【.com快译】随着科技的进步和发展，与健康相关的数据与日俱增。传统上，这些数据通常是在收集患者信息的医疗保健系统中生成的。一些常见的来源包括患者的健康记录、视频/音频检查、已知疾病、常规使用的药物等。每次患者接受医疗服务时，无论是预约检查还是急诊，都会生成更多数据，从而提高跟踪患者状况的准确性。这种健康监测模型可以构建个性化数据，以支持与患者诊断、治疗和康复相关的各种预防措施。但也存在依赖医疗中心的局限性。如果患者没有接受某些服务，则不会生成一致的数据。可穿戴设备的日益广泛使用为人们的健康监测提供了新的视角。远程医疗的扩展也发挥了作用，尤其是在采用“连续护理”概念的情况下。将这些技术解决方案引入预防医学导致收集的数据量激增。这就是为什么在这个案例中有很多方面可以探索大数据技术。Lymberis解释说，“考虑到可穿戴设备的可用性，智能可穿戴个人系统应该重量轻、功耗低、价格适中、非熟练人员也能操作，并具有嵌入式处理和报警功能。”大多数推出的可穿戴设备都符合这种描述。除此之外，这些设备中的一些设备仅提供一种功能，而另一些设备则提供多种功能的集成，例如健身追踪、健康监测和消息显示。戴在手腕上的BASIS手表就是这样一种设备，它可以跟踪佩戴者的心率并提供有关健康和保健的信息。其他类型的可穿戴设备包括智能腰带、智能服装、活动追踪器、智能眼镜等。行业厂商针对不同的应用场景开发了不同的可穿戴设备。可穿戴健康设备行业专家Dian等发表的一份研究报告强调了可穿戴健康设备的重要性。可穿戴健康设备是报告中确定的四个基于物联网技术的可穿戴应用集群之一。其他三个是活动识别和运动设备、跟踪和定位设备以及安全设备。可穿戴健康设备是由传感器进行的与健康相关的数据收集设备。研究报告还根据传感器监测的信号类型对传感器进行了分类：生命体征监测：脉搏、呼吸频率和体温。非生命体征监测：血压和血氧。在应用程序中，可穿戴设备在通过互联网发送数据之前执行初步计算，然后进行额外分析，并在许多可以连接到智能手机的设备中找到替代过程。在这些情况下，可穿戴设备和移动应用程序之间存在交互。一般来说，这样的应用程序可以可视化来自健康设备的数据。更专业的应用程序还能够提供有关用户健康的建议。在涉及智能手机中间操作的场景中，一个常见的组件是访问基于云的服务。可穿戴设备收集的数据被传输到存储、处理和运行分析的服务。可穿戴健康设备也可分为两大类：健康治疗与康复、健康监测。健康治疗和康复设备有助于改善患者的身心健康。行业专家Nave和Postolache发表的一份研究报告描述了此类设备的一个创新示例。报道指出，新型智能助行器可以为行动不便的人提供帮助。它是实时监控患者的物理治疗系统的一部分。智能助行器的架构以微控制器为中心，微控制器既可以通过Wi-Fi或3G/4G协议连接云服务，又可以在无法访问互联网时通过蓝牙使用移动应用程序。通过这两个接口，智能助行器将用户的运动数据发送出去，理疗师就可以对这些信息进行分析，并据此帮助锻炼。云计算环境将所有数据存储在MySQL数据库中，Web应用程序访问数据提供另一种可视化方式。由于数据存储在云端，移动应用程序可以在互联网信号可用时保持同步运行。图中左侧为智能助行器示意图，其构造依次为主要的RFID（1）、IMU方向传感器（2）、压力传感器（3）、距离传感器（4）、Wi-Fi设备(5)和蓝牙设备(6)。右边是智能助行器原型。另一个旨在帮助人们进行治疗和康复的可穿戴设备的例子是理想化的智能可穿戴臂带。如上所述，该设备不使用任何其他云服务连接。智能穿戴臂带可以记录和预处理信号，并将信号无线传输到另一台智能训练设备。另一台智能训练设备离线运行训练好的机器学习算法。一旦识别出正确的动作，训练设备就会将结果发送到嵌入在可穿戴臂带中的手势功能。该模块负责实时模拟用户手势。其识别手势的准确性使得可以将用户的手部运动意图转化为精确的手势命令。智能可穿戴臂带原型健康监测可穿戴健康设备主要实现监测以检测某些生理机体功能的异常行为。一个有用的例子是使用物联网技术测量心跳的可穿戴设备，正如Jayanth等专家在研究中提到的那样。报告称，该系统旨在帮助患者家属和医生有效监测患者的健康状况，并在出现紧急情况时向他们发出警报。这些设备在通电时识别心跳阈值，例如“最小值和最大值”。之后，每当检测到异常心律时，系统都会搜索最近的可用Wi-Fi并与之连接。连接后，它会通过电子邮件通知家人和医生心率异常。同时，可穿戴设备会触发振动器来警告用户。用于测量心跳的原型印刷电路板(PCB)设备对心脏健康的担忧促进了许多其他可穿戴设备的开发。Majumder等专家设计的基于多传感器智能物联网的网络系统就是其中之一。该系统被归类为多传感器，因为它从用户的脉搏和温度中收集数据。可穿戴硬件负责捕获数据并将所有信息发送到Android应用程序。这种通信通过蓝牙网络进行，从而最大限度地降低了功耗。移动应用程序处理设备发送的数据，实时绘制心电图信号和体温图表。异常模式的识别基于一些先前定义的参数（例如心率）。一旦可穿戴设备收集的数据达到一定的阈值，系统就会以消息或振动警报的形式向受试者发出警告。Android应用程序不要求用户保留任何有关其健康的记录，因为它会立即提醒用户任何检测到的异常情况。可穿戴智能物联网设备的原型其他类型的可穿戴设备正在扰乱健康监测领域的进步。它们旨在从用户身体收集数据，这就是它们被归类为可摄入??设备的原因。在他们发表的研究中，Sargunam和Anusha描述了一种智能药物，它使用红外辐射来生成有关血糖水平的信息。该技术是一种非侵入性方法，可以帮助糖尿病患者监测他们的血糖水平。它的辐射特征由智能手机上的移动医疗应用程序捕获。由于血液中的葡萄糖浓度取决于特定波长的辐射强度，因此移动应用程序可以使用无线通道对其进行监测。和吉田等人。设计了一种基于胃酸发电的片状可摄入核心体温传感器，用于日常保健。他们使用定制集成电路设计了尺寸为10毫米x8毫米的设备原型。该设备能够根据胃酸的作用对体温数据进行编码、调制和传输。它的数据可以被20厘米外的天线成功接收并正确解码。可穿戴健康设备面临挑战随着可穿戴技术的发展，可穿戴健康设备也面临着特殊的挑战。专家指出，“平板电脑和智能手机是从电脑时代发展而来，其功能和外形更加标准化，而可穿戴设备的设计和开发则受到众多不同细分市场的驱动，因此其形态更加多样化。”可穿戴健康设备同样受到这一现实的影响，Lymberis提到了这个标志。他说，“目前市场上还没有一款智能可穿戴系统能够集成多传感器、智能处理和报警功能来支持医疗决策并轻松地随时与医疗机构互动。”考虑到这种情况，专业文献报道了可穿戴健康设备的一些常见挑战，传感器数据分辨率就是这样的挑战之一。通常，可穿戴设备必须体积小、使用舒适、功耗低。这些要求直接影响它们的分辨率。实现，特别是与其他类型的设备相比。对于可穿戴健康设备，其关注点往往是患者，数据可视化的质量可以在满足上述要求的同时做出更复杂的权衡。对于涉及数据解析的问题，功率功耗和耐磨性是另外两个挑战。可穿戴健康设备必须长时间运行，因为它们主要是监测用户的信息或支持恢复，尽可能少地更换电池。行业专家探索了一种基于柔性太阳能收集器的机制，他们用于可以24小时自主执行任务的多传感器健康可穿戴设备rs。计算复杂性和可穿戴设备重量之间的权衡是主要挑战之一。必须考虑此类设备的设计，因为消费者将更有可能采用时尚的可穿戴设备。一些研究报告还将安全性视为健康可穿戴设备面临的典型挑战。安全性与佩戴此类设备的用户的RF暴露水平有关。根据Vahidnia和Dian发表的研究报告，高RF辐射水平可能是由于蜂窝物联网(CIoT)解决方案中使用的天线非常接近。这些设备处理的数据的安全性是另一个问题。通常在这些设备中实施不利于采用强大的安全策略。在引入基于加密的数据保护方面也是如此，这使得可穿戴设备容易受到黑客攻击。缺乏适当的法规被认为是广泛采用可穿戴设备的另一个障碍。虽然医疗设备受此问题的影响较小，但其他领域受到了深刻影响。可穿戴设备在运动中的使用就是一个例子，但由于缺乏具体标准，其采用受到阻碍。在安全方面，可穿戴设备中的数据隐私是一个经常被解决的挑战。威胁源于可穿戴设备通常使用广播模式进行通信，这有助于未经授权的设备捕获用户的私人数据。从健康数据分析的角度来看，可穿戴设备生成的最大数据量存储在孤立的IT系统或多个云解决方案中。这一现实为采用复杂的基于商业智能的分析设置了障碍。因此，由于缺乏基于合并数据的反馈，用户丢失了很多更有价值的信息。业内专家指出，“虽然终端用户仍然可以从收集到的数据中获益，但当这些数据匿名与其他数据结合进行智能场景处理时，会感受到更大的影响。”为了让健康的可穿戴设备获得更高的用户满意度，行业专家Lymberis列出了另外四个功能来补充必须解决的问题。首先，他主张患者应该能够将数据输入可穿戴设备。其次，有必要在设备和健康提供者之间建立联系。第三，通过“特殊医疗算法”整合从多个传感器接收到的医疗数据。四是制定智能穿戴应用复杂临床场景提交验证方案。“可持续的健康监测与健康大数据有着密切的关系，”可穿戴健康设备和大数据行业专家陈说。他们提出了两个论据来支持这一说法。第一个与数据收集有关。有效的健康监测在很大程度上取决于持续和长期的数据采集。二是云计算智能支撑健康大数据分析。正确获取从人群中产生的大量健康数据对于优化公共或私人医疗服务非常重要。还有使用身体区域网络(BAN)作为收集大量健康数据的机制。与这些收集器相关联的大数据处理应用程序必须在云计算环境中可用，并且必须对捕获的数据进行操作。基于智能服装健康监测系统架构的可持续健康监测智能服装可以证明该架构的可行性。可穿戴智能服装由多个传感器组成：脉搏传感器、体温传感器、心电传感器、心肌传感器、血氧传感器、脑电传感器和电池。这是移动健康云计算软件系统的第一个组成部分。所有收集的数据都被发送到移动应用程序（系统的第二个组件），实时显示用户的健康状况。这种通信发生在低功率信道上。第三个组件是云计算服务，它接收智能手机应用程序转发的数据。而采用大数据分析的API提供了数据统计和机器学习库的功能，可以帮助预测用户的健康趋势。具体来说，Hadoop和Spark技术用于批处理，Storm用于流处理。对于机器学习算法，他们使用了SparkMLlib和Mathout库中可用的实现。并在这个基础设施上开发了三个网络应用程序：一个用于健康监测，一个用于情感安慰，另一个用于人机交互。通过数据整合，充分挖掘健康可穿戴设备产生的大数据潜力。它的核心工作是基于“本体”的概念，在医疗领域提供可穿戴知识即服务（KaaS），其设计可以处理可穿戴数据的异构性以确保语义互操作性并允许创建关于患者的信息。更准确的知识。本体捕获的所有概念都映射到表示可穿戴设备领域的类。例如，定义一个“参数”泛型类来表示被监控数据的性质。“葡萄糖”、“血压”和“心率”等参数是专门的子类。这验证了应用开发的本体来监测糖尿病患者状况的策略。结论如今，可穿戴设备的研究取得了重大进展。这为在许多不同的环境中探索此类技术提供了更多机会。从可穿戴健康解决方案的角度来看，也观察到了类似的趋势。然而，涉及新应用的各种方法和策略带来了一些挑战，特别是面临使用可穿戴设备收集的大量数据的互操作性相关问题。未来，将会有更多的创新技术和应用来改善医疗服务和患者的健康。原标题：通过可穿戴设备的数据进行健康监测，作者：ThiagoNascimento
