魏 琪1，林增剛1，郭陽(yáng)明1，孔德岐，張 雙

(1.西北工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，西安 710072;2.航空工業(yè)西安航空計(jì)算技術(shù)研究所，西安 710068)

0 引言

隨著醫(yī)學(xué)的發(fā)展，醫(yī)療模式已經(jīng)從傳統(tǒng)的以發(fā)現(xiàn)病癥再治療為中心逐漸轉(zhuǎn)變?yōu)轭A(yù)防、早診、早治的模式。通過(guò)對(duì)采集的生理信息進(jìn)行分析，可以詳細(xì)了解人體健康狀況，提前發(fā)現(xiàn)潛伏期的病發(fā)癥，從而達(dá)到疾病預(yù)防和醫(yī)療保健的目的[1]。當(dāng)前，心臟病已經(jīng)成為威脅人類生命的主要因素之一，持續(xù)監(jiān)護(hù)人體心臟功能，防止心臟疾病突發(fā)變得越發(fā)重要。因而，具有心臟監(jiān)護(hù)功能的系統(tǒng)受到人們的廣泛關(guān)注[2]。

目前，國(guó)內(nèi)外眾多研究團(tuán)隊(duì)提出了基于移動(dòng)智能終端的人體心臟監(jiān)護(hù)解決方案。如，Richer等人[3]提出了基于Android手機(jī)的心率反饋系統(tǒng)，并將其與Android wear相結(jié)合，取得了較大的用戶滿意度；Yen等人[4]、Makki等人[5]提出了基于心電異常檢測(cè)的心電圖分析方法；Gradl等人[6]提出一種基于Android移動(dòng)設(shè)備的實(shí)時(shí)心電監(jiān)測(cè)和心率異常檢測(cè)算法；Hasan等人[7]提出了遠(yuǎn)程血壓監(jiān)測(cè)系統(tǒng)；Boudra等人[8]借助Android和Java技術(shù)開發(fā)了基于傳感器和無(wú)線傳感器網(wǎng)絡(luò)的智能醫(yī)療監(jiān)控系統(tǒng)。但這些現(xiàn)有的研究基本上都是圍繞算法的開發(fā)，并且側(cè)重點(diǎn)都是對(duì)當(dāng)前時(shí)刻人體健康狀況的評(píng)估，對(duì)用戶未來(lái)的身體狀況不具有預(yù)測(cè)和指導(dǎo)功能。

為此，針對(duì)現(xiàn)有人體心臟監(jiān)護(hù)研究存在的問(wèn)題，為有效預(yù)防突發(fā)心臟病帶來(lái)的風(fēng)險(xiǎn)，本文選用隨機(jī)森林預(yù)測(cè)模型，設(shè)計(jì)了一款在日常生活中可用的新型心率監(jiān)護(hù)系統(tǒng)。該系統(tǒng)具有人體心電信號(hào)采集、心率異常檢測(cè)、實(shí)時(shí)心率顯示以及未來(lái)心率狀態(tài)預(yù)測(cè)功能，能為用戶提供有效的心率預(yù)測(cè)和健康指導(dǎo)，降低了心臟病帶給用戶的危害。

1 系統(tǒng)架構(gòu)及原理

針對(duì)心率采集設(shè)備對(duì)電池續(xù)航、空間體積及檢測(cè)精度的嚴(yán)格要求，設(shè)計(jì)低時(shí)延、高精度、交互友好的心率監(jiān)護(hù)系統(tǒng)由心率采集模塊、數(shù)據(jù)傳輸模塊和Heart軟件三部分組成。系統(tǒng)的總體架構(gòu)設(shè)計(jì)如圖1所示。

圖1 心率監(jiān)護(hù)系統(tǒng)總體架構(gòu)

圖1中，心率采集模塊由心率傳感器Pulse Sensor以及STM32核心板組成，佩戴于人體的Pulse Sensor采集到心率脈沖信號(hào)，通過(guò)STM32進(jìn)行模數(shù)轉(zhuǎn)換和降噪處理得到精確的心率值；數(shù)據(jù)傳輸模塊采用當(dāng)前流行的藍(lán)牙低功耗傳輸模式[9]，選取設(shè)備HC-05藍(lán)牙模塊與智能手機(jī)之間進(jìn)行數(shù)據(jù)交互，數(shù)據(jù)傳輸速率可達(dá)2Mbps；Heart是基于Android平臺(tái)開發(fā)的一款人機(jī)交互軟件，該軟件包括異常心率檢測(cè)、心率預(yù)測(cè)和實(shí)時(shí)顯示3個(gè)功能模塊。

2 系統(tǒng)硬件設(shè)計(jì)

本文設(shè)計(jì)的硬件平臺(tái)主要包含心率傳感器Pulse Sensor、STM32核心開發(fā)板和HC-05模塊3個(gè)組件。其中，STM32為控制核心，控制傳感器實(shí)時(shí)采集人體心率信號(hào)，經(jīng)過(guò)信號(hào)分析處理，由藍(lán)牙模塊將心率數(shù)據(jù)傳輸至移動(dòng)端與用戶進(jìn)行交互。心率監(jiān)護(hù)系統(tǒng)硬件平臺(tái)完成的功能有，心電信號(hào)采集、信號(hào)處理以及數(shù)據(jù)傳輸，其總體架構(gòu)如圖2所示。

圖2 系統(tǒng)硬件平臺(tái)架構(gòu)

2.1 心電信號(hào)采集

在對(duì)心率測(cè)量方法研究中發(fā)現(xiàn)，傳統(tǒng)的測(cè)量方法會(huì)限制人體的活動(dòng)，若長(zhǎng)時(shí)間使用會(huì)增加用戶生理和心理上的不適感。這對(duì)于心率監(jiān)護(hù)系統(tǒng)來(lái)說(shuō)，極大地影響了其應(yīng)用效果，降低了系統(tǒng)可靠性。

為方便采集人體心電信號(hào)，增加硬件平臺(tái)的續(xù)航能力和采集數(shù)據(jù)的真實(shí)性，本系統(tǒng)采用光電容積法進(jìn)行脈搏測(cè)量，選用體積小，功耗低的心率傳感器Pulse Sensor對(duì)心電信號(hào)進(jìn)行采集，其基本原理是利用人體組織在血管搏動(dòng)時(shí)所造成透光率的不同來(lái)采集心電信號(hào)。將傳感器佩戴于手部，可完成心電信號(hào)的采集。Pulse Sensor內(nèi)部結(jié)構(gòu)如圖3所示。

圖3 Pulse Sensor內(nèi)部結(jié)構(gòu)

2.2 心電信號(hào)處理

利用心率傳感器Pulse Sensor采集的人體心電信號(hào)是模擬信號(hào)，在原始信號(hào)中存在重搏波，會(huì)對(duì)心率統(tǒng)計(jì)產(chǎn)生較大的噪聲干擾，如圖4所示。因此，需要對(duì)原始信號(hào)進(jìn)行降噪、模數(shù)轉(zhuǎn)換和統(tǒng)計(jì)計(jì)算等處理過(guò)程，從而使統(tǒng)計(jì)結(jié)果更為準(zhǔn)確。為此，本文結(jié)合STM32核心板低功耗、體積小和強(qiáng)抗干擾的特性，將STM32作為系統(tǒng)主控制器，接收Pulse Sensor采集到的心電信號(hào)并完成信號(hào)的處理。

圖4 心電信號(hào)

首先STM32通過(guò)ADC單元采集傳感器輸出的脈搏模擬信號(hào)，根據(jù)心跳特性將采樣率設(shè)為500 Hz。然后追蹤脈搏波的上升，為使心跳檢測(cè)更為精確，本系統(tǒng)每隔0.6個(gè)IBI(兩次心跳時(shí)間間隔)才開始追蹤脈搏信號(hào)，從而避開了重搏波的峰值。最后，考慮到突發(fā)干擾信號(hào)影響，心率計(jì)算根據(jù)脈搏波上升段的中間值之差來(lái)確定IBI數(shù)值，并將連續(xù)獲得的10次IBI值進(jìn)行平均，利用該均值來(lái)計(jì)算實(shí)際心率。假設(shè)當(dāng)前心率為n，則心率計(jì)算公式如下：

(1)

STM32處理得到精確的心率數(shù)據(jù)，通過(guò)搭載的HC-05藍(lán)牙模塊傳輸至Android端的Heart軟件，為心率異常檢測(cè)和預(yù)測(cè)提供數(shù)據(jù)支持。

3 系統(tǒng)軟件設(shè)計(jì)

3.1 心率異常檢測(cè)

統(tǒng)計(jì)結(jié)果表明，在靜息狀態(tài)和運(yùn)動(dòng)狀態(tài)下的正常心率范圍各不相同，且范圍幅值也參差不齊[10]。本系統(tǒng)為滿足用戶對(duì)于心率異常檢測(cè)準(zhǔn)確性的需求，對(duì)用戶進(jìn)行為期一周的心率數(shù)據(jù)建模，在建模過(guò)程中，系統(tǒng)會(huì)根據(jù)所統(tǒng)計(jì)用戶每一時(shí)段內(nèi)的運(yùn)動(dòng)步數(shù)，將靜息與運(yùn)動(dòng)兩種狀態(tài)下的心率模型進(jìn)行區(qū)分，以提高異常檢測(cè)的精度。

采用心率數(shù)據(jù)建模的方式，能夠得到正常心率范圍的衡量標(biāo)準(zhǔn)，但是模型建立的準(zhǔn)確性問(wèn)題也是需要解決的一個(gè)難點(diǎn)，為防止在建模過(guò)程中某一時(shí)刻的異常心率被當(dāng)作有效數(shù)據(jù)記錄，用戶可隨時(shí)中止數(shù)據(jù)建模過(guò)程，并將異常時(shí)段數(shù)據(jù)從記錄中刪除，從而保證模型的準(zhǔn)確性。

由于人體心率容易受到情緒、飲食等眾多因素的影響，為了避免外界因素帶來(lái)的異常檢測(cè)錯(cuò)誤，本文結(jié)合醫(yī)學(xué)上對(duì)于心臟驟停期的分析[11-12]，設(shè)計(jì)了如下異常檢測(cè)策略，其偽代碼如表1所示。

表1 心率異常檢測(cè)策略

(1)系統(tǒng)對(duì)接收到的心率值進(jìn)行判斷，若超出正常閾值則對(duì)異常信號(hào)進(jìn)行累加并執(zhí)行(2)，否則重置異常信號(hào)，繼續(xù)執(zhí)行(1)；

(2)檢測(cè)異常信號(hào)是否達(dá)到預(yù)先設(shè)定的門限值，若達(dá)到則執(zhí)行(3)，否則執(zhí)行(1)；

(3)系統(tǒng)發(fā)出預(yù)警信號(hào)，提示用戶采取心肺復(fù)蘇措施，并立即向預(yù)先設(shè)定的聯(lián)系人發(fā)出求救信息，執(zhí)行(4)；

(4)重置異常信號(hào)，繼續(xù)執(zhí)行(1)。

3.2 心率預(yù)測(cè)

利用機(jī)器學(xué)習(xí)中的預(yù)測(cè)算法可以對(duì)心率進(jìn)行預(yù)測(cè)，進(jìn)而為用戶提供正確的健康指導(dǎo)，避免突發(fā)心臟病帶來(lái)的風(fēng)險(xiǎn)。然而，不同的預(yù)測(cè)模型在進(jìn)行模型訓(xùn)練時(shí)，會(huì)存在如下問(wèn)題[13-14]：(1)對(duì)訓(xùn)練集進(jìn)行學(xué)習(xí)的過(guò)程中，計(jì)算成本大，內(nèi)存占用高；(2)模型泛化能力較弱，對(duì)新加入樣本不具有很強(qiáng)的適應(yīng)能力，預(yù)測(cè)精度低；(3)存在過(guò)擬合及欠擬合現(xiàn)象。因此，對(duì)于不同的應(yīng)用場(chǎng)景，預(yù)測(cè)模型的選擇至關(guān)重要。

為此，為了實(shí)現(xiàn)心率預(yù)測(cè)的準(zhǔn)確性和高效性，本文結(jié)合心率樣本數(shù)據(jù)的特性，選擇基于隨機(jī)森林的心率預(yù)測(cè)模型。該模型的基本思想是：從訓(xùn)練樣本中隨機(jī)選取部分特征來(lái)構(gòu)建獨(dú)立的回歸樹，然后重復(fù)這個(gè)過(guò)程，且保證每次都是等概率地抽取特征，直到構(gòu)建了足夠多且相互獨(dú)立的樹，將所有回歸樹的預(yù)測(cè)結(jié)果求均值得到最終的心率預(yù)測(cè)結(jié)果[15-16]。隨機(jī)森林心率預(yù)測(cè)模型實(shí)現(xiàn)步驟如下：

(1)從本系統(tǒng)的SQLite數(shù)據(jù)庫(kù)中收集用戶歷史數(shù)據(jù)構(gòu)成樣本集；

(2)利用Bootstrap自助采樣方法從原始心率樣本集中所有n個(gè)樣本中抽取k(k

(3)重復(fù)步驟2，產(chǎn)生T個(gè)訓(xùn)練集，用于構(gòu)建T棵回歸樹，組成一片“森林”?；貧w樹生長(zhǎng)過(guò)程中，在每個(gè)非葉子節(jié)點(diǎn)進(jìn)行分支前，選擇全部p個(gè)屬性中的m(m

(4)每棵樹都完全生長(zhǎng)，直到葉子節(jié)點(diǎn)；

(5)利用“森林”中每棵回歸樹對(duì)測(cè)試樣本進(jìn)行測(cè)試，得到N個(gè)對(duì)應(yīng)的預(yù)測(cè)結(jié)果，所有預(yù)測(cè)結(jié)果取均值即為最終的預(yù)測(cè)結(jié)果。

本文采用的隨機(jī)森林預(yù)測(cè)模型，利用Bootstrap抽樣得到不同的樣本集分別構(gòu)建回歸樹模型，增加了模型間的差異，從而提高了模型的外推預(yù)測(cè)能力。

3.3 數(shù)據(jù)可視化

為了滿足用戶對(duì)于系統(tǒng)高響應(yīng)、低時(shí)延、操作便捷的要求，本系統(tǒng)可視化功能基于Android SDK 8.1開發(fā)實(shí)現(xiàn)。該系統(tǒng)提供了友好的用戶交互功能，能夠?yàn)橛脩籼峁┲庇^的心率變化狀態(tài)以及正確的健康指導(dǎo)。本文列出了部分功能模塊的截圖，如圖5所示。

藍(lán)牙連接完成Heart軟件與下位機(jī)間通信鏈路的建立；聯(lián)系人設(shè)置需要用戶指定至少一個(gè)聯(lián)系人作為心率異常時(shí)的求助對(duì)象；心率顯示可以從數(shù)據(jù)庫(kù)中讀取當(dāng)前時(shí)刻的心率進(jìn)行顯示，并對(duì)心臟跳動(dòng)波形進(jìn)行了模擬仿真；心率歷史變化通過(guò)統(tǒng)計(jì)用戶每小時(shí)的平均心率，利用MPAndroidChart繪制出心率變化圖，使用戶更加直觀的了解24小時(shí)內(nèi)自身心率的變化情況。

圖5 心率監(jiān)護(hù)系統(tǒng)功能圖

自左向右依次為：主菜單；藍(lán)牙連接界面；聯(lián)系人設(shè)置界面；心率顯示界面；心率歷史狀態(tài)變化界面

4 實(shí)驗(yàn)結(jié)果與分析

4.1 心率測(cè)量準(zhǔn)確性分析

為了驗(yàn)證本系統(tǒng)人體心率測(cè)量的準(zhǔn)確性和實(shí)用性，將心率監(jiān)護(hù)系統(tǒng)與智能穿戴中的光學(xué)心率傳感器進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)分為5個(gè)不同時(shí)段進(jìn)行，每個(gè)時(shí)段連續(xù)采集10組心率數(shù)據(jù)，共計(jì)50組。從圖6的實(shí)驗(yàn)結(jié)果可知，本系統(tǒng)心率測(cè)量結(jié)果與光學(xué)心率傳感器保持了較高的契合度。

采用均方誤差MSE作為本系統(tǒng)心率測(cè)量準(zhǔn)確度的量化評(píng)估依據(jù)，定義為：

(2)

式中，fi為心率監(jiān)護(hù)系統(tǒng)的測(cè)量值，為光學(xué)心率傳感器的測(cè)量值，n取50。經(jīng)計(jì)算，本系統(tǒng)與光學(xué)心率傳感器兩組測(cè)量結(jié)果的均方誤差僅為17.56。由此可見，本系統(tǒng)作為心率測(cè)量具有一定的實(shí)用價(jià)值。

圖6 心率測(cè)量準(zhǔn)確性評(píng)估

4.2 心率預(yù)測(cè)準(zhǔn)確性分析

心率預(yù)測(cè)實(shí)驗(yàn)選取用戶SQLite數(shù)據(jù)庫(kù)8天的心率值、步行數(shù)、同時(shí)段最高和最低心率等數(shù)據(jù)共計(jì)1 152條作為樣本，采集的時(shí)間間隔為1次/10 min。選取樣本集的97%作為訓(xùn)練集，3%作為測(cè)試集。為使心率預(yù)測(cè)模型簡(jiǎn)單高效，且具有較高的精確度，子樹的數(shù)量選擇為100，樹的深度不做限制。實(shí)驗(yàn)結(jié)果如圖7所示。

圖7 心率預(yù)測(cè)結(jié)果

由圖7可以看出，本系統(tǒng)很好的擬合了心率數(shù)據(jù)的周期性，準(zhǔn)確地判斷出了心率數(shù)據(jù)起伏趨勢(shì)。

采用均方誤差MSE和決定系數(shù)R2兩個(gè)指標(biāo)作為模型預(yù)測(cè)性能量化評(píng)估的依據(jù)，分別定義為：

(3)

(4)

5 結(jié)束語(yǔ)

本文設(shè)計(jì)并開發(fā)了一款基于Android平臺(tái)的新型人體心率監(jiān)護(hù)系統(tǒng)，該系統(tǒng)在移動(dòng)終端為用戶提供了友好的交互功能，使用戶在日常生活中即可隨時(shí)隨地了解自身的心臟健康狀況。針對(duì)突發(fā)心臟疾病帶來(lái)的風(fēng)險(xiǎn)，該系統(tǒng)結(jié)合了醫(yī)學(xué)上關(guān)于心臟驟停期的分析研究，提出了心率異常檢測(cè)策略，當(dāng)系統(tǒng)檢測(cè)到異常發(fā)生時(shí)會(huì)向緊急聯(lián)系人發(fā)送求救信號(hào)，以避免意外的發(fā)生。此外，該系統(tǒng)選用隨機(jī)森林的心率預(yù)測(cè)模型對(duì)用戶心率變化狀態(tài)進(jìn)行預(yù)測(cè)，利用sklearn框架進(jìn)行算法仿真，模型預(yù)測(cè)準(zhǔn)確度達(dá)到86.67%。因此，該系統(tǒng)對(duì)人體健康管理具有指導(dǎo)意義，滿足了用戶當(dāng)前的需求。后續(xù)的工作中將在實(shí)時(shí)性方面做進(jìn)一步完善，同時(shí)加入陀螺儀等傳感器，對(duì)人體行為特征進(jìn)行識(shí)別，進(jìn)一步提高模型的預(yù)測(cè)精度。