一种基于软硬件协作的节能型移动健康医疗监护系统技术方案

本发明专利技术提供了一种基于软硬件协作的节能型移动健康医疗监护系统。传感器模块、中央控制器和监控中心，中央控制器与所述传感器模块和监控中心电路连接；传感器模块，包括多个传感器，处于传输数据状态的传感器采集病人的身体状况数据，将身体状况数据传输给中央控制器；中央控制器，用于通过调度算法确定各个传感器在每个时刻是处于传输数据状态还是休眠状态，对身体状况数据中的缺失数据进行填补，将填补后的身体状况数据传输给监控中心；监控中心用于将接收到身体状况数据进行存储。本发明专利技术的系统从软硬件方面解决了功耗问题，并且可以实时的对病人的身体状况进行监控，而且数据的有效性经过实验的验证，也得到了保证。也得到了保证。也得到了保证。

【技术实现步骤摘要】
一种基于软硬件协作的节能型移动健康医疗监护系统


[0001]本专利技术涉及健康医疗系统
，尤其涉及一种基于软硬件协作的节能型移动健康医疗监护系统。

技术介绍

[0002]移动健康系统需对人的身体进行长期的检测，以识别偶尔出现的“病态”信号，例如，对人体进行一些心血管疾病等。此外，让需要检测的病人一直待在医院，以进行长期的检测，这样做服务成本很高，且使医院的劳动力密集，更重要的是医院的资源有限。所以，需要一种移动健康医疗系统在医院之外可以实时的在任何地方对患者进行检测。
[0003]但是这种移动健康医疗系统存在的问题是功耗太高，因为一个健康医疗系统需要很多个大大小小的无线传感器，电量下降太快导致频繁的更换电池会很繁琐。目前在解决无线传感器功耗的上一些通用的做法是在物理层和MAC(Media Access Control，媒体访问控制子层)层设计出低功耗的传输协议，如ZigBee和Lora。但是这种做法就限制了传感器只能在特定的范围内使用，因为协议是自己制定的，不利于大规模生产使用。还有一种节能方式是通过蓝牙和WIFI与智能手机进行通信，它们会定期的关闭蓝牙的传输，以达到节能的目的，但是这样的话，我们手机接收到的数据是带有缺失的。
[0004]在硬件方面，针对传感器的功耗问题，现有的解决方法是围绕着更改在物理层和MAC层的一些传输协议，还有的一些人设计出了一些本身就能降低功耗的材料来制造出节能的传感器。
[0005]在软件方面，跟我们对应的是一些缺失值填补的技术，现有的技术分为统计学方法和机器学习方法。统计学习方法包括一些均值填补(使用数据的平均值去填补一些缺失位置的数据)、众数填补(使用数据的众数去填补缺失位置的数据)，分段插值(线性插值，在两端数据之间求出他们的斜率，组成一个直线，然后对这个直线内缺失的将它的x带入此直线方程，去求解出y)。此外还包括一些基于机器学习的插值方法，有随机森林法，KNN算法等。
[0006]目前，现有技术中的节能家庭医疗系统有两方面技术，一个是硬件方面的技术，一个是软件方面的技术。
[0007]在硬件方面，现有技术有的是围绕着更改在物理层和MAC层的一些传输协议来降低传感器的功耗，这种解决方法的问题是不适于大规模的应用，只能在自己特定的场景中应用，因为它的传输协议都是自己制定的。还有一些技术是使用一些节能的原始材料去制作传感器，但是这种方法的问题是使得传感器的数据测出来不精确，这样会影响传感器的正常使用。还有一些方法是使得在蓝牙传输阶段会定期的进行休眠状态，这种方法的问题是我们会得到缺失的数据，我们就不能获取缺失时间段内的数据信息，这样也就失去了对病人进行实时监护的能力。
[0008]在软件方面，基于统计学的方法最大的缺点它无法有效利用有关时间序列的信息，基于机器学习的缺失值填补方法最大的缺点是他们很少考虑两个变量之间的关系，比
如，有体温和血压两个属性，机器学习的缺失值填补方法是，利用体温的数据对体温的缺失值填补，利用血压的数据对血压值进行填补，没有考虑到体温的数据对血压也有影响。还有一些基于深度学习的填补方法，他们都围绕着不完整的时间序列数据进行训练，而很少从缺失的数据中挖掘有用信息。
[0009]
技术实现思路

[0010]本专利技术的实施例提供了一种基于软硬件协作的节能型移动健康医疗监护系统，以实现对病人的身体状况进行有效地实时的监控。
[0011]为了实现上述目的，本专利技术采取了如下技术方案。
[0012]一种基于软硬件协作的节能型移动健康医疗监护系统，包括：传感器模块、中央控制器和监控中心，所述中央控制器与所述传感器模块和所述监控中心电路连接；
[0013]所述传感器模块，包括多个传感器，处于传输数据状态的传感器采集病人的身体状况数据，将所述身体状况数据传输给中央控制器；
[0014]所述中央控制器，用于通过调度算法确定各个传感器在每个时刻是处于传输数据状态还是休眠状态，对所述身体状况数据中的缺失数据进行填补，将填补后的身体状况数据传输给监控中心；
[0015]所述的监控中心，用于将接收到身体状况数据进行存储。
[0016]优选地，每个传感器模块包括传感器、射频天线和控制器MCU；
[0017]所述传感器，用于与病人接触，当处于传输数据状态时，按照设定的时间间隔采集病人的身体状况数据；
[0018]所述MCU，用于通过调度算法确定各个传感器在每个时刻是处于传输数据状态还是休眠状态，采用对抗性填补网络模型来填补处于休闲状态的传感器模块上的缺失样本，所述对抗性填补网络模型包括用于预测缺失值的BRITS生成器和用于识别置信概率的LSTM长短期记忆网络鉴别器；
[0019]所述射频天线，用于通过无线通信信道将填补后的身体状况数据传输给监控中心。
[0020]优选地，所述MCU通过掩码矩阵来表达传感器是处于传输数据状态还是休眠状态，处于传输数据状态和处于传输数据状态的掩码矩阵分别对应不同的设定值；
[0021]传感器的时间间隔矩阵表示该传感器最后观察到数据的时间距离本时刻的时间间隔。
[0022]优选地，所述BRITS生成器由一个双向的LSTM构成，BRITS生成器的填补公式如下：
[0023][0024][0025]γ
t
＝exp{
‑
max(O,W
γ
+b
γ
)}
ꢀꢀ
(3)
[0026][0027]圆点表示点乘操作；
[0028]等式(1)中，将t
‑
1时刻的隐藏层状态h经回归层输出t时刻的预测值。
[0029]等式(2)中，X用于填补t时刻的数值。1)若存在缺失，则用t时刻的预测值X当做这一时刻数值。2)若无缺失，则使用原始数据，忽略后续操作。
[0030]等式(3)中引入了时间衰减因子γ
t
，该因子由时间间隔δ
t
得出，代表了时间序列中的缺失模式，这对推算至关重要。
[0031]等式(4)是将时间衰减因子与隐藏状态结合，计算下一时刻的隐藏状态h。
[0032]以上4个式子，不断的去更新循环，去填补缺失的数据。
[0033]所述BRITS生成器的损失函数包括有真值的数据、没真值的数据和判别器的反馈；
[0034]在传感器有真值的数据的场景下，所述BRITS生成器的损失函数设计为：
[0035]L
o
＝||X
⊙
M
‑
G(x)
⊙
M||2[0036]在传感器没有真值的数据的场景下采用递归方法填补损失值，
[0037]所述递归方法的公式表示为：
[0038][0039]其中，i是t时刻之前的最后一次观测到的数据时刻，j是t时刻之后第一次观察到的数据时刻。
[0040]优选地，所述LSTM鉴别器由一个单向的LSTM构成，将BRITS生成器生成的本文档来自技高网...

【技术保护点】

【技术特征摘要】
在传感器没有真值的数据的场景下采用递归方法填补损失值，所述递归方法的公式表示为：其中，i是t时刻之前的最后一次观测到的数据时刻，j是t时刻之后第一次观察到的数据时刻。5.根据权利要求4所述的系统，其特征在于，所述LSTM鉴别器由一个单向的LSTM构成，将BRITS生成器生成的数据G(x,m,
△
)输入到LSTM鉴别器中，得到代表真实程度的值D(G(x,m,
△
))；所述LSTM鉴别器的损失函数如下：所述LSTM鉴别器的损失函数由三项构成：1)真实的数据x，希望最大化D(x)，最小化它的负数；2)来自生成器的数据，希望最小化D(G(x,m,
△
))。3)梯度惩罚项6.根据权利要求2所述的系统，其特征在于，所述MCU的调度算法的目标函数如下：Min{max
i∈[1，N...

【专利技术属性】
技术研发人员：高睿鹏，赵豪越，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：