一种基于智能手机和云平台的心电远程监护系统研制

引言

随着人口的老龄化，心血管病患者日益增加，心血管病死亡率已居首位，心血管疾病多发病于中老年人群[1-3]。研制心电远程监护系统，加强对中老年人的心血管健康监护是十分必要的。

近年来，移动通讯技术和互联网技术的发展为心血管疾病远程监护提供了新的机遇。Fujita等[4]研究了一种基于手机和云计算的院前12导联心电远程监护系统。Fong等[5]、Wang等[6]和Karunarathne等[7]提出一种基于智能手机和云计算的心电监护系统。冼启源等[8]设计了一种基于3G移动网络和云计算的监护系统，使用云端服务器作为Web服务器，利用3G网络完成患者多参数数据采集和传输。基于智能手机和云计算的远程医疗监护系统已取得一些进展，但还存在一些问题有待解决：① 基于云平台的远程监护系统网络体系架构的改进；② 信号采集传感器的小型化和穿戴式设计；③ 基于云平台的心电远程监护服务模式研究。

为此，本文提出并设计了一种基于智能手机和云平台的心电远程监护新系统，研制了创可贴式单导心电采集器、智能手机APP软件和云端服务器软件。本文设计的系统具有如下优点：

首先，创可贴式单导心电采集器只需要两个纽扣电极就可以采集单导心电，成本低，可以反复使用。而且心电采集器体积小，重量轻，功耗低，患者佩戴方便舒适，行动几乎不受限制，适合长期心电监护。

其次，智能手机非常普及，方便连入互联网，有利于扩大心电监护的人群以及心电监护的时间和地点。而且，在智能手机上使用智能分析算法有利于降低云端服务器的计算能力要求，从而降低系统的总体成本。使用智能分析算法得到心电预判分类数据，可以帮助心电图专家做出更准确的诊断结果。

最后，云端服务器提供一个基于浏览器的心电图诊断平台，心电图专家可以通过多种具有浏览器的电子设备，在任何地点和任何时间诊断患者心电图。而且，云平台具备良好的可扩展性，后期可以在云平台上对患者个人电子健康档案进行大数据智能分析，建立一个更加智慧的心电远程监护系统。

下面详细介绍系统工作原理、各部分设计方法和实验结果。

1　原理与方法

1.1　系统结构与原理

基于智能手机和云平台的心电远程监护系统结构，见图1。系统包括3个部分：① 心电采集器；② 智能手机APP；③ 云平台服务器软件。

心电采集器实时采集患者的心电信号，通过低功耗无线蓝牙技术（Bluetooth Low Energy，BLE）[9]传送给智能手机。智能手机对接收到的心电信号进行实时分析，并把异常心电数据通过移动通讯网远程传输到云平台服务器。云端服务器软件对接收到的心电数据进行存储，同时通过互联网推送给医生进行监护诊断；云端服务器软件能接收来自医生的心电诊断，并时把医生的诊断结果和治疗建议返回到患者智能手机中。最终患者可以查看到医生的诊断结果，从而达到对患者进行心电远程监护的目的。

系统工作流程，见图2，主要分为8个步骤：① 患者智能手机APP通过BLE自动连接心电采集器，接收心电采集器发送的心电数据；② 智能手机APP可以实时显示患者心电图，把心电数据存储在手机本地，使用智能分析算法分析心电数据得到预判分类数据，并通过移动通讯网络或者无线Wi-Fi网络上传到云端服务器；③ 云端服务器把患者心电数据和预判分类数据存储在云端；④ 云端服务器为患者心电数据建立诊断任务，并把任务发送给医生端浏览器；⑤ 医生端浏览器显示患者心电图和预判分类数据，医生可以浏览心电图并上传诊断结果；⑥ 云端服务器把诊断结果存储在云端；⑦ 云端服务器向患者的智能手机APP推送诊断结果通知；⑧ 智能手机APP接收到推送通知，提醒患者阅读诊断结果。

1.2　心电采集器设计

心电采集器硬件结构，见图3，主要由一次性纽扣式电极贴片、德州仪器低功耗模数转换器ADS1191、赛普拉斯集成BLE功能的CY8C4247单片机、可充电锂电池（3.7 V）、充电电路（5 V）和电源模块（3.3 V）组成。心电采集器软件主要包含3个功能：心电信号采集、低功耗管理和蓝牙数据传输。心电信号采集功能是按照250 Hz采样频率、通过串行外设接口读取ADS1191采集的心电信号。低功耗管理功能负责控制设备在非工作和工作状态的休眠和唤醒，延长电池的使用时间。蓝牙数据传输功能负责管理采集器和手机的蓝牙配对连接以及数据的封包和发送。

心电采集器实物图，见图4。创可贴式单导心电采集器只需要两个电极就可以采集单导心电，患者不需要医生的指导就可以自行佩戴。心电采集器的功耗极低，优化后的工作电流小于2 mA，配备3.7 V、100 mAh的锂电池，工作时间可达36 h，完全满足24 h的监护需求。

1.3　智能手机APP软件设计

智能手机普及广，具备Wi-Fi和移动通讯网络等多种接入因特网的方式，而且用户界面友好易操作，本系统使用智能手机作为连接心电采集器、患者和云平台的中转站。患者首先通过智能手机APP用电话号码注册用户账号，注册成功并登录后，智能手机APP自动通过BLE连接心电采集器并接收心电数据。智能手机APP把心电数据实时绘制在屏幕上，同时把心电数据存储在手机本地，并使用智能分析算法对30 s的心电数据进行预判分类，最后把数据通过安全的超文本传输协议[10]（Hyper Text Transfer Protocol Over Secure Socket Layer，HTTPS）远程传输到云端服务器。智能手机APP还用于接收和显示云端服务器推送的医生诊断结果。

根据上述需求，我们采用Objective-C语言设计基于iPhone手机的APP，APP包含5个功能模块：用户账号管理模块、心电数据接收模块、心电数据处理模块、推送接收模块和历史心电数据模块。各模块功能，见表1。

心电智能分析算法，用于提取患者心电图的频域特征和时域特征，包括房颤特征、形态学特征、平均RR间期和波形相似度等特征，然后使用随机森林算法[11]建立的模型对心电数据进行预判分类，把心电数据分为7类：正常、房颤、频发室早、室性心动过速、室上性心动过速、心动过缓和长RR间期。预判分类数据和心电数据一起上传到云端服务器，为医生诊断心电图提供参考。

1.4　云端服务器软件设计

云端服务器软件主要负责心电数据存贮、预判分类和医生诊断结果推送等功能，包含4个功能模块：Web应用编程接口（Application Programming Interface，API）[12]、数据存储服务、数据推送服务和心电图诊断平台。Web API提供对外访问的接口，所有数据的访问都是通过Web API完成。使用Web API服务有助于降低系统的各个模块耦合性，减少系统开发的难度，同时便于权限的统一验证，保护数据的安全性。数据存储服务用于把心电数据、预判分类数据以及医生的诊断结果存储到云平台。数据推送服务，用于把医生的诊断结果推送至智能手机。心电图诊断平台，用于为医生提供一个基于浏览器的心电图诊断界面，界面上显示患者的心电图和预判分类数据。

1.4.1　Web API

使用Java语言和Tomcat容器以及目前流行的技术框架（Spring，Mybatis）[13]来构建Web API，智能手机APP和心电图诊断平台均通过Web API来访问数据，数据采用JSON封包形式来减少网络通讯流量。与Web API的通讯均使用HTTPS加密通道，以保证数据的安全性。根据系统功能设计Web API（表2）。每一个Web API都分配了唯一的URL。

1.4.2　数据存储服务

数据存储服务用于把心电数据、预判分类数据以及医生的诊断结果等数据存储到云平台。系统使用MySQL关系型数据库和对象存储服务（Object Storage Service，OSS）两种方式来存储数据。MySQL数据库主要保存患者的个人基本信息、亲属或护理人的信息，医生随访记录，心电数据索引和医生的诊断结果等。对象存储服务用来存储患者心电数据（表3）。

系统在云平台上部署了MySQL数据库，对表3中存储在数据库中的数据建立了相应的二维表结构。存储在关系型数据库中的信息便于系统进行检索和统计。

心电数据不适合存储在普通的文件服务器上。一方面因为心电数据数量庞大，随着时间的积累将占用海量的存储空间；另一方面心电数据要求高持久性，不能因磁盘损坏而导致数据丢失。阿里云的对象存储服务OSS可以提供近乎无限的存储空间和高达99.99%持久性保证[14]，使得OSS非常适合心电数据的存储。本系统采用OSS来存储心电数据。

患者心电数据的存储流程，见图5：① 当患者的智能手机APP上传心电数据时；② 云端服务器的Web API为心电数据生成全局唯一的文件名，把心电数据存储到OSS中；③ 然后把心电数据的索引信息（包括心电数据的文件名和患者在数据库中的标识等）存储到MySQL数据库中。类似的，当心电图诊断平台读取某个患者的心电数据时，Web API服务首先读取MySQL数据库中的心电数据索引信息，再根据心电数据的文件名把心电数据从OSS中读取出来，并把心电数据发送到心电图诊断平台。

（1）数据推送服务。当医生上传心电图的诊断结果后，系统通过数据推送服务，向患者智能手机APP推送通知，提醒患者及时查看医生的诊断结果。系统的数据推送服务采用了深圳市和讯华谷信息技术有限公司的商业推送服务——极光推送。智能手机APP客户端采用极光自定义的协议与推送服务器保持长传输控制协议连接，电量、流量消耗少。极光服务技术架构先进，高并发可拓展性的云服务可以减少应用开发者的成本投入[15]，进而降低心电远程监护系统的总体成本。

（2）心电图诊断平台软件设计。心电图诊断平台为医生提供了一个基于浏览器的心电图诊断界面，医生观察患者心电图并上传诊断结果。同时医生可以使用电话和患者进行一对一的咨询并提供专业的医疗帮助，帮助患者认识和掌握自己的心血管情况。

得益于Web技术的发展，系统使用HTML5和JavaScript以及云端的Web API构建了基于浏览器的诊断平台。使用目前流行的Web框架技术，如bootstrap、jQuery构建了一个操作良好的用户界面[16]。另外，平台使用WebSocket[17]技术实现诊断任务的实时发送，使用jQuery的Ajax方法在浏览器后台下载患者心电数据，并使用HTML5的Canvas[18]绘图技术在浏览器前端绘制患者心电图，这可以极大的减轻云端服务器的计算压力。

心电图诊断平台的工作流程，见图6。

（1）医生成功登录进入诊断平台，云端Web API服务首先检查该医生是否已经配诊断任务，没有则进入（2），有则进入（3）。

（2）心电图诊断平台进入等待系统分配诊断任务状态，直到云端服务器通知有新的任务后进入（3）。

（3）医生端浏览器访问云端Web API服务获取分配的任务，医生分析患者心电图并上传医生诊断结果，然后医生通过电话和患者进行一对一的访谈。此时一次诊断任务完成，心电图诊断平台重新进入（2）等待系统分配新的诊断任务。

基于浏览器的心电图诊断平台，可以让医生通过任何具有浏览器的电子设备，如个人电脑、平板电脑和智能手机等，在任何地点和任何时间诊断患者心电图。

2　结果与分析

系统服务器软件部署在阿里云的云平台上，我们设计了3个实验分别对心电数据采集可靠性，心电数据远程传输可靠性，以及系统功能可靠性进行了验证。

2.1　心电数据采集可靠性验证

为了验证心电数据采集的可靠性，我们设计了如下的实验（图7）。创可贴式心电采集器连接福禄克MPS450心电信号发生器,使用智能手机APP接收心电采集器发送的心电数据。

实验结果表明，手机APP接收到的心电数据与MPS450产生的心电信号保持一致，证明了心电数据采集的可靠性。

2.2　心电数据远程传输可靠性验证

为了验证心电数据远程传输的可靠性，在与2.1节同样的实验环境下，我们对手机APP发送的心电数据和心电图诊断平台显示的心电图进行对比，检验二者的一致性。实验结果（图8）可见智能手机APP的历史心电图（图8a）和心电图诊断平台显示的心电图（图8b）保持一致，证明了心电数据远程传输的可靠性。

2.3　系统功能可靠性验证

为验证系统功能可靠性，心电采集器直接佩戴在人体上（图9a），智能手机APP接收到心电数据（图9b），并将其发送到云端服务器，云端服务器发送任务给心电图诊断平台，医生观察心电图并上传诊断结果（图9c），云端服务器保存诊断结果后，推送给患者（图9d），患者查看到医生的诊断结果（图9e）。实验结果表明，系统功能运行正常稳定。

3　结论

本文设计并实现了一种基于智能手机和云平台的心电远程监护新系统。研制了一种创可贴式心电采集器负责实时采集患者心电生理信号，开发了苹果智能手机APP软件，用于接收、显示、保存和分析心电数据，同时把心电数据传输到云端服务器。云端服务器软件包括Web API、数据存储和推送服务，以及基于浏览器的心电图诊断平台。心电图诊断平台可以让医生使用浏览器观察心电图并给出诊断结果，云端服务器把诊断结果推送给患者智能手机APP，患者可查看医生诊断结果，从而达到心电远程监护的目的。实验结果表明了系统的可行性、有效性和稳定性，适合对心脏病患者进行长期心电监护。

[参考文献]

[1] 中国心血管病报告编写组.《中国心血管病报告2016》概要[J].中国循环杂志,2017,32(6):521-530.

[2] 姚震,陈林.我国心血管疾病现状与展望[J].海南医学,2013,24(13):1873-1876.

[3] 胡大一,郭艺芳.中国心血管病领域30年回顾与展望[J].中国实用内科杂志,2011,31(11):824-826.

[4] Fujita H,Uchimura Y,Waki K,et al.Development and clinical study of mobile 12-lead electrocardiography based on cloud computing for cardiac emergency[J].Stud Health Technol Inf,2013,192:1077.

[5] Fong EM,Chung WY.Mobile cloud-computing-based healthcare service by noncontact ECG monitoring[J].Sensors,2013,13(12):16451-16473.

[6] Wang X,Gui Q,Liu B,et al.Enabling smart personalized healthcare: a hybrid mobile-cloud approach for ECG telemonitoring[J].IEEE J Biomed health Inf,2014,18(3):739-745.

[7] Karunarathne MS,Jones SA,Ekanayake SW,et al.Remote monitoring system enabling cloud technology upon smart phones and inertial sensors for human kinematics[A].Big Data and Cloud Computing (BdCloud), 2014 IEEE Fourth International Conference on IEEE[C].New York:IEEE,2014:137-142.

[8] 冼启源,李天豪,麦松涛,等.基于云计算及3G网络的健康监护系统设计[J].计算机应用,2011,31(2):200-203.

[9] Gomez C,Oller J,Paradells J.Overview and evaluation of bluetooth low energy: An emerging low-power wireless technology[J].Sensors,2012,12(9):11734-11753.

[10] Clark J,van Oorschot PC.SoK: SSL and HTTPS: Revisiting past challenges and evaluating certificate trust model enhancements[A].Security and Privacy (SP), 2013 IEEE Symposium on IEEE[C].New York:IEEE,2013:511-525.

[11] Breiman L.Random forests[J].Mach Learn,2001,45(1):5-32.

[12] Maleshkova M,Pedrinaci C,Domingue J.Investigating web apis on the world wide web[A].Web Services (ECOWS), 2010 IEEE 8thEuropean Conference on IEEE[C].New York:IEEE,2010:107-114.

[13] Zhang D,Wei Z,Yang Y.Research on lightweight MVC framework based on spring MVC and mybatis[A].Computational Intelligence and Design (ISCID), 2013 Sixth International Symposium on IEEE[C].New York:IEEE,2013,1:350-353.

[14] 阿里云.对象存储OSS简介[EB/OL].(2017-09-20)[2017-10-31].https://help.aliyun.com/document_detail/31817.html.

[15] 深圳市和讯华谷信息技术有限公司.极光推送[EB/OL].(2017-10-31)[2017-10-31].https://www.jiguang.cn/push.

[16] Kim B.Responsive web design, discoverability, and mobile challenge[J].Lib Tech Rep,2013,49(6):29-39.

[17] Pimentel V,Nickerson BG.Communicating and displaying realtime data with WebSocket[J].IEEE Int Comp,2012,16(4):45-53.

[18] Dong C,Si Z.Research and application of online image processing technology based on HTML5[A].China Academic Conference on Printing & Packaging and Media Technology[C].Singapore:Springer,2016:367-373.