tǒng)計。對簡單功能使用頻率統(tǒng)計為統(tǒng)計每個功能使用次數(shù)，計算大多數(shù)用戶使用功能頻率，如使用某個功能頻率高，則根據(jù)這個修改界面的功能設(shè)計。而對報警信息統(tǒng)計則是統(tǒng)計每天的警報次數(shù)，誤報次數(shù)，工作人員成功處理的警報次數(shù)，警報問題的平均處理時間，統(tǒng)計警報本身的發(fā)生頻率，以統(tǒng)計的形式展現(xiàn)給用戶。

而自動提醒這部分，則是通過數(shù)據(jù)分析，主動實現(xiàn)報警提醒以及工作人員評估提醒。

對于報警信息，主要接收以下幾類數(shù)據(jù)。對于門禁傳感器，紅外傳感器處理后都是用0/1來判斷是否有異常。燃氣報警則是在閾值范圍內(nèi)時處于正常，超出閾值，會變?yōu)?，發(fā)送報警，一鍵報警值處理后即為接收報警后數(shù)值變?yōu)?。因此，工作人員登錄進頁面后，在頁面上工作時。當(dāng)老人家中發(fā)出異常報警信息時，會自動彈出異常信息顯示在頁面上。為了避免多地工作人員登錄，顯示在不同頁面，造成重復(fù)核實確認(rèn)情況，設(shè)置了工作人員獲取一次報警信息。而對于兩個人同時報警，設(shè)置了報警信息消息隊列來進行處理。

而工作人員報警評估提醒則是通過線性回歸的方法來實現(xiàn)。所謂多元線性回歸分析預(yù)測法，是指與通過對兩個或兩個以上的自變量與一個因變量的相關(guān)分析，建立預(yù)測模型進行預(yù)測的方法[12-13]。在本系統(tǒng)中，分為訓(xùn)練過程和預(yù)測過程，具體如圖4所示。

圖4　數(shù)據(jù)處理過程圖

對于訓(xùn)練過程，首先是建立多元線性回歸方程：

hw(x)=w0+w1x1+w2x2+w3x3+w4x4+L

(1)

式中：w0為常數(shù)項，w1、w2、w3、w4為回歸系數(shù)，用來調(diào)整每個自變量對結(jié)果的影響。而x1、x2、x3、x4為自變量，其中x1為門磁報警信息數(shù)據(jù)，x2為紅外報警器數(shù)據(jù)，x3為燃氣報警數(shù)據(jù)，x4為一鍵報警值，L為損失函數(shù)，如式(2)所示。hw(x)為訓(xùn)練模型，用來預(yù)測是否對老人需要進行評估。

(2)

當(dāng)我們要確定w0、w1、w2、w3、w4的值時，需要L(w)最小，使用梯度下降方法來對L(w)進行確定。具體流程為首先對w賦值，這個w先取隨機值。改變w值，使它按照L(w)梯度下降的方法來進行減小。L(w)梯度下降方向則是通過對w求偏導(dǎo)來決定。當(dāng)w確定后，則確定了預(yù)測模型，如公式所示：

y=w0+w1x1+w2x2+w3x3+w4x4

(3)

每當(dāng)接收到老人報警信息時，使用預(yù)測模型自動做估計，把量表值映射到0～100，因此當(dāng)估計值大于60時，則由工作人員對老人進行評估，從而解決評估周期長這一問題。

由于老人每次檢測數(shù)據(jù)都可以上傳到平臺，使得老人健康管理更為合理，子女也能看到老人健康狀態(tài),并且通過對不同老人健康情況進行分析，有針對性地進行評估，能更好地對老人進行照護。

3　系統(tǒng)測試評估

為了驗證系統(tǒng)的實際有效性，根據(jù)老人家中實際情況，對老人進行初步評估后，我們選取了50戶社區(qū)老人，在他們家中進行了安防部署。主要在門、窗周圍安裝了門磁報警設(shè)備，室內(nèi)選取地點安裝了紅外報警設(shè)備，爭取使得室內(nèi)環(huán)境無盲點。對于廚房，安裝了燃氣報警裝備，以防止出現(xiàn)老人做完飯忘關(guān)煤氣灶的情況發(fā)生。對于一鍵報警設(shè)備，則是放在老人房間和浴室，以防突然情況發(fā)生。根據(jù)老人房間布局不同，報警設(shè)備安裝也有一些差異，選取葛大爺家報警設(shè)備安裝為例，如表1所示。

表1　報警傳感實際部署

具體實際安裝情況如圖5所示。

圖5　實際部署圖

對老人評估，采用蒙特利爾認(rèn)知評估總分為30分，合格為26以上，對老人認(rèn)知評估及門窗分析圖如圖6所示。

圖6　評估及門窗分析圖

目前系統(tǒng)已經(jīng)在50戶老人家中實際部署報警信息平臺，系統(tǒng)已運行近半年，已累計收集報警信息800多條，對老人評估平均2～3次。在平臺運行初期，我們發(fā)現(xiàn)，由于老人年紀(jì)偏大，會出現(xiàn)忘記進行模式切換，而產(chǎn)生誤報的情況，我們進行了加強記憶。同時，由于老人對手機和平板使用力度不夠，老人對腦健康評估系統(tǒng)APP還不太會使用，每次得由志愿者來輔助進行。因此，我們聯(lián)合社區(qū)，開展了老年人平板及手機使用培訓(xùn)班。在系統(tǒng)運行中期，經(jīng)過培訓(xùn)后老人掌握了手機及平板使用方法，自己可以定期進行測量。

在平臺運行后期，系統(tǒng)運行穩(wěn)定。報警信息能夠及時到達工作人員手中，同時誤報率也大大減少。

4　結(jié)　語

本文使用基于隱式感知的技術(shù)為老人建立了一套認(rèn)知健康評估系統(tǒng)，用以解決老人居家健康評估存在檢驗周期長、執(zhí)行困難的問題。同時，實現(xiàn)了老人居家安全報警。本文介紹了系統(tǒng)架構(gòu)，主要功能模塊及關(guān)鍵技術(shù)實現(xiàn)過程。同時，選取了社區(qū)老人，在家中進行實際環(huán)境部署。通過實際部署測試表明，目前系統(tǒng)運行穩(wěn)定，能有效持續(xù)性地對老人認(rèn)知進行評估，解決了之前評估周期長，易遺忘且執(zhí)行繁瑣的問題。同時，系統(tǒng)獲取老人報警信息準(zhǔn)確，能幫助獨居老人更好地享受老年生活。

目前系統(tǒng)主要為預(yù)測老人認(rèn)知下降，后期可通過設(shè)計并實施相應(yīng)的干預(yù)方案，對老人認(rèn)知健康的衰退進行干預(yù)，提升老人的認(rèn)知水平，防止認(rèn)知進一步衰退。實時干預(yù)方案后，可再次通過評估系統(tǒng)來檢驗干預(yù)方案的效果，有效地管理老人認(rèn)知健康。以主動干預(yù)、居家監(jiān)測為特征的老年健康照護平臺對推進智慧養(yǎng)老發(fā)展有很大的促進作用，未來發(fā)展需求只增不減。

[1] 洪震．我國近年阿爾茨海默病流行病學(xué)研究現(xiàn)狀與展望[J]． 老年醫(yī)學(xué)與保健，2005，11(4)：195-198．

[2] 崔玲，郭明冬，周文泉．輕度認(rèn)知損害的中醫(yī)臨床研究評述[C]//第五次全國中西醫(yī)結(jié)合養(yǎng)生學(xué)與康復(fù)醫(yī)學(xué)學(xué)術(shù)研討會論文集,2006．

[3] Nasreddin Z S，Phillips N A，Bedirian V，et al．The Montreal cognitive assessment，MoCA：A brief screening tool for mild cognitive impair-mental[J]. Journal of the American Geriatrics Society，2005，53(4):695-699．

[4] 孟曉梅，于逢春，尹靜，等．蒙特利爾認(rèn)知評估量表用于輕度認(rèn)知功能障礙患者評估初步研究[J]．中華老年心腦血管病雜志，2012，14(11)：73-75．

[5] Tamura T，Yoshimura T，Horiuchi F，et al．An ambulatory fall monitor for the elderly[C]//22nd Annual International Conference of the IEEE EMBS，2000:2608-2610．

[6] 許丹純，俞守華，區(qū)晶瑩，等．基于時間規(guī)律的獨居老人日常行為異常預(yù)警系統(tǒng)設(shè)計[J]．計算機應(yīng)用與軟件，2014，31(3)：314-318．

[7] Bar-Haim S， Harries N， Hutzler Y， et al．Training to walk amid uncertainty with Re-Step: measurements and changes with perturbation training for hemiparesis and cerebral palsy[J]．Disability and Rehabilitation: Assistive Technology，2013，8(5)：417-425．

[8] Feng W，Liu R， Zhu M．Fall detection for elderly person care in a vision-based home surveillance environment using a monocular camera [J]．Signal， Image and Video Processing，2014，8(6)：1129-1138．

[9] 馬寶慶，湯一平，嚴(yán)杭晨．基于全方位視覺的獨居老人監(jiān)護系統(tǒng)[J]．計算機工程，2013，39(8)：44-49．

[10] Liu J, An N, Hassan M T, et al. Redundancy reduction for indoor device-free localization[J]. Personal & Ubiquitous Computing, 2017, 21(1):5-15．

[11] Shibuya N, Nukala B T, Rodriguez A I, et al. A real-time fall detection system using a wearable gait analysis sensor and a Support Vector Machine (SVM) classifier[C]//Eighth International Conference on Mobile Computing and Ubiquitous NETWORKING. IEEE, 2015:66-67．

[12] Yang J, Wang H, Ding H, et al. Nonlinear dimensionality reduction methods for synthetic biology biobricks’ visualization[J]. Bmc Bioinformatics, 2017,18(1):47．

[13] 王華麗．多元線性回歸分析實例分析[J]. 科技資訊，2014(29)：22-24．