[论文解读] A New Architecture of a Ubiquitous Health Monitoring System: A Prototype Of Cloud Mobile Health Monitoring System

Abderrahim Bourouis, Mohammed Feham+1 more|arXiv (Cornell University)|May 31, 2012

IoT and Edge/Fog Computing参考文献 9被引用 39

一句话总结

本文提出了一种基于云的新型移动健康监测系统，整合了无线体域传感器网络（WBASN）、智能手机、云计算、GPS定位数据以及神经网络，实现了对患者健康状况的实时、无处不在的监测。原型展示了可扩展、自适应的架构，用于持续的患者状态评估，通过智能、位置感知的健康分析促进独立生活。

ABSTRACT

Wireless Body Area Sensor Networks (WBASN) is an emerging technology which uses wireless sensors to implement real-time wearable health monitoring of patients to enhance independent living. In this paper we propose a prototype of cloud mobile health monitoring system. The system uses WBASN and Smartphone application that uses cloud computing, location data and a neural network to determine the state of patients.

研究动机与目标

• 设计一种可扩展、无处不在的健康监测系统，以支持在传统医疗设施以外环境中的实时患者监测。
• 整合无线体传感器、智能手机处理和基于云的分析，实现对连续健康数据的管理。
• 通过利用位置数据和机器学习技术，实现智能监测，提升患者独立性。
• 构建一个原型系统，利用神经网络和上下文数据动态评估患者健康状态。
• 验证云-移动架构在真实世界场景中用于移动健康应用的可行性。

提出的方法

• 系统采用无线体域传感器网络（WBASN）收集可穿戴传感器的实时生理数据。
• 智能手机作为移动网关，聚合传感器数据并通过移动网络将数据传输至基于云的服务器。
• 云基础设施用于存储和处理健康数据，支持集中式监控和长期分析。
• 集成GPS定位数据以提供上下文感知的健康评估，例如检测跌倒或异常移动行为。
• 训练神经网络分类器，分析生理数据和上下文数据，以判断患者健康状态（如正常、处于风险、危急）。
• 该架构支持互操作性、可扩展性和移动健康应用的实时响应能力。

实验结果

研究问题

• RQ1 如何设计一种云-移动架构，以实现在传统医疗设施以外环境中的持续、实时健康监测？
• RQ2 位置数据在提升移动健康系统中患者状态分类准确率方面发挥什么作用？
• RQ3 神经网络在结合生理数据和上下文数据时，对患者健康状态分类的有效性如何？
• RQ4 基于智能手机的网关能否高效管理来自多个可穿戴传感器的数据流至云端？
• RQ5 哪些架构组件可确保无处不在的健康监测系统具备可扩展性和可靠性？

主要发现

• 所提出的架构成功将WBASN、智能手机处理、云存储和神经网络分析整合为一个协调一致的移动健康监测系统。
• 集成GPS定位数据显著提升了患者状态检测的上下文感知能力，尤其在跌倒检测和移动追踪方面表现突出。
• 神经网络模型在使用实时传感器输入和位置上下文数据时，表现出可靠的患者健康状态分类能力。
• 原型在移动环境中成功验证了实时数据传输、处理和决策的可行性。
• 该系统架构支持可扩展性和适应性，适用于多种医疗和独立生活场景的部署。
• 云计算的集成实现了高效的数据持久化、远程监控和集中式分析，支持临床监督。