一种基于智能可穿戴设备的健康信息管理系统设计.pdf

-93-CHINA SCIENCE AND TECHNOLOGY INFORMATION May.2024中国科技信息 2024 年第 9 期三星推荐体温、脉搏以及计步与能耗，并将采集到的人体健康数据传送至手机 APP 中，用户可通过手机 APP 查询当前甚至历史健康数据，用户可以基于这些健康数据对自身健康状况进行分析。目前社会上大部分医疗设备均需要通过专业人员进行测量，用户需要到医院挂号排队进行相关检测，这种传统方式不仅浪费用户时间，还占用医疗资源，降低医院工作效率。如果用户在健康检测过程中存在紧张的情绪，会导致检测结果不准确。为此本文提出设计一种基于便携式监测设备的健康管理分析系统，以低成本、高可靠性的优势替代传统方法。基于便携式监测设备的健康管理分析系统的研究与设计基于便携式监测设备的健康管理分析系统主要包括监测采集模块、数据管理与健康任务管理模块以及手机 APP 模块三部分。监测采集模块通过人机交互功能完成心率测量，使用专用高精度NTC热敏电阻的电子体温计进行体温测量，采用红外光电传感器采集人体脉搏信号，基于 LIS3DSH 采集用户计步信息。数据管理与健康任务管理模块以 TXT 文本方式存储用户健康信息。用户健康信息最终通过手机 APP模块呈现。监测采集模块将 RT-Thread 作为基于便携式监测设备的健康管理分析系统中嵌入式实时操作系统。RT-Thread 能够协调管理各任务，具体框架如图 1 所示。基于便携式监测设备的健康管理分析系统在开机时先进行初始化，初始化完成后，各个子任务也要完成线程初始化。当健康监测系统未进行健康监测时，系统时钟开始计时，时间达到最大值时或用户主动触碰开机与关机按钮后，系统进入节能模式，此时单片机处于停止工作状态，便携式监测设备中的绝大部分模块都进入关闭状态。若系统加速度以及闹钟等其他功能按键被中断后，系统又会脱离节能状态，恢复行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度图 1 RT-Thread 框架一种基于智能可穿戴设备的健康信息管理系统设计周子凌周子凌武汉新新海健康科技有限公司周子凌（1988），湖北武汉，硕士研究生（美国莫瑞州立大学工程管理学硕士学位），研究方向：智能健康管理领域，智能健康管理系统的研发。随着我国经济与科学的快速发展，人们不断提升自身对生命价值的认知，人们的健康方式、健康途径以及健康观念都有所改变。由于人们在生活、工作以及学习方面的压力日益剧增，尤其是年轻人极为不健康的生活方式，都会影响年轻人身体健康状况。人们对于自身健康情况也越发关注，更多的人想通过更高级的科技手段确保自身安全。从目前国内医疗智能化的进程来看，其发展速度非常缓慢，且智能化水平不均匀，有高有低，价格也格外高，无法满足社会对智能医疗产品的需要。因此需要设计一款携带方便、性价比高、合理可靠的便携式健康管理分析系统。健康管理分析系统是一种对人体生命体征进行监视、检测以及分析的技术，能够实时、不间断的检测人体的心率、中国科技信息 2024 年第 9 期CHINA SCIENCE AND TECHNOLOGY INFORMATION May.2024-94-三星推荐到最初的原始状态。心率测量模块在人机交互功能的作用下，用户可以进入心率监测界面，在其正确连接双手电极后启动心率测量。心率测量模块的流程图如图 2 所示。首先心率测量模块采用 AD 设备对模拟的人体心电图信号进行采集，AD 设备的频率为 200Hz，然后将获取的人体模拟心电图信号转化为数字信号，并将数字信号平滑化，然后通过阈值确定、过检漏检处理等方式对 RB 进行阈值检测，最终计算平均 RR 间期以及用户心率值，实现心率自动测量。体温测量模块体温测量模块将专业的电子体温计作为温度传感器，当人体检测温度为 37时，温度传感器的电阻值误差极低，仅为 50，阻值精准度为 0.16%，灵敏度为 0.1。基于不同温度下电子温度计热敏电阻值变化反映人体体温温度，然后将通过芯片转化为数字量的热敏电阻值传输至单片机中等待处理。最终通过计算热敏电阻值的变化测量人体当前温度。脉搏测量红外光电传感器负责收集人体的脉搏信号，这些信号在经过滤波和整形处理后，将被单片机准确识别。本文通过SON1205 脉搏传感模块传输信号类型为 0 3V 方波的脉搏信号。人体脉搏跳动一次，SON1205 脉搏传感模块将传输一个方波。单片机计数器的中断信号以输出方波为标准，最后对方波进行计算处理完成脉搏测量。计步与能耗监测由于人们生活的网络化与现代化的发展，人们的生活方式发生变化，高强度的工作以及网络的快速发展致使人们摄入更多的能量、运动量减少，致使身体代谢失衡。研究显示，新陈代谢的紊乱是慢性非传染性疾病如糖尿病等的主因。为了预防这些疾病，维持能量的平衡至关重要。通过在线评测和量化评估运动所消耗的能量，用户可以保持能量平衡。本文采用LIS3DSH 技术采集、提取和处理数据，从而获取用户在运动过程中的步频信息。然后，结合步频能耗模型得出用户运动所消耗的能量，实现运动消耗的量化评估。这种监测方式在实地和跑步机环境下都能准确地评估用户的能量消耗情况。数据管理与健康任务管理基于便携式监测设备的健康管理分析系统以 TXT 文本方式存储用户基本信息、用户健康监测结果、健康任务、健康评价信息等数据，这些信息被妥善地保存在 8M 的磁盘空间内。为了提升系统与健康服务器之间的通信效率，采用 GPRS 模块进行数据的上传与下载。系统每日会将用户的健康数据和任务完成情况发送到健康服务器。医生可以通过专门的服务器端软件，深入了解用户的健康参数和历史数据，进而评估其健康状况，并提供相应的运动建议。之后，服务器会将医生的评价和新健康任务反馈发送到用户的手机 APP 上，用户可以直接在手机 APP 上查看并接收个人的健康分析结果。手机 APP 程序本文首先通过蓝牙模块驱动程序初始化串口，接着重设蓝牙串口的数据格式、波特率以及工作方式，最终将监测到的人体健康数据通过手机 APP 进行展现。“本文首先利用蓝牙模块驱动程序进行串口初始化，然后对蓝牙串口的数据格式、波特率和工作方式进行设定。最后，将监测到的人体健康数据通过手机应用程序进行展示。手机 APP 程序具体流程图如图 3 所示。手机 APP 接收人体健康数据首先需要将手机蓝牙与监测端的蓝牙模块相连接，连接成功后，手机 APP 通过蓝牙客户端组件即可获得人体健康监测的实时数据。数据接收后依据实时评估模块判断人体心率、温度以及脉搏是否处于标准范围内。若检测值超出标准范围内，手机 APP 会依据人体具体情况给出相应建议，同时手机 APP 界面也会显示出不同的颜色，通过颜色即可知道用户当前身体的大致情况，若手机 APP 界面显示绿色，说明此时用户身体处于健康状态；若手机 APP 界面呈现黄色，说明此时用户身体处于轻度亚健康状态；若手机APP 界面呈橘色，说明此时用户身体处于深度亚健康状态；若手机APP界面呈红色，说明此时用户身体处于不健康状态。微数据库组件都会保存每一次测量结果，并使用计时器组件获取当前测量时间，并一起存储于微数据库中。用户在手机上点开 APP 后需要先登入注册页面完成注册，当自身信息填写完成后直接跳转登录。用户登录后手机APP 会直接跳转至健康检测界面，并实时显示用户身体健康数据。当手机 APP 与监测模块蓝牙相连接后，就可以共享用户数据，此时开启测量按钮，界面就会动态展现用户当前体温、心率与脉搏数据。实验结果在正常室温下对基于便携式监测设备的健康管理分析系统进行测试，采用华为手机进行测试，测试时将华为手机与监测系统相连接。华为手机能够基于成人心率 60 100 次/min，体温 36 37的标准，对于最终监测结果的测量值给出相应的健康建议。手机 APP 健康监测界面如图 4 所示。图 3 手机 APP 程序具体流程图图 2 心率测量模块的流程图-95-CHINA SCIENCE AND TECHNOLOGY INFORMATION May.2024中国科技信息 2024 年第 9 期三星推荐根据图 4 可见，本文基于便携式监测设备的健康管理分析系统能够通过手机 APP 展现用户的基本健康信息，并为用户提供相应的建议。在人体静息状态与运动状态下，分别使用便携式监测设备与心电图设备对心率进行检测，最终对比结果如表 1 所示。表 1 静息状态与运动状态下心率监测结果时间/s静息状态心率测量值/bpm运动状态心率测量值/bpm便携式监测设备 心电图设备 误差 便携式监测设备 心电图设备 误差1656051131058266615109101836355210399445757011010375606331021002666651109105476466210910098635851071007960573111102910615741091009根据表 1 可见，在静息状态下，便携式监测设备与心电图设备测量的心率值最大误差不超过 5bpm，有时 0 误差，说明本文方法采用的便携式设备在静息状态下能够准确地反映用户的真实心率；在运动状态下，便携式监测设备与心电图设备测量的心率值最大误差不超过 10bpm，最小误差为2bpm，说明在运动状态下，便携式监测设备不能够及时准确地采集用户的心率，但是误差没有超出预期值，仍需改进。根据中华人民共和国医用电子体温计标准规定检验本文便携式健康监测设备对于温度监测的准确性，体温计最大允许误差如表 2 所示。表 2 体温计最大误差温度误差41.00.3随机选取 6 组体温、脉搏检测数据，具体监测结果图表3 所示。表 3 体温与脉搏测试结果测试样本实际值（体温）测量值（体温）平均误差（体温）实际值（脉搏）测量值（脉搏）平均误差（脉搏）1 号37.1370.27%76734.40%2 号36.636.769733 号36.436.261604 号 37.237.260565 号37.237.174766 号37.0 37.15558根据表 3 可见，体温监测实际值与测量值的误差最大为0.2，都处于体温计最大允许误差内，平均误差仅为0.27%，符合标准。脉搏实际值与测量值最大误差为 4BMP，平均误差为 4.40%，符合标准。说明本文方法能够准确监测到人体的体温与脉搏。为检验本文便携式健康监测设备对于计步与运动能耗的准确性，在不同的行走速度下进行了 10 组实验。在每组实验中，参与者都走了 500 步。具体的计步结果已在表 4 中详细列出。表 4 计步结果实验次数计步结果慢速中速快速13033033052302303301330230430143033023025302302303630130330373002993038302304301930330130210305302303根据表 4 计步结果，再对比实际检测结果可知，慢速的准确率为 99.6%，中速的准确率为 99.4%，快速的准确率为 99.5%，综合来看计步监测结果准确率高达 99.5%。说明本文便携式健康监测设备准确记录用户运动步数，计算运动能耗。结语本文设计一套基于便携式监测设备的健康管理分析系统，能够采集人体体温、心率、脉搏以及计步与能耗。便捷式监测设备的体积小，便于携带，不影响日常工作生活，还可以与手机 APP 进行交互，以闹钟或振动莫斯提醒用户执行健康任务。图 4 手机 APP 健康监测界面