基于机器学习的心律异常智能可穿戴预警系统

陈小杰+曹国华

摘要：当今社会个人健康保健需求日益增长，而心律状况则是反映人身体健康状况的主要指标，为此设计开发出一款新颖实用便携的心律异常智能预警可穿戴系统。该系统提供了从硬件到软件APP的整套解决方案，可以充当用户的“私人小医生”。该作品基于机器学习算法对光电反射传感器采集的心率大数据，针对于该用户进行自适应的个性化心律曲线分析，并针对该用户建立相匹配的心律状况评价函数，同时根据采集到的数据进行实时修正和反馈。而且该机器学习算法具有一定的容错性以及剔除外界干扰因素的能力，从而能够实时分析出用户心律状况，并进行心律异常状况预测和预警。硬件电路采用绿光动态心率传感器进行心率数据实时采集，通过ARM核的蓝牙发射芯片与上位机Android APP进行实时数据交互。通过APP进行实时的机器学习以分析用户的心律状况从而达到心律异常预警机的作用。同时基于Android开发平台将机器学习算法内嵌于APP中。该APP可完成实时数据交互，以及基于机器学习对该用户心律数据建立心律状况评价函数，并根据采集到的数据进行不断修正反馈。该产品的独创性在于将机器学习用于心率数据挖掘，根据长时间采集的心率大数据建立该用户的心律状况评价函数，同时实时进行动态反馈和修正，解决了从采集到的心率大数据中到心律状况动态函数这一复杂多变量、强耦合、动态实时变化的伪随机拟合问题。

【关键词】心率信号处理 机器学习 可穿戴预警系统

1 前言

该作品主要是实现对用户的心律状况进行实时监护，当心律有异常的征兆时便对用户发出警告，并给出相应的异常信息，从而起到实时预警的作用。该作品难点之一就是如何从采集到的心率大数据中，得到该用户的心律状况动态函数，从数值分析的角度看显然这是一个非线性、多因素、强耦合的拟合问题。而从统计的角度分析，这是一个复杂多变量、强耦合、动态实时变化的伪随机事件。人的心律状况是由多种身体内部、外部因素共同决定，同时也在动态实时变化，表而上可以理解为随机事件，可由于长期的进化，人体己经发展成为一个高度协调的有机体，当内部、外部因素发生变化时，人的身体状况并不会发生瞬问变化、而是一个动态缓慢渐变的过程，并在一定程度上具有自平衡性。人体这一固有生理特性便论证了人的心律状况并非随机事件，而是伪随机事件。称为伪随机事件的原因在于人体的高度复杂性和外部环境的复杂性，正因于此导致了心律状况动态函数的复杂性、非线性、强耦合性以及实时性。综上所述人体心律状况本质上是可以进行预测和预警的。难点之二是用户作为一个动态有机体，其身体性能指标实时在变化，如何根据用户身体当前状况实现对该心律状况动态函数的实时修正，以确保该算法的有效性和实时性。难点二便在于如何对心律状况这一复杂多变量函数进行实时修正和反馈。

难点分析：首先分析难点一：从采集到的用户心率数据得到该用户心律状况动态函数，这本质上是一个非线性、动态、强耦合的伪随机拟合问题，或者称为动态非线性映射。该问题从算法上分析，传统的经典算法对该类问题已经无能为力。而目前基于数据学习的机器学习算法可以有效的解决这一问题。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。另一个难点是该心律状况动态函数的实时性与自修正反馈性，通过当前数据覆盖掉设定时问段之问的数据，便可以实时更新该用户的心律状况函数从而达到实时预警的目的。

传统的医学产品诊断过程由于各种技术经济原因本质上是一维静态的，从输入流人体到输出流诊断结果，这一过程只是一对一的单数据单结果分析，诊断结果体现的是人体前段时问的一个累计结果。这其实与人体高度复杂性动态实时性这一本质相违背，所以时常会出现误诊和错诊的情况。而本产品创新性的提出动态实时诊断这一思路，并将机器学习算法用于从采集到的心率数据到心律状况函数这一非线性、强耦合、动态的伪随机拟合问题。从而达到了实时预警的作用。并且该产品易于携带同时成本经济。

2 总体方案论证与设计

本产品的主要功能是实现对心率数据的实时采集并结合机器学习算法进行实时后处理得到心律健康状态评价函数并进行实时反馈。并在必要时能够给出预警提醒功能。

产品采取模块化设计的思路，将产品分为硬件、软件系统两部分。硬件主要完成物理采集过程，软件主要完成基于机器学习算法的后续运算处理过程。在进行方案设计时，对于运算处理模块通常有两种思路，一种是将其嵌入MC，U中即依赖于MCU自带的运算处理功能；一种是设计单独运算处理模块进行运算，这在图像、视频中处理中是一种常见的解决方案。考虑到本文需满足便携性，而运算能力与体积本身便是一對矛盾，所以本产品将机器学习后处理算法移至APP中，硬件部分只需完成相应的采集、驱动、传输功能即可。本产品的总体架构图如图1所示。

如图1所示，首先由心率传感器将心率数据采集并通过自带的滤波模块进行滤波，然后将数据传输给蓝牙发射模块。蓝牙发射模块与Andriod APP进行实时通信，蓝牙发射模块将心率数据传给APP，而APP则将一些辅助信息传回给可穿戴预警系统完成相应的功能。对于APP而言，主要完成心率数据的后处理即基于机器学习的数据分析从而得到该用户的心律状况动态函数，并根据传输的数据和设定的闽值完成实时反馈修正。当心律出现异常的征兆时，从而能够起到预警的作用。endprint