基于Android平台的高血压监测预警系统设计

杜冲锋 熊月玲 常晓碟 韩磊 叶明全

摘要：为能在高血压方面为用户提供更为优质的医疗服务，设计一种基于Android平台的高血压监测预警系统。通过移动医疗软件与可穿戴设备结合，实时监测用户血压水平，获得数据并上传至云端服务器，在云端通过数据挖掘和机器学习等技术建立智能预警模型，向用户提供风险信息预警服务。

关键词： 高血压;物联网;移动医疗;传感器;监测预警

中图分类号：TP302.1         文献标识码：A        文章编号：1009-3044（2018）36-0232-03

1  背景

随着社会节奏的加快，工作压力的增大，人们罹患高血压疾病的比率增高。2018年2月发表的“十二五”高血压抽样调查研究，在全国31个省、自治区及直辖市随机抽取年龄>18岁人群>45万人，发现我国成人高血压患病率达23.2%，患病人数达2.45亿[1]。可见，我国高血压患病人数众多，对高血压等慢性疾病的控制刻不容缓。而规范高血压等慢性疾病，有助于降低疾病的發病率， 提高生活质量[2]。

基于智能手机的移动感知正成为近年来国内外的研究热点[3]，利用移动通信网络与医疗信息网络融合技术，以及信息集成技术，将医疗服务系统进行整合，可以为患者提供更为便捷的医疗服务[4]。针对高血压病程长、治愈率低、复发率高的问题，本文对基于Android平台的高血压监测预警系统进行设计研究，以期望用户能够及时了解自身血压、心率等身体信息，出现危险状况能够及时就医，在一定程度上提高患者生活质量。

2 系统需求与设计

2.1 需求分析

需求分析是软件计划阶段的重要活动，也是软件生存周期中的一个重要环节，该阶段是分析系统在功能上需要“实现什么”， 是开发人员经过深入细致的调研和分析，准确理解用户和项目的功能、性能、可靠性等具体要求，将用户非形式的需求表述转化为完整的需求定义，从而确定系统必须做什么的过程。

通过问卷调查、社区走访及向相关医生咨询等途径，我们对用户的需求进行了切实的分析。根据分析，得到系统的功能性需求，分为以下4部分。

1） 健康档案：实现用户注册、登录，存储个人健康信息;

2） 监测功能：通过相关硬件设备，监测人体实时健康数据;

3） 预警功能：当系统检测到用户血压值异常时，提示预警;

4） 健康指导：向用户推送科普知识，建议等。

2.2 系统设计

本系统采用“用户端+云端”的系统架构，用户端App通过蓝牙接口与手表式血压计相连接，实现血压监测，并上传监测数据和生理参数（身高、体重、心率、血压以及年龄）至云端服务器，获取医疗管理服务。云端服务器做业务逻辑的处理，并在此基础上实现个人健康数据接收与管理以及智能预警模型的数据分析。本系统具备体征采集与传输、智能监测预警和健康指导的功能。系统架构如图1所示。

2.2.1 用户端设计

Android用户端一方面与用户交互，提供良好的用户界面，另一方面与服务端进行数据交换。用户端应用软件基于Android系统开发，采用MVC的开发模式进行设计，视图层采用XML文件进行界面设计，使用Activity活动类，实现人机的交互。

2.2.2 云端设计

“轻用户端，重云端”是目前 IT 架构的发展趋势[5]，云端采用Apache做web服务器，服务端程序设计采用三层架构，即控制层、业务逻辑层和数据访问层，控制层负责接收用户端发送的数据请求，并调用业务逻辑层;业务逻辑层对控制层传来的请求进行二次处理，调用数据访问层，并将调用结果返回到控制层;数据访问层封装了对数据库的增删查改方法。用户端与云端服务器通信遵循HTTPS协议，数据交互采用轻量级JSON数据格式，对来往数据采用MD5加密，确保信息安全。云端架构如图2所示。

3 功能模块设计

3.1 健康档案模块

用户在使用时，首先呈现的是登录/注册页面，成功登录后进入健康档案主界面。该模块负责管理患者的头像、姓名、身高、体重、年龄、疾病史、体检信息等个人基本信息。

3.2 监测模块设计

3.2.1 硬件部分

智能医疗作为未来移动互联新的入口，在于硬件背后收集到的医疗云端数据[6]。可见，选择一款正确的信息采集硬件是极为重要的。一般而言，智能手机并不携带专门的生理信号传感器，而是借助无线网络或硬件接口与生理测量仪器相连接 [7]，实现数据采集与传输。手表式血压计是一种真正的可穿戴医疗器械，具有轻便、可连续穿戴的特点，克服了传统血压计无法长期佩戴使用的问题。其作为可穿戴设备与用户端软件结合，有助于高血压等慢性疾病的辅助治疗。

因此，本系统采用可连续监测的光电-心电法（PPG-ECG）血压跟踪手表（如图3所示），在其中嵌入BLE蓝牙芯片，用于无线数据传输。光电-心电法（PPG-ECG）血压测量是一种使用光电-心电法（PPG-ECG）传感器测量脉搏波的PWV从而推算连续血压的方法。

3.2.2 血压监测

该模块使用BLE蓝牙低能耗技术，通过BluetoothAdapter类查找周边蓝牙设备，经配对后自动连接手表式血压计并获取血压计数据，实时显示监测数据，并自动判断血压水平（如图4所示）;通过血压测量功能，用户能够及时对个人血压指标进行监测和管理，同时能够生成详细的血压报告，使用开源的JFreeChart类库，方便地实现了相关统计图表的绘制。

3.2.3 心率监测

在手表式血压计的基础上提供一种通过手机摄像头以及闪光灯测量心率的方式。该模块使用基于小波变换的带通滤波器及快速傅里叶变换（FFT）技术，通过手机自带摄像头以及闪光灯实现，在食指指腹轻贴摄像头时，通过捕捉毛细血管的搏动，对血液流变以及毛细血管蠕动的影像分析，获得其心率值（如图5所示）。

3.3 预警模块设计

3.3.1 云端预警模型设计

数据挖掘技术支持临床决策，最早多应用于临床诊断和治疗的辅助决策[8]。根据相关研究表明，数据挖掘技术对于高血压风险预警系统的构建同样具有重要的应用价值。针对用户血压水平异常的风险需求，在系统云端通过数据挖掘及机器学习的方法构建高血压智能预警模型，为用户提供风险信息预警服务。

预警模型训练实现流程如下：收集已有的高血压的病例对照数据，利用数据挖掘和机器学习的方法，构建出高血压早期预警的模型，然后将此模型应用到平台上，实现血压水平异常的风险预警。通过多种途径收集数据，如图6所示，把在不同医院体检单位和终端采集仪器获得的健康数据，进行统一标准、统一格式，存放到服务端的数据库内。为每个用户创建健康档案，并对用户的历史数据进行可视化展示，同时结合用户的健康指标信息和预警模型，對用户的健康风险做出评估，并提出科学的指导建议。

3.3.2 风险信息预警

将智能手机终端采集并显示的信息参数，发送至云端服务器。由服务端负责对用户多个时段的生理健康数据进行分析与处理，并将监测预警信息以及适时建议推送至用户端。系统结合心率、血压等特征值分析用户当前是否处于异常状态，将异常信息保存到服务端并即时向用户进行后台预警提示，且将以短信的形式将预警信息分发给用户的家人，确保用户得到及时的医疗救治。

3.4 健康指导模块

服务端能对用户端进行数据的更新，可定期向用户端推送高血压科普知识，包括一些健康的生活方式、高血压常识及饮食建议等。例如可根据用户的近期血压值推荐降压食谱：洋葱炒肉、胡萝卜粥以及炒茄子等。

4 结束语

文中介绍了一种基于Android平台的高血压监测预警系统设计方案，为用户提供血压、心率监测、智能预警以及健康指导等功能，对于缓解医疗资源紧张、辅助家庭监护系统、降低患者病死病残率，提高生活质量等方面具有一定的作用。同时，为高血压移动医疗软件的设计与开发提供了新的思路。

如今的智能监测预警技术已十分发达，若将其应用到高血压的智能分析中，可行性非常高。而且，国内已有部分社区和医院，对高血压的防治预警系统进行了相关开发与研究[9]。可见在医学领域，对高血压监测预警系统的研究与开发，其作用是巨大的。

利用智能手机实现医疗检测成为近年来国内外学者纷纷研究的热点领域[10]。在未来，高血压疾病的监测预警系统与适当的智能诊断系统相结合，其应用前景和市场开发必将是广阔和令人期待的。

参考文献：

[1] Wang Z， Chen Z， Zhang L， et al. Status of Hypertension in China： Results from the China Hypertension Survey， 2012-2015[J]. Circulation， 2018： CIRCULATIONAHA. 117. 032380.

[2] 梅胜， 孙雪松.我国互联网医疗在便民服务中的应用现状[J]. 中国数字医学， 2017， 12（10）：48-50.

[3] Lane N D ， Miluzzo E ， Lu H ， et al. A survey of mobile phone sensing[J]. IEEE Communications Magazine， 2010， 48（9）：140-150.

[4] 陶婧婧， 乔韵， 严惟力. 移动健康在国内外的应用与发展前景[J]. 中国卫生事业管理， 2015， 32（2）：88-90.

[5] 赵亮. 基于Android的移动医疗系统云端设计[J]. 中国管理信息化， 2017， 20（7）：180-182.

[6] 余海燕， 邱航， 王利亚. 基于健康大数据监测平台的移动医疗APP设计[J]. 中国卫生信息管理杂志， 2017， 14（2）：142-146.

[7] 陈龙彪， 李石坚， 潘纲. 智能手机：普适感知与应用[J]. 计算机学报， 2015， 38（2）：423-438.

[8] 吴信东，叶明全. 普适医疗信息管理与服务的关键技术与挑战[J]. 计算机学报， 2012， 35（5）：828-845.

[9] 张合兰. 社区高血压防治预警系统的研究和开发[J].中国社区医师：医学专业， 2010， 12（19）：272-273.

[10] 张智超， 张远， 金伟. 利用智能手机感知的移动医疗检测研究综述[J]. 济南大学学报：自然科学版， 2016， 30（5）：377-382.

[通联编辑：谢媛媛]