《一种基于雾计算的健康监测系统架构》-工学论文，软件工程论文-论文范文参考-科学狗论文网

标题

一种基于雾计算的健康监测系统架构

范文

泮洪杰刘纪敏赵慧奇

摘要：为了进一步提高医养健康服务质量并解决传统方案中存在的数据时延与数据隐私问题，提出一种居家环境中健康信息采集与管理系统架构方案。该方案采用雾计算范式，通过部署在社区中的众多智能网关形成边缘雾，能够更好地拓展云计算覆盖范围并解决基于云的物联网模式数据延时严重和带宽资源利用率低的问题。主要功能包括用户设备接入管理、实时数据处理、任务紧急程度分类、针对用户数据分析结果的消息通知等。该方案的实现能够进一步提高医疗服务质量、简化服务流程，适用于新型养老模式与高级住宅建设。

关键词：医养健康;信息采集;雾计算;物联网;智能网关

DOI：10. 11907/rjdk. 191949 开放科学（资源服务）标识码（OSID）：

中图分类号：TP319文献标识码：A 文章编号：1672-7800（2020）005-0124-04

0 引言

在全球人口老龄化背景下，针对老年人提供日常健康信息监控和健康状况评估意义深远[1]。像脑溢血、心脏病等突发急性病致死大多是未能得到及时救治而造成的。因此，及时获取个人日常健康信息并在健康异常时及时采取抢救措施可以大幅度降低死亡率。随着生物信息传感技术和通信技术的逐渐发展，在医疗保健4.0下的诊疗服务不再仅仅以医院为中心，其能够使医疗服务提供者对患者进行远程诊断，不仅为患者提供了方便，而且能够减轻医疗服务提供者压力[2-3]。在大数据技术支持下，个人日常产生的健康数据也能够为医学研究提供非常宝贵的依据。

基于物联网的医疗健康数据采集很早就已被提出并在临床实践中广泛应用[4]。利用物联网强大的感知能力代替人工输入患者的健康信息，不仅能够减少劳动力的使用，而且提高了速度和准确度，已经被证明对用户的健康管理具有积极意义[5]。嵌入式可穿戴设备的普及使健康数据监测进一步简化。如文献[6]中，使用可穿戴设备采集人体的生物信号，并在本地的嵌入式平台运行复杂算法，实验证明可以在不限制患者行动的前提下非常准确地监测心脑血管疾病。然而，这对物联网设备的性能和电池寿命是一种挑战。

随着高新技术的不断升级，基于物联网的传统健康数据收集服务呈现出新的发展方向和重点，云计算技术与物联网的整合应用解决了边缘设备计算与存储方面的诸多问题。一方面简化了边缘设备的硬件组成复杂度，另一方面利用云计算服务提高了远程计算和资源共享功能。研究表明，云计算与物联网技术整合进一步延伸了医疗健康数据的应用范围且更有益于医疗保健研究，对改善医疗服务现状有积极作用，并且通过云平台提供的远程服务实现病人远程监护，能够优化医疗人员的工作服务流程，提高医疗效率[7-8]。很多学者根据具体问题提出了自己的方案。如Xu等[9]为了改善移动医疗监控系统在个性化健康数据处理上面临的挑战，提出采用分层结构系统，实现数据个性化存储、处理和分析，并通过实验证明了其可用性;Almashaqbeh等[10]通过利用动态信道分配策略，延迟感知路由度量和WBAN的关联协议等技术解决了健康监控系统面临的数据量大、用户移动性和网络覆盖等问题。

尽管基于云的整合应用有诸多优点，但是由于云端远离终端设备并且对网络带宽的依赖性较高，因此在医疗信息监控等对时延敏感和稳定性要求高的应用中仍然需要一种更合适的方法。思科曾于2012年提出一种新的计算范式——雾计算[11]，它将集中式的计算任务扩展到网络边缘附近，是云计算的延伸，在这种模式下物联网产生的数据可以在本地网络内进行处理计算，从而大大缩短了响应时间、减轻了网络带宽负担。此外，在数据源所在的本地网络内对数据进行处理更有助于安全隐私保护和位置感知。文献[12-14]中分析了雾计算在医疗保健领域近年来的文献和成果，指出了雾计算能够解决医疗保健中诸如时延、隐私等问题，总结了当前研究的主流方向，同时指出了不足。

结合上述分析，本文介绍一种采用雾计算结构范式、应用于社区家庭环境中及居家情况下的健康数据收集与监控系统模型，该模型能够为新型养老模式推进和高级住宅社区建设提供借鉴。

1 架构设计

本文模型主要用于在居家环境下对用户健康信息进行采集和实时监控，并在发生突发健康状况时及时处理，以避免更严重的伤害并减少医疗投入成本。

系统网络框架由3部分组成，分别为感测设备层、雾计算层和云计算层，如图1所示。系统可以通过医疗传感设备、可穿戴设备或者其它智能设备采集用户健康数据，并通过无线传输的形式连接到雾层或直接连接到云;雾计算层由部署在家庭或社区的具有计算和存储能力的网络节点通过分布式计算形式提供支持，其在本地环境中可以不依赖互联网;云计算层能够提供更大范围的服务，用于远程访问、管理以及高级应用程序部署。

2 雾层功能设计

为了提高系统的扩展性和稳定性，在雾层设计中采用模块化设计方法。本文通过阅读大量相关文献并结合对当地医疗和科研机构的实际调研，总结雾层应具备的基础功能。雾层功能模块如图2所示。

2.1 雾计算节点

雾计算与云计算的核心思想相同，不同之处在于雾计算更加靠近数据源，这使得雾计算对互联网的依赖性更小，因而能够进一步延伸云计算覆盖范围[15]。通常雾节点不需要特别强大的处理能力，但很多研究者对雾计算的处理能力和计算结果精度感到担忧，尤其是在一些要求比较高的应用中。然而随着近年来芯片技术的发展，一些小型物联网设备的计算能力已经完全可以满足基本要求，而且价格也较低。比如Raspberry Pi，它的体积只有信用卡大小，拥有常见的各种接口和通信功能，最新版本的3代B+型CPU能夠达到单核1.4GHz的工作频率，此外它还拥有非常好的扩展性，因此作为雾计算中的计算节点是完全可靠的。

在设计方案中，雾计算节点作为传感设备的接入点部署在用户家庭中。在整个社区中，大量雾节点通过局域网连接并利用虚拟化技术形成拟议框架中的雾层，因此雾层可以在不依赖互联网的情况下进行本地相关任务处理。通过这种方案可以避免互联网出现故障时导致系统无法运行的问题，提高了稳定性。同时，雾层能够通过互联网接入云平台，提供更高层次的服务。

2.2 設备接入

在系统架构中，健康信息采集设备通过部署在每个家庭中的接入点接入雾层，用户通过应用程序或者Web网页对连接接入点的健康信息感测设备进行管理。考虑到可穿戴设备或其它传感设备通信方式的异构性特征，接入点必须具备支持多种无线通信协议的功能。设备接入流程如图3所示。

2.3 数据处理

数据处理模块主要功能是对接收到的传感器数据进行预处理、诊断分析并存储在本地数据库。

物联网感测设备发送的数据不可避免会含有大量重复或者不完整的数据，通过预处理能够极大降低数据体积以减轻本地存储压力和数据传输过程中的带宽压力。文献[16]指出随着芯片技术的发展，传感设备的微型化已经很容易实现，但受电池尺寸和形状限制，其功耗问题是当前面临的主要问题。该模块可以对传感设备进行管理，根据实际状况调整设备的数据传输频率，以减少不必要的能量消耗。

对数据的分析处理大多仍采用峰值检测等传统方法，这种方法对计算能力要求不高，通常被资源限制型的系统使用。本文方案中，由于计算能力的提高，在对异常健康状况监测时可以使用更加精准和可靠的方法，例如在心电图监测中使用支持向量机分类器，能够实现98.9%的分类精度[6]。此外，可以利用机器学习技术，通过大量的用户历史数据进行模型训练，对用户健康状况进行评估和前瞻性预测。为了保证监测系统的稳定性，考虑本地雾层可能出现的资源不足等状况，将在下文给出解决方案。

医疗健康数据具有很高的隐私性，其存储位置受到重点关注。为此，本架构拟采用文献[17]中提出的医疗云平台解决方案，将数据存储在家庭网关中，在经用户授权后数据可以公开到公共云平台提供给第三方作为研究使用，确保了个人隐私数据的安全性。但是受限于设备性能，独立作为网关的物联网设备在数据处理方面难以令人满意。

在本文设计方案中，数据通过分布式存储方式存储在覆盖社区的“雾”中，这相比于独立设备上的存储更具有安全性。此外，雾计算在计算资源方面也远远胜于独立设备，因此可以提供对局部区域数据处理服务，同时还可以运行复杂算法，实现在距离数据源最近的地方完成必要的处理任务。

2.4 任务分类

雾计算的优势在于对紧急任务的响应时间较短，但不能保证当任务较多时或者大量雾节点出现故障导致计算资源减少时系统仍能对紧急任务进行最短时间的响应。为了能够体现雾计算与数据源距离的优势，同时避免可能出现的状况，本方案中通过任务分类模块实现雾层与云层的协作计算。

该功能模块通过分析用户的历史健康数据，结合用户当前监测项目出现紧急状况的严重程度，调整当前用户任务的时间敏感度，根据不同任务的时间敏感度将其分为不同的优先等级，对于紧急程度高的任务将根据任务需要充分调动雾层计算以及带宽资源进行优先处理，并通过最佳方式以最快速度通知家属或者社区医院;对于优先级较低的任务，系统则会根据当时资源冗余情况，以最佳方式选择在本地处理或者将数据和计算任务迁移至云数据中心进行处理。其逻辑流程如图4所示。

2.5 消息通知

当用户出现健康异常情况时，需及时将异常信息通知给家人或医院以便采取必要措施。本文方案中，通过消息通知模块提供用户健康异常信息的紧急报警，还可向用户定期推送健康报告及相关健康知识，让用户及时了解自身健康状况并在平时生活中注意养生，在一定程度上可以起到“早发现，早预防”以及“以养代医”的作用。

为了保证能够及时将健康异常报警信息通知到相关人员，在设计中使用了多种方式。首先，由于社区医疗部门处于雾计算的覆盖范围之内，当检测到健康异常时可以在不依赖外部互联网的情况下通知到社区医护人员，社区医护人员能够在最短时间赶到现场实施救助。同时，该模块能够通过拨打急救电话通知医院和患者家属。

3 云平台架构

尽管雾计算在不依赖互联网的情况下可以独立工作，但是随着数据的不断积累，雾计算在大数据存储和处理上会面临相当大的压力。此外，通过雾计算直接与用户进行交互使得系统的安全性无法得到保障。与雾计算相比，云计算具有更大的资源优势，同时在地理分布上能够提供更广覆盖范围的服务，云计算与雾计算相互配合，能够弥补彼此的不足。

在本文架构中，云平台实际上是在云计算SaaS层开发的软件系统，雾层通过接口接入云平台对用户数据进行备份或者长期存储，平台可以根据用户健康数据并结合相关知识库对用户健康状况进行评估。同时，通过移动应用程序或Web客户端为用户提供个人健康信息远程访问服务。此外，平台通过客户端允许医院等医疗机构接入，专业医护人员可以健康顾问的身份为用户提供建议。

4 结语

信息通信技术在医疗保健领域的应用逐渐深入，有望通过生物信号的远程监测降低突发性疾病致死率，同时通过医疗服务中心转移实现人口老龄化背景下减少医疗成本、缓解服务压力。本文介绍了基于物联网的医疗保健系统服务模式和当前问题，分析了雾计算在物联网医疗保健中的特点和优势，并总结了国内外先进技术与理论成果，提出了一个以家庭为中心的云、雾相结合的物联网健康监测与管理系统架构方案，着重讨论了雾的功能和实现方法，并与相关研究进行了比较分析。该架构方案的提出对新型养老社区和高级住宅建设具有参考价值。

参考文献：

[1] ALEMDAR H，ERSOY C. Wireless sensor networks for healthcare：a survey[J]. Computer Networks，2010， 54（15）：2688-2710.

[2] APARNA K，SUDEEP T，SUDHANSHU T，et al.Fog computing for healthcare 4.0 environment： opportunities and challenges[J]. Computers & Electrical Engineering， 2018， 72：1-13.

[3]LIU C H，WEN J，YU Q，et al. HealthKiosk： a family-based connected healthcare system for long-term monitoring[C]. Shanghai：Computer Communications Workshops，2011.

[4] REN Y，WERNER R，PAZZI N，et al. Monitoring patients via a secure and mobile healthcare system[J]. IEEE Wireless Communications，2010， 17（1）：65.

[5] ROLIM C O，KOCH F L，WESTPHALL C B， et al. A cloud computing solution for patient's data collection in health care institutions[C]. The Second International Conference on eHealth，Telemedicine， and Social Medicine，Etelemed 2010，St. Maarten， Netherlands Antilles，2010.

[6] AZARIADI D，TSOUTSOURAS V，XYDIS S，et al.ECG signal analysis and arrhythmia detection on IoT wearable medical devices[C]. 2016 5th International Conference on Modern Circuits and Systems Technologies （MOCAST）， 2016：1-4.

[7] KUO M H. Opportunities and challenges of cloud computing to improve health care services[J]. Journal of Medical Internet Research， 2011， 13（3）：e67.

[8] FERMíN GALáN，FAZIO M，CELESTI A，et al. Exploiting the FIWARE cloud platform to develop a remote patient monitoring system[C]. Larnaca：Management of Cloud and Smart city systems （MoCS 2015）， 2015.

[9] XU B，XU L，CAI H，et al.The design of an m-health monitoring system based on a cloud computing platform[J]. ?Enterprise Information Systems， 2017， 11（1）：17-36.

[10] ALMASHAQBEH G，HAYAJNEH T，VASILAKOS A V. A cloud- based interference-aware remote health monitoring system for non-hospitalized patients[C]. IEEE Global Communications Conference， 2014.

[11] BONOMI F，MILITO R，ZHU J，et al. Fog computing and its role in the internet of things[C]. The MCC Workshop on Mobile Cloud Computing，2012.

[12] MUTLAG A A，GHANI M K A，ARUNKUMAR N，et al. Enabling technologies for fog computing in healthcare IoT systems[J]. Future Generation Computer Systems， 2019， 90： 62-78.

[13] HU P，DHELIM S，NING H， et al. Survey on fog computing： architecture， key technologies， applications and open issues[J]. ?Journal of Network and Computer Applications， 2017，98（11）：27-42.

[14] FARAHANI B，FIROUZI F，CHANG V，et al. Towards fog-driven IoT eHealth： promises and challenges of IoT in medicine and healthcare[J]. Future Generation Computer Systems，2017：S0167739X17 07677.

[15] RAHMANI A M，GIA T N，NEGASH B，et al. Exploiting smart e-health gateways at the edge of healthcare Internet-of-Things： a fog computing approach[J]. Future Generation Computer Systems，2017，78（1）：641-658.

[16] LO B P L，IP H， YANG G Z. Transforming health care： body sensor networks，wearables and the internet of things[J]. IEEE Pulse， 2016， 7（1）：4-8

[17] HONG J，MORRIS P，SEO J. Interconnected personal health record ecosystem using IoT cloud platform and HL7 FHIR[C]. Park City：2017 IEEE International Conference on Healthcare Informatics （ICHI）， 2017.

（責任编辑：孙娟）

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。