温浩杰

摘 要： 针对病患生理参数的采集，结合软件工程学的方法论，采用远程技术实现对体温、血压、脉搏等病区日常测量的生理参数的采集、分发与处理。从临床医生对监控系统的使用习惯出发，通过数据库建模技术、J2EE等技术，从海量数据收集，到数据库建模以及利用SSH框架建立起生理参数管理平台。该系统能满足病区的日常生理参数的智能采集与全面的汇聚，给患者的日常治疗提供可靠安全保证，为医生及时做出临床决策提供有力的保障。

关键词： 病患； 生理参数； 监控平台； 数据挖掘

中图分类号： TN311?34 文献标识码： A 文章编号： 1004?373X（2015）16?0034?04

Design and implementation of physiological parameter management platform for patients

WEN Haojie

（Nanjing General Hospital of Nanjing Military Rejion， Nanjing 210002， China）

Abstract： Aiming at the patient physiological parameter acquisition， acquisition， distribution and processing of the daily?measured physiological parameters of temperature， blood pressure， pulse and so on were implemented with remote technology according to the software engineering theory. The physiological parameter management platform with the functions of data acquisition， database modeling and SSH framework application was established with database modeling technology and J2EE technology based on clinicians habits of using their monitoring systems. The system can meet the intelligent acquisition and comprehensive convergence of daily physiological parameters of patients in an endemic area， provide reliable security guarantee for daily treatment of patients and provide a strong guarantee for doctors to make their clinical decision.

Keywords： patient； physiological parameter； monitoring platform； data mining

0 引 言

随着我国人口结构逐渐向老龄化迈进，一些新型的医学模式也逐渐对疾病的治疗、预防和控制等方面作出新尝试，新一代数字健康工程技术正在朝着数字化、智能化的方向快速发展[1]。目前监控仪所能监测的是很有限的参数，而能自动、连续、无创监测的参数很少，且都仅限于生理参数[2]。从医疗信息化的发展来看，通过有效的医疗物联网，医院可以对患者或亚健康者进行实时诊断并提供健康提醒服务，从而有效地减少和控制病患的发生与发展[3]。

随着我国人口老龄化的进一步加剧，需要家庭健康监控的老年病人数也会越来越多，开发一种生理参数管理平台，全面汇聚病区的日常生理参数，对于解决“监”与“护”统一问题具有重要的现实意义。

1 病患生理参数管理平台的架构设计

1.1 业务与管理流程设计

病患生理参数管理平台是基于物联网，集生命体征采集和监控、远程诊断和治疗、慢病预防和干预、疾病随访、设备管理、居民健康档案和健康信息统计分析于一体的大型信息系统[4]。该系统利用物联网、数据挖掘、网络通信等各种高科技手段，目标是通过该平台的使用可以实现远程的健康监控。

管理平台的总体架构如图1所示，被管理平台服务的入网人群包含3部分，分别是体检人群、门诊病人和住院患者。

对于体检人群，系统根据体检结果对用户进行疾病风险评估和人群分类，如果其各项指标正常，即被划分为健康人群，出具健康体检报告，并要求其定期进行体检。如果其某些指标出现异常，但还没有严重到患病的程度，则被划分为亚健康人群，医护人员利用远程健康管理，将对其出具相应的疾病风险报告及健康干预指导。对于普通门诊患者，健康管理平台对其进行分类，如果其为健康或亚健康，则同上述体检人群的监控方法一致。如果其患某种疾病，尚还未达到住院标准，医护人员则可通过远程无线健康监控平台与病人实现互动，根据实时体征参数调整用药和治疗方案，直到病人恢复健康。

对于住院患者，在其康复出院后，利用该系统对其术后状况、康复过程进行跟踪、随访。出于医院病床床位的限制和医护人员的短缺，住院患者一般在病情得到初步治疗和控制后就会安排出院，在家恢复康复。

图1 医院病患生理参数管理平台架构图

1.2 病患生理参数管理平台设计

本文提出的远程健康监控平台，患者可以在足不出户的情况下与医护人员进行诊断交流并得到及时的反馈。远程健康监控平台通过各种采集器实时采集用户生命体征信息，并通过无线网络实时传输到网络服务器[5]。整个平台由心电监控系统、动态血压监控系统、血糖监控系统、睡眠监控系统、呼吸监控系统等诸多子系统组成，分别采集不同的体征参数以满足不同病症的监控需求。远程健康监控平台的主要构成如图2所示。

图2 远程健康监控平台的组成部分

远程心电监控系统由心电采集器、健康手机、中心管理系统、医生工作站等4个部分组成。该系统的主要创新点在于：基于心电采集器与健康手机采用分开设计理念，同时采用单电源技术、低功耗中央处理器技术、高集成芯片设计技术与嵌入式软件技术，并且有效集成，使得心电采集器“功耗小、体积小、重量轻、方便佩带”；采用蓝牙模块休眠技术、CPU休眠技术、蓝牙断线自动重连技术与嵌入式软件技术，并且有效集成[6]，确保了通信的稳定性和数据的可靠性；采用高效可靠的压缩算法对待传送数据进行压缩处理，使得网络流量降低50%左右，有效利用带宽，提高系统实时性；采用可靠的数据传输协议，利用分包、编号、重传等手段使得在采集器和智能终端之间的心电数据传输准确无误；以上多种先进技术确保了心电图数据的实时、动态、可靠传送。

远程动态血压监控系统侧重于与高血压相关的临床方面的应用及家庭血压监测；对病人在一天中不同时间段的收缩压、舒张压、心率等参数进行客观准确采集并自动传送至e+医健康手机，还可记录特定事件（如进餐、运动、睡眠、其他等）发生的时间；手机端接收到测量数据后，通过GPRS实时传输测量记录到远程监控平台[7]。远程睡眠监控系统采用了“血氧+可调节枕头”的方法，当患者发生阻塞性睡眠呼吸暂停综合症（OSAS）时，所用到的枕头可以自动的进行调整，确保了患者的呼吸道总是处于通畅的状态，以实现治疗的效果。其特点是患者可以在家居环境下接受OSAS治疗。

2 基于数据挖掘的生理参数研究

在远程健康监控平台上，针对通过获取临床信息与实时监控数据，形成监控的信息集成平台。同时，在后台并整理临床治疗数据与监控波形数据形成临床信息数据库。

本文将80个患者的MAP记录当作测试集进行提取。在这个测试集中对T0之前的30 min PWTT信号的统计特征进行主成分变换，将变换完成后得到的结果作为特征参数输入分类预测模型中进行分类预测。其过程可以描述为：向训练过的BP神经网络中输入测试集中的数据，从Matlab中调用函数sim，初步得到神经网络的预测分类，当预测分类的值为1，将患者归为H组，判断的结果是该患者在预测窗口内发生了急性低血压；当预测分类的值不等于1，将患者归到C组，判断的结果是该患者在预测窗口内无急性低血压的发生，接着对预测正确率进行统计。为了优化分类预测模型，本文试凑了BP神经网络的结构，利用对比和分析的办法，选取其中的最优化模型[8]。如表1网络特性所示，表中所述的训练集平均正确率代表了训练集中用来测试网络性能的子集在网络预测下的正确率的平均值，测试集平均正确率代表了通过测试集测试网络从而得出的正确率的平均值，从表中可以发现，选择隐含层为2时，能得到较高的测试集平均正确率。当隐含层单元数等于2时，将实验中的第7次交叉验证作为最佳模型进行测试，得到了81.25%的测试集正确率。

表1 网络特性

由表2发生与未发生记性低血压的分类预测结果可知，针对完整的测试集（共包含80个病患者）来说，该系统正确预测了67个在T0之后的1 h内是否发生急性低血压的患者记录，将预测的准确率提升至81.25%。应用神经网络能有效的对不同组之间的特征参数的差别进行快速学习，进而利用神经网络卓越的非线性映射能力，可以对急性低血压病症的发生进行有效的分类。

表2 发生与未发生记性低血压的分类预测

3 病患生理参数管理平台的实现

从功能角度来说该平台主要包括3部分，用户入网注册模块、医患实时交互模块和慢病随访模块，如图3所示为病患生理参数管理平台的模块组成。

3.1 用户入网注册模块

该模块主要包括不同类型的用户注册以及用户的权限管理，用户主要包括体检用户、门诊患者、出院患者和医护人员。该模块具备医护人员的用户注册和权限管理功能，对医护人员进行实名认证，并对于不同级别不同分工的医护人员给予不同的权限管理，加强整个模块的安全认证机制，保证患者的权益得到充分保护、患者的隐私不被泄露。

图3 医院病患生理参数管理平台的功能模块

3.2 医患实时交互模块

基于Web，该平台的医患实时交互模块支持视频、音频、短消息、邮件等的互动，利用该模块，用户可以向医护人员述说病情，征询建议，医护人员给予实时讲解和诊治。该模块集成了视频、语音、短消息等各种功能，以满足医患之间任意时间任意形式的交流。

3.3 慢病随访模块

慢病随访模块针对特定的慢性病人或手术后病人进行定期的远程检查和诊治，对用药和日常生活习惯给予指导。无论是基于Web的互动平台还是基于Pad的移动工作站都是一种利用了云计算技术的瘦客户端，大量资料存储在云端数据中心，用户通过访问医疗云来获取相应信息。

3.4 编程实现

本系统采用Hibernate方法对数据持久层进行开发，将Hibernate反转工程运用其中，在数据库中数据表生成相应的POJO （Plain Ordinary Java Object）类和映射文件[9]。以远程心电监控表Source和分类表Holter为例，生成的Holter类用来存储Source表的详细信息。其中THolter类中有一个集合类型，用来存储Patient对象，从而体现数据库中的“一对多”的关系。在这种方法中与Holter类相对应的配置文件是Holter.Hibernate.xml。由JSP对用户界面进行实现，同时使用Struts所提供的标签可规避在JSP中植入太多Java脚本，以改善代码的可读性。通过JavaScript提供的XMLHttpRequest发送请求并得到结果，其具体实现过程为：

（1） 客户端

首先要创建XMLHttpRequest组件，相关代码为：

function createXmlHttpRequest0{

if（window.ActiveXObject）{//如果是IE浏览器

return new ActiveXObject（"Microsoft.XMLHTTP"）：

}else if（window.XMLHttpRequest）{//IE浏览器

return new XMLHttpRequest（）；

}

}

然后设置要提交URL地址，并设置回调函数，通过XMLHttpRequest对象的Open方法初始化，通过Send方法发送请求。回调函数中通过ResponseText属性得到服务器端返回信息，判断后输出。

（2） Server端

在Action类方法中，通过调用数据库中建立的“user”表来判断用户是否存在以及密码是否正确，并传递返回值。使用Log4j日志记录系统中日志管理所采用的Log4j技术。Log4j是Apache官方的一个开放源的代码项目，具有强大的日志记录管理功能，其通过修改相关配置文件，即可以指定存储日志的输出目的地、输出级别，以及每条日志的输出格式，极大地提高了日志系统的灵活性。

3.5 运行结果

网络端口实时接收TCP/IP格式数据，包括床垫协议数据与多参数协议数据（包括长程数据与片段数据）。网络端口实时转发收到的数据，以广播形式实时发送。实时数据的数据库存储，非实时数据与报告的上传与下载病人档案信息管理软件的编写。此功能以BS模式进行编写，用户使用IE浏览器即可浏览。以用户ID号为主识别信息标志。

具体包括：用户登录管理、设备管理、病人信息管理、监控信息管理、数据与报告上传功能等。此处仅列举病患生理参数管理平台所采集并生成的体动趋势图，如图4所示。

图4 体动趋势图

4 结 语

本文采用远程技术针对生理参数的采集提出了医院病患生理参数管理平台，并对其进行系统设计和功能模块的分析。针对所采集的海量数据，采用数据挖掘技术对生理参数进行分析处理与集成应用，通过采用BP人工神经网络的方法实现急性低血压导致休克的预测，实验证明取得了较高的准确率。最终通过数据库建模技术，利用SSH框架实现了医院病患生理参数管理平台，解决了医护人员可以在患者足不出户的情况下得到其生理参数，并进行相应的指导与诊治的难题。

参考文献

[1] 金凡，王成，白丽红，等.基于Android平台的脉搏波监测系统的研究[J].计算机测量与控制，2014，22（4）：994?996.

[2] 高翔，刘秀鹏，冯天天，等.基于无线体域网的康复监测系统设计[J].计算机技术与发展，2014，24（9）：234?237.

[3] 陈超.远程医疗监控系统服务器平台的设计与实现[D].成都：电子科技大学，2012.

[4] 梁铁.基于多智能体的远程健康监控系统结构及时间校准研究[D].保定：河北大学，2011.

[5] KOH H C， TAN G. Data mining applications in healthcare [J]. Journal of Healthcare Information Management， 2011， 19（2）： 65?70.

[6] 许雪楠，梁晋涛，黄邦宇.基于STM32的健康一体机控制系统的设计[J].微型机与应用，2013，32（16）：20?22.

[7] 陈浩，王昊翔，田志宏，等.基于嵌入式Linux的远程生理参数监护系统的设计[J].计算机测量与控制，2013，21（7）：1843?1845.

[8] MAO Y， CHEN Y， HACKMANN G， et al. Early deterioration warning for hospitalized patients by mining clinical data [J]. International Journal of Knowledge Discovery in Bioinformatics （IJKDB）， 2011， 2（3）： 1?20.

[9] NAKAYAMA N， OKETANI M， KAWAMURA Y， et al. Algorithm to determine the outcome of patients with acute liver failure： a data?mining analysis using decision trees [J]. Journal of Gastroenterology， 2012， 47（6）： 664?677.