外文原文

Internet of Things and Internet of Medical Things building blocks for health and well-being applications

2.4.1 Smart environment enablers

2.4.1.1 Wearable and assistive medical devices

A basic component of a smart solution for health is a wireless sensor network that obtains automated, continuous, and real-time measurements of physiological signals and performs limited data processing and functions. Vital signs, such as heart rate, heart rate variability, body temperature, skin conductance, respiration rate, blood pressure, blood glucose, oxygen saturation, as well as activity related signals can be captured and analyzed using appropriately selected sensors that can be placed over clothes or directly on the body. Another physiological measurements that can be recorded is the hearing response, which is supported by hearing aids. Current state of the art technology in the aforementioned sensors lacks mul- tiparameter systems for the concurrent monitoring of multiple physiological measurements. On the other hand, the utilization of separate sensors is not practical and may cause inconvenience and obtrusive operation for the end users.

Table 2.1 Physiological measurement solutions in the Internet of Things era.

GSR, Galvanic skin response; PPG, photoplethysmography; POC, point-of-care; IMU, Inertial measurement unit.

Physiological signals from the human body can be measured with various sen- sor technologies [22], some of which are depicted in Table 2.1. The heart rate, which has become a routine measurement,can be easily extracted from photo- plethysmography (PPG) signals. Blood pressure derives from inflatable cuffs accompanied with a stethoscope. The evolution of this medical device resulted in an integrated smart pressure sensor [23]. Moreover, blood oxygen saturation, a valuable vital parameter, can now be easily measured through the exploitation of PPG technology. PPG is a biophotonic technology using two different light wave- lengths [24]. The basic type of sensors in skin sweat monitoring is epidermal galvanic skin response (GSR) sensor. Respiration rate is used to detect stress and potential hypoxia [25].

More recently, wearable devices that can infer the human physical activity have gained popularity. Such devices often incorporate inertial measurement unit (IMU), global positioning systems (GPS), PPG sensors, ECG leads, and sophisti- cated firmware capable of high quality and continuous biosignal monitoring [26]. Finally, sympathetic nervous system activity can be captured using electrodermal activity sensors, which offer information about alterations in the central nervous system. Assessment of these alterations leads to indicators of the emotional condi- tion of the subject [27]. The abovementioned sensors can be integrated into wear- able devices specifically designed to extract raw, aggregated, or both types of data and collectively compose a smart IoT ecosystem.

Considering the above landscape, a smart healthcare solution must be able to integrate physiological measurements, such as those reported above, aggregate (and preprocess, if necessary), and transmit them to a back end cloud platform. There, huge amounts of raw and aggregated data can be analyzed through advanced big data analytics in order to understand behavioral activity, detect probable risks, and provide adequate interventions.

2.4.1.2 Mobile devices

Mobile devices are an integral part of smart healthcare solutions. They are the near perfect interface to actively gather self-reported data from individuals. Additionally, they contain a vast array of embedded sensors and features for col- lecting a large variety of data, both actively and passively, which can be used to infer information regarding a subjectrsquo;s current health or mental state. Behavioral signals such as speech, facial expression, and gaze can also be collected through the cameras and microphones embedded in all consumer smartphones and tablets. Furthermore, mobile devices offer temporary storage and the means to remotely transmit this information. They also represent a straightforward solution for the intermediate storage of health and wellness data collected from wearable and other IoT devices before transmission to a back end cloud platform for analysis [28]. However, as already pointed out in the previous section, this transmission represents a potential security risk and can quickly drain the limited power available to these devices. In addition to functioning as storage, transmission, and potentially processing devices, smartphones represent a new source of health and wellness information. In particular, the shift to mobile devices,smartphones, and tablets as core communication platforms, has resulted in a new source of data known as digital-trace information. This data stream is generated im

剩余内容已隐藏，支付完成后下载完整资料

附录A 外文译文

2.4物联网和医疗物联网——健康和福利应用的基础

2.4.1智能环境使能技术

2.4.1.1可穿戴和辅助医疗设备

智能健康解决方案的一个基本组件是无线传感器网络获得自动、连续和实时的生理测量信号和执行有限的数据处理和功能。生命体征，如心率、心率变异性、体温、皮肤电导、呼吸、心率、血压、血糖、血氧饱和度以及与活动相关的可以使用适当选择的传感器捕捉和分析信号，这些传感器可以放在衣服上或直接放在身体上。另一个生理指标-可以记录的是听力反应，由听力支持上述传感器中的art技术缺乏多参数系统，无法同时监测多种生理状态。

表2.1物联网时代的生理测量解决方案。

GSR，皮肤电反应；PPG，光容积描记术；POC，护理点；IMU，惯性测量单位。

另一方面，使用单独的传感器是不可行的-可能给最终用户带来不便和操作不便。人体的生理信号可以用各种传感器来测量技术[22]，其中一些在表2.1中描述。心率，已经成为一种常规的测量方法，可以很容易地从照片中提取出来-动脉瘤造影（PPG）信号。血压来自充气袖带配听诊器。这种医疗设备的发展导致集成的智能压力传感器[23]。此外，血氧饱和度有价值的重要参数，现在可以通过开发PPG技术。PPG是一种使用两种不同光波的生物光子技术-长度[24]。皮肤汗液监测的基本传感器类型是表皮皮肤反应（GSR）传感器。呼吸率用于检测压力和潜在低氧〔25〕。最近，可穿戴设备可以推断人类的身体活动已经很受欢迎了。这种装置通常包括惯性测量装置（IMU）、全球定位系统（GPS）、PPG传感器、ECG导联和能够进行高质量和连续生物信号监测的固件[26]。最后，交感神经系统的活动可以通过皮肤电捕捉到活动传感器，提供有关中枢神经变化的信息系统。对这些变化的评估可以得出情绪状态的指标主题说明[27]。上述传感器可以集成到磨损中-专门设计用于提取原始、聚合或两种类型的数据和集体构成智能物联网生态系统。考虑到上述情况，智能医疗解决方案必须能够整合生理测量，如上述报告，聚合（必要时进行预处理），并将其传输到后端云平台。在那里，可以通过先进的大数据分析，以了解行为活动，检测可能的风险，并提供适当的干预措施。

2.4.1.2移动设备

移动设备是智能医疗解决方案不可或缺的一部分。他们是近乎完美的界面可以主动收集来自个人的自我报告数据。此外，它们还包含大量的嵌入式传感器和用于主动和被动收集各种数据的功能，可用于推断有关受试者当前健康或精神状态的信息。行为语音、面部表情和凝视等信号也可以通过所有消费智能手机和平板电脑中都嵌入了摄像头和麦克风。此外，移动设备提供临时存储和远程方式传输此信息。它们还代表了从可穿戴设备和传输到后端云平台进行分析之前的其他物联网设备[28]。然而，正如前一节已经指出的，这个传输表示潜在的安全风险，并可能迅速耗尽有限的电源可用性-能够使用这些设备。除了作为存储、传输和智能手机可能是一种新的健康来源以及健康信息。尤其是移动设备，智能手机，而平板电脑作为核心的通讯平台，已经产生了新的数据来源称为数字跟踪信息。此数据流是隐式生成的通过使用智能手机，可以被动和不引人注目地收集（使用

通过使用特别设计的应用程序。一个这样的应用程序是雷达基地，它作为后台进程运行并自动收集并将该信息传输给分析和预测性监测[29]。从智能手机收集的隐含跟踪信息包括以下社交活动通过通话和消息日志、社交媒体使用或蓝牙连接进行监控以及根据嵌入式传感器或GPS数据推断的活动水平。环境噪音和亮度、屏幕时间和应用程序使用也很容易收集。

智能医疗解决方案的一个日益增长的研究领域是人工智能技术直接进入移动设备。然而，考虑到深层神经网络可以有数百万个超参数需要调整，与这些技术相关的计算需求非常高，潜在的需要数百兆字节。在某些情况下，他们还需要大量的数据支持他们行动的运动，因此构成一个非常不平凡的过程。神经网络的一个发展方向是可以导入大型网络并优化它们的方法可在低资源智能设备上执行[30]。其他方法旨在降低AI技术的内存占用和计算复杂度。同时保持合理的准确性。发展低资源网络增加了智能系统离线运行的可能性，增加了用户隐私和减少与传输带宽，所有这些都是健壮智能的核心考虑因素医疗解决方案。

2.4.1.3环境监测与物联网平台

环境监测包括各种各样的物联网应用包括在线监测环境参数，如温度，影响人们安全和福利[31]。物联网平台通过专用网关收集测量参数，用于监测和分析。作为安全网关使用的最流行的物联网平台是敏捷物联网，日蚀库拉和家庭助理。7它们是开源的，功能齐全，可以使用协议，并支持无线和有线物联网技术，如WiFi，蓝牙低能耗（BLE）、ZigBee、Z-Wave。蓝牙低能耗技术的进步，使得BLE设备适合物联网的发展，结合了能量收集元件和移动网关[32]。为了将数据和事件发布到物联网云平台，MQTT连接是一个选项适用于所有平台。每个平台都有自己的认证系统（OAuth2、多因素身份验证等）。为了安全访问，HTTP SSL/TLS协议和MQTT连接确保已建立连接的隐私。敏捷物联网为物联网设备构建了一个模块化的自适应网关，支持设备和数据的互操作性。采用模块化硬件解决方案所有通信协议与提供智能服务的适当软件组件（网关上的数据管理、直观的内部面向设备管理等）允许快速原型化可扩展解决方案。EclipseKura是一个可扩展的开源物联网边缘框架，它提供了对物联网网关（I2C、GPS、GPIO、串行端口等）。HomeAssistant是一个开源的物联网平台数百个内置组件可与现成的传感器连接，为导入更多设备提供了一个简单的框架，并提供了一个移动友好的面向建立自动化规则和监控设备。

2.4.1.4基于摄像机的人类监测

尽管在物联网框架中还没有被广泛采用，但与其他传感方式相比，使用摄像头的视觉传感具有一些吸引人的优势。这些优点源于这样一个事实，即视觉感知可以支持从场景中提取详细的上下文信息，同时是被动的、低成本的和非侵入性。情境意识有助于通过检测行为模式和支持对受试者的情况和环境进行更精确的推断，更好地了解受试者所面临的活动/行动、健康和风险。许多系统在设计上依赖于提取低级的上下文信息，如用户的位置，这些信息是由非视觉的传感器和技术。然而，在有更详细的监控要求的情况下，例如，当一个人需要提取更高层次的信息，如行为模式和受试者的活动，或当环境被多个人占据或包含某些材料，如可能干扰定位无线电信号的金属零件，视觉来自摄像机传感器的信息可以提供更丰富和更精确的信息。然而，在基于物联网摄像头的监控系统中，存在与将图像从成像传感器传输出去进行处理有关的安全和隐私风险。因此，最好将安全和隐私保护的应用更靠近传感器，加强对数据隐私的控制，同时考虑到用户对隐私侵犯的关键关注点。除了隐私问题外，考虑到日常活动中的人类行为复杂多样，监控这些活动提出了重大挑战。如[33]所述，这些挑战是：（1）认识到同时进行的活动（即同时进行若干活动的个人），（2）认识到交叉活动（即与其他活动重叠的活动），（3） 解释的模糊性（即，根据上下文的不同，对类似动作的解释可能不同）和（4）支持多个用户（即，识别一个组中多个用户并行执行的活动）。人类行为的特征是不同的时间框架和语义水平[34]。除了以上，对真实室内外环境变化的稳健性受到场景和图像相关因素的影响，例如动作性能的变化、背景杂波、遮挡、照明条件以及相机传感器的选择和放置[35]Kinect，8种重要的动作识别和跟踪方法相继出现，极大地推动了动作识别和跟踪技术的发展[36]。尽管如此，目前最先进的算法在受控或半受控环境下的性能相当精确，但应对复杂、现实的场景就暴露了这些算法的局限性，特别是有效处理较长时间的遮挡，这在大多数当前情况下仍然是一个未解决的问题接近[37]。最后，这种方法受到自然光的干扰和有限的范围，因此仅限于室内环境。另一方面，被动式立体摄像机的应用范围更广，因为它们可以在阳光下工作，并且可以通过使用不同的摄像机来调节视野，镜头，或基线。除了复杂场景中与人体分割相关的空间模糊性外，时间域中的模糊性也可能影响动作识别。这些问题很容易通过重复的行动解决，但它们可能会极大地影响检测非竞争性动作，如拉动、推动或举起物体。此外，如果出现域移位问题，例如当人类动作的规模和形状与训练数据不一致时，性能可能会下降。经验结果表明[38]卷积神经网络基于CNN的算法能够在执行相同操作的不同参与者之间学习相似的特性（即，性能细微差别）。然而，在许多现实问题中（例如，监视场景），不可能提供大量的训练数据，也不可能获得足够的训练时间。因此，需要一种算法，这种算法能够在实时可靠地处理中等数量的数据，并且随着学习到更多的数据而逐步提高其可信度，理想情况下是无监督的时尚。

2.4.2个性化推荐的后端使能器

2.4.2.1用户分析和时间推理的知识抽象

为了减少可预测的急性健康事件，一个系统应侧重于消除并发症、预防性疾病管理和根据过去事件及时发现异常。然而，普通计算机化医疗系统的一个特点是用户参与系统决策的局限性。以用户为中心的设计最近被采用作为一种方法学工具，以告知现代卫生技术系统的发展。利用物联网技术和分析，现代系统能够推断隐藏的患者信息和他们自己的风险相关参数。对输入数据的持续监控可用于根据识别或预测用户独立的异常参数值或识别与患者数据档案的关键偏差来触发警告，这可能表明风险增加，过去数据的开发对于基于预测建模技术的个性化治疗的交付非常重要，预测建模技术将确定特定患者的预期治疗反应。尽管如此，过去和现在的数据之间的比较并不简单，因为过去和现在的数据经常以时间序列的形式存储，因此，经常有必要开发当前和过去的抽象图片，通过对比发现异常。降维通常用作开发不同情况（数据序列）的简化表示和它们之间基于相似性的比较的方法，以支持时间序列检索和决策[39]。近年来，时间抽象（TA）被用作从时间戳数据中导出高级概念的方法[40]。助教的理念是从基于点到基于区间数据的表示，它有效地将数据归纳为系统用户可解释的有意义的部分[41]。将不同案例的比较所产生的证据输入决策模型，以确定和建议预防风险发生或降低其影响的干预患者健康的措施。大数据分析的使用，以及匿名患者临床记录的聚合和合成的便利性，有助于创建自定义队列和度量，以提取可跨不同类型传输和应用的知识，患者可以成为对第三方有价值的服务[42]。另外，有趣的是建立疾病进展的精确模型并在临床实践中提供个性化医疗，大数据分析有助于将医疗数据与可穿戴设备和物联网智能传感

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[608439]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 现代单元结构在压缩载荷作用下的影响外文翻译资料
• 水下浇口凸轮衬套注塑模设计与分析外文翻译资料
• 机械微机械加工的最新进展外文翻译资料
• 考虑尺寸效应的物料流动特性建模外文翻译资料
• 智能移动机器人的无人监督人体活动分析外文翻译资料
• 手臂的视觉感知操纵着触觉的体验快感外文翻译资料
• 稀土元素对6061铝合金真空钎焊接头组织和性能的影响外文翻译资料
• 定向凝固铝硅镁共晶合金的组织、力学和电学特性研究外文翻译资料
• 机床进给传动装置外文翻译资料
• 数控机床工业设计方法的研究及其实现和应用前景外文翻译资料