基于Hadoop的無線動態心電分析系統

宋銀濤，馬千里，周炳威，卞春華

(1.南京郵電大學 通信與信息工程學院，江蘇 南京 210003；2.南京郵電大學 地理與生物信息學院，江蘇 南京 210003；3.南京大學 電子學院，江蘇 南京 210093)

基于Hadoop的無線動態心電分析系統

宋銀濤1，馬千里2，周炳威1，卞春華3

(1.南京郵電大學 通信與信息工程學院，江蘇 南京 210003；2.南京郵電大學 地理與生物信息學院，江蘇 南京 210003；3.南京大學 電子學院，江蘇 南京 210093)

動態心電圖是人體在非平靜狀態下監測心電信號，具有常規心電圖沒有體現的臨床價值。為了實時監測動態心電圖，并針對用戶個人信息進行綜合診斷，提出了基于Hadoop集群的無線動態心電分析系統。客戶端采用Android App完成交互顯示，檔案及診斷管理及緊急呼救等功能。服務端利用云計算層次化服務模型框架搭建云平臺，使用Hadoop集群分析海量生理數據，通過運動干預、健康風險評估等服務幫助用戶。系統運行結果顯示，其能完成大數據條件下對動態心電的存儲和分析。改善了傳統醫療監護系統存儲、處理海量數據等方面能力不足的問題。通過分析病人的特征數據，匹配相似病例幫助醫生提高診斷精度、預測治療效果，使病人隨時可以獲得醫療服務，有助于解決老齡化、醫療費用高等社會問題，具有重要的現實意義。

動態心電；Android App；Hadoop；云平臺

0 引 言

長期以來，心臟病都是威脅人們生命健康的主要疾病之一。而運動與心臟的關系更是運動醫學界研究的熱門課題[1]。動態心電圖是人體在非平靜狀態下監測、分析心電信號，能誘發人們處于靜態時不易發現的心臟疾病[2]，在應用范圍及臨床價值等方面均明顯優于常規的心電圖機。對冠心病、心肌缺血等的診斷,藥物療效判斷[3],指導運動員訓練,減少運動員受傷幾率[4]等方面均有其他檢查不可替代的意義。

基于國內擁有世界上最大的移動網絡市場及當前醫療資源緊缺這兩大背景[5]，移動智能設備被認為是非常有前景的醫療保健工具，具有方便快捷、節省成本等特點，使得廣大群眾可以不受時間和地點的限制接受監護[6]。由于手機存儲容量、計算能力及能耗的限制，基于移動終端的健康云監測系統更具有實用價值。然而，隨著監護數據的激增[7]，傳統監護技術已無法有效地對其進行管理和分析。如合理地對動態心電大數據進行存儲、提取和分析，對監護服務、疾病分析有著極大的價值。

如今，建立監測動態心電以及基于移動云的醫療監護平臺的想法已經出現。例如，文獻[1-2]描述了如何構建一個用于平板動態心電圖監測的系統；黃停[3]介紹了動態心電的預處理和特征值分析方法；Lin C C等[8]提出將生理數據保存在后臺服務器；文獻[9-10]分別介紹了基于云分析的系統；文獻[11]提出了基于云計算的數據分析方法。然而，構建完整的遠程醫療診斷系統的文獻還是不多，多數仍使用Web框架處理數據，且所設計的移動設備的管理能力較弱，沒有針對用戶個人情況進行診斷。而這幾乎是實際使用中最重要的。

為此，系統設計以Android智能終端作為面向用戶的客戶端，并整合以低廉的主機為基礎，高可靠性、高處理能力的Hadoop集群的方式構建云平臺，提供實時準確的動態心電監測服務。實際運行表明，Android智能終端和云平臺的引入，方便了心電波形展示和數據隨時隨地的上傳和下載，改變了傳統的數據庫軟件和數據處理軟件無法應對存儲、處理、分析大數據的任務，為運動狀態下心臟疾病的監測、藥物作用的判斷起到了積極的指導作用。

1 系統總體設計

基于Hadoop集群的無線動態心電分析系統主要由采集模塊、Android智能終端、Web服務器管理平臺以及Hadoop云分析服務器集群組成。系統分為硬件層、應用層、網絡層和云平臺層。其中，應用層又分為服務層和傳輸層；云平臺層又分為業務層、功能層和平臺層，系統架構如圖1所示。

圖1 系統架構圖

主要工作流程：硬件層使用采集傳感器采集動態心電信號，通過藍牙發送至智能終端服務層顯示并通過4G/Wifi網絡傳輸到管理服務平臺。服務層還可供用戶查看健康評估報告、管理數據。發生異常時，報警通知醫護人員。云服務平臺業務層接收生理數據后，功能層按用戶進行存儲，將實時數據進行特征分析，通過Hadoop集群對歷史數據進行縱向分析、病情與特定人群的關聯性分析，預測疾病風險等，從而得到診斷結論及健康評估，并反饋到移動端。醫護人員可以通過業務層的Web端查看用戶的診斷報告及生理指標，管理存儲在集群上的大數據，并進行健康干預。系統通過云平臺將用戶與醫護人員、醫療機構聯接起來。

2 Android客戶端設計

客戶端的主要任務就是采集、展示動態心電信號,管理用戶個人信息,查詢歷史診斷記錄和報告。客戶端的使用流程如圖2所示。

圖2 Android應用程序使用流程圖

2.1 客戶端功能模塊

(1)檔案管理模塊。主要采集身高、體重等個人信息，生活習慣及病藥史等，輔助診斷和大數據分析。

(2)運動心電監測模塊。軟件通過藍牙接收動態心電數據包，同時采集加速度，將接收數據進行解析、預處理，濾除工頻干擾、基線漂移和肌電干擾這三種噪聲。并通過網絡將數據上傳到服務器，使用RC5加密算法對數據進行加密，保證數據安全[10]。

(3)診斷管理模塊。軟件以圖表文字等方式展示歷史診斷記錄、心率趨勢和運動分析等診斷報告和健康建議。

(4)報警呼救模塊。發生異常時，如突發性心臟疾病，軟件會通過響鈴提醒用戶。嚴重時自動發信息、撥打電話告知醫護人員GPS定位信息和病情，避免用戶獨處時無法自救和護理。

(5)接收健康信息。服務端主動將不定期更新的健康提醒推送給用戶實現健康干預。由于服務器端主動向客戶端發送信息，減少了客戶端手機電量與通信流量的消耗。

2.2 動態心電監測流程

用戶登錄時驗證身份，如身份正確則可開始使用軟件。監測前首先進行藍牙連接，藍牙配對成功后Android端開始接收數據。Android端的數據接收是經典的生產者-消費者問題。實時接收時每秒數據量較少，收到的心電數據需要積累到一定數量才能解析，否則會影響解析效果，因此系統采用多線程的方式維護兩個環形隊列緩存區進行數據存取。一個隊列用來實時接收數據，另一個負責累積數據。在數據解析的同時，手機端界面實時刷新動態心電波形圖，并將數據上傳至服務器端進行分析，最后將服務器返回的診斷報告顯示給用戶。動態心電監測流程如圖3所示。

圖3 動態心電監測流程圖

3 云平臺構建

3.1 云平臺架構設計

采用云計算通用的層次化的服務模型框架[12]，分為IaaS基礎設施層、PaaS平臺服務層和SaaS應用軟件層。其架構如圖4所示。

圖4 云管理服務平臺架構

基礎設施層是以多臺普通配置的服務器為基礎，利用虛擬化技術向上層提供服務。PaaS層用于數據持久存儲和管理并提供編程模型供數據分析計算，根據云平臺數據量大且結構化、非結構化數據并存的特點[13]，云平臺的數據存儲采用MySQL關系型數據庫存儲和HDFS分布式文件系統存儲兩種存儲方式。其中MySQL數據庫主要用于存儲結構化的數據；HDFS數據庫存儲非結構化的數據(如圖片等)。SaaS層為應用層，提供生理數據接收、分析和操作HDFS中原始數據的文件管理與交互等功能。

3.2 云平臺數據分析

在數據分析時，使用者主要通過Web服務器訪問云管理平臺，發給主節點MasterNode服務器，由它對數據節點進行統一的資源管理和控制，然后，SlaveNode服務器負責將接收的數據進行存儲和計算。通過將診斷算法整合至Hadoop集群中的MapReduce框架[14]，根據病人特征進行健康狀況評估，選擇治療方案。MapReduce計算框架有兩個主要的計算函數：Map函數和Reduce函數。Map函數主要用于并行計算分塊數據，得到心電數據中的QRS時限、R峰值、ST段特征值及運動狀態等特征參數。Map函數計算完成后輸出鍵值對，將中間結果發送給Reduce函數進行匯總處理。Reduce函數將結果整合完畢后由JobTracker提交給顯示端。

4 系統實現

對動態心電監測的運行結果進行展示。藍牙連接成功后，采集模塊以固定采樣率向監護App發送數據。圖5展示了監護App的動態心電監護界面及運動心率的數據統計圖。軟件進行實時的心電圖波形展示，波形可放大縮小，方便觀察。測試完成后，實時顯示服務器端返回的實時診斷的結果。用戶信息的采集有助于系統綜合分析用戶的健康狀況。

圖6展示了服務器保存的實時分析后生成的診斷報告。報告中包含用戶的基本信息、心電圖波形(可查看波形細節)、診斷結果，為醫生在給出健康建議時提供參考。經測試運行，驗證了基于云平臺的動態心電監測系統設計的可行性。

圖5 動態心電監護界面

5 結束語

系統利用Android智能手機和云計算，從健康監測、健康干預等方面為出發點，實現了對個人健康情況的實時監控。智能手機應用程序的開發，將醫學診斷和健康干預信息接入智能終端，使用戶可以隨時隨地監測自身生理狀況、醫療咨詢和自我健康管理。引入基于Hadoop的云平臺，緩解了海量數據難于存儲、處理分析等問題，減輕了客戶端負擔和能耗，輔助專家指

導用戶進行健康管理，實現了一套完整的從客戶端到云平臺的醫療數據分析系統，達到了疾病監護、早期預警的目的。

[1] 雷靳燦,廖彥劍,鄭小林,等.模塊式多功能運動心電檢測系統的設計[J].儀器儀表學報,2010,31(7):1484-1489.

[2] 吳冬青,王保華,朱仁觀,等.平板運動心電圖測量與分析系統[J].電子學報,2001,29(3):432.

[3] 黃 停.動態心電信號采集分析及系統研究[D].沈陽:東北大學,2013.

[4] 陸世鵬.運動心電監護系統[D].桂林:廣西師范大學,2010.

[5] 倪明選,張 黔,譚浩宇,等.智慧醫療——從物聯網到云計算[J].中國科學:信息科學,2013(4):515-528.

[6] 蔡耀婷,李 蕓.智能手機在個人醫療健康管理服務領域的應用現狀和發展前景[J].護理研究,2016,30(5):1549-1552.

[7] 朱凌云,李連杰,孟春艷.遠程多生理參數實時監測云服務平臺的構建與分析[J].生物醫學工程學雜志,2014,31(6):1377-1383.

[8] Lin C C,Huang S W,Chen Q Y.A real-time abnormal heartbeat detection and emergency system[C]//International conference on fuzzy theory and its applications.Yilan:[s.n.],2015:12-17.

[9] Srinivasan S,Muthukumarasamy S,Sivagamy N.Parallel computing based intelligent web service for healthcare platform[C]//International conference on information communication and embedded systems.Chennai:[s.n.],2014:1-5.

[10] Karunarathne M S,Jones S A,Ekanayake S W,et al.Remote monitoring system enabling cloud technology upon smart phones and inertial sensors for human kinematics[C]//Fourth international conference on big data and cloud computing.Sydney:IEEE,2014:137-142.

[11] Yuan B, Herbert J. A cloud-based mobile data analytics framework:case study of activity recognition using smartphone[C]//2nd International conference on mobile cloud computing,services,and engineering.Oxford:IEEE,2014:220-227.

[12] 梁 實,王益新.深圳智慧醫療云服務平臺建設[J].測繪科學,2014,39(8):74-77.

[13] 陸婷娟,戚小平.基于Hadoop的醫學影像數據平臺應用研究[J].世界復合醫學,2015,1(3):223-226.

[14] Wee K C,Zahid M S M.Auto-tuned Hadoop MapReduce for ECG analysis[C]//2015 IEEE student conference on research and development.Kuala Lumpur:IEEE,2015:329-334.

Wireless Dynamic Electrocardiogram Analysis System Based on Hadoop

SONG Yin-tao1，MA Qian-li2，ZHOU Bing-wei1，BIAN Chun-hua3

(1.College of Telecommunications & Information Engineering,Nanjing University of Posts &Telecommunications,Nanjing 210003,China；2.School of Geography & Biological Information,Nanjing University of Posts & Telecommunications,Nanjing 210003,China;3.School of Electronic Science & Engineering,Nanjing University,Nanjing 210093,China)

Dynamic electrocardiogram (ECG) is to monitor ECG signal of human during daily activities,which has more clinical value than conventional ECG.In order to monitor dynamic ECG in real-time and perform comprehensive diagnosis according to users’ personal information,a wireless dynamic electrocardiogram analysis system with Hadoop cluster has been designed and implemented,in which Android App on mobile devices is used as client to display status,manage files,perform diagnosis,and make emergency call,etc.The cloud platform utilizes generic hierarchical service modeling framework to analyze massive amounts of physiological data through a Hadoop cluster,and through exercise intervention,health risk assessment and other services to provide assistance for users.Results show that the system can complete storage and analysis tasks of the dynamic ECG under the condition of large data.It has solved the problem of that the traditional monitoring technology has been unable to effectively carry on the management and analysis.The analysis of the features of patient data and matching similar cases could help doctors improve the diagnostic accuracy and predict the treatment effect,and also can provide the patients access to medical service at any time.The system has the important practical significance in solving the issues with the ageing society and high medical treatment costs.

dynamic electrocardiogram;Android App;Hadoop;cloud platform

2016-06-21

2016-09-28

時間：2017-03-07

國家自然科學基金資助項目(GZ212062)

宋銀濤(1992-)，男，碩士，研究方向為信號與信息處理；馬千里，副教授，碩士生導師，研究方向為生物醫學電子學。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170307.0922.092.html

TP302

A

1673-629X(2017)04-0157-04

10.3969/j.issn.1673-629X.2017.04.035