嵌入式人工智能健康管理系統(tǒng)設計

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了嵌入式人工智能健康管理系統(tǒng)設計范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：智慧醫(yī)療已成為一種融合IOT和數(shù)據挖掘等技術的一種新型醫(yī)療系統(tǒng)模式，智慧醫(yī)療重要組成之一智慧健康管理其核心在于患者就診的信息數(shù)據和電子健康檔案。但是當下健康管理的不足之處就是患者的重要生理參數(shù)不能實現(xiàn)實時、連續(xù)的監(jiān)測，主要受只能在固定時間去就診或者參加體檢的局限；耽誤發(fā)現(xiàn)疾病的時間，影響最佳治療時機。因此，設計一種基于嵌入式人工智能技術，結合可穿戴傳感器，基于米爾科技公司核心平臺MYC－CZU3EG（ARMCortex－A53＋FPGA邏輯單元）運行AI算法GA－BP進行血壓、血氧、心率、呼吸、身體姿態(tài)等生理信息的較精確的測量，通過NB－IOT模塊上傳至云端對用戶進行健康管理。以疲勞實驗為例，實驗結果能夠證明設計的系統(tǒng)可以用于今后以家庭、社區(qū)為單位的健康管理。

關鍵詞：智慧醫(yī)療；IOT；嵌入式人工智能；MYC－CZU3EG；GA－BP；健康管理

隨著大數(shù)據、互聯(lián)網＋、5G等技術的飛速發(fā)展，智慧醫(yī)療、“大健康”、醫(yī)療大數(shù)據等概念頻頻出現(xiàn)，并得到國內外智慧醫(yī)療［1］領域的高度關注。智慧醫(yī)療重要組成內容之一的智慧健康管理，其核心在于患者就診的信息數(shù)據和電子健康檔案。但是當下健康管理的不足之處受到傳統(tǒng)醫(yī)療手段限制，只能在固定時間去就診或者參加體檢，因此患者的重要生理參數(shù)不能實現(xiàn)實時、連續(xù)的被監(jiān)測，導致耽誤發(fā)現(xiàn)潛在疾病的時間，影響最佳治療時機。尤其是到2035年，我國人口老齡化愈加嚴重，進入高峰期，并且在2050年進入深度老齡化社會，面臨的人口健康壓力空前巨大［2］。此外，我國依然存在很多人對類似于心血管等基礎性慢性疾病自身知曉率不高，治療率更低，幾乎一半以上人群未實施有效防治［3］。而基礎性慢性疾病通常血壓、血氧、體溫、呼吸等生理參數(shù)緊密相關，為預防以及治療慢性疾病，連續(xù)測量此類生理參數(shù)十分有意義。同時人體姿態(tài)［4］的監(jiān)測，也可以對老年人的健康管理顯得尤為重要。因此，實現(xiàn)對一些重要生理參數(shù)的早期篩查與診斷，提高健康保障水平，已成為我國社會和國民經濟發(fā)展的重大戰(zhàn)略課題。近年來，基于人工智能的醫(yī)療技術［5－6］取得豐富的研究成果，在智慧醫(yī)療發(fā)展進程中也已占據相當重要的地位與角色，并且進一步正在開啟智慧醫(yī)療的新紀元。相比較與傳統(tǒng)醫(yī)療管理手段落后和生理參數(shù)測量精度不高的缺點，本文設計一種基于嵌入式AI技術的系統(tǒng)［7］，選擇米爾科技公司的核心硬件平臺MYC－CZU3EG，利用AI算法［8－9］對接收到的信號進行質量評估、濾波、去噪、增強、特征提取、心拍分類等工作處理，通過NB－IOT模塊［10］上傳至云端對用戶進行健康管理。該系統(tǒng)可以完成用戶與醫(yī)生的交互，并可進一步建立個體化生理參數(shù)數(shù)據庫，從而實現(xiàn)疾病的動態(tài)跟蹤管理和疾病預防。

1系統(tǒng)采集模塊設計

本文設計的系統(tǒng)采集模塊如圖1所示。主要包含信息感知、信息傳輸、信號處理、信號反饋四個部分。感知部分主要有傳感器采集人體的生理參數(shù)；信號傳輸是主要將采集并進行預處理后的數(shù)據通過NB－IOT模塊上傳至終端或者云端服務器；接下來還需要進行AI算法對接收到的信號進行質量評估、濾波、去噪、增強、特征提取、心拍分類等工作處理；最終，經過AI算法處理后的信息傳至用戶和醫(yī)生、心電數(shù)據庫以及健康管理中心，可以進行連續(xù)跟蹤。

2生理參數(shù)采集部分

圖1中的信號感知部分是通過人體可穿戴［11］設備實現(xiàn)，利用融入穿戴設備的各類傳感器采集血壓、血氧、心率、溫度、姿態(tài)等人體重要生理參數(shù)。

2．1血壓采集模塊

血壓采集模塊所選的敏感元件為XGZP6847氣體壓力傳感器模塊。XGZP6847模塊內部集成了可配置的數(shù)字芯片，并且PCB板的兩面分別安裝有小外形封裝的信號處理電路芯片和壓力傳感器，對傳感器由偏移、溫漂以及自身靈敏度和非線性產生的誤差進行補償和校準。利用XGZP6847模塊設計的電路采集經過校準、溫度補償后的標血壓信號和脈搏波信號，再通過計算得到脈搏波傳導時間和脈搏波波形特征量α。根據經驗公式，脈搏波信號的傳播速度與血壓之間的關系：△P＝2αT△T（1）其中，α脈搏波的特征量；△T表示脈搏波傳導時間的變化值；△P動脈的血壓變化值。

2．2血氧采集模塊

檢測血氧飽和度生理參數(shù)可以清晰反映出人體關于呼吸循環(huán)的狀態(tài)指標。通常也被認為人體第五生命重要特征?？梢怨芾砗土私饣颊吆粑h(huán)的重要生理參數(shù)。此系統(tǒng)中，選擇MAX30101芯片不僅可以用來對血氧參數(shù)的監(jiān)測，還集成心率監(jiān)測的功能。通常MAX30101芯片內部主要有光電探測器、光學元件、低噪聲電子與環(huán)境光抑制、LED幾個重要硬件組件。輸出信號為脈搏波光電容積（PPG）信號，再由固件中的PID控制調節(jié)LED不同的亮度。由于LED亮度發(fā)生不同，則波長也會不同，PPG信號對不同波長信號吸收也會不同。根據經驗公式：SpO2＝λ1R2＋λ2R＋λ3（2）其中，SpO2表示真實的血氧飽和度值，R表示兩個不同波長光水平比率值，λ1、λ2、λ3是可以通過回歸分析方法得到的經驗數(shù)值。SpO2計算算法步驟如圖2：

2．3姿態(tài)采集模塊

系統(tǒng)選擇全球首例9軸傳感器MPU6050模塊采集人體的姿態(tài)信息。該模塊集合了3軸陀螺儀和3軸加速度儀構成9軸運動傳感器，較MPU6000測量結果更加精確。評估人體運動的加速度和角速度參數(shù)，通過I2C總線與模塊MCU通訊，解算得到人體姿態(tài)角參數(shù)。目前解算姿態(tài)一般用歐拉角法、方向余弦法以及四元數(shù)法。其中，四元數(shù)法具有無奇點、計算量小的優(yōu)點，運用更廣泛。本系統(tǒng)通過采集IMU的原始數(shù)據，利用重力場和地磁場在地理坐標系與載體坐標系之間的方向余弦轉換，解算出航向角（Yaw）、俯仰角（Pitch）以及橫滾角（Roll）。解算流程如圖3。

2．4NB－IOT模塊

窄帶物聯(lián)網(NB－IoT)是一種針對mMTC場景設計的低功耗廣域網技術，最大優(yōu)點可以處理大規(guī)模低功耗連接，并且可覆蓋的范圍很大，穿透性能強。本系統(tǒng)選用中國移動M5310－A模塊，模塊封裝為LCC封裝。該模塊特色之一就是其尺寸小，僅僅只有19mm×18．4mm×2．2mm，最大程度地滿足終端設備對小尺寸模塊產品的需求，有效地幫助客戶減小產品尺寸。M5310－A支持M2M芯片和OneNET云平臺協(xié)議，同樣支持最新Re-lease14標準，支持更高通信速率，支持基站定位。通過NB－IOT模塊將采集到的數(shù)據經過預處理后，上傳至嵌入式AI設備中，完成后續(xù)數(shù)據處理。

3系統(tǒng)算法及AI設備設計

3．1GA－BP網絡算法

系統(tǒng)采集到的生理參數(shù)在經過MCU進行處理之后，通過NB－IOT模塊上傳至算力足夠的AI設備進一步數(shù)據分析，實現(xiàn)對某種潛在疾病的預測。選擇人工智能神經網絡（BP）作為識別工具，依據多次模擬預測均方誤差（MSE）以及對BP網絡的參數(shù)進行優(yōu)化；遺傳算法（GA）是一種基于自然選擇和群體遺傳機理的搜索算法，遵循“適者生存”進化的基本原理。遺傳算法模擬一個初始種群在它遺傳過程中根據適應度擇優(yōu)、雜交、突變后遺傳得到下一代種群，會一直重復進化過程，直到出現(xiàn)最優(yōu)適應度的個體，并且滿足要求。GA－BP網絡算法最重要就是根據均方誤差構造出適應度最優(yōu)的初始權重和閾值。GA－BP算法的主要步驟如圖4：計算初始權重和閾值由公式：Hj＝logsigni＝1Σw1ij·Xi＋bij()，j＝1，2，3…5（3）Yk＝logsigni＝1Σw2jk·Hj＋b2k()，k＝1，2，3（4）式中，Xi為輸人樣本的第i個指標；Hj為隱含層第j個節(jié)點輸出；Yk為輸出層第k個節(jié)點輸出。算法進化代數(shù)如圖5。

3．2MYC－CZU3EG硬件平臺

XCZU3EG是米爾科技有限公司推出的一款嵌入式AI硬件開發(fā)平臺。內部集成了四核Cortex－A53處理器，雙核Cortex－R5實時處理單元以及16nm工藝的FPGA處理單元。板載硬件主要資源如表1：該硬件平臺的計算能力完全滿足一些AI算法需求，通過實測算力能夠高達1．2TOPS。AI計算硬件平臺如圖6：

4實驗設計及測試結果

實驗將以精神疲勞實驗（采集人體的心腦電數(shù)據）來驗證系統(tǒng)設計的可行性。醫(yī)學上神經科表明，人體精神疲勞的識別與量化主要通過分析人體生物電信號的變化。心電信號能夠直觀準確地反映人體的生理狀態(tài)，并間接地反映人體的精神狀態(tài)。實驗中關于心腦電信號重要的指標參考如表2：實驗過程選擇100個學生作為受試者，并將實驗地點設置在通風不暢且燈光昏暗的實驗室倉庫，這種條件會使產生疲勞感覺的速度加快；同時定義基準無疲勞狀態(tài)為學生午休后所產生的。實驗實施過程如表3：最后，根據設計的系統(tǒng)所采集的數(shù)據并經過分析處理的結果結合當前主觀檢測的結果綜合分析，確定疲勞程度的真實值。主觀檢測采用問卷調查的方式進行，并將結果一起比較分析。同時也加入沒有基于GA的BP算法的測試結果，三者測試的結果如表4：從實驗結果看，在AI設備上基于GA－BP算法對生理參數(shù)進行分析，具有一定的識別能力，比BP算法處理的識別更接近于主觀檢測的數(shù)據。

5結束語

本文從智慧醫(yī)療健康管理角度出發(fā)設計一種基于嵌入式人工智能技術，結合可穿戴傳感器，基于米爾科技有限公司核心平臺MYC－CZU3EG運行GA－BP算法進行血壓、血氧、心率、呼吸、身體姿態(tài)等生理信息的較精確的測量，通過NB－IOT模塊上傳至云端對用戶進行健康管理。通過精神疲勞實驗來驗證系統(tǒng)設計的可行性，經數(shù)據試驗，該系統(tǒng)可以用于今后以家庭、社區(qū)為單位的健康管理，為智慧醫(yī)療健康管理提供新的可行解決方案基礎。

作者:張晨 梁昕 盧克 單位:南京機電職業(yè)技術學院