基于智能手机感知的疾病发现与位置预测

Currently in healthcare domain, smartphone sensing based research and development is mainly focusing on application, while rarely on comprehensive basic research of personal health detection and location prediction. This project aims at narrowing the gap by making use of daily sensed raw data to converge them, after preprocessing, to the data center. On the one hand, outlier detection of the physiological data will be performed to analyze and warn the personal health state. On the other hand, data mining from history locations will predict the user’s future activity position. Specific technical innovations and potential contributions include: First, using distributed source coding to propose data aggregation algorithms for big medical data gathering. The data collection algorithm will produce efficient and accurate data set, and improve the efficiency of network transmission. Second, according to the correlation of medical datasets, outlier detection methods will be proposed in order to find body health problems in a timely manner. Third, based on the periodicity and randomicity of personal activities, multistage support vector machine will be used to propose location prediction algorithms, and to further find user’s behavior patterns. The implementation of the project will be expected to provide a series of fundamental theories and key algorithms, helping to ensure body health and to encourage reasonable behavior patterns from the perspective of big medical data wisdom.

在医疗保健方面，目前基于智能手机感知的研发主要面向应用，很少有对于个人疾病发现和行动位置预测的综合性基础研究，也带来了相关研究的迫切性与挑战性。本项目利用日常生活中手机感知的原始数据，将信源数据处理后汇聚到数据中心，然后一方面对生理数据进行离群检测，分析并预警身体的健康状况；另一方面利用历史位置数据对用户位置进行预测，估计个人的未来行为。具体的技术创新点和潜在社会贡献包括：①利用分布式信源编码思想提出医疗大数据的数据汇聚方法，产生高效、准确的数据集，并提高网络传输效率。②量化、分析医疗数据集的属性相关性，结合相关属性集权重值提出离群点检测方法，及时发现身体的疾病。③引入模糊逻辑思想，提出多类支持向量机算法预测个人未来位置，引导健康行为。项目的实施将从医疗大数据“好利用”和“利用好”的角度，为保障身体健康与鼓励健康的行为习惯提供一系列理论基础与核心算法。

利用包括但不限于智能手机在内的穿戴式设备，连续、无创地记录生理数据，并与医学人工智能技术相结合，对这些数据进行处理和分析，有望实现疾病的早期预测与诊断。本项目主要研究内容包括三个方面：一是移动用户无GPS辅助时的定位算法和相关网络协议；二是基于智能手机等可穿戴设备采集的生物电信号，实现部分典型疾病早期识别；三是利用医学影像和机器学习技术，辅助临床诊疗。研究内容一可以对社区养老用户实现精准定位跟踪，重点提出了一种针对社区老人的精准定位系统和定位算法，并提出了与此相关的网络协议。研究内容二是本项目重点，利用采集或者提取出来的PPG信号、脑电信号、心电信号、脉搏波、肌电信号等，通过创新信号分析和机器学习技术来提取特征，实现了主要生命体征和疾病的日常监测。具体地，课题组从基于PPG信号的无创血糖监测、脉搏波信号处理与肺癌识别、基于脑电的自动癫痫检测、异常心拍识别等进行深入研究。其中，使用智能手机采集视频获取了PPG信号，是一项原创成果，用于无创估计血糖水平。而脑电信号、心电信号和脉搏波信号都是由可穿戴式设备获取，使用智能手机存储和显示检测结果。研究内容三是本项目的拓展研究，利用合作医院的兆伏级CT数据或者磁共振影像数据，实现小器官自动、精准分割。项目成果具有广阔的市场潜力和经济利益，并符合“预防为主、关口前移”的全民健康重点需求。