基于上下文感知的日常远程监测高血压智能分析及预警技术研究

Medical healthcare is a key concern of people. In recent years, chronic diseases like hypertension have posed a great threat to human's health with high incidence rates. A large number of clinical doctors have been working hard for the prevention and control of hypertension, and gained valuable experience along the way. Howto share the experience with patients is a vital issue that medical service is now facing, as well as an urgent appeal of the public. With the appearance of wireless remote monitoring technology, the real-time monitoring of chronic diseases has been extended to household, combining hospital care with out-of-hospital monitoring. This has brought up new ideas on the prevention and control of hypertension. This project is aimed at daily monitoring and long-term control of hypertension, as well asthe early prevention of cerebrovascular diseases. With the latest development of wireless remote monitoring technology, research on the perception and collection of daily monitoring data, analysis and mining of mass data, intelligent diagnosis, feedback and early warning of hypertension will be conducted to settle the bottlenecks to the sustainable development of the Medical Internet of Things. Investigation on hypertension intelligent analysis and prediction technique with daily remote monitoring based oncontext awareness is an interdisciplinary subject with clear and urgent needs under the huge demand of massive users. It will and must effectively promote further development of ubiquitous network and breakthroughs on the Hypertensionology in our country.

医疗卫生保健是全民关注的重点。近年来，我国高血压等慢性疾病多发，严重威胁居民的健康。一大批临床专家医生为高血压防控工作努力耕耘，积累了宝贵的经验。如何让广大患者分享到高血压专业防治的经验，是医疗服务面临的一个紧要问题，也是百姓的诉求。无线远程监测技术的出现，将慢病实时监护延伸到家庭，将院内诊疗与院外监测有机地结合起来，为高血压防治带来崭新的发展思路。本项目以高血压慢病的日常监测、长期控制、心脑血管病变的早期预防为目标，基于无线远程监测技术的最新发展，研究日常高血压慢病数据的上下文感知与采集、海量数据的分析与挖掘、以及高血压慢病的智能辅助诊断、反馈与预警技术，解决医疗物联网技术可持续发展的关键瓶颈问题。基于上下文感知的日常远程监测高血压智能分析和预警技术，是在巨大应用背景下、有着明确而迫切需求的交叉学科发展方向，必将有力地推动泛在物联网技术的深入发展，推动我国高血压学科的发展取得新的突破。

高血压作为世界上流行最广泛的慢性疾病，被称为人类健康的“隐形杀手”。本项目采集2万余条远程健康监测数据并筛选15万条健康体检数据，重点围绕高血压上下文特征筛选、高能效体域网、数据挖掘方法及预警模型设计等方面展开研究工作。在基于高血压的上下文特征筛选方面，提出基于体检数据的预处理处理流程并基于随机森林等算法、ROC曲线下面积等展示方法筛选了高血压相关的上下文知识。在体域网方面，通过节点调度和节点密度控制降低能量消耗，延长网络生存期的方法，将传统通信从二维扩展到三维，从静止扩展到移动，利用最优化算法、博弈论、随机过程等理论，设计异构无线传感器网络。在数据挖掘方法方面，提出了高血压慢病分类决策提升算法、模糊加权关联分类算法，并对串行算法进行并行化设计和改造，满足对海量医疗数据进行高效处理的需求，将模型样本量处理能力提升了至少1000倍；基于余弦度量和大边界近邻度量算法提出了局部簇距离度量学习算法，基于高血压患者的体检数据对心血管疾病进行智能诊断，其特异度高达0.901；筛选50组高血压患者的连续100天监测结果，设计多维时间序列模型，学习患者1-95天的血压数值预测其96-100天的血压状况，结果表明预测效果在前2-3天内表现良好。在预警模型设计方面，综合项目中的高血压上下文特征筛选及海量数据挖掘方法研究，设计一套高血压早期预警的整体模型，由数据预处理及特征提取、模型训练、诊断预警三个部分构成。通过这个过程生成模型的决策规则，用于高血压的诊断。该系统的敏感度为75%，准确率达83%，特异性达86%。此外，长期而持续的高血压容易导致脑部组织异常，尤其是针对海马体，容易导致海马体的萎缩，进而引起阿尔兹海默症等退行性疾病。因此，本项目扩展研究基于磁共振影像的海马体分析方法，构建基于多目标的交互式神经网络模型，量化海马组织的形态学特征。该方法降低了模型操作复杂度，在用时仅42.1s的情况下精准度可达0.926。.依托本项目，开发了WeHealth远程健康管理平台，实现了慢病管理、医疗信息发布等医疗健康综合服务，实现了在社区医院及体检机构的成果转化。本项目为高血压及高血压相关疾病的智能诊断提供依据，推动高血压大数据人工智能技术的发展。