嵌入式人工智能健康管理系統(tǒng)設(shè)計

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了嵌入式人工智能健康管理系統(tǒng)設(shè)計范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：智慧醫(yī)療已成為一種融合IOT和數(shù)據(jù)挖掘等技術(shù)的一種新型醫(yī)療系統(tǒng)模式，智慧醫(yī)療重要組成之一智慧健康管理其核心在于患者就診的信息數(shù)據(jù)和電子健康檔案。但是當(dāng)下健康管理的不足之處就是患者的重要生理參數(shù)不能實現(xiàn)實時、連續(xù)的監(jiān)測，主要受只能在固定時間去就診或者參加體檢的局限；耽誤發(fā)現(xiàn)疾病的時間，影響最佳治療時機。因此，設(shè)計一種基于嵌入式人工智能技術(shù)，結(jié)合可穿戴傳感器，基于米爾科技公司核心平臺MYC－CZU3EG（ARMCortex－A53＋FPGA邏輯單元）運行AI算法GA－BP進行血壓、血氧、心率、呼吸、身體姿態(tài)等生理信息的較精確的測量，通過NB－IOT模塊上傳至云端對用戶進行健康管理。以疲勞實驗為例，實驗結(jié)果能夠證明設(shè)計的系統(tǒng)可以用于今后以家庭、社區(qū)為單位的健康管理。

關(guān)鍵詞：智慧醫(yī)療；IOT；嵌入式人工智能；MYC－CZU3EG；GA－BP；健康管理

隨著大數(shù)據(jù)、互聯(lián)網(wǎng)＋、5G等技術(shù)的飛速發(fā)展，智慧醫(yī)療、“大健康”、醫(yī)療大數(shù)據(jù)等概念頻頻出現(xiàn)，并得到國內(nèi)外智慧醫(yī)療［1］領(lǐng)域的高度關(guān)注。智慧醫(yī)療重要組成內(nèi)容之一的智慧健康管理，其核心在于患者就診的信息數(shù)據(jù)和電子健康檔案。但是當(dāng)下健康管理的不足之處受到傳統(tǒng)醫(yī)療手段限制，只能在固定時間去就診或者參加體檢，因此患者的重要生理參數(shù)不能實現(xiàn)實時、連續(xù)的被監(jiān)測，導(dǎo)致耽誤發(fā)現(xiàn)潛在疾病的時間，影響最佳治療時機。尤其是到2035年，我國人口老齡化愈加嚴(yán)重，進入高峰期，并且在2050年進入深度老齡化社會，面臨的人口健康壓力空前巨大［2］。此外，我國依然存在很多人對類似于心血管等基礎(chǔ)性慢性疾病自身知曉率不高，治療率更低，幾乎一半以上人群未實施有效防治［3］。而基礎(chǔ)性慢性疾病通常血壓、血氧、體溫、呼吸等生理參數(shù)緊密相關(guān)，為預(yù)防以及治療慢性疾病，連續(xù)測量此類生理參數(shù)十分有意義。同時人體姿態(tài)［4］的監(jiān)測，也可以對老年人的健康管理顯得尤為重要。因此，實現(xiàn)對一些重要生理參數(shù)的早期篩查與診斷，提高健康保障水平，已成為我國社會和國民經(jīng)濟發(fā)展的重大戰(zhàn)略課題。近年來，基于人工智能的醫(yī)療技術(shù)［5－6］取得豐富的研究成果，在智慧醫(yī)療發(fā)展進程中也已占據(jù)相當(dāng)重要的地位與角色，并且進一步正在開啟智慧醫(yī)療的新紀(jì)元。相比較與傳統(tǒng)醫(yī)療管理手段落后和生理參數(shù)測量精度不高的缺點，本文設(shè)計一種基于嵌入式AI技術(shù)的系統(tǒng)［7］，選擇米爾科技公司的核心硬件平臺MYC－CZU3EG，利用AI算法［8－9］對接收到的信號進行質(zhì)量評估、濾波、去噪、增強、特征提取、心拍分類等工作處理，通過NB－IOT模塊［10］上傳至云端對用戶進行健康管理。該系統(tǒng)可以完成用戶與醫(yī)生的交互，并可進一步建立個體化生理參數(shù)數(shù)據(jù)庫，從而實現(xiàn)疾病的動態(tài)跟蹤管理和疾病預(yù)防。

1系統(tǒng)采集模塊設(shè)計

本文設(shè)計的系統(tǒng)采集模塊如圖1所示。主要包含信息感知、信息傳輸、信號處理、信號反饋四個部分。感知部分主要有傳感器采集人體的生理參數(shù)；信號傳輸是主要將采集并進行預(yù)處理后的數(shù)據(jù)通過NB－IOT模塊上傳至終端或者云端服務(wù)器；接下來還需要進行AI算法對接收到的信號進行質(zhì)量評估、濾波、去噪、增強、特征提取、心拍分類等工作處理；最終，經(jīng)過AI算法處理后的信息傳至用戶和醫(yī)生、心電數(shù)據(jù)庫以及健康管理中心，可以進行連續(xù)跟蹤。

2生理參數(shù)采集部分

圖1中的信號感知部分是通過人體可穿戴［11］設(shè)備實現(xiàn)，利用融入穿戴設(shè)備的各類傳感器采集血壓、血氧、心率、溫度、姿態(tài)等人體重要生理參數(shù)。

2．1血壓采集模塊

血壓采集模塊所選的敏感元件為XGZP6847氣體壓力傳感器模塊。XGZP6847模塊內(nèi)部集成了可配置的數(shù)字芯片，并且PCB板的兩面分別安裝有小外形封裝的信號處理電路芯片和壓力傳感器，對傳感器由偏移、溫漂以及自身靈敏度和非線性產(chǎn)生的誤差進行補償和校準(zhǔn)。利用XGZP6847模塊設(shè)計的電路采集經(jīng)過校準(zhǔn)、溫度補償后的標(biāo)血壓信號和脈搏波信號，再通過計算得到脈搏波傳導(dǎo)時間和脈搏波波形特征量α。根據(jù)經(jīng)驗公式，脈搏波信號的傳播速度與血壓之間的關(guān)系：△P＝2αT△T（1）其中，α脈搏波的特征量；△T表示脈搏波傳導(dǎo)時間的變化值；△P動脈的血壓變化值。

2．2血氧采集模塊

檢測血氧飽和度生理參數(shù)可以清晰反映出人體關(guān)于呼吸循環(huán)的狀態(tài)指標(biāo)。通常也被認(rèn)為人體第五生命重要特征。可以管理和了解患者呼吸循環(huán)的重要生理參數(shù)。此系統(tǒng)中，選擇MAX30101芯片不僅可以用來對血氧參數(shù)的監(jiān)測，還集成心率監(jiān)測的功能。通常MAX30101芯片內(nèi)部主要有光電探測器、光學(xué)元件、低噪聲電子與環(huán)境光抑制、LED幾個重要硬件組件。輸出信號為脈搏波光電容積（PPG）信號，再由固件中的PID控制調(diào)節(jié)LED不同的亮度。由于LED亮度發(fā)生不同，則波長也會不同，PPG信號對不同波長信號吸收也會不同。根據(jù)經(jīng)驗公式：SpO2＝λ1R2＋λ2R＋λ3（2）其中，SpO2表示真實的血氧飽和度值，R表示兩個不同波長光水平比率值，λ1、λ2、λ3是可以通過回歸分析方法得到的經(jīng)驗數(shù)值。SpO2計算算法步驟如圖2：

2．3姿態(tài)采集模塊

系統(tǒng)選擇全球首例9軸傳感器MPU6050模塊采集人體的姿態(tài)信息。該模塊集合了3軸陀螺儀和3軸加速度儀構(gòu)成9軸運動傳感器，較MPU6000測量結(jié)果更加精確。評估人體運動的加速度和角速度參數(shù)，通過I2C總線與模塊MCU通訊，解算得到人體姿態(tài)角參數(shù)。目前解算姿態(tài)一般用歐拉角法、方向余弦法以及四元數(shù)法。其中，四元數(shù)法具有無奇點、計算量小的優(yōu)點，運用更廣泛。本系統(tǒng)通過采集IMU的原始數(shù)據(jù)，利用重力場和地磁場在地理坐標(biāo)系與載體坐標(biāo)系之間的方向余弦轉(zhuǎn)換，解算出航向角（Yaw）、俯仰角（Pitch）以及橫滾角（Roll）。解算流程如圖3。

2．4NB－IOT模塊

窄帶物聯(lián)網(wǎng)(NB－IoT)是一種針對mMTC場景設(shè)計的低功耗廣域網(wǎng)技術(shù)，最大優(yōu)點可以處理大規(guī)模低功耗連接，并且可覆蓋的范圍很大，穿透性能強。本系統(tǒng)選用中國移動M5310－A模塊，模塊封裝為LCC封裝。該模塊特色之一就是其尺寸小，僅僅只有19mm×18．4mm×2．2mm，最大程度地滿足終端設(shè)備對小尺寸模塊產(chǎn)品的需求，有效地幫助客戶減小產(chǎn)品尺寸。M5310－A支持M2M芯片和OneNET云平臺協(xié)議，同樣支持最新Re-lease14標(biāo)準(zhǔn)，支持更高通信速率，支持基站定位。通過NB－IOT模塊將采集到的數(shù)據(jù)經(jīng)過預(yù)處理后，上傳至嵌入式AI設(shè)備中，完成后續(xù)數(shù)據(jù)處理。

3系統(tǒng)算法及AI設(shè)備設(shè)計

3．1GA－BP網(wǎng)絡(luò)算法

系統(tǒng)采集到的生理參數(shù)在經(jīng)過MCU進行處理之后，通過NB－IOT模塊上傳至算力足夠的AI設(shè)備進一步數(shù)據(jù)分析，實現(xiàn)對某種潛在疾病的預(yù)測。選擇人工智能神經(jīng)網(wǎng)絡(luò)（BP）作為識別工具，依據(jù)多次模擬預(yù)測均方誤差（MSE）以及對BP網(wǎng)絡(luò)的參數(shù)進行優(yōu)化；遺傳算法（GA）是一種基于自然選擇和群體遺傳機理的搜索算法，遵循“適者生存”進化的基本原理。遺傳算法模擬一個初始種群在它遺傳過程中根據(jù)適應(yīng)度擇優(yōu)、雜交、突變后遺傳得到下一代種群，會一直重復(fù)進化過程，直到出現(xiàn)最優(yōu)適應(yīng)度的個體，并且滿足要求。GA－BP網(wǎng)絡(luò)算法最重要就是根據(jù)均方誤差構(gòu)造出適應(yīng)度最優(yōu)的初始權(quán)重和閾值。GA－BP算法的主要步驟如圖4：計算初始權(quán)重和閾值由公式：Hj＝logsigni＝1Σw1ij·Xi＋bij()，j＝1，2，3…5（3）Yk＝logsigni＝1Σw2jk·Hj＋b2k()，k＝1，2，3（4）式中，Xi為輸人樣本的第i個指標(biāo)；Hj為隱含層第j個節(jié)點輸出；Yk為輸出層第k個節(jié)點輸出。算法進化代數(shù)如圖5。

3．2MYC－CZU3EG硬件平臺

XCZU3EG是米爾科技有限公司推出的一款嵌入式AI硬件開發(fā)平臺。內(nèi)部集成了四核Cortex－A53處理器，雙核Cortex－R5實時處理單元以及16nm工藝的FPGA處理單元。板載硬件主要資源如表1：該硬件平臺的計算能力完全滿足一些AI算法需求，通過實測算力能夠高達(dá)1．2TOPS。AI計算硬件平臺如圖6：

4實驗設(shè)計及測試結(jié)果

實驗將以精神疲勞實驗（采集人體的心腦電數(shù)據(jù)）來驗證系統(tǒng)設(shè)計的可行性。醫(yī)學(xué)上神經(jīng)科表明，人體精神疲勞的識別與量化主要通過分析人體生物電信號的變化。心電信號能夠直觀準(zhǔn)確地反映人體的生理狀態(tài)，并間接地反映人體的精神狀態(tài)。實驗中關(guān)于心腦電信號重要的指標(biāo)參考如表2：實驗過程選擇100個學(xué)生作為受試者，并將實驗地點設(shè)置在通風(fēng)不暢且燈光昏暗的實驗室倉庫，這種條件會使產(chǎn)生疲勞感覺的速度加快；同時定義基準(zhǔn)無疲勞狀態(tài)為學(xué)生午休后所產(chǎn)生的。實驗實施過程如表3：最后，根據(jù)設(shè)計的系統(tǒng)所采集的數(shù)據(jù)并經(jīng)過分析處理的結(jié)果結(jié)合當(dāng)前主觀檢測的結(jié)果綜合分析，確定疲勞程度的真實值。主觀檢測采用問卷調(diào)查的方式進行，并將結(jié)果一起比較分析。同時也加入沒有基于GA的BP算法的測試結(jié)果，三者測試的結(jié)果如表4：從實驗結(jié)果看，在AI設(shè)備上基于GA－BP算法對生理參數(shù)進行分析，具有一定的識別能力，比BP算法處理的識別更接近于主觀檢測的數(shù)據(jù)。

5結(jié)束語

本文從智慧醫(yī)療健康管理角度出發(fā)設(shè)計一種基于嵌入式人工智能技術(shù)，結(jié)合可穿戴傳感器，基于米爾科技有限公司核心平臺MYC－CZU3EG運行GA－BP算法進行血壓、血氧、心率、呼吸、身體姿態(tài)等生理信息的較精確的測量，通過NB－IOT模塊上傳至云端對用戶進行健康管理。通過精神疲勞實驗來驗證系統(tǒng)設(shè)計的可行性，經(jīng)數(shù)據(jù)試驗，該系統(tǒng)可以用于今后以家庭、社區(qū)為單位的健康管理，為智慧醫(yī)療健康管理提供新的可行解決方案基礎(chǔ)。

作者:張晨 梁昕 盧克 單位:南京機電職業(yè)技術(shù)學(xué)院