[论文解读] The CARP Mobile Sensing Framework -- A Cross-platform, Reactive, Programming Framework and Runtime Environment for Digital Phenotyping

Jakob E. Bardram|arXiv (Cornell University)|Jun 21, 2020

Mobile Health and mHealth Applications被引用 11

一句话总结

CARP Mobile Sensing（CAMS）框架是一个跨平台、响应式且可扩展的编程框架，基于Flutter构建，支持从移动设备和可穿戴传感器（如加速度计、心电图监测仪和手机日志）统一、实时地采集数据，同时支持数据转换和隐私保护操作。通过两个真实世界mHealth应用的评估，CAMS在数字表型研究中展现出稳定性、可扩展性和可用性。

ABSTRACT

Mobile sensing - i.e., the ability to unobtrusively collect sensor data from built-in phone sensors - has long been a core research topic in Ubicomp. A number of technological platforms for mobile sensing have been presented over the years and a lot of knowledge on how to facilitate mobile sensing has been accumulated. This paper presents the CARP Mobile Sensing (CAMS) framework, which is a modern cross-platform (Android / iOS) software architecture providing a reactive and unified programming model that emphasizes extensibility, maintainability, and adaptability. Moreover, the CAMS framework supports sensing from wearable devices such as an electrocardiography (ECG) monitor, and configuring data transformers. The latter allows to transform collected data to a standardized data format and to implement privacy-preserving data transformations. The paper presents the design, architecture, implementation, and evaluation of CAMS, and shows how the framework has been used in two real-world mobile sensing and mobile health (mHealth) applications. We conclude that CAMS provides a novel cross-platform application programming framework which has proved mature, stable, scalable, and flexible in the design of digital phenotyping and mHealth applications

研究动机与目标

• 解决在自定义mHealth应用中集成移动与可穿戴传感功能时对灵活、可扩展框架的需求，而非依赖通用研究平台。
• 使研究人员能够构建以参与者为中心的mHealth应用，实现来自多种传感器源的实时、无感数据采集。
• 提供统一的响应式编程模型，简化跨平台（Android/iOS）的数据采样、转换、存储和上传。
• 支持隐私保护的数据转换和安全数据处理，适用于临床和研究用途。
• 通过模块化插件和与Dart包生态系统的集成，实现可扩展性，支持第三方功能扩展。

提出的方法

• 使用Dart和Flutter设计基于响应式流的API，实现非阻塞、异步的数据采样与处理。
• 实现模块化架构，通过可扩展的钩子机制支持新增传感器类型、数据转换、存储后端和上传协议。
• 通过标准化的采样包，集成对机载传感器（如加速度计、GPS）、外接设备（如心电图监测仪）、手机日志和网络服务的支持。
• 支持包含函数式转换和隐私保护操作（如匿名化、差分隐私）在内的数据转换流水线。
• 利用Flutter框架和Dart包管理器实现跨平台部署和可重用组件共享。
• 采用领域模型，明确分离数据采集、转换、存储和传输的职责，以提升可维护性和可测试性。

实验结果

研究问题

• RQ1 一个跨平台、响应式的编程框架能否有效统一mHealth应用中来自多样化移动与可穿戴传感器的数据采集？
• RQ2 CAMS框架在保持实时性能和可扩展性的同时，如何支持隐私保护的数据转换？
• RQ3 CAMS在不损害稳定性或开发人员可用性的情况下，能够多大程度上扩展以支持自定义传感器和数据流水线？
• RQ4 在真实世界mHealth应用开发中，CAMS与原生传感平台相比，在性能、可靠性及开发人员生产力方面表现如何？
• RQ5 CAMS能否支持构建超越研究者驱动、仅支持配置的平台的以参与者为中心的mHealth应用？

主要发现

• CAMS成功支持了两个不同且具有挑战性的mHealth应用的开发与部署——一个用于心理健康，一个用于心血管疾病，证明了其在真实世界中的适用性。
• 该框架的性能与原生传感平台相当，在真实世界应用部署过程中未观察到任何稳定性问题。
• 开发人员普遍认为该框架实用且易用，五名经验丰富的开发人员的反馈推动了API和文档的迭代优化。
• 响应式、基于流的编程模型实现了高效、非阻塞的数据处理，最大限度减少了对应用响应能力的干扰。
• 框架的可扩展性使得通过可重用插件添加新型传感器类型和数据转换功能（包括隐私保护操作）成为可能。
• CAMS已发布完整文档，并与Dart包生态系统无缝集成，支持社区驱动的扩展与复用。